Loading...
hidden

View Mobile version

Meta navigation

Startseite – Hochschule Luzern

Language selection and important links

  • Contents
  • Contact
  • Login
  • De
  • En
Search

Main navigation

School navigation

  • Engineering and Architecture
  • Business
  • Computer Science
  • Social Work
  • Art and Design
  • Music

Sub-navigation

  • Degree Programmes
  • Continuing Education
  • Research
  • International
  • Campus
  • About us
  • News

Sub-navigation

Breadcrumbs

  1. Research Research
  2. Smart-Meter-Daten besser nutzen dank maschinellem Lernen Smart-Meter-Daten besser nutzen dank maschinellem Lernen

Smart-Meter-Daten besser nutzen dank maschinellem Lernen

Im Projekt wird untersucht, wie semi- und unsupervised Machine Learning verwendet werden kann, um Stromverbrauchs-Daten von Smart Metern einfacher aufzuschlüsseln. Damit könnte unter anderem die Energieeffizienz in Haushalten und Industrie erhöht werden.

Brief information

School:

Computer Science and Information Technology

Status:

Completed

Period:

01.12.2019 - 31.12.2020

Overview

In Industrie-, Gewerbe- und Dienstleistungsbetrieben werden Stromdaten zunehmend mit Smart-Meter-Geräten digital erfasst.

Non-Intrusive Load Monitoring (NILM) ist der Forschungsbereich, der sich mit der Aufschlüsselung (Disaggregation) der Daten einzelner Verbraucher beschäftigt. Dies wird mit Methoden des maschinellen Lernens erreicht. Bisher wurde dazu hauptsächlich auf «Supervised Learning» zurückgegriffen - also auf Ansätze des maschinellen Lernens, welche auf Grund von Beispielen lernen. Dazu ist jedoch kostspieliges, gleichzeitiges Ausmessen sehr vieler Stromverbraucher notwendig. Um diesen Nachteil zu umgehen, untersuchen wir im Projekt wie Ansätze des «Semi-/Unsupervised Learning» - vergleichbare Ergebnisse erzielen können - diese benötigen keine oder sehr wenige Messdaten von elektrischen Verbrauchen. Damit soll der Einsatz von NILM im Alltag von Unternehmen und Privaten gefördert werden.

Gelingt es aus den NILM-Aufzeichnungen aufzuschlüsseln, wie viel Energie einzelne Stromkonsumenten verbrauchen, können diversere neue Anwendungen und Optimierungen realisiert werden. Beispiele hierfür sind unter anderem Steigerung der Energieeffizienz in Haushalten und in der Industrie, vorausschauende Wartung (Predictive Maintenance), bedarfsgerechte Reinigungszyklen und Anwendungen im Pflegebereich (Activities of Daily Living).

hidden

Facts

Type of project

Forschung

Internal organisations involved
  • Algorithmic Business F&E
  • iHomeLab
Funding
  • ITC Digitale Transformation der Arbeitswelt
hidden

Persons involved: internal

Project manager
  • Simone Lionetti
Member of project team
  • Andrin Bürli
  • Donnacha Daly
  • Daniel Pfäffli
  • Pascal Wullschleger
hidden

Persons involved: external

External project manager
  • Patrick Huber Mittler

Brief information

School:

Computer Science and Information Technology

Status:

Completed

Period:

12/01/2019 - 12/31/2020

Project Head

Simone Lionetti

Highly Specialised Senior Research Associate

+41 41 757 68 76

Show email

Footer(s)

FH Zentralschweiz

Social media links

  •  Facebook
  •  Instagram
  •  Twitter
  •  LinkedIn
  •  YouTube
  •  Flickr

Contact

Logo Lucerne University of Applied Sciences and Arts

Lucerne University of Applied Sciences and Arts


Werftestrasse 4
CH- 6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direct entry

  • A bachelor's degree –
  • A master's degree –
  • Prospective Students (Continuing & Executive Programmes)
  • Unternehmen & Institutionen
  • Media Relations
  • For Students
  • For Members of Staff

Quick link

  • People Finder
  • University Buildings & Campus Locations
  • News
  • Libraries
  • Events
  • Jobs & Karriere
  • Home
  • Hiring Rooms

Static links

  • Newsletter
  • Data protection notice
  • Publishing Acknowledgements
Logo Swissuniversities

QrCode

QrCode
We use cookies on this site to give you the best browsing experience. By continuing to navigate this site or closing this banner you accept this use of cookies. For more information please visit our privacy policy.
OK