BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20240711T134635Z LAST-MODIFIED:20240711T134635Z DTSTAMP:20260719T162706Z UID:1784467626@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Βασιλείου Πέτικα - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.tuc.gr/el/to-polytechnei o/ilektronikes-ypiresies/imerologio/ imerologio-ekdiloseon-1?tx_tucevents 2_tuceventsdisplay%5Baction%5D=show& tx_tucevents2_tuceventsdisplay%5Bcon troller%5D=Event&tx_tucevents2_tucev entsdisplay%5Bevent%5D=7106&cHash=99 5c3cc14f17788dc517bb83558f5876\nΠΟΛΥ ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\ n Πρόγραμμα Προπτυχιακών Σπουδών\n Π ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Βα σιλείου Πέτικα\n με θέμα\n Νευρο-ασα φείς Τεχνικές Πρόβλεψης Παραγωγής Εν έργειας\n Neuro-fuzzy Techniques for Energy Production Forecasting\n Εξε ταστική Επιτροπή\n Καθηγητής Γεώργιο ς Σταυρακάκης (επιβλέπων)\n Καθηγητή ς Ευτύχιος Κουτρούλης \n Αναπληρωτής Καθηγητής Γεώργιος Ατσαλάκης (Σχολή ΜΠΔ, Πολυτεχνείο Κρήτης)\n Περίληψη \n Η αυξημένη ζήτηση για καθαρές και βιώσιμες πηγές ενέργειας, σε συνδυα σμό με τις ανησυχίες για την κλιματι κή αλλαγή και τη μείωση των ορυκτών καυσίμων, έχει οδηγήσει στην προώθησ η των ανανεώσιμων πηγών ενέργειας (Α ΠΕ) ως βασικό στόχο της παγκόσμιας ε νεργειακής πολιτικής. Η στροφή προς τις ανανεώσιμες πηγές, όπως η ηλιακή , η αιολική και η υδροηλεκτρική ενέρ γεια, κρίνεται αναγκαία για τη μείωσ η των εκπομπών αερίων θερμοκηπίου, τ ην ενίσχυση της ενεργειακής ασφάλεια ς και την επίτευξη βιώσιμης ανάπτυξη ς.\n Σε αυτό το πλαίσιο, η παρούσα δ ιπλωματική εργασία εξετάζει την εφαρ μογή νευρο-ασαφών τεχνικών, ειδικότε ρα του Προσαρμοστικού Νευρο-Ασαφούς Συστήματος Συμπερασμού (ANFIS), για την εκτίμηση της παραγωγής ενέργειας από Φωτοβολταϊκά.\n Ο στόχος της με λέτης είναι να αντιμετωπίσει τις προ κλήσεις που ανακύπτουν από την αυξαν όμενη ενσωμάτωση των ΑΠΕ στο ηλεκτρι κό δίκτυο, καθώς απαιτεί ακριβείς κα ι αξιόπιστες μεθόδους εκτίμησης για τη διασφάλιση της σταθερότητας και τ ης αποδοτικότητας του δικτύου. Η πρό βλεψη της απόδοσης των ΑΠΕ είναι κρί σιμη λόγω της ασταθούς και απρόβλεπτ ης φύσης τους. Τα ηλεκτρικά δίκτυα χ ρειάζονται σταθερή και αξιόπιστη παρ οχή ενέργειας, και η ακριβής εκτίμησ η μπορεί να μειώσει τους κινδύνους κ αι τα κόστη που σχετίζονται με την α ποθήκευση ή την αναπλήρωση ενέργειας .\n Η μεθοδολογία περιλαμβάνει τη συ λλογή και επεξεργασία ιστορικών δεδο μένων παραγωγής ενέργειας από φωτοβο λταϊκά συστήματα, ακολουθούμενη από την ανάπτυξη και εκπαίδευση του μοντ έλου ANFIS. Το μοντέλο αυτό συγκρίνε ται με παραδοσιακές στατιστικές μεθό δους όπως τα μοντέλα Αυτοπαλινδρόμησ ης (AR) και Αυτοπαλινδρόμησης Κινούμ ενου Μέσου (ARMA), καθώς και με ένα Τεχνητό Νευρωνικό Δίκτυο (ANN) και έ να Ασαφές Σύστημα Συμπερασμού Τύπου- 2 (Type-2 FIS), βελτιστοποιημένο με χρήση του Σμήνους Σωματιδίων (PSO).\ n Τα αποτελέσματα δείχνουν ότι το AN FIS υπερτερεί έναντι των επιλεγμένων μοντέλων όσον αφορά την ακρίβεια τω ν προβλέψεων και την προσαρμοστικότη τα σε μεταβαλλόμενες περιβαλλοντικές συνθήκες. Η μελέτη καταλήγει στο συ μπέρασμα ότι η ενσωμάτωση ευφυών συσ τημάτων όπως το ANFIS μπορεί να βελτ ιώσει σημαντικά την ακρίβεια και την αξιοπιστία των εκτιμήσεων παραγωγής από ΑΠΕ, διευκολύνοντας έτσι την απ οδοτική και σταθερή ενσωμάτωσή τους στο ενεργειακό δίκτυο.