{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2815499"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2815499","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάλυση δεδομένων στον τομέα των ανανεώσιμων πηγών ενέργειας","abstract":"Οι ανανεώσιμες πηγές ενέργειας όπως η αιολική και η ηλιακή ενέργεια ως εκ φύσεως μεταβλητές, απαιτούν τη χρήση πληροφοριακών συστημάτων για την πρόβλεψη των επιπέδων προσφοράς και ζήτησης, καθώς και την ολική διαχείριση του συστήματος ηλεκτρικής ενέργειας και της αγοράς ηλεκτρικής ενέργειας. Μελετάται το περιβάλλον του Ελληνικού κλάδου, με την εκτίμηση των προκλήσεων που προκύπτουν από την μεγάλης κλίμακας ενσωμάτωση ανανεώσιμης ενέργειας στο σύστημα, και αναλύεται ποιοτικά η πρόταση για την λύση των προκλήσεων του Ελληνικού συστήματος. Επιπρόσθετα, παρουσιάζονται οι τελευταίες τεχνολογικές λύσεις που περιλαμβάνουν εξόρυξη δεδομένων(data mining), μηχανική μάθηση(machine learning) και στατιστικές μεθόδους για τον καθαρισμό, τον μετασχηματισμό, τη μοντελοποίηση και εξαγωγή χρήσιμων πληροφοριών από μεγάλες, πολύπλοκες ομάδες δεδομένων για την αντιμετώπιση παρόμοιων προκλήσεων. Καθώς επίσης προτείνεται ένα πλαίσιο μελλοντικών τάσεων τεχνητής νοημοσύνης για το Ελληνικό σύστημα.","abstract_html":"Οι ανανεώσιμες πηγές ενέργειας όπως η αιολική και η ηλιακή ενέργεια ως εκ φύσεως μεταβλητές, απαιτούν τη χρήση πληροφοριακών συστημάτων για την πρόβλεψη των επιπέδων προσφοράς και ζήτησης, καθώς και την ολική διαχείριση του συστήματος ηλεκτρικής ενέργειας και της αγοράς ηλεκτρικής ενέργειας. Μελετάται το περιβάλλον του Ελληνικού κλάδου, με την εκτίμηση των προκλήσεων που προκύπτουν από την μεγάλης κλίμακας ενσωμάτωση ανανεώσιμης ενέργειας στο σύστημα, και αναλύεται ποιοτικά η πρόταση για την λύση των προκλήσεων του Ελληνικού συστήματος. Επιπρόσθετα, παρουσιάζονται οι τελευταίες τεχνολογικές λύσεις που περιλαμβάνουν εξόρυξη δεδομένων(data mining), μηχανική μάθηση(machine learning) και στατιστικές μεθόδους για τον καθαρισμό, τον μετασχηματισμό, τη μοντελοποίηση και εξαγωγή χρήσιμων πληροφοριών από μεγάλες, πολύπλοκες ομάδες δεδομένων για την αντιμετώπιση παρόμοιων προκλήσεων. Καθώς επίσης προτείνεται ένα πλαίσιο μελλοντικών τάσεων τεχνητής νοημοσύνης για το Ελληνικό σύστημα.","abstract_has_math":false,"creators":["Ψυχογιός Λάμπρος","Psychogios Lampros"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:32:31Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2815499"],"render_values":[{"text":"uoadl:2815499","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2815499","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2815499","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2815499","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ψυχογιός Λάμπρος","Psychogios Lampros"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2815499","https://pergamos.lib.uoa.gr/uoa/dl/object/2815499"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι ανανεώσιμες πηγές ενέργειας όπως η αιολική και η ηλιακή ενέργεια ως εκ φύσεως μεταβλητές, απαιτούν τη χρήση πληροφοριακών συστημάτων για την πρόβλεψη των επιπέδων προσφοράς και ζήτησης, καθώς και την ολική διαχείριση του συστήματος ηλεκτρικής ενέργειας και της αγοράς ηλεκτρικής ενέργειας. Μελετάται το περιβάλλον του Ελληνικού κλάδου, με την εκτίμηση των προκλήσεων που προκύπτουν από την μεγάλης κλίμακας ενσωμάτωση ανανεώσιμης ενέργειας στο σύστημα, και αναλύεται ποιοτικά η πρόταση για την λύση των προκλήσεων του Ελληνικού συστήματος. Επιπρόσθετα, παρουσιάζονται οι τελευταίες τεχνολογικές λύσεις που