Meistarafyrirlestur í tölvunarfræði - Guðmundur Smári Guðmundsson
Fyrirlesturinn verður á Zoom: https://zoom.us/j/65202558564
Meistaranemi: Guðmundur Smári Guðmundsson
Heiti verkefnis: Tímaraðaspár fyrir raforkuvinnslu
___________________________________________
Deild: Iðnaðarverkfræði-, vélaverkfræði- og tölvunarfræðideild
Leiðbeinandi: Helmut Neukirchen, prófessor við Iðnaðarverkfræði-, vélaverkfræði- og tölvunarfræðideild
Einnig í meistaranefnd: Morris Riedel, lektor við Iðnaðarverkfræði-, vélaverkfræði- og tölvunarfræðideild og Ólafur Pétur Pálsson, prófessor við Iðnaðarverkfræði-, vélaverkfræði- og tölvunarfræðideild
Prófdómari: Sebastian Lührs, meðlimur í Division Application Support hjá Jülich Supercomputing Centre, Forschungszentrum Jülich research centre
Ágrip
Raforkumælar eru notaðir í aflstöðvum til að mæla hversu mikil orka er unnin áhverri klukkustund. Mælingarnar eru tímaraðir sem hægt er að nálgast í lok hversmánaðar en þrátt fyrir það þurfa gögnin að vera aðgengileg eins fljótt og auðið er. Í þessari ritgerð eru notuð nær rauntímagögn til að framkvæma tvær mismunandi aðferðir fyrir tímaraðaspár: hlutfallsaðferð (e. ratio method) og djúpnámsaðferð (e. deep learning method). Niðurstöðurnar úr þessum aðferðum eru bornarsaman með ferningsmeðaltalsrótarskekkju (e. Root Mean Square Error) og meðal-tals beinni skekkju (e. Mean Absolute Error) með áherslu á lægri ferningsmeðaltalsrótarskekkju. Aðferðirnar eru heimfærðar á þrjár vatnsaflsstöðvar: Ljósafossstöð,Hrauneyjafossstöð og Fljótsdalsstöð. Lægstu gildi ferningsmeðaltalsrótarskekkjusem fengust fyrir hverja af þremur aflstöðvunum eru, í sömu röð: 0.066, 1.651og 2.667. Á meðan hlutfallsaðferðin nær fram lágri ferningsmeðaltalsrótarskekkjufyrir eina aflstöð, þá nær djúpnámsaðferðin fram lægstu skekkjunni fyrir allar þrjár aflstöðvarnar. Af niðurstöðunum má álykta að djúpnámsaðferðin sé góð fyrirtímaraðaspár fyrir aðrar vatnsaflsstöðvar, sem betrumbætir hraða gagnagreiningameð því að hafa tímaraðaspár aðgengilegar á nær rauntíma.