We can't find the internet
Attempting to reconnect
SI/501053
Smart Meter Datenanalyse für automatisierte Energieberatung
Résumé
Kommunikationsfähige Stromzähler ermöglichen die Erfassung individueller Lastprofile mit hoher zeitlicher Auflösung (typisch in 15-Minuten-Intervallen). Projektgegenstand ist die Weiterentwicklung von Methoden des maschinellen Lernens, um aus Lastprofilen automatisiert Merkmale von Haushalten abzuleiten, welche für eine individuelle und spezifische Energieberatung von Nutzen sind. Dadurch lassen sich IT-unterstützte und skalierbare Effizienzkampagnen realisieren.
Textes supplémentaires
Schlussbericht
Kommunikationsfähige Stromzähler ermöglichen die Erfassung individueller Lastprofile mit hoher zeitlicher Auflösung (typischerweise in 15-Minuten-Intervallen). Projektgegenstand ist die Weiterentwicklung von Methoden des maschinellen Lernens, um aus Lastprofilen und zusätzlichen verbrauchs-relevanten Informationen (Wetter, soziodemographische Daten, Adressinformationen, usw.) automatisiert Merkmale von Haushalten abzuleiten, welche für eine individuelle und spezifische Energieberatung von Nutzen sind. Mit den im Rahmen des Projektes entwickelten Smart-Meter-Klassifikations-Verfahren konnten 38 Eigenschaften privater Haushalte mit zum Teil hoher Sicherheit (über 70%) aus Lastprofilen und zusätzlichen frei verfügbaren Daten unter Einhaltung von Datenschutzbestimmungen vorhergesagt werden. Neben Umständen der Lebenssituation (z.B. Familien, Rentner, Kinder, sozialer Status) lassen sich auch Energieeffizienz-Charakteristika (z.B. Heizungstyp, Hausalter und -grösse, Geräte im Haushalt) sowie Einstellungen (z.B. gegenüber erneuerbaren Energieträgern, Interesse an Ökostrom oder an Solaranlagen) mit den entwickelten Algorithmen abschätzen. Mit Hilfe der Projektresultate können autorisierte Energiedienstleister wirkungsvolle und skalierbare Effizienzkampagnen realisieren. Zugleich unterstützen die Projektresultate eine faktenbasierte Diskussion über die Vorteile (z.B. Steigerung der Energieeffizienz) und Kosten (z.B. Wirkung auf die Privatsphäre) solcher Verfahren. Auftragnehmer/Contractant/Contraente/Contractor: ETH Zürich, D-MTEC, Lehrstuhl für Informationsmanagement Autorschaft/Auteurs/Autori/Authors: Sodenkamp,Mariya Sodenkamp,Mariya Hopf,Konstantin Kozlovskiy,Ilya Kozlovskiy,Ilya Staake,Thorsten
Publikationen / Ergebnisse
Kommunikationsfähige Stromzähler („Smart Meter“) ermöglichen die Erfassung individueller Lastpro-file mit hoher zeitlicher Auflösung. Projektgegenstand ist die Weiterentwicklung von Methoden des maschinellen Lernens, um aus Lastprofilen automatisiert Merkmale von Haushalten abzuleiten, wel-che für eine individuelle und spezifische Energieberatung von Nutzen sind. Dadurch lassen sich IT-unterstu¨tzte und skalierbare Effizienzkampagnen realisieren. In der folgenden Projektphase wird eine mehrdimensionale Klassifikation entwickelt, um mit zusätzlichen Daten aus Geo-Informationssystemen und Kundenstammdaten die Qualität der Merkmalserkennung zu verbessern sowie die Anzahl der erkennbaren Merkmale zu erhöhen. Daneben sollen die Algorithmen mit Daten des Schweizerischen Versorgers Arbon Energie AG validiert werden. Auftragnehmer/Contractant/Contraente/Contractor: ETH Zürich, D-MTEC, Lehrstuhl für Informationsmanagement ETH Zürich, Distributed Systems Group, Institute for Pervasive Computing, CNB Autorschaft/Auteurs/Autori/Authors: Sodenkamp,Mariya Sodenkamp,Mariya Kozlovskiy,Ilya Kozlovskiy,Ilya Beckel,Christian Staake,Thorsten
Schlüsselwörter
Détails du projet
- Office de recherche
- BFE
- Statut du projet
- Abgeschlossen
- Type de projet
- Forschungsprojekt
- Date de début
- 2014-03-31
- Date de fin
- 2015-09-29
- Coûts totaux approuvés
- CHF 198450.00
- Section
- Elektrizitätstechnologien
- Domaine politique NABS
- Erzeugung, Verteilung und rationelle Nutzung der Energie