logotype
  • POČETNA
  • INSTITUT
  • PROGRAM
  • O DOGAĐAJU
    • ODBOR
  • PREDAVAČI
  • GALERIJA 2025
  • LOKACIJA
  • KONTAKT
  • ARHIVA
    • TID 2024
      • ZBORNIK APSTRAKATA
      • PROGRAM KONFERENCIJE
      • PREDAVAČI
      • PROGRAMSKI ODBOR
      • ORGANIZACIONI ODBOR
      • GALERIJA
    • TID 2023.
      • ZBORNIK APSTRAKATA
      • PROGRAM
      • PREDAVAČI
      • GALERIJA
  • Srpski jezik
  • English
  • Ћирилица
  • Srpski jezik
  • English
  • POČETNA
  • INSTITUT
  • PROGRAM
  • O DOGAĐAJU
    • ODBOR
  • PREDAVAČI
  • GALERIJA 2025
  • LOKACIJA
  • KONTAKT
  • ARHIVA
    • TID 2024
      • ZBORNIK APSTRAKATA
      • PROGRAM KONFERENCIJE
      • PREDAVAČI
      • PROGRAMSKI ODBOR
      • ORGANIZACIONI ODBOR
      • GALERIJA
    • TID 2023.
      • ZBORNIK APSTRAKATA
      • PROGRAM
      • PREDAVAČI
      • GALERIJA
  • Srpski jezik
  • English
  • Ћирилица
logotype
logotype
  • POČETNA
  • INSTITUT
  • PROGRAM
  • O DOGAĐAJU
    • ODBOR
  • PREDAVAČI
  • GALERIJA 2025
  • LOKACIJA
  • KONTAKT
  • ARHIVA
    • TID 2024
      • ZBORNIK APSTRAKATA
      • PROGRAM KONFERENCIJE
      • PREDAVAČI
      • PROGRAMSKI ODBOR
      • ORGANIZACIONI ODBOR
      • GALERIJA
    • TID 2023.
      • ZBORNIK APSTRAKATA
      • PROGRAM
      • PREDAVAČI
      • GALERIJA
  • Srpski jezik
  • English
  • Ћирилица
Miroslav Dragićević
HomeTeamMiroslav Dragićević
Institut Nikola Tesla AD

Miroslav Dragićević

Prognoza naponsko reaktivnih stanja u okviru prirodne naponske zone

Kratak sadržaj predavanja:

Cilj ovog istraživanja je razvoj odgovarajućih modela mašinskog učenja za predviđanje vrednosti napona na strani mreže od 400kV. Podaci koji se koriste za obuku modela uključuju dvogodišnje istorijske podatke o naponu, zajedno sa hidrometeorološkim promenljivima, pri čemu je temperatura najznačajniji faktor, podržan meteorološkim godišnjacima. Dodatni ulazni podaci uključuju vlažnost vazduha, pravac vetra, brzinu vetra, padavine i pojavu leda na dalekovodima. Predviđanje vrednosti napona ima za cilj prognozu angažovanja statičkih reaktivnih rezervi, sa periodom uzrokovanja od 10 minuta (min/maks/prosek). Ovi podaci omogućavaju godišnje planiranje uvoza energije i perioda održavanja, kao i dnevno planiranje angažovanja kapaciteta. Sledeći korak u istraživanju je prognoza dinamičkih reaktivnih rezervi, gde bi se za obuku modela koristili uzorci sa frekvencijom od jedne sekunde i češći uzorci.

Ključne reči:mašinsko učenje, prognoza naponsko reaktivnih stanja, stablo odlučivanja, gradijentni busting, regresija

Kratka biografija:

Miroslav Dragićević, dipl. inž. el.  diplomirao je na Elektrotehničkom fakultetu Univerziteta u Beogradu na smeru za elektroenergetske sisteme.

Radno iskustvo je stekao u sektoru industrijske automatizacije koje je unapredio i proširio u Elektrotehničkom institutu Nikola Tesla u centru za automatiku i regulaciju. Specijalizovao se za upravljanje industrijskim i tehnološkim procesima korišćenjem procesnih računara, regulaciju turbina i celokupno upravljanje malim hidroelektranama.  Obavlja funkciju zamenika rukovodioca Specijalizovane laboratorije za ispitivanja sistema turbinske regulacije u okviru Laboratorije za ispitivanje i etaloniranje.

Član je „Inženjerske komore Srbije“ i Komisije za standarde N057 – Upravljanje i komunikacija u elektroenergetskom sistemu Instituta za standardizaciju Srbije.