Kull, Meelis, juhendajaAan, Janika, juhendajaGrjaznov, KirillTartu Ülikool. Loodus- ja täppisteaduste valdkondTartu Ülikool. Arvutiteaduse instituut2023-10-262023-10-262023https://hdl.handle.net/10062/93773Eesti on osa Nord Pool elektribörsist, seega on vajalik elektrienergia tarbimise prognoosimine järgmiseks päevaks. Eesmärk on hoida elektrisüsteemi bilanssi, tagades, et ostetud elektrienergia kogus vastab tegelikule tarbimisele. Taastuvenergia, nagu päikeseenergia, on kõikuv, seega selle tootlikkuse ennustamine võimaldab paremini planeerida elektrienergia tarnet järgmiseks päevaks. Magistritöö käigus loodi masinõppe mudel, mis ennustab päikesepaneelide pargi elektritootlikkust tunni täpsusega järgmise päeva jooksul. Mudeli treenimisel kasutati 1-aastase ajaloolise ilmaennustuste andmeid ja päikesepaneelide tootlikkuse andmeid ning arvutati ka päikese ja paneelide vaheliste nurkade väärtused igal ajahetkel. Ehitati ja võrreldi kolme mudelit: lineaarne regressioon, XGBoost ja LSTM-ansambel. Parimaks osutus LSTM-ansambel, mille wMAPE-testväärtus oli terve kalendriaasta jooksul 29%.estopenAccessAttribution-NonCommercial-NoDerivatives 4.0 InternationalPäikesepaneelide tootlikkustaastuvenergia ennustaminetehisintellektmagistritöödinformaatikainfotehnoloogiainformaticsinfotechnologyThesis