• search hit 271 of 278
Back to Result List

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

Export metadata

Additional Services

Search Google Scholar
Metadaten
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
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.