Logo des Repositoriums

Auflistung nach Schlagwort "time series"

1 - 3 von 3
  • Textdokument
    Konzept und Implementierung eines echtzeitfähigen Model Management Systems
    (BTW 2019, 2019) Hegenbarth, Yvonne; Ristow, Gerald
    Zur Gewährleistung der Stromnetzstabilität in Deutschland müssen Verteilernetzbetreiber darauf achten, dass zu jedem Zeitpunkt Energie-Erzeugung und -Verbrauch in ihrem Zuständig-keitsbereich in Einklang stehen. Dafür werden Vorhersagemodelle benötigt, um den zu erwartenden Überschuß oder zusätzlichen Bedarf an Energie für den Folgetag der Strombörse für den sogenannten Day-Ahead Handel zu melden. Neben dem Stromhandel für den Folgetag können Marktteilnehmer beim kontinuierlichen Intraday Strommengen bis zu fünf Minuten vor der tatsächlichen Auslieferung kaufen oder verkaufen. Bei Fehlprognosen und demnach Fehleinkäufen könnte mit einer Früherken-nung und Modellanpassung diese im Intraday ausgeglichen werden. Dazu wird in dieser Arbeit ein System beschrieben, das automatisiert Fehlprognosen frühzeitig erkennt und eine Modelländerung durchführt. Das Modell wird dabei an den aktuellen Sachverhalt der Verbrauchszeitreihe angepasst. Durch diese Modellanpassung wird die Vorhersage verbessert, sodass der Intraday Handel besser betrieben werden kann und Fehleinkäufe ausgeglichen werden.
  • Konferenzbeitrag
    Training of Artificial Neural Networks Based on Feed-in Time Series of Photovoltaics and Wind Power for Active and Reactive Power Monitoring in Medium-Voltage Grids
    (INFORMATIK 2019: 50 Jahre Gesellschaft für Informatik – Informatik für Gesellschaft, 2019) Dipp, Marcel; Menke, Jan-Hendrik; Wende - von Berg, Sebastian; Braun, Martin
    Today, there is already a significant injection of renewable energies at the medium-voltage level, which requires the use of reliable monitoring methods. In addition to tracking electrical parameters such as line current or bus voltage magnitudes, precise knowledge of the active and reactive power feed-in is becoming increasingly relevant in order to provide the necessary information for optimization strategies at higher voltage levels. For this reason, we have developed a method to monitor the active and reactive power for the medium-voltage level with very low measurement density, which is based on artificial neural networks (ANN). The actual training of ANN is accomplished with photovoltaics (PV) and wind feed-in time series based on real weather data to ensure realistic monitoring of the injection. The presented method is applied to a German medium-voltage grid to evaluate the estimation accuracy.
  • Konferenzbeitrag
    Using Multi-System Monitoring Time Series to Predict Performance Events
    (Softwaretechnik-Trends Band 39, Heft 3, 2019) Schörgenhumer, Andreas; Kahlhofer, Mario; Chalupar, Peter; Mössenböck, Hanspeter; Grünbacher, Paul
    The prediction of failures and other mission-critical events plays an important role in operating today’s software systems and has drawn the attention of many researchers. Event prediction is particularly challenging if multiple systems are involved. In this paper, we thus present an event prediction model which utilizes time series monitoring data from multiple software systems to predict performance events. Our approach incorporates a comprehensive, multi-system data preprocessing framework for creating various feature vector sets, which we then use to train a random forest classifier to evaluate our multi-system event prediction. Our preliminary evaluation based on data from monitoring 250 systems over a period of 20 days shows promising results.