Ο Δημήτριος Μπαργιώτας διετέλεσε Καθηγητής στο Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πανεπιστημίου Θεσσαλίας στο οποίο εντάχθηκε το 2017. Τον Δεκέμβριο του 2025 του απονεμήθηκε ο τίτλος του Ομότιμου Καθηγητή του Πανεπιστημίου Θεσσαλίας και συνεχίζει να ασχολείται με τη διδασκαλία και την έρευνα.

Τα ερευνητικά του ενδιαφέροντα εστιάζονται στις περιοχές των Συστημάτων Ηλεκτρικής Ενέργειας, Ευστάθειας Συστημάτων Ηλεκτρικής Ενέργειας, Αυτοματοποίησης Συστημάτων Διανομής Ηλεκτρικής Ενέργειας, Εναλλακτικών Μορφών Ενέργειας, Έξυπνων Δικτύων Ηλεκτρικής Ενέργειας, Τεχνολογιών Αισθητήρων, Βιομηχανικών Αυτοματισμών και Συστημάτων Αυτομάτου Ελέγχου.Οι προηγούμενες ακαδημαϊκές θέσεις ήταν στο University of Tennessee (1991-1993) και ΤΕΙ Χαλκίδας και Στερεάς Ελλάδας (1999-2017).

Ο Δημήτριος Μπαργιώτας γεννήθηκε στη Λάρισα το 1958. Το 1981 έλαβε το Δίπλωμα του Ηλεκτρολόγου Μηχανικού από το Πανεπιστήμιο Πατρών. Συνέχισε τις σπουδές του στο τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πανεπιστημίου του Tennessee, ΗΠΑ, όπου έλαβε το Μεταπτυχιακό (Master of Science-MSc) και το Διδακτορικό (PhD) τίτλο σπουδών το 1986 και 1991, αντίστοιχα.  Η επιστημονική εξειδίκευση εστιάζει στα Συστήματα Ηλεκτρικής Ενέργειας και στα Συστήματα Αυτομάτου Ελέγχου με έμφαση στην Ευστάθεια Συστημάτων Ηλεκτρικής Ενέργειας και την αυτοματοποίηση των δικτύων διανομής.

Κατά την παραμονή του στις ΗΠΑ εκτός από τις σπουδές εργάστηκε ως Adjunct Assistant Professor, Graduate Teaching Associate, Graduate Teaching and Research Assistant στο Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών του Πανεπιστημίου του Tennessee όπου παρείχε αυτοδύναμη διδασκαλία θεωρητικών και εργαστηριακών μαθημάτων στην περιοχή των Ηλεκτρικών Κυκλωμάτων, Ηλεκτρικών Μηχανών, Συστημάτων Ηλεκτρικής Ενέργειας, Συστημάτων Αυτομάτου Ελέγχου, Μεταβατικής Ευστάθειας Συστημάτων Ηλεκτρικής Ενέργειας και Ηλεκτρονικών καθώς και ως Σύμβουλος Μηχανικός στο Oak Ridge National Laboratory. Η ερευνητική του δραστηριότητα κατά την ίδια περίοδο, με τη συμμετοχή μου σε μεγάλο αριθμό ερευνητικών έργων χρηματοδοτούμενων από EPRI, DOE, Oak Ridge National Laboratory και Power Electronics Application Center, εστιάστηκε στην ανάπτυξη μοντέλων και τεχνικών για την πρόβλεψη ευστάθειας σε ισοδύναμα δυναμικά συστήματα, μοντέλων-αλγορίθμων και στρατηγικών για τον έλεγχο ηλεκτρικών φορτίων με σκοπό την αυτοματοποίηση των δικτύων μεταφοράς και διανομής ηλεκτρικής ενέργειας, μοντελοποίηση ηλεκτρικών φορτίων και τεχνικών για την ενίσχυση της συμβατότητας των συστημάτων ηλεκτρικής ενέργειας και ηλεκτρονικών ισχύος.

Από το 1994 έως το 1999 εργάστηκε στη Διεύθυνση Μελετών Συστημάτων Παραγωγής της ΔΕΗ ως εξωτερικός συνεργάτης/μελετητής με αντικείμενο τη διερεύνηση της μεταβατική και δυναμικής ευστάθειας και ρύθμιση συχνότητας του εθνικού δικτύου Παραγωγής, Μεταφοράς και Διανομής Ηλεκτρικής Ενέργειας και των δικτύων των νήσων Ρόδου και Κρήτης, καθώς και τη διασύνδεση του εθνικού δικτύου με άλλα δίκτυα στα πλαίσια της UCPTE.

Από το Απρίλιο του 1998 και για ένα έτος διετέλεσε Διευθυντής στο Περιφερειακό Ενεργειακό Κέντρο Στερεάς Ελλάδας και Εύβοιας με αντικείμενο την προώθηση των Ανανεώσιμων Πηγών και την Ορθολογικής Χρήση και Εξοικονόμηση της Ηλεκτρικής Ενέργειας.

1. Vontzos, G.; Laitsos, V.; Bargiotas, ; Fevgas, A.; Daskalopulu, A.; Tsoukalas, L.H. Microgrid Multivariate Load Forecasting Based on Weighted Visibility Graph: A Regional Airport Case Study. Electricity 2025, 6, 17. https://doi.org/10.3390/electricity6020017
2. Laitsos, V.; Vontzos, G.; Paraschoudis, P.; Tsampasis, E.; Bargiotas, ; Tsoukalas, L.H. The State of the Art Electricity Load and Price Forecasting for the Modern Wholesale Electricity Market. Energies 2024, 17, 5797. https://doi.org/10.3390/en17225797
3. Laitsos, V.; Vontzos, G.; Bargiotas, ; Daskalopulu, A.; Tsoukalas, L.H. Data-Driven Techniques for Short-Term Electricity Price Forecasting through Novel Deep Learning Approaches with Attention Mechanisms. Energies 2024, 17, 1625. https://doi.org/10.3390/en17071625
4. Kontogiannis, D.; Bargiotas, D.; Fevgas, A.; Daskalopulu, A.; Tsoukalas, L.H. Combinatorial Component Day-Ahead Load Forecasting through Unanchored Time Series Chain Evaluation. Energies 2024, 17, 2844. https://doi.org/10.3390/en17122844
5. Laitsos, V.; Vontzos, G.; Tsiovoulos, A.; Bargiotas, ; Tsoukalas, L.H. Enhanced Sequence-to-Sequence Deep Transfer Learning for Day-Ahead Electricity Load Forecasting. Electronics 2024, 13, 1996. https://doi.org/10.3390/electronics13101996
6. Vontzos, G.; Laitsos, V.; Charakopoulos, A.; Bargiotas, ; Karakasidis, T.E. Estimating Spatio-Temporal Building Power Consumption Based on Graph Convolution Network Method. Dynamics 2024, 4, 337-356. https://doi.org/10.3390/dynamics4020020
7. Laitsos, V.; Vontzos, G.; Bargiotas, D.; Daskalopulu, A.; Tsoukalas, L.H. Enhanced Automated Deep Learning Application for Short-Term Load Forecasting. Mathematics 2023, 11, 2912. https://doi.org/10.3390/math11132912
8. Arvanitidis, A.I.; Bargiotas, D.; Kontogiannis, D.; Fevgas, A.; Alamaniotis, M. Optimized Data-Driven Models for Short-Term Electricity Price Forecasting Based on Signal Decomposition and Clustering Techniques. Energies 2022, 15, 7929. https://doi.org/10.3390/en15217929
9. Kontogiannis, D. Bargiotas, A. Daskalopulu, A. I. Arvanitidis, and L. H. Tsoukalas, “Structural Ensemble Regression for Cluster-Based Aggregate Electricity Demand Forecasting,” Electricity, vol. 3, no. 4, pp. 480–504, Oct. 2022, doi: 10.3390/electricity3040025. [Online]. Available: http://dx.doi.org/10.3390/electricity3040025
