Μέθοδος μηχανικής μάθησης για την πρόβλεψη κατανάλωσης ενέργειας σε ηλεκτρικά οχήματα
A machine learning method for energy consumption forecasting in electric vehicles

Προβολή/ Άνοιγμα
Λέξεις κλειδιά
BiConvLSTM ; Μηχανική μάθηση ; Πρόβλεψη κατανάλωσης ενέργειας ; Machine learningΠερίληψη
Καθώς τα μέσα που χρησιμοποιούμε για τις μετακινήσεις μας με το πέρασμα των χρόνων πρέπει να γίνουν πιο φιλικά προς το περιβάλλον, έτσι αυξάνεται ραγδαία χρόνο με τον χρόνο η κίνηση των ηλεκτρικών οχημάτων. Για τον λόγο αυτό, παρουσιάζονται νέες ανάγκες για νέους σταθμούς φόρτισης ηλεκτρικών οχημάτων σε πολλές περιοχές των πόλεων, για να εξυπηρετούν όσο το δυνατόν καλύτερα τη ζήτηση ενέργειας των ηλεκτρικών οχημάτων. Λόγω αυτής της ανάγκης, είναι απαραίτητη πλέον η πρόβλεψη της ζήτησης ενέργειας των ηλεκτρικών οχημάτων, τόσο ως προς τον χρόνο αλλά και ως προς την ποσότητα της ενέργειας που απαιτείται συνολικά ανά ημέρα και περιοχή. Σε αυτό το πλαίσιο, εφαρμόζοντας σύγχρονες τεχνικές μοντελοποίησης και πρόβλεψης της ζήτησης του ηλεκτρικού φορτίου, καλούμαστε να υλοποιήσουμε εκ νέου τις τεχνικές από την εργασία (F.Mohammad, D.K.Kang, M.A.Ahmed et al.,IEEE Access, 5 2023), που σκοπό έχει την επίλυση του προβλήματος της ζήτησης ηλεκτρικής ενέργειας, καθώς και να προσεγγίσουμε τα αποτελέσματά τους. Χρησιμοποιώντας δημόσια ανοιχτά σύνολα δεδομένων, προβλέπουμε και προσεγγίζουμε με ικανοποιητική ακρίβεια τη ζήτηση σε ηλεκτρική ενέργεια σε βάθος χρόνου, έχοντας ως σημείο αναφοράς την παραπάνω εργασία. Η εν λόγω μελέτη συμβάλει στη διασφάλιση της απρόσκοπτης λειτουργίας του δικτύου ηλεκτρικής ενέργειας
μια περιοχής, ελαχιστοποιώντας την πιθανότητα τυχόν δυσλειτουργιών.