Dezentrales Energiemanagement nutzt lokal verfügbare Information, um den Energieverbrauch zu optimieren. Effiziente und kostengünstige dezentrale Agenten treffen damit optimale Entscheidungen. Diese Herausforderung inspirierte einen Masterstudenten der Universität Chemnitz (Mitbetreuung durch Easy Smart Grid), den besten Ansatz hierfür zu analysieren: Er identifizierte und verglich verschiedene Algorithmen maschinellen Lernens im Hinblick auf ihre Fähigkeit, Energieangebot und Verbrauchsmuster vorherzusagen. Diese Ergebnisse wurden mit den Ressourcen in Beziehung gesetzt, die zu ihrer Implementierung auf typischen Microcontrollern benötigt werden. Ein weiteres Ergebnis war ein Planungswerkzeug basierend auf Markov'schen Entscheidungsmodellen, um flexible Lasten zur Kostenminimierung zu nutzen. Die Arbeit ist verfügbar (auf Englisch) als Download Master Thesis oder Download presentation

« Zurück zur Neugkeiten                             » Nächste Artikel