Zusammenfassung
Die Analyse der Einflussfaktoren auf den Energiebedarf besitzt große Bedeutung sowohl für Energieversorger als auch für Energieverbraucher. Prognosetools zur Berechnung des Energiebedarfs tragen zur effizienten Energiebereitstellung und -nutzung bei. Die Lastprognose beinhaltet die Vorhersage des künftigen zeitlichen Verlaufs des Verbrauchs von Strom, Wärme, Gas oder anderen eingesetzten Energieformen. Die Berechnung der Vorhersage erfolgt mithilfe mathematischer Modelle auf der Basis von historischen Lastverläufen unter Einbeziehung von aktuellen Produktions- und Klimadaten sowie weiterer signifikanter Einflussfaktoren. Wir konzentrieren uns in diesem Kapitel auf die Beschreibung von Regressionsmodellen für den Strom- und Wärmebedarf eines Versorgungsgebiets sowie auf die Anwendung von künstlichen neuronalen Netzen zur Entwicklung von Lastprognoseverfahren.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Maubach K, Wiemer H, Verstege J, Hauser M (1995) Rechnergestützte Energieeinsatzoptimierung als Planungs- und Betriebsführungswerkzeug in einem Querverbundunternehmen. VDI-Berichte Nr. 1226. VDI-Verlag Düsseldorf
VDI-Richtlinie 4661 (2014) Energiekenngrößen – Grundlagen – Methodik. Beuth, Berlin
DIN V 18599 (2012) Energetische Bewertung von Gebäuden. Beuth, Berlin
Maaß R, Schellong W, Steinmetz K (1993). Rechnergestützte Fahrweiseoptimierung für einen Fernwärmeverbund, Bd 22 Fernwärme International, AGFW, Frankfurt a. M., S 336–346
European Network of Transmission System Operators for Electricity (2014) Stromlastdaten für Deutschland. https://www.entsoe.eu/db-query/country-packages/production-consumption-exchange-package. Zugegriffen: 15. Okt. 2015
Bundesamt für Energie BFE (2009) Validierung und Verbesserung von Lastprognosen. http://www.bfe.admin.ch. Zugegriffen: 14. Juli 2014
Hong W (2013) Intelligent energy demand forecasting. Springer, London
Schellong W (2011) Energy demand analysis and forecast. In: Kini PG (Hrsg) Energy management. InTech Open Access Publisher, Rijeka
Vereinigung Deutscher Elektrizitätswerke e. V. (2000) Umsetzung der analytischen Lastprofilverfahren: Step-by-step. VDEW-Materialien, Frankfurt a. M.
Deutscher Wetterdienst (2014) Testreferenzjahre (TRY). http://www.dwd.de/DE/klimaumwelt/klimaforschung/spez_themen/try. Zugegriffen: 15. Okt. 2015
Bundesverband Erneuerbare Energie e. V. (2013) Möglichkeiten zum Ausgleich fluktuierender Einspeisungen aus Erneuerbaren Energien. http://www.bee-ev.de/home/publikationen/studien/1/. Zugegriffen: 15. Okt. 2015
Backhaus K, Erichson B, Plinke W, Weiber R (2011) Multivariate Analysemethoden. Springer-Verlag, Berlin
Gobmaier T (2013) Entwicklung und Anwendung einer Methodik zur Synthese zukünftiger Verbraucherlastgänge. Dissertation TU München
Zell A (2000) Simulation neuronaler Netze. Oldenbourg Verlag, München
Bundesverband Kraft-Wärme-Kopplung e. V. (2014) KWK in Wärmenetzen. http://www.bkwk.de/themennavigation/waermenetze/kwk_in_waermenetzen/. Zugegriffen: 15. Okt. 2015
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2016 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Schellong, W. (2016). Analyse und Modellierung des Energiebedarfs. In: Analyse und Optimierung von Energieverbundsystemen. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-49463-9_7
Download citation
DOI: https://doi.org/10.1007/978-3-662-49463-9_7
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-48527-9
Online ISBN: 978-3-662-49463-9
eBook Packages: Computer Science and Engineering (German Language)