Energy Disaggregation mit Hilfe von Smartmetern
Die Energieaufschlüsselung, auch bekannt als nicht-intrusive Lastüberwachung (NILM) oder
Energiemonitoring auf Geräteebene, ist ein Prozess, der darauf abzielt, den Gesamtenergieverbrauch
eines Haushalts in die Nutzung einzelner Geräte oder Geräteebenen aufzuschlüsseln. Diese Technik zielt
darauf ab, ein detailliertes Verständnis dafür zu bieten, wie Energie im Haushalt genutzt wird, und
Einblicke in die Verbrauchsmuster bestimmter Geräte wie Kühlschränke, Klimaanlagen, Beleuchtung
und andere zu geben.
Problemstellung
Die Energieaufschlüsselung ist ein laufendes Forschungsthema, bei dem die Einführung von
Smartmetern in jedem Haushalt in Österreich neue Herausforderungen bietet. Einerseits bieten
Smartmeter die Möglichkeit, benutzerfreundliche “Click-on”-Sensoren zu verwenden, andererseits
unterscheiden sich Zeitauflösung und messbare Größen zwischen den Geräten stark, weshalb die
Algorithmen für den schlimmsten Fall entwickelt werden müssen.
Ziel
Diese Masterarbeit zielt darauf ab, die Herausforderung der Aufschlüsselung des Energieverbrauchs in
vordefinierte Einzelkomponenten, die noch zu definieren sind (Kühlschrank, Backofen, Klimaanlage usw.),
in Privathaushalten mithilfe von Smart-Meter-Daten anzugehen. Das Ziel ist es, fortschrittliche
Algorithmen zur genauen Identifizierung und Quantifizierung des Energieverbrauchs einzelner Geräte zu
entwickeln. Die Bewältigung dieser Herausforderung ist entscheidend für die Optimierung des
Energieverbrauchs.
Aufgaben
- Datenerhebung
- Open-Source-Daten sind verfügbar
- Die Strategie zur Erhebung von Haushaltsdaten ist bereits vorhanden und wird bis zum Ende der Arbeit fortgesetzt
- Implementierung einer Simulation zur Erzeugung synthetischer Daten
- Sensor
- Vergleiche verschiedene “Click-on”-Sensoren und identifiziere die vielversprechendsten
- Erstellung von Modellen
- Implementierung eines Modells zur Vorhersage einzelner Komponenten aus aggregierten Verbrauchsdaten
- Optimieren und Bewerten des Modells
- Bereitstellung (optional)
- Bereitstellung eines Cloud-Endpunkts, um Vorhersagen über eine API-Anfrage zu erhalten
Anforderungen
- Vertraut mit Python und TensorFlow oder PyTorch
Angebot
- Geförderte Masterarbeit mit einem befristeten Arbeitsvertrag
- Verlängerung auf unbefristeten Vertrag möglich
- Erweiterung zum PHD-Thema mit Schwerpunkt auf industriellen Anwendungen möglich
- Unterstützung und Betreuung durch ein erfahrenes und motiviertes Team
Deine Ansprechpartnerin
Viktoria Hummel
Executive Assistant
E-Mail: office@efficientio.com
Telefon: +43 664 127 20 74
EfficientIO GmbH
Billrothstraße 4, RG Top 4 & 5
A-1190 Wien
