Fulltext available Open Access
License: 
Title: Deep Learning zur Vorhersage des Energiebedarfs der antarktischen Forschungsstation Neumayer III
Other Titles: Deep Learning for energy consumption prediction of the antarctic research facility Neumayer III
Language: German
Authors: Anders, Lucas 
Keywords: Deep-Learning; Machine-Learning; Zeitreihendaten; Sensordaten; Long-Short-Term-Memory-Networks; Deep learning; Machine Learning; Time-Series Data; Sensor Data; Long-Short-Term-Memory-Networks
Issue Date: 14-Dec-2018
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.
URI: http://hdl.handle.net/20.500.12738/8528
Institute: Department Informatik 
Type: Thesis
Thesis type: Bachelor Thesis
Advisor: von Luck, Kai 
Referee: Tiedemann, Tim 
Enthalten in den Sammlungen:Theses

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat
bachelor_thesis_anders.pdf1.75 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Seitenansichten

176
checked on 25.04.2025

Download(s)

245
checked on 25.04.2025

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.