• search hit 30 of 33
Back to Result List

Optimierte Wärmelastprognose mittels „Deep Learning”

  • Die verstärkte Einbindung fluktuierender erneuerbarer Energien erfordert hochflexible thermische Kraftwerke zur Netzstabilisierung und bedarfsgerechten Abdeckung der verbleibenden Netzlasten. Für einen effizienten Anlageneinsatz spielt dabei die möglichst genaue Kenntnis der zu erwartenden Fernwärmelast eine zentrale Rolle. Für die Fernwärmelastprognose können innovative Verfahren unter Verwendung moderner maschineller Lernverfahren zum Einsatz kommen, die im Folgenden vorgestellt werden.

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Matthias FinkenrathORCiDGND, Till Faber
Identifier:978-3-934409-93-4 OPAC HS OPAC extern
Identifier:3934409938 OPAC HS OPAC extern
Parent Title (German):Kraftwerkstechnik 2019 – Power Plant Technology: 51. Kraftwerkstechnisches Kolloquium vom 22. und 23. Oktober 2019 in Dresden
Publisher:SAXONIA
Place of publication:Freiberg
Document Type:conference proceeding (article)
Language:German
Year of first Publication:2019
Tag:KWK-Flex
GND Keyword:Fernwärme; Lastprognose; Maschinelles Lernen; Deep Learning
Number of pages:10 Seiten
First Page:415
Last Page:424
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
Research Project:KWK-Flex – Hochflexible stromgeführte Kraft-Wärme-Kopplung durch thermische Speicher und "Power-to-Heat"-Technologien
Publication reviewed:begutachtet
Release Date:2021/02/01
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.