Predikce spotřeby zákazníků a výroby OZE

Název práce: Predikce spotřeby zákazníků a výroby OZE
Autor(ka) práce: Pisani, Alexandr
Typ práce: Bakalářská práce
Vedoucí práce: Čihák, Jakub
Oponenti práce: Máslo, Lukáš Augustin
Jazyk práce: Česky
Abstrakt:
Tato bakalářská práce zkoumá roli obnovitelných zdrojů energie (OZE) na energetickém trhu a jejich predikci výroby a spotřeby v České republice. Navzdory geografickým omezením a přetrvávající závislosti na fosilních palivech analýza poukazuje na významný nárůst výroby solární energie, podpořený technologickým pokrokem a velkým poklesem nákladů, a potenciál většího rozvoje větrných elektráren. Studie využívá lineární regresi a Random forest regression pro strojové učení, které odhalují dynamiku výroby silně ovlivněnou meteorologickými faktory, jako je UV index a rychlost větru. Tyto modely mohou být užitečné pro předpovídání výroby elektřiny, což by mohlo napomáhat například při plánování její spotřeby v obytných a komerčních budovách. Dále se v rámci SWOT analýzy zabývá silnými stránkami, slabými stránkami, hrozbami a příležitostmi v globálním i lokálním kontextu. Popisuje možné externality související se zaváděním OZE, limitace predikce počasí a s tím i spojenou výrobu a spotřebu OZE.
Klíčová slova: fosilní paliva; Python; predikční modely; obnovitelné zdroje energie; výroba OZE
Název práce: Prediction of customer consumption and renewable energy production
Autor(ka) práce: Pisani, Alexandr
Typ práce: Bachelor thesis
Vedoucí práce: Čihák, Jakub
Oponenti práce: Máslo, Lukáš Augustin
Jazyk práce: Česky
Abstrakt:
This bachelor thesis examines the role of renewable energy sources (RES) in the energy market and their production and consumption forecast in the Czech Republic. Despite geographical constraints and continued dependence on fossil fuels, the analysis points to a significant increase in solar energy production, supported by technological advances and a large decrease in costs, and the potential for greater development of wind power. The study uses linear regression and Random forest regression for machine learning to reveal production dynamics strongly influenced by meteorological factors such as UV index and wind speed. These models can be useful for predicting electricity production, which could assist, for example, in planning electricity consumption in residential and commercial buildings. Furthermore, the SWOT analysis addresses strengths, weaknesses, challenges and opportunities in the global and local context. It describes the potential externalities associated with RES deployment, the limitations of weather forecasting and the associated RES production and consumption.
Klíčová slova: prediction models; renewable energy; RES production; fossil fuels; Python

Informace o studiu

Studijní program / obor: Ekonomie
Typ studijního programu: Bakalářský studijní program
Přidělovaná hodnost: Bc.
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Fakulta: Národohospodářská fakulta
Katedra: Katedra ekonomie

Informace o odevzdání a obhajobě

Datum zadání práce: 20. 2. 2024
Datum podání práce: 13. 5. 2024
Datum obhajoby: 11. 6. 2024
Identifikátor v systému InSIS: https://insis.vse.cz/zp/87659/podrobnosti

Soubory ke stažení

    Poslední aktualizace: