Deep Learning zur Vorhersage des Energiebedarfs der antarktischen Forschungsstation Neumayer III

Abstract

Die kurzfristige Prognose des Energiebedarfs ist für Energieversorger ein interessanter Anwendungsfall und kritischer Bestandteil eines effizienten Energiemanagementsystems. In dieser Arbeit wird ein intelligentes Vorhersagemodell entwickelt, welches den Gesamtenergiebedarf eines abgelegenen Forschungsgebäudes auf der Basis von realen und multidimensionalen Sensordaten prognostizieren kann. Die verwendeten Daten entstammen der Polarforschungsstation Neumayer III. Dabei werden verschiedene zeitreihenbasierte Deep-Learning-Verfahren eingesetzt und evaluiert.

Predicting the short-term energy consumption is an interesting use case for energy providers and crucial for an efficient energy management system. This thesis implements an intelligent model which predicts short-term energy demands based on real and multivariate sensor data. The dataset is taken from the antarctic research facility Neumayer III. Different deep learning models for time series prediction are applied and evaluated.