Stage-oe-small.jpg

Daniel Pathmaperuma 2: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
(Die Seite wurde neu angelegt: „{{Veranstaltung |Titel DE=Daniel Pathmaperuma |Titel EN=Daniel Pathmaperuma |Beschreibung DE=folgt |Beschreibung EN=folgt |Veranstaltungsart=Graduiertenkolloqui…“)
 
Zeile 1: Zeile 1:
 
{{Veranstaltung
 
{{Veranstaltung
|Titel DE=Daniel Pathmaperuma
+
|Titel DE=Smart Home @ home
|Titel EN=Daniel Pathmaperuma
+
|Titel EN=Smart Home @ home
|Beschreibung DE=folgt
+
|Beschreibung DE=Im Jahr 2012 verwendeten Endverbraucher in Deutschland 607 TWh Strom. 76,4% davon stammten dabei aus nicht-regenerativen Quellen und verursachten einen Ausstoß von 317 Mio. Tonnen treibhauswirksamem CO2. Die deutsche Energiewende sieht langfristig eine Abkehr von nicht-regenerativen Energiequellen wie Atomkraft, Kohle, Gas und Öl vor. Dies führte zu einem Boom beim Ausbau erneuerbarer Energiequellen, vornehmlich Wind- und Photovoltaikanlagen, die sich in den vergangenen 13 Jahren von 6,4 GW (2000) auf 67,9 GW (2013) installierter Leistung etwa verzehnfachten. Dabei verstärkt der fortschreitende Ausbau die Probleme, die durch die Unstetigkeit und schlechte Steuerbarkeit dieser Stromquellen entstehen.
|Beschreibung EN=folgt
+
Ein Ansatz, diesen Problemen zu begegnen, ist die Steuerung des Verbrauchs. Private Haushalte haben in Deutschland einen Anteil von ca. 27% am Netto-Stromverbrauch. Da Haushalte – im Gegensatz zu Indust-rieanlagen – prinzipiell eine ähnliche Verbraucherstruktur haben, lassen sich Verfahren zur Laststeuerung hier leicht auf eine große Anzahl von Teilnehmern übertragen.
 +
Für die Laststeuerung sind Zuverlässigkeit und Vorhersagbarkeit von entscheidender Bedeutung. Beides kann durch ein hohes Maß an Automatisierung erreicht werden. Ein Beispiel für einen solchen automatisier-ten Haushalt ist das Energy Smart Home Lab (ESHL) des KIT. Hier wurden bereits verschiedene Verfahren zur intelligenten Energiesteuerung umgesetzt. Wie beim Ausbau des schnellen Internets ergibt sich jedoch auch hier in der Realität das Problem der letzten Meile: der größte Teil der Komponenten in deutschen Haushalten verfügt nicht über die Infrastruktur, die eine solche Automatisierung ermöglichen würde.
 +
Wenn man das technisch hochintegrierte, feingranulare und teure ESHL als Aufwandsobergrenze
 +
betrachten möchte, so stellt diese Arbeit einen Versuch dar, eine Untergrenze zu finden, mit der ein Lastma-nagement in Haushalten möglich ist. Im Vortrag wird ein System vorgestellt, welches helfen kann, diese letzte Meile zu überbrücken und so eine Teilnahme möglichst vieler Haushalte an modernen Methoden der Energiesteuerung zu ermöglichen. Hierzu zählen die Prognose von Nutzerverhalten, aufbauend auf der
 +
automatischen Erkennung und Klassifikation von Profilen, ebenso wie die vorrausschauende Optimierung von elektrischen Lasten und die effiziente Kommunikation potentieller Optimierungsmaßnahmen an die
 +
Nutzer.
 +
Den Kern hierzu bilden kostengünstige Hardwaresysteme, die mit minimalem Aufwand – auch von Laien – in bestehenden Haushalten nachgerüstet werden können. So werden auch Nicht-Fachleute in die Lage versetzt, auf einfache Art Lastverlagerungsmethoden umzusetzen. Die vorgestellten Verfahren werden anhand von Beispielen aus einem laufenden Feldtest illustriert.
 +
 
