A magyarországi villamosenergia-fogyasztás előrejelzése: Hőmérséklet-függő gépi tanulási modell fejlesztése

Szabó Dr. Tamás (2025) A magyarországi villamosenergia-fogyasztás előrejelzése: Hőmérséklet-függő gépi tanulási modell fejlesztése. Menedzsment Kar (2025-)-.

	PDF Szakdolgozat_vszt_c51h96_rev3.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (2MB)
	PDF biralatilap_alap_SZabó Tamás .pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (140kB)

Absztrakt (kivonat)

Az elektromosenergia-fogyasztás előrejelzése alapvetően fontos a modern energiarendszerek működéséhez. Kutatásunk egy XGBoost-alapú gépi tanulási modellt fejlesztett ki a magyarországi rendszer napi terhelésének előrejelzésére 2021–2023-as adatokkal. A modell meteorológiai adatokat, időbeli és naptári jellemzőket integrált. A 2024-es validálás kiváló eredményeket mutatott, azonban szezonális eltéréseket azonosítottunk: tavasz és ősz nagyobb hibákat eredményeztek. Az XGBoost olyan hosszú távú szerkezetváltásokat – mint a megújuló energiaforrások részarányának növekedése vagy a fogyasztási szokások fokozatos megváltozása – nem képes teljeskörűen modellezni. Az eredmények igazolják, hogy a gépi tanulás jobb általánosítóképességet nyújt hagyományos módszereknél, de folyamatos felülvizsgálat szükséges az operatív megbízhatóság fenntartásához.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Menedzsment Kar (2025-)-

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdálkodási és menedzsment

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	előrejelzés(ek), gépi tanulás, Magyarország, meteorológia, statisztikai adatelemzés, villamosenergia-fogyasztás
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:08
Utolsó módosítás:	2026. Júl. 09. 11:08

Actions (login required)

Tétel nézet