Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.11790/1018
Title: Künstliche Neuronale NARX-Modelle zur Wärmelastprognose von Nahwärmenetzen
Authors: Steindl, Gernot 
Pfeiffer, Christian 
Puchegger, Markus 
Keywords: Österreichische Systematik der Wissenschaftszweige 2012::Naturwissenschaften::Informatik::Informatik::Künstliche Neuronale Netze;Österreichische Systematik der Wissenschaftszweige 2012::Naturwissenschaften::Informatik::Informatik::Machine Learning;Österreichische Systematik der Wissenschaftszweige 2012::Naturwissenschaften::Informatik::Informatik::Computersimulation;Data Mining;District Heating Network;Heat Load Profile
Issue Date: Nov-2017
Publisher: Leykam
Source: Science.Resarch.Pannonia, 16, 161-168
Project: Hybrid Grids DEMO 
Journal: Science.Research.Pannonia 
Abstract: Im Kontext des Smart Grid und der hybriden Netzbetrachtung stellen Wärmenetze eine Flexibilität für das Stromnetz bereit, die durch intelligente Nutzung eine bessere Integration der erneuerbaren Energieträger ermöglichen kann. Dafür sind Wärmelastprognosen für das Wärmenetz erforderlich, um prädiktiv die Wärmebereitstellung zu regeln. Die Stärken des NARX-Modelles in Kombination mit Neuronalen Netzen liegen dabei in der Lernfähigkeit und Adaptierbarkeit des Modells. Trotz einer suboptimalen Menge an Trainingsdaten und der geringen Größe des betrachteten Nahwärmenetzes, liefert das Modell gute Prognosewerte in einem Prädiktionshorizont von bis zu 24 Stunden.
URI: http://hdl.handle.net/20.500.11790/1018
ISBN: 978-3-7011-0399-7
Rights: info:eu-repo/semantics/openAccess
Appears in Collections:Schwerpunkt Energie & Umwelt

Files in This Item:
File Description SizeFormat
1164.pdf461.28 kBAdobe PDFView/Open
SFX Query Show full item record

Page view(s) 5

469
Last Week
1
Last month
12
checked on Apr 23, 2021

Download(s) 5

70
checked on Apr 23, 2021

Google ScholarTM

Check

Altmetric


This item is licensed under a Creative Commons License Creative Commons