Please use this identifier to cite or link to this item:
http://elar.urfu.ru/handle/10995/140611
Title: | Краткосрочное прогнозирование генерации фотоэлектрических станций с применением методов машинного обучения : магистерская диссертация |
Other Titles: | Short-term Forecasting of Photovoltaic Power Plant Generation Using Machine Learning Methods |
Authors: | Мыльникова, А. В. Mylnikova, A. V. |
metadata.dc.contributor.advisor: | Ерошенко, С. А. Eroshenko, S. A. |
Issue Date: | 2024 |
Publisher: | б. и. |
Citation: | Мыльникова, А. В. Краткосрочное прогнозирование генерации фотоэлектрических станций с применением методов машинного обучения : магистерская диссертация / А. В. Мыльникова ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Уральский энергетический институт, Кафедра электротехники. — Екатеринбург, 2024. — 73 с. — Библиогр.: с. 60-65 (50 назв.). |
Abstract: | This work addresses the issues of improving the accuracy of forecasting the generation of photovoltaic power plants based on open meteorological data using machine learning methods and a preprocessing algorithm for the initial data. В работе рассматриваются вопросы повышения точности прогнозирования генерации фотоэлектрических станций на открытых метеорологических данных с использованием методов машинного обучения, и алгоритма предварительной обработки исходных данных. |
Keywords: | MASTER'S THESIS RENEWABLE ENERGY SOURCES GENERATION FORECASTING SHORT-TERM FORECASTING ENSEMBLE ALGORITHMS MACHINE LEARNING МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ ВОЗОБНОВЛЯЕМЫЕ ИСТОЧНИКИ ЭНЕРГИИ ПОРГНОЗИРОВАНИЕ ГЕНЕРАЦИИ КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ АНСАМБЛЕВЫЕ АЛГОРИТМЫ МАШИННОЕ ОБУЧЕНИЕ |
URI: | http://elar.urfu.ru/handle/10995/140611 |
Access: | Предоставлено автором на условиях простой неисключительной лицензии |
License text: | http://elar.urfu.ru/handle/10995/31613 |
Appears in Collections: | Магистерские диссертации |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
m_th_a.v.mylnikova_2024.pdf | 1,84 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.