Kategorie-Archiv: EA

14. Symposium Energieinnovation

Keitsch16_LF

Methodology for extracting dynamic standard load profiles from smart meter data

EnInnov2016Das 14. Symposium Energieinnovation (EnInnov2016) fand dieses Jahr vom 10. bis 12. Februar an der Technischen Universität in Graz statt. In parallel verlaufenden Sessions zu unterschiedlichen Themenschwerpunkten wurden aktuelle Forschungsergebnisse vorgestellt. Meine Arbeit mit dem Titel “Methodology for extracting dynamic standard load profiles from smart meter data” liegt sowohl in einer Kurzfassung, als auch in einer Langfassung vor (bibtex).

Der Abstract verrät, worum es geht:

The German Federal Ministry for Economic Affairs and Energy published a white book for a new power market design to support the transition of the national energy system (“Energiewende”). One planned measure is to increase the balance area loyalty. This underlines the necessity for accurate standard load profiles to increase the forecasting  quality of the electrical demand of customers in balance areas.
With the increasing roll-out of smart meters, fine-grained logging data of electricity consumption in households and enterprises becomes available. In a step by step analysis, smart meter profiles are analyzed. The goal is to identify clusters of similar demand profiles and then to develop optimized dynamic standard load profiles for accurate forecasts. An increased forecasting quality is achieved by the usage of dynamic functions. The dynamic functions are used to adjust the standard load profiles for different seasons. The  parameters of the dynamic functions are identified by using a least square approach and an  Evolution Strategy. The application of optimized dynamic functions increases the  forecasting accuracy measured with the mean average percentage error (MAPE) and the  normalized rooted mean square error (NRMSE) by 21% and 28% respectively in this case  study compared to the sole application of non-optimized standard load profiles.

Karras16

Optimierung von Energieversorgungssystemen unter Einbezug von Investitions- und Einsatzentscheidungen am Beisiel von gewerblichen Verbrauchern

An einem weiteren Beitrag war ich ebenfalls beteiligt. Im Rahmen einer Masterarbeit ist der Beitrag “Optimierung von Energieversorgungssystemen unter Einbezug von Investitions- und Einsatzentscheidungen am Beisiel von gewerblichen Verbrauchern” entstanden. Auch dieser Beitrag liegt in einer Kurzfassung und in einer Langfassung vor (bibtex).

Auch hier soll der Abstract nicht fehlen:

In dieser Arbeit wird ein Mixed-Integer Linear Programming (MILP) Modell vorgestellt, um die Energiebezugskosten für die thermische und elektrische  Lastdeckung von 13 Gewerbekunden zu minimieren. Das Ziel ist der kostenoptimale  Energiebezug der Kunden durch das Netz oder durch die Installation dezentraler  Technologien (Photovoltaik (PV), Blockheizkraftwerke (BHKW), Erdgas-Boiler, Elektro-Boiler,  Wärmepumpe, elektrischer Speicher, thermischer Speicher). Diesbezüglich wurde das  Modell genutzt um die Auswirkungen unterschiedlicher Tarifszenarien auf die  Energiebezugskosten und die Technologieauswahl der Kundengruppen zu untersuchen. Es  konnte gezeigt werden, dass die Kundengruppen durch den Einsatz dezentraler  Technologien Kosteneinsparungen erzielen können. Variable Tarife erhöhen dabei sogar die  potentiellen Kosteneinsparungen von einzelnen Kundengruppen.

 

 

Optimale Konfigurationen von Evolutionsstrategien

Konfigurationen_von_Evolutionsstrategien-Krischan_Keitsch.pdf

Konfigurationen_von_-Evolutionsstrategien-Krischan_Keitsch.pdf

MetaES Eine optimale Konfiguration für einen Optimierungsalgorithmus der eine Evolutionsstrategie nutzt, ist gar nicht so leicht gefunden.

In diesem Papier wird der Versuch beschrieben, wie mittels einer Meta- Evolutionsstrategie für zwei Testfälle und eine  unterschiedliche Anzahl von optimierbaren Variablen, gute und robuste Konfiguration ermittelt werden.

Konfigurationen_von_Evolutionsstrategien-Krischan_Keitsch.pdf

Experimente mit Evolutionsstrategien

ES-Experimente

Experimente-mit-einer-Evolutionsstrategie_Krischan_Keitsch.pdf

ES_2 Evolutionsstrategien gehören zur Gruppe der Evolutionären Algorithmen. Evolutionäre Algorithmen ahmen die Funktionsweise der Evolution natürlicher Lebewesen nach.

Einige Experimente mit einfachen Implementierungen einer Evolutionsstrategie anhand von unterschiedlichen Testversionen sind in diesem Papier beschrieben:

Experimente mit einer Evolutionsstrategie_Krischan_Keitsch.pdf