περιλαμβάνουν εξόρυξη δεδομένων(data mining), μηχανική μάθηση(machine learning) και στατιστικές μεθόδους για τον καθαρισμό, τον μετασχηματισμό, τη μοντελοποίηση και εξαγωγή χρήσιμων πληροφοριών από μεγάλες, πολύπλοκες ομάδες δεδομένων για την αντιμετώπιση παρόμοιων προκλήσεων. Καθώς επίσης προτείνεται ένα πλαίσιο μελλοντικών τάσεων τεχνητής νοημοσύνης για το Ελληνικό σύστημα.","Renewable energy sources such as wind and solar energy are naturally variable, require the use of information systems to predict supply and demand levels as well as the overall management of the electricity system and the electricity market This study examines the environment of the Hellenic sector, assessing the challenges arising from the large scale integration of renewable energy into the system, and analyzing the proposal for the solution of the challenges of the Hellenic system. In addition, we present the state-of-the-art solutions that include data mining, machine learning and statistical methods for cleaning, transforming, modeling and extracting useful information from large, complex data sets to address similar challenges. As well, a framework of future trends in artificial intelligence for the Hellenic system is proposed."]},{"key":"dc:title","label":"Title","values":["Ανάλυση δεδομένων στον τομέα των ανανεώσιμων πηγών ενέργειας"]}]}],"canonical_facts":{"dc:creator":["Ψυχογιός Λάμπρος","Psychogios Lampros"],"dc:date":["2018"],"dc:description":["Οι ανανεώσιμες πηγές ενέργειας όπως η αιολική και η ηλιακή ενέργεια ως εκ φύσεως μεταβλητές, απαιτούν τη χρήση πληροφοριακών συστημάτων για την πρόβλεψη των επιπέδων προσφοράς και ζήτησης, καθώς και την ολική διαχείριση του συστήματος ηλεκτρικής ενέργειας και της αγοράς ηλεκτρικής ενέργειας. Μελετάται το περιβάλλον του Ελληνικού κλάδου, με την εκτίμηση των προκλήσεων που προκύπτουν από την μεγάλης κλίμακας ενσωμάτωση ανανεώσιμης ενέργειας στο σύστημα, και αναλύεται ποιοτικά η πρόταση για την λύση των προκλήσεων του Ελληνικού συστήματος. Επιπρόσθετα, παρουσιάζονται οι τελευταίες τεχνολογικές λύσεις που περιλαμβάνουν εξόρυξη δεδομένων(data mining), μηχανική μάθηση(machine learning) και στατιστικές μεθόδους για τον καθαρισμό, τον μετασχηματισμό, τη μοντελοποίηση και εξαγωγή χρήσιμων πληροφοριών από μεγάλες, πολύπλοκες ομάδες δεδομένων για την αντιμετώπιση παρόμοιων προκλήσεων. Καθώς επίσης προτείνεται ένα πλαίσιο μελλοντικών τάσεων τεχνητής νοημοσύνης για το Ελληνικό σύστημα.","Renewable energy sources such as wind and solar energy are naturally variable, require the use of information systems to predict supply and demand levels as well as the overall management of the electricity system and the electricity market This study examines the environment of the Hellenic sector, assessing the challenges arising from the large scale integration of renewable energy into the system, and analyzing the proposal for the solution of the challenges of the Hellenic system. In addition, we present the state-of-the-art solutions that include data mining, machine learning and statistical methods for cleaning, transforming, modeling and extracting useful information from large, complex data sets to address similar challenges. As well, a framework of future trends in artificial intelligence for the Hellenic system is proposed."],"dc:identifier":["uoadl:2815499","https://pergamos.lib.uoa.gr/uoa/dl/object/2815499"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Ανάλυση δεδομένων στον τομέα των ανανεώσιμων πηγών ενέργειας"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:32:31Z"}