Refine
Has Fulltext
- yes (4)
Keywords
- Smart Energy (3)
- Energieeffizienz (2)
- Smarte Technologien (2)
- Technologie-Screening (2)
- Digitalisierung (1)
- Elektrizitätsversorgung (1)
- Gebäudeleittechnik (1)
- Ghana (1)
- Ghanaian health sector (1)
- Haushalte (1)
Im Rahmen des Technologiescreenings sind zunächst relevante Technologien, die Einfluss auf das Energienachfrageverhalten für Haushalte besitzen, identifiziert worden. Dabei ist ausschließlich eine technologische Betrachtung erfolgt, das individuelle Nutzerverhalten von Haushaltsbewohnern wurde dabei nicht betrachtet. Die Einordnung der Technologien sind in Standard Energietechnologien: Erzeuger, Umwandler, Verbraucher und Speicher kategorisiert. Zudem zeigt die in die Kategorien Messsysteme, Gebäudeautomation und Energiemanagementsysteme. Dabei handelt es sich um, digitale Technologien mit Aspekten und Anwendungen von Energietransparenz und -management. Zeitraum des kontinuierlichen Technologie-Screenings war von 2017-2020.
Ghana suffers from frequent power outages, which can be compensated by off-grid energysolutions. Photovoltaic-hybrid systems become more and more important for rural electrificationdue to their potential to offer a clean and cost-effective energy supply. However, uncertainties relatedto the prediction of electrical loads and solar irradiance result in inefficient system control and canlead to an unstable electricity supply, which is vital for the high reliability required for applicationswithin the health sector. Model predictive control (MPC) algorithms present a viable option to tacklethose uncertainties compared to rule-based methods, but strongly rely on the quality of the forecasts.This study tests and evaluates (a) a seasonal autoregressive integrated moving average (SARIMA)algorithm, (b) an incremental linear regression (ILR) algorithm, (c) a long short-term memory (LSTM)model, and (d) a customized statistical approach for electrical load forecasting on real load data of aGhanaian health facility, considering initially limited knowledge of load and pattern changes throughthe implementation of incremental learning. The correlation of the electrical load with exogenousvariables was determined to map out possible enhancements within the algorithms. Results showthat all algorithms show high accuracies with a median normalized root mean square error (nRMSE)<0.1 and differing robustness towards load-shifting events, gradients, and noise. While the SARIMAalgorithm and the linear regression model show extreme error outliers of nRMSE >1, methods viathe LSTM model and the customized statistical approaches perform better with a median nRMSE of0.061 and stable error distribution with a maximum nRMSE of <0.255. The conclusion of this study isa favoring towards the LSTM model and the statistical approach, with regard to MPC applicationswithin photovoltaic-hybrid system solutions in the Ghanaian health sector.
Das interdisziplinäre Forschungsprojekt “Smarte Technologien für Unternehmen” untersuchte im Zeitraum von Juli 2017 bis Dezember 2020 Anwendungs- und Akzeptanzprobleme zum Einsatz smarter Technologien in KMU und entwickelte darauf aufbauend Lösungsansätze zur Steigerung der Energieeffizienz sowie zum Energie- und Lastmanagement. Dazu wurden smarte Technologien zunächst im Zuge eines Screenings identifiziert, kategorisiert und bewertet. In den qualitativen und quantitativen Nutzeranalysen wurden Unternehmer*innen in den Fokus der Analyse gestellt, um den Wissensstand sowie Chancen und Barrieren zum Einsatz smarter Technologien in KMU darzulegen. Mit der Durchführung transdisziplinärer Anwendungstests wurde ein zentraler Lösungsansatz entwickelt: Die Effizienzanalyse von KMU mittels mobiler Messtechnik und Visualisierungstools als potenzielle Strategie zur Reduktion von Energieverbräuchen.
Die Ergebnisse dieses anwendungsorientierten Forschungsprojektes zeigen die Anwendungs- und Akzeptanzprobleme zum Einsatz smarter Technologien in KMU auf und geben Handlungsoptionen zur Steigerung der Energieeffizienz mit Hilfe ausgewählter smarter Produkte und Tools.
Im Rahmen des Technologie-Screenings wurden smarte Technologien für den Einsatz in mittelständischen Unternehmen (vorzugsweise KMU) im Zeitraum von 2017-2020 in einem kontinuierlichen Monitoringprozess betrachtet. Dadurch konnte mit dem Screening ein umfassender Überblick über die Angebotsseite und den Markt smarter Technologien geschaffen werden. Ebenso wurden potenzielle Technologien für den Einsatz im Anwendungstest des Forschungsprojekts VISE-U identifiziert. Insgesamt umfasst das Technologie-Screening sechs spezifische Technologie-Kategorien, denen wiederum einzelne Systeme auf Herstellerebene zugeordnet wurden. So konnten in Summe 20 Systeme unterschiedlicher Hersteller hinsichtlich des Aufbaus sowie der Funktionsweise samt Technologie-Steckbrief beschrieben werden. Die Steckbriefe zeigen dazu die technische Beschreibung, Komponenten sowie Schnittstellen der Systeme auf und referenzieren auf weiterführende Informationen auf den Webseiten der Hersteller.