{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5400991"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5400991","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μοντελοποίηση της σχέσης της κλιματικής αλλαγής και αιολικής ενέργειας με τη χρήση τεχνητής νοημοσύνης","abstract":"Η παρούσα διπλωματική εργασία εξετάζει τη μεταβλητότητα του ανεμολογικού πεδίου και του αιολικού δυναμικού στον ελλαδικό χώρο σε πολλαπλές χρονικές κλίμακες, συμπεριλαμβανομένων των βραχυπρόθεσμων, υποεποχιακών – σε - εποχιακών και κλιματικών χρονικών κλιμάκων. Παράλληλα, αξιολογείται η δυνατότητα αξιοποίησης μοντέλων τεχνητής νοημοσύνης για την πρόγνωση της εξέλιξης του ανεμολογικού πεδίου στην Ελλάδα. Στη μελέτη αξιοποιούνται αρχικά δεδομένα επανανάλυσης για την περιγραφική στατιστική ανάλυση του ανεμολογικού πεδίου στα 10 και 100 μέτρα για την περίοδο 1981–2024. Η ανάλυση περιλαμβάνει τον υπολογισμό παραμέτρων θέσης και μεταβλητότητας, την προσαρμογή της θεωρητικής κατανομής Weibull στις εμπειρικές κατανομές της έντασης του ανέμου, καθώς και την κατηγοριοποίηση της ατμοσφαιρικής κυκλοφορίας, με στόχο τη διερεύνηση της σχέσης του ανέμου με τα πεδία ατμοσφαιρικής πίεσης στην Ευρώπη. Επιπλέον, αναπτύσσονται και αξιολογούνται μοντέλα νευρωνικών δικτύων βαθιάς μάθησης (LSTM και CNN) για τη βραχυπρόθεσμη πρόβλεψη της έντασης του ανέμου, με στόχο την επιλογή της καταλληλότερης αρχιτεκτονικής και τη βελτιστοποίηση της προγνωστικής τους ικανότητας. Παράλληλα, χρησιμοποιούνται δεδομένα ανέμου και ατμοσφαιρικής πίεσης από κλιματικές προσομοιώσεις CMIP6, προκειμένου να διερευνηθεί η επίδραση διαφορετικών σεναρίων εκπομπών στην εξέλιξη του ανεμολογικού πεδίου και του αιολικού δυναμικού. Ιδιαίτερη έμφαση δίνεται στην εξέταση του ρόλου των μεταβολών της ατμοσφαιρικής κυκλοφορίας στη διαμόρφωση των προβλεπόμενων μεταβολών. Χρησιμοποιήθηκαν εκτιμήσεις για τα σενάρια SSP2-4.5 και SSP5-8.5 για την μελλοντική περιόδους 2026- 2045, 2046- 2065 σε σύγκριση με την περίοδο αναφοράς 1981-2010 χρησιμοποιώντας ένα ανσάμπλ πολλών κλιματικών μοντέλων. Ως προς τις υποεποχιακές και εποχιακές προγνώσεις, εξετάζεται η ικανότητα της ατμοσφαιρικής κυκλοφορίας να λειτουργεί ως προγνωστικός παράγοντας για τη μεταβλητότητα του ανεμολογικού πεδίου. Τα αποτελέσματα της εργασίας αναμένεται να συμβάλουν στην καλύτερη κατανόηση των μηχανισμών που διαμορφώνουν τη μεταβλητότητα του ανεμολογικού πεδίου στον ελλαδικό χώρο, καθώς και στη βελτίωση της πρόγνωσης του αιολικού δυναμικού σε διαφορετικές χρονικές κλίμακες, υποστηρίζοντας τον σχεδιασμό και τη βέλτιστη αξιοποίηση των αιολικών ενεργειακών πόρων.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει τη μεταβλητότητα του ανεμολογικού πεδίου και του αιολικού δυναμικού στον ελλαδικό χώρο σε πολλαπλές χρονικές κλίμακες, συμπεριλαμβανομένων των βραχυπρόθεσμων, υποεποχιακών – σε - εποχιακών και κλιματικών χρονικών κλιμάκων. Παράλληλα, αξιολογείται η δυνατότητα αξιοποίησης μοντέλων τεχνητής νοημοσύνης για την πρόγνωση της εξέλιξης του ανεμολογικού πεδίου στην Ελλάδα. Στη μελέτη αξιοποιούνται αρχικά δεδομένα επανανάλυσης για την περιγραφική στατιστική ανάλυση του ανεμολογικού πεδίου στα 10 και 100 μέτρα για την περίοδο 1981–2024. Η ανάλυση περιλαμβάνει τον υπολογισμό παραμέτρων θέσης και μεταβλητότητας, την προσαρμογή της θεωρητικής κατανομής Weibull στις εμπειρικές κατανομές της έντασης του ανέμου, καθώς και την κατηγοριοποίηση της ατμοσφαιρικής κυκλοφορίας, με στόχο τη διερεύνηση της σχέσης του ανέμου με τα πεδία ατμοσφαιρικής πίεσης στην Ευρώπη. Επιπλέον, αναπτύσσονται και αξιολογούνται μοντέλα νευρωνικών δικτύων βαθιάς μάθησης (LSTM και CNN) για τη βραχυπρόθεσμη πρόβλεψη της έντασης του ανέμου, με στόχο την επιλογή της καταλληλότερης αρχιτεκτονικής