Název: Využití real-time prediktivních simulací pro energetický management
Další názvy: Use of real-time predictive simulations for energy management purposes
Autoři: Bárta, Michael
Vedoucí práce/školitel: Mužík Václav, Ing. Ph.D.
Oponent: Raková Lenka, Ing. Ph.D.
Datum vydání: 2023
Nakladatel: Západočeská univerzita v Plzni
Typ dokumentu: diplomová práce
URI: http://hdl.handle.net/11025/53060
Klíčová slova: neuronové sítě;predikce;energetické systémy;regulace;řízení;fotovoltaika;kogenerační jednotky;energetické bateriové systémy;čtvrthodinové maximum.
Klíčová slova v dalším jazyce: neural networks;prediction;energy systems;regulation;control;photovoltaics;cogeneration unit;battery systems;four hour maximum.
Abstrakt: V této diplomové práci se budu věnovat problematice real-time predikce v energetice. Důvodem realizace této práce je absence této tematiky v širším povědomí a minimální využití v energetice. Práce je rozdělena na teoretickou a praktickou část. V teoretické části pojednávám o problematice tématu neuronových sítě a částí potřebných a vyu- žitých v praktické části. V teoretické části jsou tedy zmíněny pojmy jako neuronová síť zpětného šíření, Fotovoltaika, pojem čtvrhodinové maximum a způsob jeho regulace a kondenzační baterie. Praktická část je pak zaměřena přímo na ukázku predikce a návrh jejího využití pro regulaci. Celou práci a její výsledky jsou pak shrnuty v závěru který je dále rozdělen na 3 části, kde první se zabývá čistě predikcí spotřeby objektu a možnostmi optimalizace. Druhá problematikou predikce fotovoltaiocké elektrárny Třetí část je zaměřena na regulaci na základě predikce a jejím zhodnocení.
Abstrakt v dalším jazyce: In this master's thesis, I will focus on the issue of real-time prediction in the field of energy. The reason for undertaking this work is the lack of awareness and minimal utilization of this topic in the energy sector. The thesis is divided into a theoretical and practical part. In the theoretical part, I discuss the issues related to neural networks and the components necessary and utilized in the practical part. Specifically, I address concepts such as backpropagation neural network, photovoltaics, the concept of quarter-hourly maximum, its regulation, and condensing batteries. The practical part is then focused on demonstrating the prediction and proposing its utilization. The entire work and its results are summarized in the conclusion, which is further divided into three parts. The first part deals solely with the prediction of object consumption and optimization possibilities. The second part addresses the prediction of a photovoltaic power plant. The third part focuses on regulation based on prediction and its evaluation.
Práva: Plný text práce je přístupný bez omezení
Vyskytuje se v kolekcích:Diplomové práce / Theses (KEE)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Dip_Prace_Barta_26.5.2023_0.pdfPlný text práce7,52 MBAdobe PDFZobrazit/otevřít
PosudekOponentaSTAG.pdfPosudek oponenta práce62,11 kBAdobe PDFZobrazit/otevřít
PosudekVedoucihoSTAG.pdfPosudek vedoucího práce59,65 kBAdobe PDFZobrazit/otevřít
ProtokolSPrubehemObhajobySTAG.pdfPrůběh obhajoby práce41,59 kBAdobe PDFZobrazit/otevřít
Dip_Prace_Barta_26.5.2023.pdfVŠKP - příloha7,52 MBAdobe PDFZobrazit/otevřít  Vyžádat kopii


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/53060

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.