Disaggregation & Prognose von EV-Ladestationen-Lastkurven
- Titel
- Disaggregation & Prognose von EV-Ladestationen-Lastkurven
- Autor/in
- Datierung
- 02.10.2022
- Beschreibung
- Die hier vorliegende Arbeit behandelt die Disaggregation von EV-Lastkurven aus Smart Meter Daten
mit einer Auflösung von 15 Minuten mit anschliessender Lastprognose für den nächsten Tag. Es
wurden jeweils 3 verschiedene Deep Learning Modelle für die Disaggregation und die Lastprognose
ausgewählt, trainiert und getestet. Während die Disaggregation von EV-Daten unter
Berücksichtigung der Anforderungen funktionierte, konnte nur für synthethisch erzeugte Signale eine
Lastprognose erstellt werden. Zum Abschluss der Arbeit erfolgte noch der Vergleich und die
Beurteilung der Modelle.
The work presented here deals with the disaggregation of EV-load-curves from smart meter data
with a resolution of 15 minutes followed by load forecasting for the next day. In each case, 3
different deep learning models were selected, trained and tested for disaggregation and load
forecasting. While disaggregation of EV data worked considering the requirements, load forecasting
could only be done for synthethically generated signals. Finally, the work was concluded by
comparing and evaluating the models.
- Die hier vorliegende Arbeit behandelt die Disaggregation von EV-Lastkurven aus Smart Meter Daten
- Urheberrechtshinweis
- von Moos Joel, Hochschule Luzern - Departement Technik & Architektur
HSLU
- Departement
- Studiengang
- Art der Arbeit
- Betreuer/Betreuerin
Werk
- Titel
- Disaggregation & Prognose von EV-Ladestationen-Lastkurven
- Beschreibung
- Die hier vorliegende Arbeit behandelt die Disaggregation von EV-Lastkurven aus Smart Meter Daten
mit einer Auflösung von 15 Minuten mit anschliessender Lastprognose für den nächsten Tag. Es
wurden jeweils 3 verschiedene Deep Learning Modelle für die Disaggregation und die Lastprognose
ausgewählt, trainiert und getestet. Während die Disaggregation von EV-Daten unter
Berücksichtigung der Anforderungen funktionierte, konnte nur für synthethisch erzeugte Signale eine
Lastprognose erstellt werden. Zum Abschluss der Arbeit erfolgte noch der Vergleich und die
Beurteilung der Modelle.
The work presented here deals with the disaggregation of EV-load-curves from smart meter data
with a resolution of 15 minutes followed by load forecasting for the next day. In each case, 3
different deep learning models were selected, trained and tested for disaggregation and load
forecasting. While disaggregation of EV data worked considering the requirements, load forecasting
could only be done for synthethically generated signals. Finally, the work was concluded by
comparing and evaluating the models.
- Die hier vorliegende Arbeit behandelt die Disaggregation von EV-Lastkurven aus Smart Meter Daten
- Autor/in
- Externe Praxispartner
- Intern
- Datierung
- 02.10.2022
- Format
- 209 Seiten
- Ort
- Sprache
Rechte
- Urheberrecht
- von Moos Joel, Hochschule Luzern - Departement Technik & Architektur
- Hinweis zu Rechtsgrundlagen
- Lizenzierung
- Klassifikation