και τη βελτιστοποίηση της προγνωστικής τους ικανότητας. Παράλληλα, χρησιμοποιούνται δεδομένα ανέμου και ατμοσφαιρικής πίεσης από κλιματικές προσομοιώσεις CMIP6, προκειμένου να διερευνηθεί η επίδραση διαφορετικών σεναρίων εκπομπών στην εξέλιξη του ανεμολογικού πεδίου και του αιολικού δυναμικού. Ιδιαίτερη έμφαση δίνεται στην εξέταση του ρόλου των μεταβολών της ατμοσφαιρικής κυκλοφορίας στη διαμόρφωση των προβλεπόμενων μεταβολών. Χρησιμοποιήθηκαν εκτιμήσεις για τα σενάρια SSP2-4.5 και SSP5-8.5 για την μελλοντική περιόδους 2026- 2045, 2046- 2065 σε σύγκριση με την περίοδο αναφοράς 1981-2010 χρησιμοποιώντας ένα ανσάμπλ πολλών κλιματικών μοντέλων. Ως προς τις υποεποχιακές και εποχιακές προγνώσεις, εξετάζεται η ικανότητα της ατμοσφαιρικής κυκλοφορίας να λειτουργεί ως προγνωστικός παράγοντας για τη μεταβλητότητα του ανεμολογικού πεδίου. Τα αποτελέσματα της εργασίας αναμένεται να συμβάλουν στην καλύτερη κατανόηση των μηχανισμών που διαμορφώνουν τη μεταβλητότητα του ανεμολογικού πεδίου στον ελλαδικό χώρο, καθώς και στη βελτίωση της πρόγνωσης του αιολικού δυναμικού σε διαφορετικές χρονικές κλίμακες, υποστηρίζοντας τον σχεδιασμό και τη βέλτιστη αξιοποίηση των αιολικών ενεργειακών πόρων.","abstract_has_math":false,"creators":["ΚΑΠΟΥΛΑΣ ΑΠΟΣΤΟΛΟΣ","KAPOULAS APOSTOLOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:02:26Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5400991"],"render_values":[{"text":"uoadl:5400991","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5400991","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΚΑΠΟΥΛΑΣ ΑΠΟΣΤΟΛΟΣ","KAPOULAS APOSTOLOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5400991","https://pergamos.lib.uoa.gr/uoa/dl/object/5400991"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει τη μεταβλητότητα του ανεμολογικού πεδίου και του αιολικού δυναμικού στον ελλαδικό χώρο σε πολλαπλές χρονικές κλίμακες, συμπεριλαμβανομένων των βραχυπρόθεσμων, υποεποχιακών – σε - εποχιακών και κλιματικών χρονικών κλιμάκων. Παράλληλα, αξιολογείται η δυνατότητα αξιοποίησης μοντέλων τεχνητής νοημοσύνης για την πρόγνωση της εξέλιξης του ανεμολογικού πεδίου στην Ελλάδα. Στη μελέτη αξιοποιούνται αρχικά δεδομένα επανανάλυσης για την περιγραφική στατιστική ανάλυση του ανεμολογικού πεδίου στα 10 και 100 μέτρα για την περίοδο 1981–2024. Η ανάλυση περιλαμβάνει τον υπολογισμό παραμέτρων θέσης και μεταβλητότητας, την προσαρμογή της θεωρητικής κατανομής Weibull στις εμπειρικές κατανομές της έντασης του ανέμου, καθώς και την κατηγοριοποίηση της ατμοσφαιρικής κυκλοφορίας, με στόχο τη διερεύνηση της σχέσης του ανέμου με τα πεδία ατμοσφαιρικής πίεσης στην Ευρώπη. Επιπλέον, αναπτύσσονται και αξιολογούνται μοντέλα νευρωνικών δικτύων βαθιάς μάθησης (LSTM και CNN) για τη βραχυπρόθεσμη πρόβλεψη της έντασης του ανέμου, με στόχο την επιλογή της καταλληλότερης αρχιτεκτονικής και τη βελτιστοποίηση της προγνωστικής τους ικανότητας. Παράλληλα, χρησιμοποιούνται δεδομένα ανέμου και ατμοσφαιρικής πίεσης από κλιματικές προσομοιώσεις CMIP6, προκειμένου να διερευνηθεί η επίδραση διαφορετικών σεναρίων εκπομπών στην εξέλιξη του ανεμολογικού πεδίου και του αιολικού δυναμικού. Ιδιαίτερη έμφαση δίνεται στην εξέταση του ρόλου των μεταβολών της ατμοσφαιρικής κυκλοφορίας στη διαμόρφωση των προβλεπόμενων μεταβολών. Χρησιμοποιήθηκαν εκτιμήσεις για τα σενάρια SSP2-4.5 και SSP5-8.5 για την μελλοντική περιόδους 2026- 2045, 2046- 2065 σε σύγκριση με την περίοδο αναφοράς 1981-2010 χρησιμοποιώντας ένα ανσάμπλ πολλών κλιματικών μοντέλων. Ως προς τις υποεποχιακές και εποχιακές προγνώσεις, εξετάζεται η ικανότητα της ατμοσφαιρικής κυκλοφορίας να λειτουργεί ως προγνωστικός παράγοντας για τη μεταβλητότητα του ανεμολογικού πεδίου. Τα αποτελέσματα της εργασίας αναμένεται