Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
DeEn
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      DeEn
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Nächste Infotage
      Jetzt anmelden:
      →

      Hochschulen
      Hochschule für Technik und Umwelt FHNW
      Institute
      Forschungsprojekte realisieren
      SCCER Digitalization

      SCCER Digitalization

      Verwendung von Clustering-Methoden zur Analyse von Smart-Metering-Daten.

      Hintergrund

      Im Rahmen der Energiestrategie 2050 müssen Schweizer Netzbetreiber bis 2027 alte Stromzähler durch intelligente “Smart Meter” ersetzen. In einem Pilot-Projekt mit Siemens, Arbon Energie AG und Università della Svizzera italiana USI werden Daten von rund 10'000 "Smart Metern" ausgewertet. Um die Kundensegmentierung besser zu verstehen, werden die verschiedenen Verbrauchertypen geclustert. Die Ergebnisse können für Anlagenmanagement und Netzbetrieb verwendet werden.


      Bildnachweis: European Utility Week-2019

      Ziele

      • Klasseneinteilung der Verbraucher durch Verwendung von Daten der Lastprofile
      • Kategorisierung nach heutigen Standardlastprofilen gemäss ElCom
      • Clustering und Untersuchung der Übereinstimmung der Kundengruppen bzgl. Netz- und Energiekosten.
      • Clustering von Netzelementen
      • Identifikation von unregelmässigen Kenndaten
      • Sensitivität und komparative Analyse

      Resultate

      Die Standardlastprofile wurden gemäss verschiedenen Verbrauchskategorien zur Sortierung der Smart Meters verwendet. Es ist grundsätzlich möglich, für jede Verbrauchskategorie eine durchschnittliche Spitzenleistung oder eine Leistungsverteilung davon zu identifizieren und sie für kundenbasierte Vorhersagen zu verwenden. Smart Meters, die zur selben Verbrauchskategorien gehören, können aber sehr unterschiedliche Lastprofile haben.

      Clustering-Methoden wurden eingesetzt, um Kundengruppen mit einem ähnlichen Verhalten zu finden. Im nächsten Schritt wird die Konsistenz der Gruppen auf der Grundlage von Netzbetrieb und Energiebeschaffungskosten analysiert.

      Abbildung 2: Durchschnittliche Spitzenleistung über jährlichen Energieverbrauch. Unterschiedliche Farben zeigen unterschiedliche Kategorien an.


      Abbildung 3: Energie wöchentlicher Durchschnitt im Winter für alle SM in einer Kategorie.


      Abbildung 4: Ergebende Clusters (verschiedene Farben) für Daten in Abbildung 3. Dicke Linien stellen den Median jedes Clusters dar.

      Projekt-Informationen

      table_scrollable_animation_gif
       

      Projektleitung und -durchführung

      USI

      Forschungspartner

      Institut für Elektrische Energietechnik FHNW, USI, Siemens AG Schweiz, Arbon Energie AG

      Dauer

      18 Monate, von Juli 2019 bis Dezember 2020

      Finanzierung

      SCCER, Innosuisse

      Projektteam

      FHNW: Flavia Sperati, Prof. Dr. Martin Geidl 
      USI: Cesare Alippi, Andrea Cini, Slobodan Lukovic
      Siemens: Ingo Herbst
      Arbon Energie AG: Silvan Kieber, Denys Buff

      Die FHNW

      Hochschule für Technik und Umwelt FHNW
      Forschungsprojekte realisierenInstitut für Elektrische Energietechnik
      ht_ins_iee_projekt_teaser

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: