Home | deutsch  | Legals | Data Protection | Sitemap | KIT

Nonintrusive Load monitoring (NILM): A Data Analytics Approach to Cluster Heat and Cooling Demand

Nonintrusive Load monitoring (NILM): A Data Analytics Approach to Cluster Heat and Cooling Demand
Type:Bachelorarbeit
Date:vergeben
Supervisor:

Armin Golla

Der steigende Anteil Erneuerbarer auf dem Europäischen Energiemarkt führt aufgrund ihrer volatilen Energieerzeugungsstruktur immer häufiger zu Schwierigkeiten. Wind- und Solarenergie kann CO2-neutral produziert werden, aufgrund ihrer unsicheren Verfügbarkeit müssen sie allerdings durch steuerbare Kapazitäten unterstützt werden. Mit Sektorenkopplung und der Verbindung von Strom-, Wärme- und Kältenetzen lassen sich Schwankungen von Energieangebot und -nachfrage teilweise auffangen. Dafür ist auch im Bereich der Wärmeversorgung eine möglichst exakte Vorhersage von Wärme- und Kältebedarfsmengen nötig.

Ziel dieser Arbeit ist es, verschiedene Methoden zur Charakterisierung von Wärme- und Kältebedarfskennlinien zu untersuchen und zu bewerten. Ihre Aufgabe besteht darin, mit Hilfe von Data Analytics und Clustering-Verfahren Muster in bestehenden Thermischen Lastprofilen zu identifizieren und anschließend zu interpretieren. Mit den gewonnenen Erkenntnissen werden im zweiten Schritt diverse Verfahren zur Filterung Thermischer Lastgänge aus einem Gesamtlastprofil wie etwa Neuronale Netze betrachtet und evaluiert. Die Arbeit bietet Ihnen die Möglichkeit, sich detailliertes Wissen im Bereich Data Analytics anzueignen und sich einen tiefgreifenden Einblick in die Funktionsweise von NILM zu erarbeiten.

Formale Anforderungen:

Die Arbeit kann auf Deutsch oder Englisch verfasst werden. Es besteht die Möglichkeit, sie direkt in Form eines wissenschaftlichen Papers anzufertigen. Interesse an wirtschaftswissenschaftlichen und statistischen Methoden wird vorausgesetzt. Programmierfähigkeiten in R und/oder Python sind wünschenswert, aber keine Voraussetzung.

Relevante Literatur:

Hart, G. W. (1992): Nonintrusive appliance load monitoring. In: Proc. IEEE 80 (12), S. 1870–1891. DOI: 10.1109/5.192069.

 

Zeifman, Michael; Roth, Kurt (2011): Nonintrusive appliance load monitoring: Review and outlook. In: IEEE Trans. Consumer Electron. 57 (1), S. 76–84. DOI: 10.1109/TCE.2011.5735484.

 

Zhou, Kaile; Yang, Shanlin (2016): Understanding household energy consumption behavior: The contribution of energy big data analytics. In: Renewable and Sustainable Energy Reviews 56, S. 810–819. DOI: 10.1016/j.rser.2015.12.001.

 

Colmenar-Santos, Antonio; Borge-Díez, David; Rosales-Asensio, Enrique (2017): District Heating and Cooling Networks in the European Union. Cham: Springer International Publishing.