Forecasting di serie temporali

Koca, Cem (2019) Forecasting di serie temporali. Bachelor thesis, Scuola Universitaria Professionale della Svizzera Italiana.

[img] Text
Forecasting_di_serie_temporali.pdf
Restricted to Repository staff only

Download (3MB)
[img] Text
Koca cem_DTI_poster.pdf

Download (767kB)

Abstract

Nel mercato energetico la competitività economica tra le aziende è sempre più agguerrita, di conseguenza le aziende cercano ogni giorno dei nuovi metodi per trovare vantaggi strategici. Questo progetto, attraverso gli algoritmi statistici e di machine learning, mira a prevedere l'andamento del flusso dell’erogazione dell'energia elettrica e la produzione di energia attraverso i pannelli fotovoltaici del giorno successivo utilizzando dati campionati in precedenza da un'azienda luganese, in un intervallo di tempo di un mese. Lo scopo di questo progetto è di analizzare i dati disponibili, organizzarli e attraverso gli algoritmi statistici e di machine learning prevedere l'andamento della serie temporale, ossia dati ordinati rispetto al tempo. Al risultato di questi modelli è richiesta una tecnica di validazione ed infine un obiettivo di prestazione, che in questo caso è stato deciso di utilizzare RMSE. Per soddisfare i compiti e gli obiettivi si è deciso di utilizzare il linguaggio di programmazione Python e come ambiente di sviluppo Jupyter Notebook, poiché mette a disposizione varie librerie per la visualizzazione dei grafici e le implementazioni degli algoritmi richiesti sono già presenti all’interno delle librerie scikit-learn, statsmodels e keras. Il presente documento andrà a spiegare dettagliatamente la struttura dei dati, l'impiego degli algoritmi e i loro risultati. Eseguendo un'analisi preliminare si è in grado di organizzare la struttura dei dati disponibili per gli algoritmi da applicare. I risultati di quest'ultimi vengono validati attraverso la tecnica di forward validation e infine tramite l'obiettivo di prestazione RMSE si riesce ad identificare quali sono gli algoritmi che riescono a predire meglio l'andamento dell'erogazione di energia e la produzione di energia tramite i pannelli fotovoltaici.

Item Type: Thesis (Bachelor)
Corso: UNSPECIFIED
Supervisors: Rizzoli, Andrea Emilio
Subjects: Informatica
Divisions: Dipartimento tecnologie innovative > Ingegneria informatica
URI: http://tesi.supsi.ch/id/eprint/3055

Actions (login required)

View Item View Item