Abstract
Dieses Projekt befasst sich mit der Entwicklung und Bewertung von Modellen zur Vorhersage des stündlichen Stromverbrauchs. Ein präzises Modell für die Stromverbrauchsprognose ist entscheidend, um die Erzeugung optimal zu steuern und ein Gleichgewichtzwischen Angebot und Nachfrage zu gewährleisten. Untersucht wurden verschiedene
Modelle, darunter SARIMA und drei Regressionsmodelle, wobei der Gradient Boosted
Regression (𝐺𝐵𝑅) und das SARIMA-Modell die besten Ergebnisse erzielten.
Die monatlichen Durchschnittswerte des Stromverbrauchs wurden mithilfe eines
𝑆𝐴𝑅𝐼𝑀𝐴-Modells modelliert, während die stündlichen Residuen durch verschiedene
Regressionsmodelle, darunter 𝐺𝐵𝑅, modelliert wurden. Der GBR zeigte eine signifikante Verbesserung gegenüber dem Baseline-Persistenzmodell mit einem Mean Absolute
Percentage Error (𝑀𝐴𝑃 𝐸) von 0,083 gegenüber 0,152.
Zur weiteren Validierung wurden die beiden besten Modelle, 𝑆𝐴𝑅𝐼𝑀𝐴 und 𝐺𝐵𝑅,
mit Daten aus einer anderen Region, nämlich Malta in der EU, getestet. Beide Modelle zeigten auch hier eine gute Leistung, wobei der MAPE für das 𝐺𝐵𝑅-Modell bei
0,088 und für das 𝑆𝐴𝑅𝐼𝑀𝐴-Modell bei 0,08 lag. Dies unterstreicht die Robustheit und
Anwendbarkeit der Modelle über verschiedene geografische Regionen hinweg.
Die Modelle wurden in eine benutzerfreundliche Web-Oberfläche integriert, die mit
der Bibliothek Streamlit in Python erstellt wurde. Diese Oberfläche ermöglicht es Nutzern, eigene Daten hochzuladen, Explorative Datenanalyse (𝐸𝐷𝐴) durchzuführen und
in Echtzeit Vorhersagen zu erhalten.
Zusammenfassend lässt sich sagen, dass die entwickelten Modelle zuverlässige Vorhersagen für den stündlichen Stromverbrauch liefern und potenziell zur Optimierung
der Energieerzeugung in verschiedenen Regionen beitragen können.
| Datum der Bewilligung | 2024 |
|---|---|
| Originalsprache | Englisch (Amerika) |
| Betreuer/-in | Thomas Ziebermayr (Betreuer*in) & Armin Veichtlbauer (Betreuer*in) |