National and Kapodistrian University of Athens
XceptionLSTM: Advanced Sequence-to-Sequence Neural Networks for Short-Term Weather Forecasting Applications
Abstract
dc:descriptionΗ παγκόσμια τάση των τελευταίων δύο δεκαετιών για ανεξαρτητοποίηση από κάυσιμες πηγές ενέργειας έχει οδηγήσει τη βιομηχανία ενέργειας προς την αξιοποίηση ανανεώσημων πηγών ενέργειας. Η μετάβαση σε πιο πράσινη ενέργεια αποτελεί έμπνευση ιδέων και πρακτικών που αποσκοπούν στον έλεγχο της παραγωγής και διανομής ενέργειας στα πάρκα ενέργειας. Για μεγαλύτερη αποδοτικότητα, αυτοματοποιημένοι ελεγχτές στα έξυπνα δικτύα ισχύοςδύναται να δρουν προληπτικά με σκοπό την πρόβλεψη απερχόμενων συμβάντων και την προετοιμασία της υποκείμενης υποδομής για την αντιμετώπιση αυτών. Στην περίπτωση των φωτοβολταϊκών πάρκων, το έξυπνο σύστημα ελέγχου ενός πάρκου εκτελεί προβλέψεις μικρού ορίζοντα για την ολική ηλιακή ακτινοβολία στο οριζόντιο επίπεδο και την νεφοκάλυψη στην ευρύτερη περιοχή του πάρκου. Η παρούσα εργασία παρουσιάζει ένα νευρωνικό δίκτυο ως λύση για το πρόβλημα της πρόβλεψης καιρού μικρού ορίζοντα. Το προτεινόμενο μοντέλο είναι ένα επαναλαμβανόμενο νευρωνικό δίκτυο για παλινδρόμηση εικόνων σε μορφή κωδικοποιητή-αποκωδικοποιητή χώρου- χρόνου. Η βάση του μοντέλου είναι το επίπεδο Xception, το οποίο αξιοποιεί κατά βάθος και κατά σημείο συνελίξεις για να εξάγει προβλέψεις. Το επίπεδο Xception συνδυάζεται με κύτταρα μακράς βραχυπρόθεσμής μνήμης για τη δημιουργία ενός επαναλαμβανόμενου νευρωνικού δικτύου με βελτιωμένες ικανότητες πρόβλεψης. Το προτεινόμενο μοντέλο έχει βελτιστοποιηθεί για ακροδικτυακή υπολογιστική και έχει αξιολογηθεί στο σύνολο δεδομένων ΑΡΧΩΝ - Αθήνα, Ελλάδα.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Βενιτουράκης Γεώργιος
- Venitourakis Georgios
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3388179