Startseite » Stud. Arbeiten » Entwicklung von Lastprognosemodellen für Werkzeugmaschinen basierend auf Recurrent Neural Networks

Entwicklung von Lastprognosemodellen für Werkzeugmaschinen basierend auf Recurrent Neural Networks

Aufgabenstellung

Für viele Applikationen, insbesondere im Demand Side Management und in der Betriebsoptimierung, werden immer genauere Lastprognosen der Produktionsmaschinen benötigt. Durch eine sich verbessernde Datenlage und hohe Verfügbarkeit von Algorithmen bieten sich hierfür Machine Learning Methoden, insbesondere künstliche neuronale Netze, an. Davon sind besonders Recurrent Neural Networks mit LSTM-units gut für zeitliche Prognosen geeignet. Daher sollen in dieser Arbeit Lastprognosemodelle des sehr kurzfristigen Lastgangs (5 Minuten bis 2 Stunden) der Werkzeugmaschinen der ETA-Fabrik auf Basis von RNN‘s entwickelt werden.

Schwerpunkte

Das Arbeitspaket umfasst folgende Punkte:

  • Literaturrecherche zum Stand der Technik von Machine Learning Algorithmen zur
    Lastprognose, mit Fokus auf RNN‘s
  • Datenerfassung und –vorbereitung für die Erstellung der Prognosemodelle
  • Auswahl geeigneter Input-Features
  • Auswahl geeigneter Netz-Topologien anhand geeigneter Kriterien
  • Entwicklung der Lastprognosemodelle in Python (Keras)
  • Auswertung und Analyse der Ergebnisse anhand geeigneter Metriken

Notwendige Vorkenntnisse

Nicht definiert

Kontakt

Teile diese Ausschreibung

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on print
Share on email