 +
|Beschreibung EN=Im Jahr 2012 verwendeten Endverbraucher in Deutschland 607 TWh Strom. 76,4% davon stammten dabei aus nicht-regenerativen Quellen und verursachten einen Ausstoß von 317 Mio. Tonnen treibhauswirksamem CO2. Die deutsche Energiewende sieht langfristig eine Abkehr von nicht-regenerativen Energiequellen wie Atomkraft, Kohle, Gas und Öl vor. Dies führte zu einem Boom beim Ausbau erneuerbarer Energiequellen, vornehmlich Wind- und Photovoltaikanlagen, die sich in den vergangenen 13 Jahren von 6,4 GW (2000) auf 67,9 GW (2013) installierter Leistung etwa verzehnfachten. Dabei verstärkt der fortschreitende Ausbau die Probleme, die durch die Unstetigkeit und schlechte Steuerbarkeit dieser Stromquellen entstehen.
 +
Ein Ansatz, diesen Problemen zu begegnen, ist die Steuerung des Verbrauchs. Private Haushalte haben in Deutschland einen Anteil von ca. 27% am Netto-Stromverbrauch. Da Haushalte – im Gegensatz zu Indust-rieanlagen – prinzipiell eine ähnliche Verbraucherstruktur haben, lassen sich Verfahren zur Laststeuerung hier leicht auf eine große Anzahl von Teilnehmern übertragen.
 +
Für die Laststeuerung sind Zuverlässigkeit und Vorhersagbarkeit von entscheidender Bedeutung. Beides kann durch ein hohes Maß an Automatisierung erreicht werden. Ein Beispiel für einen solchen automatisier-ten Haushalt ist das Energy Smart Home Lab (ESHL) des KIT. Hier wurden bereits verschiedene Verfahren zur intelligenten Energiesteuerung umgesetzt. Wie beim Ausbau des schnellen Internets ergibt sich jedoch auch hier in der Realität das Problem der letzten Meile: der größte Teil der Komponenten in deutschen Haushalten verfügt nicht über die Infrastruktur, die eine solche Automatisierung ermöglichen würde.
 +
Wenn man das technisch hochintegrierte, feingranulare und teure ESHL als Aufwandsobergrenze
 +
betrachten möchte, so stellt diese Arbeit einen Versuch dar, eine Untergrenze zu finden, mit der ein Lastma-nagement in Haushalten möglich ist. Im Vortrag wird ein System vorgestellt, welches helfen kann, diese letzte Meile zu überbrücken und so eine Teilnahme möglichst vieler Haushalte an modernen Methoden der Energiesteuerung zu ermöglichen. Hierzu zählen die Prognose von Nutzerverhalten, aufbauend auf der
 +
automatischen Erkennung und Klassifikation von Profilen, ebenso wie die vorrausschauende Optimierung von elektrischen Lasten und die effiziente Kommunikation potentieller Optimierungsmaßnahmen an die
 +
Nutzer.
 +
Den Kern hierzu bilden kostengünstige Hardwaresysteme, die mit minimalem Aufwand – auch von Laien – in bestehenden Haushalten nachgerüstet werden können. So werden auch Nicht-Fachleute in die Lage versetzt, auf einfache Art Lastverlagerungsmethoden umzusetzen. Die vorgestellten Verfahren werden anhand von Beispielen aus einem laufenden Feldtest illustriert.
 +
 
 
|Veranstaltungsart=Graduiertenkolloquium
 
|Veranstaltungsart=Graduiertenkolloquium
 
|Start=2014/05/28 15:45:00
 
|Start=2014/05/28 15:45:00
Zeile 9: Zeile 25:
 
|Gebäude=11.40
 
|Gebäude=11.40
 
|Raum=231
 
|Raum=231
 +
|Vortragender=Daniel Pathmaperuma
 +
|Eingeladen durch=Hartmut Schmeck
 +
|PDF=Pathmaperuma.28 5 14.pdf
 
