Βραχυπρόθεσμη πρόγνωση του αιολικού δυναμικού με τη χρήση της μεθόδου analog ensemble (AnEn)
| dc.contributor.advisor | Κιουτσιούκης, Ιωάννης | |
| dc.contributor.author | Θεοδωρόπουλος, Ιωάννης | |
| dc.contributor.committee | Αργυρίου, Αθανάσιος | |
| dc.contributor.committee | Καζαντζίδης, Ανδρέας | |
| dc.contributor.other | Theodoropoulos, Ioannis | |
| dc.date.accessioned | 2019-11-03T15:21:26Z | |
| dc.date.available | 2019-11-03T15:21:26Z | |
| dc.date.copyright | 2019-07-12 | |
| dc.degree | Μεταπτυχιακή Εργασία | el |
| dc.description.abstract | Τα τελευταία χρόνια, λόγω της έντονης εμφάνισης του φαινομένου του θερμοκηπίου και των σοβαρών επιπτώσεών του στο περιβάλλον και στην καθημερινή μας ζωή, έχουν δημιουργηθεί καινοτομίες που είναι πιο φιλικές προς το περιβάλλον. Ένα μεγάλο μέρος αυτών των καινοτομιών ανήκουν στην παραγωγή της ενέργειας μέσω της ανάπτυξης των ανανεώσιμων πηγών. Μία από τις μεγαλύτερες κατηγορίες που περιλαμβάνονται στις ανανεώσιμες πηγές είναι η αιολική με την οποία ασχολείται και η παρούσα εργασία. Η αιολική ενέργεια, την τελευταία δεκαετία, έχει καταγράψει ραγδαία ανάπτυξη, χωρίς όμως να έχουν επιλυθεί σημαντικά προβλήματα που σχετίζονται με την παραγωγή της. Ένα σημαντικό πρόβλημα που εντοπίζεται είναι η μη ακριβής βραχυπρόθεσμη πρόγνωση του αιολικού δυναμικού, γι' αυτό και έχουν αναπτυχτεί πολλές μέθοδοι που προσπαθούν να το επιλύσουν, οι οποίες ανήκουν κυρίως στην κατηγορία των στατιστικών και λιγότερο των φυσικών. Η μέθοδος που αναλύεται στη παρούσα εργασία ανήκει στις στατιστικές και ονομάζεται Analog Ensemble (AnEn). Αυτή η διαδικασία αναπτύχθηκε για πρώτη φορά σε μια ευρεία γεωγραφική περιοχή και ειδικότερα στην περιοχή της Ευρώπης χρησιμοποιώντας δεδομένα από 793 σταθμούς. Για την υλοποίηση της συγκεκριμένης μεθόδου αναλύθηκαν δεδομένα πρόγνωσης και παρατήρησης από το έτος 2010. Ο αριθμός των προγνωστικών μοντέλων ήταν έντεκα και τα μοντέλα αυτά ανήκαν σε οχτώ διαφορετικές μετεωρολογικές υπηρεσίες. Επίσης, για την καλύτερη μελέτη της μεθόδου αναλύθηκαν τέσσερις περιπτώσεις AnEn, αρχικά χρησιμοποιώντας μια μεταβλητή, έπειτα εφαρμόζοντας δυο μεταβλητές, στη συνέχεια μεταβάλλοντας το χρονικό παράθυρο και τέλος χρησιμοποιώντας δεδομένα από όλα τα προγνωστικά μοντέλα ταυτόχρονα. Τα αποτελέσματα που πρόεκυψαν από την ολοκλήρωση της μεθόδου και στις τέσσερις περιπτώσεις ήταν εξαιρετικά χρήσιμα στην πρόβλεψη του αιολικού δυναμικού, διότι η πρόγνωση που πρόεκυπτε είχε παραπλήσιες τιμές με αυτές των παρατηρήσεων. Τέλος, τα συμπεράσματα που εξήχθησαν προέρχονται από γραφικές παραστάσεις και στατιστικά διαγράμματα. | el |
| dc.description.translatedabstract | In recent years, more environmentally friendly innovations have been promoted due to the high rise of the greenhouse effect and its serious impact on the environment and our daily life. Many of these innovations concern the production of energy through the development of renewable sources. This paper is about one of the largest categories included in renewable energy sources, wind energy. In the last decade, wind energy has seen rapid growth, although its production has some major problems that have not been overcome. An important problem that was identified was the inaccurate short-term forecast of wind potential. Many methods have been developed that tried to solve the above problem. These methods belong mainly to the category of statistics. The method analyzed in this paper belongs to the statistics and is called Analog Ensemble (AnEn). This process was developed for the first time in a wide geographic area, particularly in Europe, by using data from 793 stations. For the implementation of this method, forecasting and observation data have been analyzed since 2010. There were eleven forecasting models which consist of eight different meteorological services. Also, for the best study of the method, four AnEn cases were analyzed, initially using a variable, then applying two variables, then changing the time window and finally using data from all predictive models at the same time. The results of the completion of the method in all four cases were extremely useful in predicting wind potential because the forecast was similar to that of the observations. Finally, the conclusions made were derived from graphs and statistical diagrams. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/12841 | |
| dc.language.iso | gr | el |
| dc.rights | 12 | el |
| dc.subject | Φαινόμενο του θερμοκηπίου | el |
| dc.subject | Πρόγνωση | el |
| dc.subject.alternative | Analog ensemble | el |
| dc.subject.alternative | Forecast | el |
| dc.title | Βραχυπρόθεσμη πρόγνωση του αιολικού δυναμικού με τη χρήση της μεθόδου analog ensemble (AnEn) | el |
| dc.type | Thesis | el |