TU Darmstadt / ULB / TUbiblio

Prognose des Energieverbrauchs von Haushalten unter Einsatz maschineller Lernmethoden

Schwöbel, Christian and Irmler, Robert
Ritter, Fabian and Schubert, Gerhard and Bügler, Max and Braun, Alex and Amann, Julian and Jubierre, Javier Ramos and Daum, Simon (eds.) (2013):
Prognose des Energieverbrauchs von Haushalten unter Einsatz maschineller Lernmethoden.
In: 25. Forum Bauinformatik 2013, Aachen, Shaker Verlag, In: 25. Forum Bauinformatik, München, 18.–20. September 2013, In: Berichte aus der Bauinformatik, 25, ISBN 978-3-8440-2191-2,
[Online-Edition: https://www.cms.bgu.tum.de/publications/proceedings/FBI2013/...],
[Conference or Workshop Item]

Abstract

Im Zuge der Energiewende wird häufig die Notwendigkeit eines intelligenten Netzes auf Niederspannungsebene diskutiert, um lokale Erzeugung durch kleinteilige Anlagen wie Photovoltaikanlagen, Blockheizkraftwerke oder Ähnliches besser steuern zu können. Hierfür und um die lokale Einspeisung besser abschätzen und planen zu können ist ein Wissen über die genauen Verbräuche der Teilnehmer eines Energieversorgungsnetzes hilfreich. Wollte man jedoch beispielsweise alle Wohnhäuser thermisch genau simulieren, würde dies einen erheblichen Aufwand mit sich bringen. In diesem Paper wird ein Ansatz aufgezeigt, wie zunächst anhand von Verbrauchsdaten für Heizenergie mit Hilfe maschineller Lernmethoden künftige Verbräuche prognostiziert werden können. Im weiteren Verlauf der Forschung soll es das Ziel sein, anhand der Angabe von verschiedenen Parametern auch Prognosen für unbekannte Wohngebäude zu liefern.

Item Type: Conference or Workshop Item
Erschienen: 2013
Editors: Ritter, Fabian and Schubert, Gerhard and Bügler, Max and Braun, Alex and Amann, Julian and Jubierre, Javier Ramos and Daum, Simon
Creators: Schwöbel, Christian and Irmler, Robert
Title: Prognose des Energieverbrauchs von Haushalten unter Einsatz maschineller Lernmethoden
Language: German
Abstract:

Im Zuge der Energiewende wird häufig die Notwendigkeit eines intelligenten Netzes auf Niederspannungsebene diskutiert, um lokale Erzeugung durch kleinteilige Anlagen wie Photovoltaikanlagen, Blockheizkraftwerke oder Ähnliches besser steuern zu können. Hierfür und um die lokale Einspeisung besser abschätzen und planen zu können ist ein Wissen über die genauen Verbräuche der Teilnehmer eines Energieversorgungsnetzes hilfreich. Wollte man jedoch beispielsweise alle Wohnhäuser thermisch genau simulieren, würde dies einen erheblichen Aufwand mit sich bringen. In diesem Paper wird ein Ansatz aufgezeigt, wie zunächst anhand von Verbrauchsdaten für Heizenergie mit Hilfe maschineller Lernmethoden künftige Verbräuche prognostiziert werden können. Im weiteren Verlauf der Forschung soll es das Ziel sein, anhand der Angabe von verschiedenen Parametern auch Prognosen für unbekannte Wohngebäude zu liefern.

Title of Book: 25. Forum Bauinformatik 2013
Series Name: Berichte aus der Bauinformatik
Volume: 25
Place of Publication: Aachen
Publisher: Shaker Verlag
ISBN: 978-3-8440-2191-2
Uncontrolled Keywords: Data Mining , Maschinelle Lernmethoden, Smart Metering
Divisions: 13 Department of Civil and Environmental Engineering Sciences
13 Department of Civil and Environmental Engineering Sciences > Institute of Numerical Methods and Informatics in Civil Engineering
Event Title: 25. Forum Bauinformatik
Event Location: München
Event Dates: 18.–20. September 2013
Date Deposited: 20 Jan 2015 14:52
Official URL: https://www.cms.bgu.tum.de/publications/proceedings/FBI2013/...
Additional Information:

ISBN: 978-3-8440-2191-2

Related URLs:
Export:

Optionen (nur für Redakteure)

View Item View Item