\n Αυτή η έρευ να συνεισφέρει στον τομέα της Ενέργε ιας και παρέχει μια ολοκληρωμένη συγ κριτική ανάλυση διαφόρων μοντέλων εκ τίμησης. Επιπλέον, αναδεικνύει τα πλ εονεκτήματα των νευρο-ασαφών τεχνικώ ν στη διαχείριση της μεταβλητότητας και της αβεβαιότητας που συνδέονται με τις ΑΠΕ. Τα ευρήματα καταδεικνύου ν τη δυναμική του ANFIS ως ένα ισχυρ ό εργαλείο για την εκτίμηση παραγωγή ς ενέργειας, προωθώντας έτσι την ανά πτυξη και υιοθέτηση τεχνολογιών που σχετίζονται με τις ΑΠΕ.\n Abstract \ n The increased demand for clean and sustainable energy sources, combine d with concerns about climate change and the reduction of fossil fuels, has led to the promotion of renewabl e energy sources (RES) as a key obje ctive of global energy policy. The s hift towards renewable sources, such as solar, wind and hydroelectric po wer, is considered necessary to redu ce greenhouse gas emissions, enhance energy security and achieve sustain able development.\n In this context, this thesis examines the applicatio n of neuro-fuzzy techniques, in part icular the Adaptive Neuro-Fuzzy Infe rence System (ANFIS), for the estima tion of energy production from Photo voltaics.\n The objective of the stu dy is to address the challenges pose d by the increasing integration of R ES in the power grid, which requires accurate and reliable estimation me thods to ensure grid stability and e fficiency. Forecasting the performan ce of RES is critical due to their v olatile and unpredictable nature. Po wer grids require stable and reliabl e energy supplies, and accurate esti mation can reduce the risks and cost s associated with energy storage or replenishment.\n The methodology inv olves the collection and processing of historical energy data from PV sy stems, followed by the development a nd training of the ANFIS model. This model is compared to traditional st atistical methods, such as Autoregre ssive (AR) and Autoregressive Moving Average (ARMA) models, as well as a n Artificial Neural Network (ANN), a nd a Type-2 Fuzzy Inference System o ptimized using Particle Swarm Optimi zation (PSO).\n The results show tha t ANFIS outperforms the selected mod els in terms of prediction accuracy and adaptability to changing environ mental conditions. The study conclud es that integrating intelligent syst ems such as ANFIS can significantly improve the accuracy and reliability of RES generation estimates, thus f acilitating their efficient and stab le integration into the energy grid. \n This research contributes to the energy sector and provides a compreh ensive comparative analysis of diffe rent estimation models. Furthermore, it highlights the advantages of neu ro-fuzzy techniques in managing the variability and uncertainty associat ed with renewable energy sources. Th e findings demonstrate the potential of ANFIS as a powerful tool for ene rgy production estimation, thus prom oting the development and adoption o f renewable energy-related technolog ies.\n Meeting ID: 826 1700 3433\n P assword: 921530\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20240717T110000 DTEND:20240717T120000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR