Ing. Josef Grus

Ing. Josef Grus

Mgr. Petr Novák, Ph.D.

Katedra aplikované matematiky

Tato bakalářská práce se zabývá krátkodobou predikcí cen elektřiny na denním a vnitrodenním trhu v České republice, provozovaném společností OTE a.s. Je navržen modulární predikční systém, který kombinuje klasické statistické metody, modely strojového učení a hluboké neuronové sítě s využitím knihovny AutoGluon. Tržní data jsou rozšířena o exogenní proměnné, jako jsou před- povědi počasí a odhady výroby v elektrizační soustavě, s cílem zvýšit přesnost predikcí. Tyto předpovědi mohou v budoucnu sloužit jako užitečný nástroj pro energeticky efektivní plánování a informované rozhodování v průmyslovém sektoru, zejména ve výrobních podnicích citlivých na vývoj cen elektřiny.

Práce na DSpace

Ing. Josef Grus

doc. Ing. Štěpán Starosta, Ph.D.

Katedra aplikované matematiky

Práce se zaměřuje na vyhodnocení a porovnání metod pro odhadování doby trvání produkčních operací na základě dat naměřených v továrnách. Zkoumá několik metod pro předzpracování dat i pro samotnou regresní analýzu, z důvodu nevhodnosti datové sady pro tradiční regresní úlohu. Dané metody se pohybují od jednoduché lineární regrese po gradient boosting rozhodovací stromy. Navrhovaný přístup seskupí data podle předem určených parametrů a pro každou skupinu individuálně natrénuje regresní model, což umožňuje odhadování trvání velmi rozdílných operací. Nezařaditelné operace jsou zpracovány modelem sémanticky nejpodobnější skupiny. Výsledkem je několik modelů s vyšší přesností oproti expertním odhadům. K dalšímu zlepšení dochází, pokud mají odhadované úlohy podobné textové popisy jako ty v trénovacích datech.

Práce na DSpace