TU Darmstadt / ULB / TUbiblio

Prognose des Energieverbrauchs von Haushalten unter Einsatz maschineller Lernmethoden

Schwöbel, Christian ; Irmler, Robert
Ritter, Fabian ; Schubert, Gerhard ; Bügler, Max ; Braun, Alex ; Amann, Julian ; Jubierre, Javier Ramos ; Daum, Simon (eds.) :

Prognose des Energieverbrauchs von Haushalten unter Einsatz maschineller Lernmethoden.
[Online-Edition: https://www.cms.bgu.tum.de/publications/proceedings/FBI2013/...]
In: 25. Forum Bauinformatik, 18.–20. September 2013, München. In: Berichte aus der Bauinformatik , 25 . Shaker Verlag , Aachen
[ Konferenzveröffentlichung] , (2013)

Offizielle URL: https://www.cms.bgu.tum.de/publications/proceedings/FBI2013/...

Kurzbeschreibung (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.

Typ des Eintrags: Konferenzveröffentlichung
Erschienen: 2013
Herausgeber: Ritter, Fabian ; Schubert, Gerhard ; Bügler, Max ; Braun, Alex ; Amann, Julian ; Jubierre, Javier Ramos ; Daum, Simon
Autor(en): Schwöbel, Christian ; Irmler, Robert
Titel: Prognose des Energieverbrauchs von Haushalten unter Einsatz maschineller Lernmethoden
Sprache: Deutsch
Kurzbeschreibung (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.

Buchtitel: 25. Forum Bauinformatik 2013
Reihe: Berichte aus der Bauinformatik
Band: 25
Ort: Aachen
Verlag: Shaker Verlag
Freie Schlagworte: Data Mining , Maschinelle Lernmethoden, Smart Metering
Fachbereich(e)/-gebiet(e): 13 Fachbereich Bau- und Umweltingenieurwissenschaften
13 Fachbereich Bau- und Umweltingenieurwissenschaften > Institut für Numerische Methoden und Informatik im Bauwesen
Veranstaltungstitel: 25. Forum Bauinformatik
Veranstaltungsort: München
Veranstaltungsdatum: 18.–20. September 2013
Hinterlegungsdatum: 20 Jan 2015 14:52
Offizielle URL: https://www.cms.bgu.tum.de/publications/proceedings/FBI2013/...
Zusätzliche Informationen:

ISBN: 978-3-8440-2191-2

Verwandte URLs:
Export:

Optionen (nur für Redakteure)

Eintrag anzeigen Eintrag anzeigen