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.