Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/38052
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Γιαλούρη, Εργίνα - Δέσποινα | el |
dc.date.accessioned | 2024-06-25T09:05:36Z | - |
dc.date.available | 2024-06-25T09:05:36Z | - |
dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/38052 | - |
dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.17759 | - |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
dc.subject | Ανάλυση | el |
dc.subject | Δεδομένα | el |
dc.subject | Ανανεώσιμες πηγές ενέργειας | el |
dc.title | Τεχνικές ανάλυσης ενεργειακών δεδομένων | el |
heal.type | bachelorThesis | - |
heal.type.en | Bachelor thesis | en |
heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
heal.classification | Ανάλυση - Τεχνικές | - |
heal.classification | Δεδομένα - Ενεργειακά | - |
heal.classification | Ενεργειακά δεδομένα | - |
heal.dateAvailable | 2024-06-25T09:06:37Z | - |
heal.language | el | - |
heal.access | free | - |
heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
heal.publicationDate | 2022 | - |
heal.abstract | Στην παρούσα πτυχιακή εργασία θα γίνει αναφορά σε τεχνικές που αφορούν στην ανάλυση καιμπορούν να εφαρμοστούν σε ενεργειακά δεδομένα τα οποία προέρχονται από ανανεώσιμες πηγές ενέργειας και πιο συγκεκριμένα από πηγές φωτοβολταϊκών στοιχείων. Αυτά τα δεδομένα αποτελούν χρονοσειρές που παρουσιάζονται με ιδιαίτερα χαρακτηριστικά και ιδιότητες ενώ συγχρόνως εμφανίζουν ιδιαίτερα χαρακτηριστικά ανάλογα με το χρονικό διάστημα που εξετάζεται. Κύριο στόχο αποτελεί η ανάλυση δεδομένων και τα χαρακτηριστικά από τα οποία αποτελούνται τα δεδομένα αυτά, ακόμη ένας σημαντικός στόχος είναι η παρουσίαση διαφόρων τεχνικών όπως της παλινδρόμησης και της μηχανικής μάθησης καθώς και η σωστή προεπεξεργασία δεδομένων με βάση τα χαρακτηριστικά που έχουν παρατηρηθεί στην ανάλυση δεδομένων. Τέλος, στις τεχνικές που θα αναλυθούν θα παρουσιαστούν κατά κύριο λόγο βιβλιογραφικά, μοντέλα που θα μπορούσαν να βοηθήσουν στις προβλέψεις αντίστοιχων χρονοσειρών. | el |
heal.abstract | In this thesis, reference will be made to techniques related to the analysis that can be applied to energy data that comes from renewable energy sources and more specifically from sources of photovoltaic elements. These data are time series that are presented with particular characteristics and properties while at the same time displaying particular characteristics depending on the period of time under consideration. The main objective is the analysis of data and the characteristics of which these data are composed, another important objective is the presentation of various techniques such as regression and machine learning as well as the correct preprocessing of data based on the characteristics observed in the data analysis. Finally, in the techniques that will be analyzed, mainly bibliographic models will be presented that could help in the predictions of respective time series. | en |
heal.advisorName | Δουμένης, Γρηγόριος | el |
heal.committeeMemberName | Γιαννακέας, Νικόλαος | el |
heal.committeeMemberName | Μαργαρίτη, Σπυριδούλα | el |
heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
heal.academicPublisherID | uoi | - |
heal.fullTextAvailability | true | - |
Appears in Collections: | Μεταπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ΓΙΑΛΟΥΡΗ ΕΡΓΙΝΑ -ΔΕΣΠΟΙΝΑ - ΠΛΗΡΟΦΟΡΙΚΗΣ.pdf | 2.26 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License