να συμβάλουν στην καλύτερη κατανόηση των μηχανισμών που διαμορφώνουν τη μεταβλητότητα του ανεμολογικού πεδίου στον ελλαδικό χώρο, καθώς και στη βελτίωση της πρόγνωσης του αιολικού δυναμικού σε διαφορετικές χρονικές κλίμακες, υποστηρίζοντας τον σχεδιασμό και τη βέλτιστη αξιοποίηση των αιολικών ενεργειακών πόρων.","This master's thesis investigates the variability of the wind field and wind energy potential in Greece across multiple temporal scales, including short-term, subseasonal - to -seasonal, and climatic timescales. At the same time, the potential use of artificial intelligence models for forecasting the evolution of the wind field in Greece is evaluated. Initially, reanalysis data are used for the descriptive statistical analysis of the wind field at 10 m and 100 m for the period 1981–2024. The analysis includes the calculation of measures of central tendency and variability, the fitting of the theoretical Weibull distribution to the empirical wind speed distributions, as well as the classification of atmospheric circulation patterns, aiming to investigate the relationship between wind conditions and atmospheric pressure fields over Europe. Furthermore, deep learning neural network models (LSTM and CNN) are developed and evaluated for short-term wind speed forecasting, with the aim of identifying the most suitable architecture and optimizing their predictive performance. In addition, wind and atmospheric pressure data from CMIP6 climate simulations are used to investigate the impact of different emission scenarios on the evolution of the wind field and wind energy potential. Particular emphasis is placed on examining the role of changes in atmospheric circulation in shaping the projected variations. Estimates based on the SSP2-4.5 and SSP5-8.5 scenarios are analyzed for the future periods 2026 – 20745, 2046 - 2065 and compared with the reference period 1981–2010, using a multi – model ensemble. Regarding subseasonal - to - seasonal and seasonal forecasts, the ability of atmospheric circulation patterns to act as a predictor of wind field variability is also examined. The results of this study are expected to contribute to a better understanding of the mechanisms shaping wind field variability over the Greek region and to improve the prediction of wind energy potential across different temporal scales, thereby supporting the planning and optimal exploitation of wind energy resources."]},{"key":"dc:title","label":"Title","values":["Μοντελοποίηση της σχέσης της κλιματικής αλλαγής και αιολικής ενέργειας με τη χρήση τεχνητής νοημοσύνης"]}]}],"canonical_facts":{"dc:creator":["ΚΑΠΟΥΛΑΣ ΑΠΟΣΤΟΛΟΣ","KAPOULAS APOSTOLOS"],"dc:date":["2026"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει τη μεταβλητότητα του ανεμολογικού πεδίου και του αιολικού δυναμικού στον ελλαδικό χώρο σε πολλαπλές χρονικές κλίμακες, συμπεριλαμβανομένων των βραχυπρόθεσμων, υποεποχιακών – σε - εποχιακών και κλιματικών χρονικών κλιμάκων. Παράλληλα, αξιολογείται η δυνατότητα αξιοποίησης μοντέλων τεχνητής νοημοσύνης για την πρόγνωση της εξέλιξης του ανεμολογικού πεδίου στην Ελλάδα. Στη μελέτη αξιοποιούνται αρχικά δεδομένα επανανάλυσης για την περιγραφική στατιστική ανάλυση του ανεμολογικού πεδίου στα 10 και 100 μέτρα για την περίοδο 1981–2024. Η ανάλυση περιλαμβάνει τον υπολογισμό παραμέτρων θέσης και μεταβλητότητας, την προσαρμογή της θεωρητικής κατανομής Weibull στις εμπειρικές κατανομές της έντασης του ανέμου, καθώς και την κατηγοριοποίηση της ατμοσφαιρικής κυκλοφορίας, με στόχο τη διερεύνηση της σχέσης του ανέμου με τα πεδία ατμοσφαιρικής πίεσης στην Ευρώπη. Επιπλέον, αναπτύσσονται και αξιολογούνται μοντέλα νευρωνικών δικτύων βαθιάς μάθησης (LSTM και CNN) για τη βραχυπρόθεσμη