TU Darmstadt / ULB / TUbiblio

Anwendung von Data Mining Methoden zur Charakterisierung des Gas-Verbrauchsverhaltens von Haushalten auf Basis der Ergebnisse einer Smart Metering Studie

Wagner, Anna (2015)
Anwendung von Data Mining Methoden zur Charakterisierung des Gas-Verbrauchsverhaltens von Haushalten auf Basis der Ergebnisse einer Smart Metering Studie.
Technische Universität Darmstadt
Masterarbeit, Bibliographie

Kurzbeschreibung (Abstract)

Um Energie im Bereich des Wohnens einzusparen, werden zumeist nur die bauphysikalischen Gegebenheiten betrachtet und verbessert. Dabei ist davon auszugehen, dass das Verbrauchsverhalten der Haushaltsbewohner ebenfalls einen großen Einfluss auf den Gesamtenergieverbrauch hat. Das Institut für numerische Methoden und Informatik im Bauwesen der TU Darmstadt arbeitet im Rahmen des Projekts „SmartER Game“ daran das Verbrauchsverhalten durch Serious Gaming zu verbessern. Das Projekt soll die Verbrauchsverhalten verschiedener Energieformen beinhalten, bisher ist jedoch ausschließlich das Verbrauchsverhalten für Strom berücksichtigt. Zur Einbindung des Gasverbrauchverhaltens muss zunächst der Zusammenhang zwischen dem Verbrauchsverhalten und dem tatsächlichen Gasverbrauch ermittelt werden. In der vorliegenden Arbeit werden Haushalte aufgrund ihrer Nutzercharakteristik in Verbrauchsklassen hinsichtlich ihres Gasverbrauchs aufgeteilt. Als Grundlage dienen die Aufzeichnungen und Umfragen der irischen „Comission for Energy Regulation“ aus den Jahren 2009 bis 2011. Es werden sowohl die Verbrauchsdaten als auch die aus den Umfragedaten hervorgehenden Nutzercharakteristiken betrachtet und mit Data Mining-Methoden analysiert. Als Resultat der Analyse entstehen Gruppierungen, die die Daten zusammenfassen. Diese Gruppierungen werden als Verbrauchsklassen betrachtet. Die Ergebnisse dieser Analyse zeigen, dass unter Betrachtung des zugehörigen Gasverbrauchs das Clustering der Umfragedaten andersartige Verbrauchsklassen als bei den Verbrauchsdaten erzeugt. Die Verbräuche der Umfrage-Verbrauchsklassen sind zwar unterschiedlich hoch, gleichen sich aber in ihrem Verlauf der Morgen- und Abendspitzen. Anders ist es bei den Verbrauchsklassen der Verbrauchsdaten. Deren Verbrauchsklassen variieren in der Ausprägung der Spitzen stark, es gibt z.B. eine Verbrauchsklasse, bei der keine Morgenspitze zu erkennen ist. Somit eignen sich die Verbrauchsdaten besser zur Bestimmung unterschiedlicher Verbrauchsklassen. Eine Analyse der Verbrauchsdaten-Verbrauchsklassen bezüglich ihrer aus der Umfrage hervorgehenden Nutzercharakteristik hat keine starken Unterschiede zwischen den Verbrauchsklassen aufzeigen können. Damit ist kein direkter Zusammenhang zwischen den Umfragedaten und diesen Verbrauchsklassen herzustellen. Auch ein direkter Vergleich der Umfragedaten- zu den Verbrauchsdaten-Verbrauchsklassen verlief ohne neue Erkenntnisse.

Typ des Eintrags: Masterarbeit
Erschienen: 2015
Autor(en): Wagner, Anna
Art des Eintrags: Bibliographie
Titel: Anwendung von Data Mining Methoden zur Charakterisierung des Gas-Verbrauchsverhaltens von Haushalten auf Basis der Ergebnisse einer Smart Metering Studie
Sprache: Deutsch
Publikationsjahr: 23 Juni 2015
Kurzbeschreibung (Abstract):

