Τεχνικές βαθιάς μηχανικής μάθησης για αυξημένη ενεργειακή αποδοτικότητα: μέθοδοι μη επεμβατικής παρακολούθησης φορτίων και βελτιστοποίηση φόρτισης ηλεκτρικών οχημάτων για ένα βιώσιμο δίκτυο ηλεκτρικής ενέργειας

Περίληψη

Το παγκόσμιο ενεργειακό τοπίο υφίσταται μια βαθιά μεταμόρφωση, γνωστή και ως ενεργειακή μετάβαση, η οποία καθοδηγείται από την επείγουσα ανάγκη για μετριασμό της κλιματικής αλλαγής, τη μείωση των εκπομπών αερίων του θερμοκηπίου και τη διασφάλιση βιώσιμων ενεργειακών πόρων. Ωστόσο, η αδιαμφισβήτητη πολυπλοκότητα των νέων επενδύσεων στις ανανεώσιμες πηγές ενέργειας, καθώς και η σταδιακή κατάργηση ενεργειακών πηγών με υψηλές εκπομπές CO₂, επιβραδύνουν τον ρυθμό της ενεργειακής μετάβασης και εγείρουν αμφιβολίες ως προς το κατά πόσο οι ανανεώσιμες πηγές μπορούν από μόνες τους να επιτύχουν τους στόχους για το κλίμα. Αυτό αναδεικνύει την ανάγκη διερεύνησης εναλλακτικών διαδρομών για την επιτάχυνση της ενεργειακής μετάβασης, μέσω του εντοπισμού τομέων ανθρώπινης δραστηριότητας με υψηλή ή υπερβολική ενεργειακή κατανάλωση. Δύο χαρακτηριστικά παραδείγματα όπου υπάρχει περιθώριο βελτίωσης, με σκοπό τη μείωση της ενεργειακής κατανάλωσης και κατά συνέπεια των εκπομπών CO₂, είναι η οικιακή κατανάλωση ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The global energy landscape is undergoing a profound transformation, often referred to as the energy transition, driven by the urgent need to mitigate climate change, reduce greenhouse gas emissions, and ensure sustainable energy supplies. However, the undoubted complexity of new investments in renewables, as well as the phase out of high CO2-emission energy sources, hampers the pace of the energy transition and raises doubts as to whether new renewable energy sources are capable of solely meeting the climate target goals. This highlights the need to investigate alternative pathways to accelerate the energy transition, by identifying human activity domains with higher/excessive energy demands. Two notable examples where there is room for improvement, in the sense of reducing energy consumption and consequently CO2 emissions, are residential energy consumption and road transport. This dissertation investigates the development of novel Deep Learning techniques to create tools which solve ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/58966
ND
58966
Εναλλακτικός τίτλος
Deep learning innovations for energy efficiency: advances in non-intrusive load monitoring and EV charging optimization for a sustainable grid
Συγγραφέας
Συκιώτης, Σταύρος (Πατρώνυμο: Ευθύμιος)
Ημερομηνία
2025
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Αγρονόμων και Τοπογράφων Μηχανικών - Μηχανικών Γεωπληροφορικής
Εξεταστική επιτροπή
Δουλάμης Αναστάσιος
Βαρβαρήγου Θεοδώρα
Ιωαννίδης Χαράλαμπος
Βεσκούκης Βασίλειος
Πότσιου Χρυσή
Κοσμόπουλος Δημήτριος
Πρωτοπαπαδάκης Ευτύχιος
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ ➨ Τεχνολογία μέσων
Λέξεις-κλειδιά
Μηχανική μάθηση; Ενέργεια; Ενισχυτική μάθηση; Βαθιά μάθηση; Μη Επεμβατική Παρακολούθηση Φορτίου; Βελτιστοποίηση φόρτισης ηλεκτρικών οχημάτων
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)