10. Panapakidis, M. Katsivelakis, and D. Bargiotas, “A Metaheuristics-Based Inputs Selection and Training Set Formation Method for Load Forecasting,” Symmetry, vol. 14, no. 8, p. 1733, Aug. 2022, doi: 10.3390/sym14081733. [Online]. Available: http://dx.doi.org/10.3390/sym14081733
11. Kontogiannis, D. Bargiotas, A. Daskalopulu, A. I. Arvanitidis, and L. H. Tsoukalas, “Error Compensation Enhanced Day-Ahead Electricity Price Forecasting,” Energies, vol. 15, no. 4, p. 1466, Feb. 2022, doi: 10.3390/en15041466. [Online]. Available: http://dx.doi.org/10.3390/en15041466
12. I. Arvanitidis, D. Bargiotas, A. Daskalopulu, D. Kontogiannis, I. P. Panapakidis, and L. H. Tsoukalas, “Clustering Informed MLP Models for Fast and Accurate Short-Term Load Forecasting,” Energies, vol. 15, no. 4, p. 1295, Feb. 2022, doi: 10.3390/en15041295. [Online]. Available: http://dx.doi.org/10.3390/en15041295
13. Mladenov, V. Chobanov, G. C. Seritan, R. F. Porumb, B.-A. Enache, V. Vita, M. Stănculescu, T. Vu Van, and Bargiotas, “A Flexibility Market Platform for Electricity System Operators Using Blockchain Technology,” Energies, vol. 15, no. 2, p. 539, Jan. 2022 [Online]. Available: http://dx.doi.org/10.3390/en15020539
14. Laitsos, V.M.; Bargiotas, D.; Daskalopulu, A.; Arvanitidis, A.I.; Tsoukalas, L.H. An Incentive-Based Implementation of Demand Side Management in Power Systems. Energies 2021, 14, 7994. https://doi.org/10.3390/en14237994
15. Arvanitidis, A.I.; Bargiotas, ; Daskalopulu, A.; Laitsos, V.M.; Tsoukalas, L.H. Enhanced Short-Term Load Forecasting Using Artificial Neural Networks. Energies 2021, 14, 7788. https://doi.org/10.3390/en14227788
16. Kontogiannis, D. Bargiotas, A. Daskalopulu, and L. H. Tsoukalas, “A Meta-Modeling Power Consumption Forecasting Approach Combining Client Similarity and Causality,” Energies, vol. 14, no. 19, p. 6088, Sep. 2021 [Online]. Available: http://dx.doi.org/10.3390/en14196088
17. Katsivelakis, D. Bargiotas, A. Daskalopulu, I. P. Panapakidis, and L. Tsoukalas, “Techno-Economic Analysis of a Stand-Alone Hybrid System: Application in Donoussa Island, Greece,” Energies, vol. 14, no. 7, p. 1868, Mar. 2021 [Online]. Available: http://dx.doi.org/10.3390/en14071868
18. Kontogiannis, D. Bargiotas, and A. Daskalopulu, “Fuzzy Control System for Smart Energy Management in Residential Buildings Based on Environmental Data,” Energies, vol. 14, no. 3, p. 752, Feb. 2021 [Online]. Available: http://dx.doi.org/10.3390/en14030752
19. Kontogiannis, D. Bargiotas, and A. Daskalopulu, “Minutely Active Power Forecasting Models Using Neural Networks,” Sustainability, vol. 12, no. 8, p. 3177, Apr. 2020 [Online]. Available: http://dx.doi.org/10.3390/su12083177
20. Alamaniotis, D. Bargiotas, & L.H. Tsoukalas, “Towards Smart Energy Systems: Application of Kernel Machine Regression for Medium Term Electricity Load Forecasting,” SpringerPlus – Engineering Section, Springer, 2016. Available: https://doi.org/10.1186/s40064-016-1665-z