Um Energie im Bereich des Wohnens einzusparen, werden zumeist nur die bauphysikalischen Gegebenheiten betrachtet und verbessert. Dabei ist davon auszugehen, dass das Verbrauchsverhalten der Haushaltsbewohner ebenfalls einen großen Einfluss auf den Gesamtenergieverbrauch hat. Das Institut für numerische Methoden und Informatik im Bauwesen der TU Darmstadt arbeitet im Rahmen des Projekts „SmartER Game“ daran das Verbrauchsverhalten durch Serious Gaming zu verbessern. Das Projekt soll die Verbrauchsverhalten verschiedener Energieformen beinhalten, bisher ist jedoch ausschließlich das Verbrauchsverhalten für Strom berücksichtigt. Zur Einbindung des Gasverbrauchverhaltens muss zunächst der Zusammenhang zwischen dem Verbrauchsverhalten und dem tatsächlichen Gasverbrauch ermittelt werden. In der vorliegenden Arbeit werden Haushalte aufgrund ihrer Nutzercharakteristik in Verbrauchsklassen hinsichtlich ihres Gasverbrauchs aufgeteilt. Als Grundlage dienen die Aufzeichnungen und Umfragen der irischen „Comission for Energy Regulation“ aus den Jahren 2009 bis 2011. Es werden sowohl die Verbrauchsdaten als auch die aus den Umfragedaten hervorgehenden Nutzercharakteristiken betrachtet und mit Data Mining-Methoden analysiert. Als Resultat der Analyse entstehen Gruppierungen, die die Daten zusammenfassen. Diese Gruppierungen werden als Verbrauchsklassen betrachtet. Die Ergebnisse dieser Analyse zeigen, dass unter Betrachtung des zugehörigen Gasverbrauchs das Clustering der Umfragedaten andersartige Verbrauchsklassen als bei den Verbrauchsdaten erzeugt. Die Verbräuche der Umfrage-Verbrauchsklassen sind zwar unterschiedlich hoch, gleichen sich aber in ihrem Verlauf der Morgen- und Abendspitzen. Anders ist es bei den Verbrauchsklassen der Verbrauchsdaten. Deren Verbrauchsklassen variieren in der Ausprägung der Spitzen stark, es gibt z.B. eine Verbrauchsklasse, bei der keine Morgenspitze zu erkennen ist. Somit eignen sich die Verbrauchsdaten besser zur Bestimmung unterschiedlicher Verbrauchsklassen. Eine Analyse der Verbrauchsdaten-Verbrauchsklassen bezüglich ihrer aus der Umfrage hervorgehenden Nutzercharakteristik hat keine starken Unterschiede zwischen den Verbrauchsklassen aufzeigen können. Damit ist kein direkter Zusammenhang zwischen den Umfragedaten und diesen Verbrauchsklassen herzustellen. Auch ein direkter Vergleich der Umfragedaten- zu den Verbrauchsdaten-Verbrauchsklassen verlief ohne neue Erkenntnisse.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

In favor to save energy in the area of living, usually only the building physics are considered and improved. It can be assumed that the consumption behaviour of the household residents also has a major impact on the overall energy consumption. The Institute for Numerical Methods and Informatics in Civil-Engineering (IIB) at the TU Darmstadt is working on the „SmartER Game“ project in order to improve the consumption behaviour by serious gaming. Until now this project only observes the consumption behaviour regarding electricity usage. For integrating the consumption behaviour, an analysis regarding dependencies between resident behaviour and gas consumption is needed.

In this master thesis households were divided into gas consumption classes based on their characteristics. The basis of this work were gas consumption records and a survey of the Irish „Commission for Energy Regulation“ conducted between 2009 and 2011. Both, consumption records and the characteristics contained in the survey, were analysed with data mining methods.

Results of this analysis show that the consumption classes obtained from the survey data differ from those of the recorded consumption data. The classes built upon the survey data have various levels, but resemble each other in their curve between the morning and evening peaks.

Unlike that, the consumption classes generated from the recorded consumption data diversify in the shape of their consumption peaks. Therefore the recorded consumption data is more suitable for establishing consumption classes.

A further analysis of the consumption classes determined by the recorded consumption data revealed no severe differences as to their characteristics. Therefore it is assumed that no direct correlation between the survey data and these consumption classes exists. A comparison of the consumption classes generated by both data sets did not reveal any connections.

Englisch
Freie Schlagworte: Data Analysis, Data Mining, Datenanalyse, Energieeffizienz
Schlagworte:
Einzelne SchlagworteSprache
Smart Metering, Energy Efficiency, Data Analysis, Data MiningEnglisch
Zusätzliche Informationen:

Betreuer: Christian Schwöbel

Fachbereich(e)/-gebiet(e): 13 Fachbereich Bau- und Umweltingenieurwissenschaften > Institut für Numerische Methoden und Informatik im Bauwesen
13 Fachbereich Bau- und Umweltingenieurwissenschaften
Hinterlegungsdatum: 21 Aug 2015 09:12
Letzte Änderung: 21 Aug 2015 09:12
PPN:
Schlagworte:
Einzelne SchlagworteSprache
Smart Metering, Energy Efficiency, Data Analysis, Data MiningEnglisch
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen