Využití neuronových sítí pro realtime predikci

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F27169511%3A_____%2F25%3AN0000001" target="_blank" >RIV/27169511:_____/25:N0000001 - isvavai.cz</a>

Výsledek na webu

<a href="https://hdl.handle.net/11104/0376575" target="_blank" >https://hdl.handle.net/11104/0376575</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Využití neuronových sítí pro realtime predikci

Popis výsledku v původním jazyce

Modulární software pro predikce energetických veličin, primárně spotřeby a výroby využívající metod umělé inteligence a strojového učení. Tento software v sobě má zakomponovány otestované modely včetně nově navržených a implementovaných architektur (v rámci modulu GRNN) spolu s ověřenými parametrizacemi připravenými pro predikce energetických veličin s omezeným časovým horizontem, které lze dále přizpůsobovat konkrétní situaci. Software byl také navržen s cílem maximální výpomoci s analytikou a obsahuje tak moduly pro automatické anotace anonymních dat spolu s návrhy vhodných předzpracování. Z hlediska softwarového se jedná o knihovnu pracující na principu software- oriented-architecture (SOA), který lze jednoduše pomocí instalátoru nasadit na server a provozovat zasíláním HTTP požadavků na odpovídající adresu. Knihovna ovšem obsahuje i grafické prostředí, které lze využít na vyzkoušení funkcí knihovny v jednoduchém režimu na testovacích datech před reálným provozem.

Název v anglickém jazyce

SW-Neural networks realtime forecasting

Popis výsledku anglicky

Modular software for predicting energy variables, primarily consumption and production, using artificial intelligence and machine learning methods. This software incorporates tested models, including newly designed and implemented architectures (within the GRNN module), together with verified parameterizations prepared for predicting energy variables with a limited time horizon, which can be further adapted to specific situations. The software was also designed with the aim of providing maximum assistance with analytics and thus includes modules for automatic annotation of anonymous data along with suggestions for appropriate preprocessing. From a software perspective, it is a library working on the principle of software-oriented architecture (SOA), which can be easily deployed on a server using an installer and operated by sending HTTP requests to the corresponding address. However, the library also includes a graphical environment that can be used to test the library's functions in a simple mode on test data before actual operation.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/TK05020142" target="_blank" >TK05020142: Využití neuronových sítí pro realtime predikci variabilní baseline u energetických zařízení na vn, nn napěťových hladinách</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

TK05020142-V1

Technické parametry

Z hlediska softwarového se jedná o knihovnu pracující na principu software- oriented-architecture (SOA), který lze jednoduše pomocí instalátoru nasadit na server a provozovat zasíláním HTTP požadavků na odpovídající adresu. Knihovna ovšem obsahuje i grafické prostředí, které lze využít na vyzkoušení funkcí knihovny v jednoduchém režimu na testovacích datech před reálným provozem. Jazyk software: Python. Vybrané požadované knihovny: pandas, tensorflow, sktime, scikit-learn, flask.

Ekonomické parametry

Modulární software pro predikce energetických veličin, primárně spotřeby a výroby využívající metod umělé inteligence a strojového učení. Tento software v sobě má zakomponovány otestované modely včetně nově navržených a implementovaných architektur (v rámci modulu GRNN) spolu s ověřenými parametrizacemi připravenými pro predikce energetických veličin s omezeným časovým horizontem, které lze dále přizpůsobovat konkrétní situaci. Software byl také navržen s cílem maximální výpomoci s analytikou a obsahuje tak moduly pro automatické anotace anonymních dat spolu s návrhy vhodných předzpracování.

IČO vlastníka výsledku

61860417

Název vlastníka

Unicorn Solutions a.s.