BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20250213T073611Z
LAST-MODIFIED:20250213T073611Z
DTSTAMP:20260719T223406Z
UID:1784489646@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Χρήστου Παυλόπουλου - Σχολή ΗΜΜΥ
LOCATION:
DESCRIPTION:https://www.ece.tuc.gr/el/katalogos-
 ekdiloseon?tx_tucevents2_tuceventsdi
 splay%5Baction%5D=show&tx_tucevents2
 _tuceventsdisplay%5Bcontroller%5D=Ev
 ent&tx_tucevents2_tuceventsdisplay%5
 Bevent%5D=7545&cHash=d8a05460a2cebb6
 4e4686ca497bb6a5c\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ
 Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και
  Μηχανικών Υπολογιστών\n Πρόγραμμα Π
 ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ
 ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Χρήστου Παυλόπο
 υλου\n με θέμα\n Μοντελοποίηση και Π
 ρόβλεψη Απόδοσης Φωτοβολταϊκού Συστή
 ματος με χρήση Τεχνολογίας Ψηφιακών 
 Διδύμων\n Modeling and Prediction of
  Photovoltaic System Performance usi
 ng Digital Twin Technology\n Εξεταστ
 ική Επιτροπή\n Καθηγητής Ευτύχιος Κο
 υτρούλης (επιβλέπων)\n Αναπληρωτής Κ
 αθηγητής Κωνσταντίνος Γυφτάκης\n Καθ
 ηγητής Γεώργιος Σταυρουλάκης (Π.Κ., 
 Σχολή ΜΠΔ)\n Περίληψη\n Η αξιοποίηση
  της ηλιακής ενέργειας αναδεικνύεται
  ως η πιο διαδεδομένη από τις μορφές
  των Ανανεώσιμων Πηγών Ενέργειας (ΑΠ
 Ε) και τα φωτοβολταϊκά συστήματα ανα
 μένεται να γίνουν η κυριότερη μορφή 
 παραγωγής σε χώρες με υψηλό ηλιακό δ
 υναμικό, όπως η Ελλάδα. Η απλότητα α
 υτών των συστημάτων οφείλεται κυρίως
  στην εύκολη πρόβλεψη των περιβαλλον
 τικών συνθηκών κατά τη διάρκεια του 
 έτους, στην υψηλή αξιοπιστία και στι
 ς ελάχιστες ανάγκες συντήρησης του ε
 ξοπλισμού. Αυτή η απλότητα αποτελεί 
 και την πηγή έμπνευσης της παρούσας 
 διπλωματικής εργασίας. Χρησιμοποιώντ
 ας την αναδυόμενη τεχνολογία των ψηφ
 ιακών διδύμων, δηλαδή τη δημιουργία 
 ενός ψηφιακού κλώνου για την παρακολ
 ούθηση και τον έλεγχο ενός πραγματικ
 ού συστήματος, σκοπός της εργασίας ε
 ίναι η ανάπτυξη ενός απλού, εύκολα π
 ροσαρμόσιμου μοντέλου, το οποίο θα μ
 πορεί να γίνει πηγή έμπνευσης για άλ
 λα μοντέλα. Στην παρούσα εργασία παρ
 ουσιάζεται η ανάλυση των δεδομένων π
 αραγωγής και καιρικών συνθηκών από έ
 να λειτουργικό φωτοβολταϊκό πάρκο, η
  διαδικασία εκπαίδευσης του Αυτοπαλι
 νδρομικού Μοντέλου Κινούμενου Μέσου 
 Όρου με Εξωγενείς Μεταβλητές (ARMAX)
  σε πραγματικά δεδομένα του πάρκου, 
 χρησιμοποιώντας μεθόδους μηχανικής μ
 άθησης, όπως τα δέντρα αποφάσεων (de
 cision trees), και η προσομοίωσή του
  στο περιβάλλον MATLAB. Ακολουθεί μι
 α λεπτομερής σύγκριση των προβλέψεων
  του μοντέλου για δεδομένα που προέρ
 χονται από διαφορετικές χρονικές περ
 ιόδους. Η ανάλυση περιλαμβάνει τόσο 
 δεδομένα που έχουν χρησιμοποιηθεί γι
 α την εκπαίδευση του μοντέλου όσο κα
 ι δεδομένα που δεν έχουν εισαχθεί σε
  αυτό. Οι προβλέψεις συγκρίνονται με
  πραγματικές μετρήσεις, με στόχο την
  αξιολόγηση της ακρίβειας και της απ
 οτελεσματικότητας του μοντέλου. Τέλο
 ς, αναφέρονται πιθανές μελλοντικές ε
 πεκτάσεις και χρήσεις του μοντέλου.\
 n Abstract \n Solar energy is emergi
 ng as the simplest of the forms of R
 enewable Energy Sources (RES) and ph
 otovoltaic (PV) systems are expected
  to become the main form of producti
 on in countries with abundant solar 
 irradiation potential, such as Greec
 e. The simplicity of these systems i
 s due to the easy prediction of envi
 ronmental conditions during the year
 , high reliability, and minimal main
 tenance needs of the equipment. This
  simplicity is the source of inspira
 tion for this thesis. Using the emer
 ging technology of digital twins, i.
 e., the creation of a digital clone 
 to monitor and control a real system
 , the focus of the thesis is to crea
 te a simple, easily adaptable model 
 that can serve as base for other mod
 els. This paper shows the analysis o
 f electricity generation and weather
  data from an operating photovoltaic
  park, the process of training the A
 utoregressive Moving Average Model w
 ith Exogenous Variables (ARMAX) usin
 g machine learning methods such as d
 ecision trees, and its simulation in
  the MATLAB environment. A detailed 
 comparison of the model predictions 
 is presented for data from different
  time periods. The analysis includes
  both data used for training the mod
 el and data not previously introduce
 d to it. The predictions are compare
 d with actual measurements to evalua
 te the model accuracy and effectiven
 ess. Finally, future extensions and 
 usage of the model are discussed.\n 
 Meeting ID: 967 8767 2714\n Password
 : 259569\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20250214T090000
DTEND:20250214T100000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR