Zobrazit minimální záznam

dc.contributor.advisorSlanina, Zdeněk
dc.contributor.authorElumalai, Jeevanath
dc.date.accessioned2023-06-23T08:45:53Z
dc.date.available2023-06-23T08:45:53Z
dc.date.issued2023
dc.identifier.otherOSD002
dc.identifier.urihttp://hdl.handle.net/10084/150356
dc.description.abstractThis thesis aims to develop a classification model for electric vehicles (EVs) based on data from EV charging stations.The study utilizes a dataset of 6 charging sessions from EV charging station and implements two deep learning algorithm including LSTM and Auto-Encoders to classify EVs. The performance of the classification model is evaluated based on accuracy rates & precision.The study also identifies key charging characteristics that are most significant in distinguishing between different types of EVs, including charging time, energy consumption, and charging patterns.The findings of this research have significant implications for the development of EV charging infras- tructure and services. The classification model developed in this thesis can be used to optimize charging station operations, improve charging services, and develop EV adoption strategies. The study also highlights the importance of utilizing data from EV charging stations in understanding the EV market and improving the efficiency of charging infrastructure.en
dc.description.abstractTato práce si klade za cíl vyvinout model klasifikace elektrických vozidel (EV) založený na datech z nabíjecích stanic pro elektromobily. Studie využívá datovou sadu 6 nabíjecích relací z nabíjecí stanice pro elektromobily a implementuje dva algoritmy hlubokého učení, včetně LSTM a Auto- Encoders pro klasifikaci EV. . Výkon klasifikačního modelu je hodnocen na základě míry přesnosti a preciznosti. Studie také identifikuje klíčové charakteristiky nabíjení, které jsou nejvýznamnější při rozlišování mezi různými typy elektromobilů, včetně doby nabíjení, spotřeby energie a vzorců nabí- jení. Zjištění tohoto výzkumu mají významné důsledky pro rozvoj infrastruktury a služeb nabíjení elektromobilů. Klasifikační model vyvinutý v této práci lze použít k optimalizaci provozu nabíjecích stanic, zlepšení nabíjecích služeb a rozvoji strategií přijetí elektromobilů. Studie také zdůrazňuje důležitost využití dat z nabíjecích stanic pro elektromobily pro pochopení trhu s elektromobily a zlepšení efektivity nabíjecí infrastrukturycs
dc.format.extent6409267 bytes
dc.format.mimetypeapplication/pdf
dc.language.isoen
dc.publisherVysoká škola báňská – Technická univerzita Ostravacs
dc.subjectEVs (Electric Vehiclesen
dc.subjectclassificationen
dc.subjectLSTMen
dc.subjectAuto-Encoderen
dc.subjectcharging patternen
dc.subjectcharging infrastruc- tureen
dc.subjectmodelen
dc.subjectEV (elektrická vozidlacs
dc.subjectklasifikacecs
dc.subjectLSTMcs
dc.subjectAuto-Encodercs
dc.subjectnabíjecí schémacs
dc.subjectnabíjecí infrastrukturacs
dc.subjectmodelcs
dc.titleCharging Data Analysis and Clasification for Microgridsen
dc.title.alternativeAnalýza a klasifikace nabíjecích dat pro mikro sítěcs
dc.typeDiplomová prácecs
dc.contributor.refereeLara de Leon, Melvin Alexis
dc.date.accepted2023-06-02
dc.thesis.degree-nameIng.
dc.thesis.degree-levelMagisterský studijní programcs
dc.thesis.degree-grantorVysoká škola báňská – Technická univerzita Ostrava. Fakulta elektrotechniky a informatikycs
dc.description.department450 - Katedra kybernetiky a biomedicínského inženýrstvícs
dc.thesis.degree-programŘídicí a informační systémycs
dc.description.resultvýborněcs
dc.identifier.senderS2724
dc.identifier.thesisELU0005_FEI_N0714A150002_2023
dc.rights.accessopenAccess


Soubory tohoto záznamu

Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam