Innovative Lastprognosen mit "Deep Learning"-Methoden
- Für Fernwärmeversorger spielt die Lastprognose bei der Anlageneinsatzplanung eine zentrale Rolle. Benötigte Fernwärme oder auch -kälte lassen sich umso kostengünstiger, effizienter und emissionsärmer bereitstellen, je exakter die zu erwartende Last abgeschätzt werden kann. Ein neuartiges, an der Hochschule Kempten entwickeltes Verfahren namens »Deep DHC« kann die Genauigkeit dieser Lastprognosen deutlich erhöhen
Author: | Till Faber, Johannes Groß, Matthias FinkenrathORCiDGND |
---|---|
Identifier: | 0949-166X OPAC HS OPAC extern |
Parent Title (German): | EuroHeat & Power |
Publisher: | VDE Verlag GmbH |
Place of publication: | Berlin |
Document Type: | Article |
Language: | German |
Date of Publication (online): | 2018/02/01 |
Year of first Publication: | 2018 |
Tag: | Fernwärme; Lastprognose; Maschinelles Lernen; deepDHC Deep Learning |
GND Keyword: | Fernwärmeversorgung; Deep learning; Maschinelles Lernen |
Volume: | 47 |
Issue: | 1-2 |
Number of pages: | 4 Seiten |
First Page: | 35 |
Last Page: | 38 |
Institutes: | Fakultät Maschinenbau |
IEAT - Institut für Energie- und Antriebstechnik | |
Dewey Decimal Classification: | 6 Technik, Medizin, angewandte Wissenschaften |
Research focus: | FSP1: Energie |
Publication Lists: | Finkenrath, Matthias |
Publication reviewed: | begutachtet |
Release Date: | 2020/07/08 |