πρόβλεψη της έντασης του ανέμου, με στόχο την επιλογή της καταλληλότερης αρχιτεκτονικής και τη βελτιστοποίηση της προγνωστικής τους ικανότητας. Παράλληλα, χρησιμοποιούνται δεδομένα ανέμου και ατμοσφαιρικής πίεσης από κλιματικές προσομοιώσεις CMIP6, προκειμένου να διερευνηθεί η επίδραση διαφορετικών σεναρίων εκπομπών στην εξέλιξη του ανεμολογικού πεδίου και του αιολικού δυναμικού. Ιδιαίτερη έμφαση δίνεται στην εξέταση του ρόλου των μεταβολών της ατμοσφαιρικής κυκλοφορίας στη διαμόρφωση των προβλεπόμενων μεταβολών. Χρησιμοποιήθηκαν εκτιμήσεις για τα σενάρια SSP2-4.5 και SSP5-8.5 για την μελλοντική περιόδους 2026- 2045, 2046- 2065 σε σύγκριση με την περίοδο αναφοράς 1981-2010 χρησιμοποιώντας ένα ανσάμπλ πολλών κλιματικών μοντέλων. Ως προς τις υποεποχιακές και εποχιακές προγνώσεις, εξετάζεται η ικανότητα της ατμοσφαιρικής κυκλοφορίας να λειτουργεί ως προγνωστικός παράγοντας για τη μεταβλητότητα του ανεμολογικού πεδίου. Τα αποτελέσματα της εργασίας αναμένεται να συμβάλουν στην καλύτερη κατανόηση των μηχανισμών που διαμορφώνουν τη μεταβλητότητα του ανεμολογικού πεδίου στον ελλαδικό χώρο, καθώς και στη βελτίωση της πρόγνωσης του αιολικού δυναμικού σε διαφορετικές χρονικές κλίμακες, υποστηρίζοντας τον σχεδιασμό και τη βέλτιστη αξιοποίηση των αιολικών ενεργειακών πόρων.","This master's thesis investigates the variability of the wind field and wind energy potential in Greece across multiple temporal scales, including short-term, subseasonal - to -seasonal, and climatic timescales. At the same time, the potential use of artificial intelligence models for forecasting the evolution of the wind field in Greece is evaluated. Initially, reanalysis data are used for the descriptive statistical analysis of the wind field at 10 m and 100 m for the period 1981–2024. The analysis includes the calculation of measures of central tendency and variability, the fitting of the theoretical Weibull distribution to the empirical wind speed distributions, as well as the classification of atmospheric circulation patterns, aiming to investigate the relationship between wind conditions and atmospheric pressure fields over Europe. Furthermore, deep learning neural network models (LSTM and CNN) are developed and evaluated for short-term wind speed forecasting, with the aim of identifying the most suitable architecture and optimizing their predictive performance. In addition, wind and atmospheric pressure data from CMIP6 climate simulations are used to investigate the impact of different emission scenarios on the evolution of the wind field and wind energy potential. Particular emphasis is placed on examining the role of changes in atmospheric circulation in shaping the projected variations. Estimates based on the SSP2-4.5 and SSP5-8.5 scenarios are analyzed for the future periods 2026 – 20745, 2046 - 2065 and compared with the reference period 1981–2010, using a multi – model ensemble. Regarding subseasonal - to - seasonal and seasonal forecasts, the ability of atmospheric circulation patterns to act as a predictor of wind field variability is also examined. The results of this study are expected to contribute to a better understanding of the mechanisms shaping wind field variability over the Greek region and to improve the prediction of wind energy potential across different temporal scales, thereby supporting the planning and optimal exploitation of wind energy resources."],"dc:identifier":["uoadl:5400991","https://pergamos.lib.uoa.gr/uoa/dl/object/5400991"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Μοντελοποίηση της σχέσης της κλιματικής αλλαγής και αιολικής ενέργειας με τη χρήση τεχνητής νοημοσύνης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:02:26Z"}