logotype
  • ПОЧЕТНА
  • ИНСТИТУТ
  • ПРОГРАМ
  • О ДОГАЂАЈУ
    • ОДБОР
  • ПРЕДАВАЧИ
  • ГАЛЕРИЈА 2025
  • ЛОКАЦИЈА
  • КОНТАКТ
  • АРХИВА
    • ТИД 2024
      • ЗБОРНИК АПСТРАКАТА
      • ПРОГРАМ КОНФЕРЕНЦИЈЕ
      • ПРЕДАВАЧИ
      • ПРОГРАМСКИ ОДБОР
      • ОРГАНИЗАЦИОНИ ОДБОР
      • ГАЛЕРИЈА
    • ТИД 2023.
      • ЗБОРНИК АПСТРАКАТА
      • ПРОГРАМ
      • ПРЕДАВАЧИ
      • ГАЛЕРИЈА
  • Српски језик
  • English
  • Latinica
  • Српски језик
  • English
  • ПОЧЕТНА
  • ИНСТИТУТ
  • ПРОГРАМ
  • О ДОГАЂАЈУ
    • ОДБОР
  • ПРЕДАВАЧИ
  • ГАЛЕРИЈА 2025
  • ЛОКАЦИЈА
  • КОНТАКТ
  • АРХИВА
    • ТИД 2024
      • ЗБОРНИК АПСТРАКАТА
      • ПРОГРАМ КОНФЕРЕНЦИЈЕ
      • ПРЕДАВАЧИ
      • ПРОГРАМСКИ ОДБОР
      • ОРГАНИЗАЦИОНИ ОДБОР
      • ГАЛЕРИЈА
    • ТИД 2023.
      • ЗБОРНИК АПСТРАКАТА
      • ПРОГРАМ
      • ПРЕДАВАЧИ
      • ГАЛЕРИЈА
  • Српски језик
  • English
  • Latinica
logotype
logotype
  • ПОЧЕТНА
  • ИНСТИТУТ
  • ПРОГРАМ
  • О ДОГАЂАЈУ
    • ОДБОР
  • ПРЕДАВАЧИ
  • ГАЛЕРИЈА 2025
  • ЛОКАЦИЈА
  • КОНТАКТ
  • АРХИВА
    • ТИД 2024
      • ЗБОРНИК АПСТРАКАТА
      • ПРОГРАМ КОНФЕРЕНЦИЈЕ
      • ПРЕДАВАЧИ
      • ПРОГРАМСКИ ОДБОР
      • ОРГАНИЗАЦИОНИ ОДБОР
      • ГАЛЕРИЈА
    • ТИД 2023.
      • ЗБОРНИК АПСТРАКАТА
      • ПРОГРАМ
      • ПРЕДАВАЧИ
      • ГАЛЕРИЈА
  • Српски језик
  • English
  • Latinica
Mирослав Драгићевић
HomeTeamMирослав Драгићевић
Институт Никола Тесла АД

Mирослав Драгићевић

Прогноза напонско реактивних стања у оквиру природне напонске зоне

Кратак садржај предавања:

Циљ овог истраживања је развој одговарајућих модела машинског учења за предвиђање вредности напона на страни мреже од 400kV. Подаци који се користе за обуку модела укључују двогодишње историјске податке о напону, заједно са хидрометеоролошким променљивима, при чему је температура најзначајнији фактор, подржан метеоролошким годишњацима. Додатни улазни подаци укључују влажност ваздуха, правац ветра, брзину ветра, падавине и појаву леда на далеководима. Предвиђање вредности напона има за циљ прогнозу ангажовања статичких реактивних резерви, са периодом узроковања од 10 минута (мин/макс/просек). Ови подаци омогућавају годишње планирање увоза енергије и периода одржавања, као и дневно планирање ангажовања капацитета. Следећи корак у истраживању је прогноза динамичких реактивних резерви, где би се за обуку модела користили узорци са фреквенцијом од једне секунде и чешћи узорци.

Кључне речи:машинско учење, прогноза напонско реактивних стања, стабло одлучивања, градијентни бустинг, регресија

Кратка биографија:

Мирослав Драгићевић, дипл. инж. ел.  дипломирао је на Електротехничком факултету Универзитета у Београду на смеру за електроенергетске системе.

Радно искуство је стекао у сектору индустријске аутоматизације које је унапредио и проширио у Електротехничком институту Никола Тесла у центру за аутоматику и регулацију. Специјализовао се за управљање индустријским и технолошким процесима коришћењем процесних рачунара, регулацију турбина и целокупно управљање малим хидроелектранама.  Обавља функцију заменика руководиоца Специјализоване лабораторије за испитивања система турбинске регулације у оквиру Лабораторије за испитивање и еталонирање.

Члан је „Инжењерске коморе Србије“ и Комисије за стандарде Н057 – Управљање и комуникација у електроенергетском систему Института за стандардизацију Србије.