Student získával studijní materiály iniciativně a využíval je v dostatečné míře. Zejména pak publikace z oblasti řízení fotovoltaických elektráren a strojového učení.

Práce byla dokončena v předstihu a její obsah byl průběžně a dostatečně konzultován.

Prezentační úroveň a logická struktura je výborná. Autor dobře vysvětluje rozdíly v řízení malých a velkých zdrojů a seznamuje čtenáře s požadovanou problematikou.

Autor vytvořil predikční a optimalizační systém pro řízení velké FVE s bateriovým úložištěm. Jedná se o kombinaci standardních modelů strojového učení s celočíselným lineárním programováním (ILP). Z výsledků práce je zřejmé, že systém je funkční a na historických datech se ukazuje, že je schopen dosáhnout zlepšení ziskovosti takové elektrárny. 

Z pohledu metodologie je práce dobře zvládnutá a používá pokročilé počítačové metody k optimalizaci reálného systému - v tomto případě navíc i s měřitelným dopadem na zisk.  

Mírnou slabinou tohoto systému je to, že není vytvořena podrobná analýza toho, kdy se systém rozhodl správně nebo špatně. Ve většině případů se rozhoduje správně (což je zřejmé ze ziskovosti elektrárny), ale více se jedná o tzv. black box řešení, u kterého není vysvětleno rozhodování. Analýza výsledků v oblasti kdy se rozhodl špatně i v porovnání s naivním řešení (např. deterministický způsob řízení s využitím baterie bez predikcí) by významně zlepšilo důvěryhodnost takového řízení.

Evaluation level: zadání splněno

Zadání hodnotím jako splněné ve všech bodech zadání.

Autor ve své práci využívá 24 zdrojů, přičemž velká část se týká krátkodobého trhu s elektřinou a systému regulace sítí. Ocenil bych více zdrojů z oblasti řízení FVE, ale i ta je v práci zmíněna. Všechny zdroje jsou řádně odkazovány a je možné odlišit vlastní práci autora od přejaté.