Параметри
Розробка технології для оптимізації енергоспоживання в розумних будинках методами Data Science
Тип публікації :
Магістерська робота
Дата випуску :
2025
Автор(и) :
Мінін Ігор Борисович
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
Мінін І. Б. Розробка технології для оптимізації енергоспоживання в розумних будинках методами Data Science : кваліфікаційна робота магістра : 122 Комп’ютерні науки / Наук. кер. А. Хлевний. Київ, 2025. 90 с.
Мета дипломної роботи магістра – створення методики прогнозування енергоспоживання та виявлення пікових навантажень на основі методів Data Science, а також розробка прототипу інформаційної системи для аналізу, візуалізації та генерації рекомендацій щодо оптимізації споживання.
Об’єкт дослідження – енергоспоживання в житлових будинках у контексті впровадження інтелектуальних систем управління.
Предмет дослідження – методи обробки даних, побудови прогнозних моделей та алгоритми прийняття рішень для оптимізації енергоспоживання у розумному будинку.
Наукова новизна роботи – полягає в поєднанні інтерпретованих методів машинного навчання з аналізом ключових драйверів навантаження та адаптивними алгоритмами прогнозування споживання в умовах нестабільних даних. Запропонована технологія враховує погодні фактори, активність пристроїв і часові закономірності, а також включає автоматичну генерацію рекомендацій на основі структурованих JSON-звітів.
У роботі проведено огляд сучасних архітектур систем розумного будинку, класифіковано методи оптимізації енергоспоживання, реалізовано прототип аналітичної системи з функціями прогнозу, візуалізації та пояснення впливу факторів. Побудовані моделі оцінено за метриками MAPE, R² та SHAP. Сформовано рекомендації щодо перенесення пікових навантажень, підвищення ефективності та адаптації моделей до змінних умов.
Об’єкт дослідження – енергоспоживання в житлових будинках у контексті впровадження інтелектуальних систем управління.
Предмет дослідження – методи обробки даних, побудови прогнозних моделей та алгоритми прийняття рішень для оптимізації енергоспоживання у розумному будинку.
Наукова новизна роботи – полягає в поєднанні інтерпретованих методів машинного навчання з аналізом ключових драйверів навантаження та адаптивними алгоритмами прогнозування споживання в умовах нестабільних даних. Запропонована технологія враховує погодні фактори, активність пристроїв і часові закономірності, а також включає автоматичну генерацію рекомендацій на основі структурованих JSON-звітів.
У роботі проведено огляд сучасних архітектур систем розумного будинку, класифіковано методи оптимізації енергоспоживання, реалізовано прототип аналітичної системи з функціями прогнозу, візуалізації та пояснення впливу факторів. Побудовані моделі оцінено за метриками MAPE, R² та SHAP. Сформовано рекомендації щодо перенесення пікових навантажень, підвищення ефективності та адаптації моделей до змінних умов.
Галузі знань та спеціальності :
122 Комп’ютерні науки
Галузі науки і техніки (FOS) :
Інженерія та технології
Тип зібрання :
Publication
Файл(и) :
Вантажиться...
Формат
Adobe PDF
Розмір :
2.19 MB
Контрольна сума:
(MD5):81209960b19c8bd628835fb3c0c5f828
Ця робота розповсюджується на умовах ліцензії Creative Commons CC BY-NC