Wärmelastprognose mittels eines neuronalen Netzwerkes
Publication date
2025-03-25
Document type
Sammelbandbeitrag oder Buchkapitel
Author
Wiedemer, Johanna
Organisational unit
Hamburger Energiewerke GmbH
Book title
Hamburger Energieinfrastruktur – Anforderungen, Problemstellungen und Lösungsansätze
First page
109
Last page
113
Part of the university bibliography
✅
Keyword
Wärmelastprognose
Künstliche Intelligenz
Neuronale Netze
Datenanalyse
Fernwärme
Abstract
Das Künstliche Neuronale Netz Framework „Sequenzia“ erstellt Wärmelastprognosen für jede Art von Fernwärmenetzen, indem es historische Wetterdaten und Klimaszenarien integriert. Durch eine umfassende Datenvorverarbeitung und gezielte Feature-Studien erzielt es hohe Prognosegüten (in den hier betrachteten Modellen R²-Werte von 0,995 und 0,924). Das effiziente Framework ermöglicht es, schnell neue KNN-Modelle zu erstellen und zu trainieren, was die Anpassungsfähigkeit und Flexibilität der Prognosen verbessert. Zukünftige Anwendungen umfassen individuelle Wärmebedarfsprognosen und die Nutzung in kleineren Netzen, was die Netzsteuerung verbessert.
Version
Published version
Access right on openHSU
Open access