|Forschungsgruppe=Effiziente Algorithmen
 
|Forschungsgruppe=Effiziente Algorithmen
 
|In News anzeigen=True
 
|In News anzeigen=True
 
}}
 
}}

Version vom 6. Mai 2014, 07:51 Uhr

Smart Home @ home

Veranstaltungsart:
Graduiertenkolloquium




Im Jahr 2012 verwendeten Endverbraucher in Deutschland 607 TWh Strom. 76,4% davon stammten dabei aus nicht-regenerativen Quellen und verursachten einen Ausstoß von 317 Mio. Tonnen treibhauswirksamem CO2. Die deutsche Energiewende sieht langfristig eine Abkehr von nicht-regenerativen Energiequellen wie Atomkraft, Kohle, Gas und Öl vor. Dies führte zu einem Boom beim Ausbau erneuerbarer Energiequellen, vornehmlich Wind- und Photovoltaikanlagen, die sich in den vergangenen 13 Jahren von 6,4 GW (2000) auf 67,9 GW (2013) installierter Leistung etwa verzehnfachten. Dabei verstärkt der fortschreitende Ausbau die Probleme, die durch die Unstetigkeit und schlechte Steuerbarkeit dieser Stromquellen entstehen. Ein Ansatz, diesen Problemen zu begegnen, ist die Steuerung des Verbrauchs. Private Haushalte haben in Deutschland einen Anteil von ca. 27% am Netto-Stromverbrauch. Da Haushalte – im Gegensatz zu Indust-rieanlagen – prinzipiell eine ähnliche Verbraucherstruktur haben, lassen sich Verfahren zur Laststeuerung hier leicht auf eine große Anzahl von Teilnehmern übertragen. Für die Laststeuerung sind Zuverlässigkeit und Vorhersagbarkeit von entscheidender Bedeutung. Beides kann durch ein hohes Maß an Automatisierung erreicht werden. Ein Beispiel für einen solchen automatisier-ten Haushalt ist das Energy Smart Home Lab (ESHL) des KIT. Hier wurden bereits verschiedene Verfahren zur intelligenten Energiesteuerung umgesetzt. Wie beim Ausbau des schnellen Internets ergibt sich jedoch auch hier in der Realität das Problem der letzten Meile: der größte Teil der Komponenten in deutschen Haushalten verfügt nicht über die Infrastruktur, die eine solche Automatisierung ermöglichen würde. Wenn man das technisch hochintegrierte, feingranulare und teure ESHL als Aufwandsobergrenze betrachten möchte, so stellt diese Arbeit einen Versuch dar, eine Untergrenze zu finden, mit der ein Lastma-nagement in Haushalten möglich ist. Im Vortrag wird ein System vorgestellt, welches helfen kann, diese letzte Meile zu überbrücken und so eine Teilnahme möglichst vieler Haushalte an modernen Methoden der Energiesteuerung zu ermöglichen. Hierzu zählen die Prognose von Nutzerverhalten, aufbauend auf der automatischen Erkennung und Klassifikation von Profilen, ebenso wie die vorrausschauende Optimierung von elektrischen Lasten und die effiziente Kommunikation potentieller Optimierungsmaßnahmen an die Nutzer. Den Kern hierzu bilden kostengünstige Hardwaresysteme, die mit minimalem Aufwand – auch von Laien – in bestehenden Haushalten nachgerüstet werden können. So werden auch Nicht-Fachleute in die Lage versetzt, auf einfache Art Lastverlagerungsmethoden umzusetzen. Die vorgestellten Verfahren werden anhand von Beispielen aus einem laufenden Feldtest illustriert.

(Daniel Pathmaperuma)




Start: 28. Mai 2014 um 15:45
Ende: 28. Mai 2014 um 16:45


Im Gebäude 11.40, Raum: 231

Veranstaltung vormerken: (iCal)


Veranstalter: Forschungsgruppe(n) Effiziente Algorithmen
Information: Media:Pathmaperuma.28 5 14.pdf