AGENS Neuronale Netzwerke (NN)


Analytisch-generative Netzwerke zur Systemidentifikation. Teilprojekt 4: Anpassung der Rohdaten und zugehörige Datendarstellung.

Das AGENS-Projekt entwickelt Generative Neuronale Netze zur Datenerweiterung
Projektleitung: Prof. Dr. Hans-Georg Stark
Hochschule: Technische Hochschule Aschaffenburg
Forschungsschwerpunkt: Intelligent Systems
Projektlaufzeit: 01.04.2020 - 31.03.2023

IntelligentSystems   ArtificalIntelligenceDataScience   IntelligentSensorsSignals    Prof.Dr.Stark


Hintergrund

Die Prognose des Energiebedarfs einzelner Akteure auf Basis von Zeitreihen ist aufgrund der großen Anzahl von Energieverbrauchern durch eine riesige Datenmenge gekennzeichnet. Jeder gewerbliche Kunde mit einem Verbrauch von mehr als 100 Megawattstunden pro Jahr wird derzeit einer Registrierleistungsmessung (RLM) unterzogen. Für jeden Kunden werden individuelle Verbrauchsprognosen erstellt. Um diese Komplexität mit mathematischen Modellen abbilden zu können, werden flexible datengetriebene Lösungen benötigt. Diese umfangreiche Datenlage stellt einerseits Herausforderungen an die Handhabung der Analyse, andererseits ermöglicht sie auch die datengetriebene Modellierung komplexer Verhaltensmuster. Die Übertragung dieses Modells auf die individuelle Prognose für jeden Akteur stellt jedoch eine zentrale Herausforderung dar.


Ziele

Ziel von AGENS ist es, flexible Modelle auf der Basis neuronaler Netze (NN) zu entwickeln, die in der Lage sind, die Gesamtkomplexität anhand großer Datenmengen zu modellieren. Um eine robuste Prognose pro Akteur zu ermöglichen, ist eine Verbesserung der Datenqualität für jeden einzelnen Verbraucher notwendig.


Methoden

Generative Adversarische Neuronale Netze (GAN) werden entwickelt, um eine Datenerweiterung zu ermöglichen. Für ein erfolgreiches Training des GAN müssen zunächst statistische Voranalysen der Daten durchgeführt werden, um deren charakteristische Muster zu bestimmen und in das GAN einfließen zu lassen. Ziel ist es, auf Basis der erweiterten Datenbasis robuste Modelle mit kalibrierten Unsicherheiten trainieren zu können und deren Anwendbarkeit in einem industriellen Umfeld zu gewährleisten.


Förderung

Bundesministerium für Bildung und Forschung (BMBF)


Kooperationen

Forschen Sie als Professorin oder Professor, als Doktorandin oder Doktorand oder als Studentin oder Student zu ähnlichen Themen? Wenn Sie nach Beteiligungsmöglichkeiten an einem Forschungsprojekt zu diesem oder einem ähnlichen Thema suchen, ermitteln wir gerne unser Kooperationspotenzial. Bitte nehmen Sie Kontakt auf mit  Prof. Dr. Stark per Telefon (+49 6021/4206-878) or per Mail an Hans-Georg.Starkth-abde.


mehr über den Forschungsschwerpunkt Intelligent Systems