21. Aphrodite Ktena, Christos Manasis, Dimitrios Bargiotas, Vasilis Katsifas, Takvor Soukissian, Harilaos Kontoyiannis, “Estimation of the Energy Potential of the Euripus’ Gulf Tidal Stream Using Channel Sea-surface Slope”, International Journal of Monitoring and Surveillance Technologies Research, October-December 2015.
22. Alamaniotis, D. Bargiotas, N. G. Bourbakis and L. H. Tsoukalas, "Genetic Optimal Regression of Relevance Vector Machines for Electricity Pricing Signal Forecasting in Smart Grids," IEEE Transactions on Smart Grid, vol. 6, no. 6, pp. 2997-3005, Nov. 2015, doi: 10.1109/TSG.2015.2421900.
23. Helen C. Leligou, Christos Masouros, Eleftherios Tsampasis, Theodore Zahariadis, Dimitrios Bargiotas, Konstantinos Papadopoulos, Stamatis Voliotis, “Reprogramming wireless sensor nodes”, IJCTT-International Journal of Computer Trends and Technology, Vol.1 Issue 2, April 2011, pp.1-9.
24. Manassis, D. Bargiotas, V. Karagiannis, “Temperature distribution sensor based on magnetostrictive delay lines”, Journal of Optoelectronics and Advanced Materials, Vol. 6, No. 2, June 2004, pp.677-680.
25. Karagiannis, C. Manassis, D. Bargiotas, “Displacement sensors using magnetostrictive delay lines”, Journal of Optoelectronics and Advanced Materials, Vol. 6, No. 2, June 2004, pp. 681- 684.
26. Bargiotas, V. Karagiannis, C. Manassis, “Pressure sensing using magnetostrictive delay lines”, Journal of Optoelectronics and Advanced Materials, Vol. 6, No. 2, June 2004, pp. 685 – 688.
27. Dimitrios Bargiotas, Vassilios Karagiannis and Christos Manassis, “Magneto-Elastic Uniformity of Glass Covered Wires Used in Magnetostrictive Delay Lines”, Sensors and Actuators: A 106 (1-3), pp 80-83, 15 September 2003.
28. Vassilios Karagiannis, Christos Manassis and Dimitrios Bargiotas, “Position Sensors Based on the Delay Line Principle”, Sensors and Actuators: A 106 (1-3), pp 183-186, 15 September 2003.
29. Christos Manassis, Dimitrios Bargiotas and Vassilios Karagiannis, “Optimized Distributed Field Sensor Based on Magnetostrictive Delay Lines”, Sensors and Actuators: A 106 (1-3), pp 30-33, 15 September 2003.
30. Gao, S. Basseas, D. T. Bargiotas and L. H. Tsoukalas, "Next-generation hearing prosthetics," in IEEE Robotics & Automation Magazine, vol. 10, no. 1, pp. 21-25, March 2003, doi: 10.1109/MRA.2003.1191707.
31. E. Fieno, D. T. Bargiotas and L. H. Tsoukalas, “Optimized Anticipatory Control Applied to Electric Power Systems”, International Journal of Computing Anticipatory Systems, published by ASBL CHAOS, ISSN 1373-5411, Belgium, 2002.
32. Bargiotas and J. D. Birdwell, "Residential air conditioner dynamic model for direct load control," in IEEE Transactions on Power Delivery, vol. 3, no. 4, pp. 2119-2126, Oct. 1988, doi: 10.1109/61.194024.

ΕΡΕΥΝΗΤΙΚΑ ΚΑΙ ΕΠΙΣΤΗΜΟΝΙΚΑ ΕΝΔΙΑΦΕΡΟΝΤΑ

• Συστήματα Ηλεκτρικής Ενέργειας
• Ευστάθεια Συστημάτων Ηλεκτρικής Ενέργειας
• Αυτοματοποίηση Δικτύων Διανομής Ηλεκτρικής Ενέργειας
• Έξυπνα/Ευφυή Δίκτυα Ηλεκτρικής Ενέργειας
• Εναλλακτικές Μορφές Ενέργειας
• Τεχνολογίες αισθητήρων
• Συστήματα Αυτομάτου Ελέγχου
• Βιομηχανικές Εφαρμογές Σύγχρονων Συστημάτων Αυτομάτου Ελέγχου