Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Ανάπτυξη γεννήτριας συνόλων δεδομένων για οικοσυστήματα έξυπνων δικτύων με ηλεκτρικά οχήματα

Charalampidis Georgios

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/A6E9700D-8942-4BAC-B3CF-A612E2BBB63E
Έτος 2022
Τύπος Διπλωματική Εργασία
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά Γεώργιος Χαραλαμπίδης, "Ανάπτυξη γεννήτριας συνόλων δεδομένων για οικοσυστήματα έξυπνων δικτύων με ηλεκτρικά οχήματα", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 https://doi.org/10.26233/heallink.tuc.91590
Εμφανίζεται στις Συλλογές

Περίληψη

Η ευρεία χρήση ηλεκτρικών τεχνολογιών στον τομέα των μετακινήσεων, όπως τα Ηλεκτρικά Οχήματα (EVs), θέτει ορισμένες προκλήσεις τόσο από τεχνική όσο και από κοινωνικοοικονομική άποψη. Για να αντιμετωπιστούν οι συγκεκριμένες προκλήσεις, όσον αφορά τον τομέα της έρευνας, γίνεται επιτακτική η ανάγκη χρήσης δεδομένων τα οποία προέρχονται από ρεαλιστικές και αξιόπιστες πηγές. Ωστόσο, στην τυπική μέση περίπτωση, τέτοιου είδους δεδομένα περιέχουν ιδιωτικές και ευαίσθητες πληροφορίες που δεν μπορούν να διατεθούν στους ερευνητές. Ακόμη και τα λίγα δημόσια διαθέσιμα δεδομένα δεν είναι αρκετά για έρευνα στον τομέα, με αποτέλεσμα τα περισσότερα από αυτά να χρησιμοποιούνται υπερβολικά. Συγχρόνως, η πλειονότητα των διαθέσιμων δεδομένων, περιέχει λιγοστούς πελάτες, ενώ στην πραγματικότητα απαιτούνται εκατοντάδες χιλιάδες. Για να ξεπεραστεί αυτό το εμπόδιο, μπορούν να χρησιμοποιηθούν συνθετικά δεδομένα, τα οποία ωστόσο προέρχονται από μοντέλα με σχέσεις που αποτυπώνουν επαρκώς τις ιδιότητες των συνόλων δεδομένων του πραγματικού κόσμου. Στην παρούσα διπλωματική εργασία, σχεδιάζουμε μια γεννήτρια δεδομένων για τον τομέα της διαχείρισης φόρτισης ηλεκτρικών οχημάτων σε οικοσυστήματα έξυπνων δικτύων ηλεκτροδότησης. Η γεννήτρια (α) λαμβάνει ως είσοδο ανώνυμα και με πιθανές ασυνέπειες δεδομένα, που περιγράφουν διαφορετικούς τύπους παραγωγής και ζήτησης ενέργειας, καθώς και διάφορα προφίλ φόρτισης ηλεκτρικών οχημάτων και αντίστοιχες πληροφορίες σχετικά με την διαδρομή και τον τύπο των EVs (β) εφαρμόζει ποικιλία μοντέλων —συγκεκριμένα Histograms, Kernel Density Estimation, Generative Adversarial Networks, και Frequency Tables —χρησιμοποιώντας αυτά τα δεδομένα ως σύνολα εκπαίδευσης και ως αποτέλεσμα καταφέρνει να (γ) δημιουργεί νέα συνθετικά δεδομένα, όχι πανομοιότυπα με τα δεδομένα εισόδου, αλλά τηρώντας τις ίδιες αρχές και σχέσεις. Η προτεινόμενη γεννήτρια δεδομένων παράγει επίσης αντίστοιχα γραφήματα και ιστογράμματα για την οπτικοποίηση των αποτελεσμάτων και διαφορετικές μετρήσεις προκειμένου να ποσοτικοποιηθεί η «απόσταση» μεταξύ των κατανομών που συγκρίνουμε. Μέσω των συγκεκριμένων τρόπων απεικόνισης των αποτελεσμάτων, αποκτούμε μια πλήρη εικόνα των παραγόμενων συνθετικών δεδομένων και μπορούμε εύκολα να εντοπίσουμε ζητήματα αντιστοιχίας. Τέλος σημαντικό είναι πως η γεννήτρια δεδομένων είναι διαθέσιμη μέσω ενός διαδικτυακού αποθετηρίου, και μπορεί εύκολα να ενσωματωθεί από τρίτους στις ερευνητικές τους δραστηριότητες.

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά