Kvantum számítással továbbfejlesztett klaszterezés centroid optimalizációval és deep learning algoritmusok vizsgálata az energetikai szektor feladataihoz
Az energetikai szektor, azon belül is az elektromosság felhasználása több, mint 100 éves múlttal rendelkezik. Ezzel szemben a megújuló energia alkalmazása csak 60 évvel ezelőtt kezdődött. A háztáji újrahasznosítható energiát használó erőművek kiépítése ennél is később, pusztán az elmúlt másfél évtizedben indult meg. A zöld energia számos előnnyel bír, ugyanakkor a jelenleg működő hálózati infrastruktúra nem feltétlenül képes az új kihívásokra a megfelelő módon reagálni – több veszteséges tényező is felmerül az aktuális rendszerben. Új lehetőségeket nyit meg a hálózat fejlesztése, melyben nagy szerepet játszanak a frissen telepített, úgynevezett „okos” mérőórák.
Az energetikai hálózat a következő években el fog jutni arra a szintre, hogy nem csupán nagy területekről lehet majd aktuális fogyasztási adatokat kinyerni, hanem az új mérők révén végfogyasztók esetén is rendelkezésre állnak majd ezek. Természetesen olyan megkötésekre továbbra is számítani kell, mint hogy az – akár negyed óránként mért – információk csak naponta egyszer kerülnek be a központba, hogy ne legyen túl nagy az adatterhelése az új hálózatnak. Ez a fajta monitorozás viszont így is elégséges információt biztosít, hogy gépi tanulást felhasználva a működés optimálisabb legyen.
A kutatás célja volt, hogy meghatározásra kerüljön mely mesterséges intelligencia algoritmus alkalmas a hatékonyabb működés elérésére. A felhasználókat csoportosítani kell. Többek között, ha a halmazok kialakítását a számítógépre bízzuk, úgy lehetőség nyílik az áramlopást észlelni, csak egy aspektust kiemelve. Másik nagyobb gondolatkör a predikció. A megújuló energiaforrások kiszámíthatatlansága nagy problémát jelent az erőművek termelési kapacitásának beállításakor, melynek során a hálózatban energiatöbblet alakul ki. Ezt oldja meg a kutatás alatt készített program, mely időjárás előrejelzés alapján képes megjósolni a háztáji napenergia termelés alakulását.
A dolgozatban ismertetésre került 2 klaszterező-, valamint 3 predikciós algoritmus. A meglévő algoritmusokból új algoritmusok készültek, melyek megoldást nyújtanak az adott problémára. Ezen eszközök összehasonlítása során, a mérésekből és az azok alapján készült diagramokból ki lett választva, mely megoldás a legjobb az adott feladatra. A kijelölt klaszterező metodika hatékonyság javító technikái kidolgozásra kerültek, úgy mint a centroid optimalizáció, hierarchikus klaszterezés, továbbá a kvantum számítás – mint a következő évtizedek számítási sebességének meghatározó tényezője.
szerző
-
Egyed Tamás Barnabás
Mérnök informatikus szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Dr. Ekler Péter
Docens, Automatizálási és Alkalmazott Informatikai Tanszék
