Startseite » Stud. Arbeiten » Systematische Entwicklung und Bewertung von Machine-Learning-Modellen zur Nutzenergiebedarfsprognose von industriellen Anlagen

Systematische Entwicklung und Bewertung von Machine-Learning-Modellen zur Nutzenergiebedarfsprognose von industriellen Anlagen

Aufgabenstellung

In der ETA-Fabrik wird im Großprojekt SynErgie u.a. die Erstellung hochgenauer Prognosen der Wärme- und Kältebedarfe von Anlagen erforscht. Diese Lastprognosen werden mithilfe neuester Machine-Learning- und Deep-Learning-Verfahren erstellt und dienen zur Unterstützung des Demand Side Managements seitens Netzbetreiber und Fabrikbetreiber. So kann z.B. der Fabriklastgang an das volatile Stromangebot aus erneuerbaren Energien dynamisch angepasst werden und damit ein wichtiger Beitrag zum Kampf gegen den Klimawandel geleistet werden.

 

In diesem Kontext sollen für verschiedene Anlagen von Industriepartnern auf Basis eines vorhandenen Python-Tools Nutzenergiebedarfsprognosemodelle erstellt und die verwendeten Algorithmen und das erarbeitete Vorgehen systematisch bewertet werden.

Bildquelle:

  • Two Engineers Using CAD Programming Software On Laptop: AdobeStock 200536883

Schwerpunkte

Das Arbeitspaket umfasst folgende Punkte:

 

  • Literaturrecherche zum Stand der Technik von Machine-Learning-Algorithmen zur Nutzenergiebedarfsprognose, mit Fokus Feature Engineering und Lernalgorithmen
  • Datenvorbereitung sowie Auswahl der Input-Features für die Erstellung der Prognosemodelle
  • Erarbeitung eines systematischen Vorgehens zur Erstellung der Prognosemodelle in Python mit einem vorhandenen Tool
  • Systematische Auswertung und Analyse der Ergebnisse der Prognosemodelle und der untersuchten Algorithmen

Bildquelle:

  • Two Engineers Using CAD Programming Software On Laptop: AdobeStock 200536883

Hilfreiche Vorkenntnisse

nicht definiert

Bildquelle:

  • Two Engineers Using CAD Programming Software On Laptop: AdobeStock 200536883

Überblick

Kontakt

Teile diese Ausschreibung

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