49 Seiten Englisch Heat4Cool Technik & Architektur Maschinentechnik Kai Lieball Philipp Schütz (TA) Bachelorarbeit Damian Lötscher Lötscher Damian, Hochschule Luzern - Departement Technik & Architektur Currently, Switzerland is facing fundamental changes in its energy markets due to economic and technological developments as well as political decisions at home and abroad. Of the approximately 60 terawatt hours of electricity consumed annually in Switzerland, around 18 terawatt hours are consumed by private households (status as of 2011) [1]. Thus, there is a widespread interest in the electrical consumption of buildings. For example, it is of great interest to understand what purposes electricity is used for in order to set priorities for reducing its consumption. The total yearly electrical energy demand of buildings is currently predominately used for accounting purposes. Thus, big data sets are potentially available. Within this thesis, two data sets for residential buildings in two Swiss municipalities were analysed. The age-related segmentations of the buildings in the data sets were discovered and visualized with bar graphs. In addition, the electrical energy demands were analysed and visualized with box plots. Additionally, the specific electrical energy demands with respect to energy reference areas were calculated and visualized with empirical cumulative distribution functions. Furthermore, a new approach was used to divide the distributions of the overall specific electrical energy demands into shares for appliances, space heating and domestic hot water production. The outcomes obtained by using this method were compared with values from existing surveys concerning the electricity consumption in typical households as well as with standard values for domestic hot water demand. The comparison showed that the extracted heat demands tend to be too low. However, the new approach seems promising in terms to extract different shares from the total yearly specific electrical energy demand for buildings from big data sets. Further developments, based on this work, in terms of a comprehensive analytical methods are required. It is important to note that an improvement of the reliability of the method or an extension of the methods requires additional data sources. Die Schweiz steht derzeit aufgrund der wirtschaftlichen und technologischen Entwicklung sowie der politischen Entscheidungen im In- und Ausland vor grundlegenden Veränderungen in den Energiemärkten. Von den rund 60 Terawattstunden Strom, die in der Schweiz jährlich verbraucht werden, entfallen ca. 18 Terawattstunden auf private Haushalte (Stand 2011) [1]. Daher steht der Stromverbrauch der Privathaushalte im Zentrum des Interesses. Eine zentrale Frage ist, für welche Zwecke der Strom verwendet wird, um Prioritäten für die Reduzierung des Stromverbrauchs zu setzen. Für die Elektrizitätsrechnung wird der jährliche elektrische Energiebedarf von Gebäuden berechnet. Daher existieren sehr grosse Datensätze des elektrischen Energiebedarfs. Im Rahmen dieser Arbeit wurden zwei Datensätze von zwei Schweizer Gemeinden analysiert. Die Altersstruktur der darin enthaltenen Gebäude wurde mit Balkendiagrammen visualisiert. Zudem wurden die elektrische Energiebedarfe analysiert und mit Boxplots visualisiert. Zusätzlich wurde der spezifische elektrische Energiebedarf in Bezug auf die Energiebezugsfläche berechnet und mit empirischen kumulativen Verteilungsfunktionen visualisiert. Darüber hinaus wurde ein neuer Ansatz zur Aufteilung der Verteilung des gesamten spezifischen elektrischen Energiebedarfs in Anteile für Geräte, Raumheizung und Warmwasser angewendet. Die Ergebnisse der Methode wurden mit Werten aus bestehenden Erhebungen zum Stromverbrauch in typischen Haushalten sowie mit Richtwerten für den Warmwasserbedarf verglichen. Der Vergleich zeigte, dass die erhalten Wärmebedarfe tendenziell zu niedrig sind. Der neue Ansatz scheint jedoch vielversprechend zu sein, um aus Datensätzen des jährlichen elektrischen Energiebedarfs von Gebäuden unterschiedliche Anteile nach Nutzungszweck zu erhalten. Es sind weitere Entwicklungen erforderlich, um auf der Grundlage dieser Arbeit eine umfassende Analysemethode zu entwickeln. Es ist jedoch zu berücksichtigen, dass für zuverlässigere Ergebnisse und für eine Weiterentwicklung der Methode mehr Daten benötigt werden. 07.01.2019 Automated customer profiling and usage splitting of electricity consumption with big data analytics (methods) öffentlich Creative Commons Lizenz: CC-BY-NC-ND Studienordnung für die Ausbildung an der Hochschule Luzern, FH Zentralschweiz Thomas Schluck Peter Scheiblechner (TA) Format Format z.B. 237 x 170 cm E.g. 237 x 170 cm Sprache Language Externe Praxispartner External partner Departement School Studiengang/Studienrichtung Programme/Specialisation Experte/Expertin Expert Betreuer/Betreuerin Supervisor Es sind alle Betreuer/Betreuerinnnen aufzuführen. Show all supervisors Art der Arbeit Type of assignment Autor/in Author Urheberrechtshinweis Copyright Notice Beschreibung Description Datierung Date Titel Title Klassifikation Classification Lizenzierung Licence Wird bei einer Veröffentlichung durch die HSLU bestätigt. Verwendung der Arbeit: Namensnennung – Nicht-kommerziell – Keine Bearbeitung If publication on website only. Confirmation by HSLU. CC-BY-NC-ND. Hinweis zu Rechtsgrundlagen Notes on legal basis Im Merkblatt unter Hilfe finden Sie den Link zur Studienordnung der HSLU. See Academic Ordinance Governing.