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:20260303T105737Z
LAST-MODIFIED:20260303T105737Z
DTSTAMP:20260411T234938Z
UID:1775940578@tuc.gr
SUMMARY:Παρουσίαση διπλωματικής εργασίας κ. 
 ΣΚΛΑΠΑΝΗ ΠΑΝΑΓΙΩΤΗ, Σχολή ΜΠΔ
LOCATION:Δ5 - Κτίριο ΜΠΔ
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=8341&cHash=37
 4b39f58cf04234d5a932e8a0bfde79\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Μηχανικών Παρ
 αγωγής και Διοίκησης\n Πρόγραμμα Προ
 πτυχιακών Σπουδών\n  \n ΠΑΡΟΥΣΙΑΣΗ Δ
 ΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Ημερομηνία: Τ
 ετάρτη, 11 Μαρτίου 2026, 12:00\n Αίθ
 ουσα: Δ5 Eργαστήριο Επιστημονικών Δε
 δομένων\n Ονοματεπώνυμο: ΣΚΛΑΠΑΝΗΣ Π
 ΑΝΑΓΙΩΤΗΣ\n Θέμα: ΠΡΟΒΛΕΨΗ ΠΡΑΣΙΝΗΣ 
 ΕΝΕΡΓΕΙΑΣ (ΑΙΟΛΙΚΗΣ ΚΑΙ ΗΛΙΑΚΗΣ).\n 
 Title:\n Εξεταστική Επιτροπή\n \n \n
 ΑΤΣΑΛΑΚΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθη
 γητής (επιβλέπων)\n \nΖΟΠΟΥΝΙΔΗΣ ΚΩΝ
 ΣΤΑΝΤΙΝΟΣ, Καθηγητής\n \nΤΣΑΦΑΡΑΚΗΣ 
 ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής\n \n 
 Περίληψη\n Στην συγκεκριμένη διπλωμα
 τική εργασία έχουμε ως στόχο την πρό
 βλεψη της πράσινης ενέργειας, και συ
 γκεκριμένα στην αιολική και ηλιακή μ
 ορφή της, με την εφαρμογή ενός προσα
 ρμοστικού νεύρo-ασαφούς συστήματος (
 Adaptive Neuro-Fuzzy System - ANFIS)
 . Με την ενεργειακή κρίση και τα απο
 θέματα των μη ανανεώσιμων πηγών ενέρ
 γειας στις μέρες μας να μειώνετε, τα
  κράτη και οι εταιρείες στρέφονται ο
 λοένα και περισσότερο σε πράσινες μο
 ρφές ενέργειας για την παραγωγή κυρί
 ως ηλεκτρικής ενέργειας ,με βασικές 
 την αιολική , την ηλιακή, την υδραυλ
 ική, την βιομάζα και την γεωθερμική.
  Σύμφωνα με τον διεθνή οργανισμό ενέ
 ργειας (International Energy Agency 
 (IEA) ), τα τελευταία χρονιά αυξάνον
 ται με μεγάλους ρυθμούς οι επενδύσει
 ς σε τεχνολογίες πράσινης ενέργειας 
 έχοντας ξεπεράσει κατά πολύ τις επεν
 δύσεις σε τεχνολογίες για ορυκτά καύ
 σιμα. Επιλέγω το σύστημα ANFIS από μ
 ία πληθώρα μεθόδων πρόβλεψης, για τι
 ς δυνατότητες που παρέχει ο συνδυασμ
 ός ασαφούς λογικής και τεχνητών νευρ
 ωνικών δικτύων που δομούν κάθε αλγόρ
 ιθμο ANFIS. Τέλος θα γίνει σύγκριση 
 του αποτελέσματος που θα βρεθεί με τ
 ις παραδοσιακές μεθόδους πρόβλεψης Α
 υτοπαλινδρόμησης–(Autoregressive mod
 el) και Αυτοπαλινδρόμησης κινούμενου
  μέσου όρου (Auto Regression Moving 
 Average).\n Abstract\n This diploma 
 thesis aims to predict green energy 
 specifically in its wind and solar f
 orms using an Adaptive Neuro-Fuzzy I
 nference System (ANFIS). Amidst the 
 current energy crisis and the deplet
 ion of non-renewable energy sources,
  governments and companies are incre
 asingly turning to green energy sour
 ces for electricity production. The 
 primary forms of green energy includ
 e wind, solar, hydro, biomass, and g
 eothermal energy. According to the I
 nternational Energy Agency (IEA), in
 vestments in green energy technologi
 es have been growing rapidly in rece
 nt years, significantly surpassing i
 nvestments in fossil fuel technologi
 es. The ANFIS system was selected fr
 om a wide range of forecasting metho
 ds due to the capabilities it offers
  by combining fuzzy logic and artifi
 cial neural networks, which form the
  foundation of every ANFIS algorithm
 . The results obtained through ANFIS
  will be compared to those derived f
 rom traditional forecasting methods,
  such as Autoregressive model (AR) a
 nd Auto Regression Moving Average (A
 RMA), to evaluate and compare the ou
 tcomes.\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20260311T120000
DTEND:20260311T130000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR