Elektrotechnisches Institut (ETI)

Entwicklung und Anwendung einer auf Machine-Learning basierten Methodik zur Vorhersage von Photovoltaik-Leistung

  • Forschungsthema:Programmierung, Simulation
  • Typ:Masterarbeit
  • Datum:ab sofort
  • Betreuer:

    M.Sc. Anna Starosta

Motivation

Durch die globale Erderwärmung und die Ausschöpfung fossiler Energieträger steigt die Signifikanz von Energieversorgungsalternativen. Als erneuerbare Energiequelle bietet Photovoltaik eine attraktive Lösung, saubere Energie zu erzeugen. Über den Tag schwankt die erzeugte Leistung aus Photovoltaikanlagen jedoch aufgrund des Sonnenstands und wechselnden Wetterbedingungen. Die teilweise Unvorhersehbarkeit der verfügbaren Leistung ist für Energienetzbetreiber eine Herausforderung, die unter anderem mit der Optimierung von Vorhersagemethoden angegangen wird. In den letzten Jahren steigt in vielen Anwendungsgebieten der Trend zur Datenanalyse und des Machine-Learning, so auch in der Photovoltaik-Leistungsprognose. Das Photovoltaikfeld des Campus Nord des KIT bietet dabei für die Entwicklung einer Leistungsvorhersage eine attraktive Datengrundlage.

 

Aufgabenstellung

Im Rahmen einer Abschlussarbeit soll auf Basis des aktuellen Stands der Forschung eine Methodik zur Vorhersage der Photovoltaik-Leistung entwickelt und getestet werden. Als Grundlage dienen am Institut bereits bestehende Vorhersagemodelle sowie eine umfangreiche Datenbank historischer Daten.

Der Umfang der Aufgabe wird individuell erarbeitet, dabei sind die groben Schritte wie folgt. Zunächst soll der Stand der Forschung anhand einer Literaturrecherche ermittelt werden und auf dessen Grundlage eine passende Methodik ausgewählt werden. Anschließend sollen die wichtigsten Parameter identifiziert und ihre Auswahl ggf. optimiert werden. Mit der erarbeiteten Basis soll eine entsprechende Photovoltaik-Leistungsprognose entwickelt und trainiert werden. Mittels gängiger Bewertungsmethoden sollen die Ergebnisse validiert und Aussagen über die Methodik getroffen werden.

Sie verfügen über Programmierkenntnisse (idealerweise in Matlab, R und Python) sowie idealerweise über Erfahrung in Datenanalyse und Machine-Learning. Eine selbstständige Arbeitsweise, Zuverlässigkeit sowie eine schnelle Auffassungsgabe und sehr gute Deutsch- oder Englischkenntnisse runden Ihr Profil ab.

 

Bewerbungsunterlagen

  • Motivationsschreiben
  • Lebenslauf
  • aktuelle Studienbescheinigung