Refine
Year
- 2024 (47) (remove)
Publication Type
- Article (25)
- Conference Proceeding (10)
- Bachelor Thesis (3)
- Book (2)
- Master's Thesis (2)
- Report (2)
- Other (1)
- Part of Periodical (1)
- Review (1)
Has Fulltext
- yes (47) (remove)
Keywords
- Spreadsheet Energy System Model Generator (2)
- Customer journey (1)
- DWA-M 509 (1)
- Diamond (1)
- Einzelfall (1)
- Energiesystemmodellierung (1)
- Energy label (1)
- Energy system modeling (1)
- Erwartungen (1)
- Fish migration aids (1)
Energieausweise informieren über den Energiebedarf und -verbrauch von Gebäuden. Für die Erstellung eines Energieausweises werden gebäudespezifische Daten benötigt, weshalb sie oft nicht für alle Gebäude vorliegen oder erst durch eine Begehung vor Ort erfasst werden können. Die vorliegende Arbeit untersucht die Möglichkeit, durch die Identifikation eines Datenschemas, basierend auf einer integrativen Analyse von Energieausweisen, Energiebedarfsvorhersagen für unbekannte Wohngebäude zu treffen. Die Zielsetzung der vorliegenden Arbeit besteht in der Identifikation wesentlicher Merkmale aus offenen Datenquellen, welche den Energiebedarf signifikant beeinflussen sowie deren Integration in ein kompaktes und effizientes Regressionsmodell. Dabei werden verschiedene maschinelle Lernmethoden, insbesondere das Extreme Gradient Boosting (XGB), eingesetzt, um Modelle zu entwickeln und zu validieren, die auf Daten aus Energieausweisen basieren.
Dafür werden unter anderem Merkmale aus den beschriebenen Merkmalen zum Dach, der Außenwände, zu Fenstern und zum Boden extrahiert und in neue Merkmale überführt. Dies sind unter anderem Dach- und Wandtyp, das zugehörige Isolationsniveau und der Verglasungsgrad der Fenster. Im Anschluss werden drei Datensätze entwickelt und auf ihre Leistung untersucht. Eine Analyse der Merkmalsrelevanz hat gezeigt, dass über alle Datensätze hinweg bestimmte Merkmale wie Gebäudetyp, Baujahr, Wohnfläche, Dämmungsgrad und geografische Lage entscheidenden Einfluss auf die Vorhersage des Energiebedarfs haben. Das auf den Fernerkundungsdaten basierte Modell, wies nach Optimierung ein Bestimmtheitsmaß R2 von 0,64 und einen mittleren absoluten Fehler (MAE) von 4,12 auf. Der Fehler bezieht sich auf eine Effizienzskala von 1-100 (Energieklasse G-A). Nach Skalierung der Pipeline und durch Ergänzung weiterer Datenpunkte, konnte der Wert auf 0,84 erhöht werden. Durch die Ergänzung von vebrauchsabhängigen Merkmalen, erreichte das XGB-Regressionsmodell ein R2 von 0,94 und einen MAE von 1,46 über den Trainings- und Testdatensatz. Zur weiteren Validierung werden die Auswirkungen der einzelnen Merkmale über Shapley-Werte quantifiziert, um die Auswirkungen der Merkmale bei der Vorhersage zu interpretieren. Die entwickelten Modelle erreichten eine hohe Prognosegenauigkeit und demonstrierten eine signifikante Verbesserung gegenüber herkömmlichen Methoden. Die Erstellung der Datensätze erfolgte unter Verwendung der Programmiersprache Python sowie des Frameworks Scikit-learn (Version 1.4.1) zur Entwicklung der Modelle. Die erzeugten Datensätze und Modelle wurden in eine reproduzierbare Pipeline überführt und stehen nach Freigabe unter GitHub zur Verfügung.
Die Transformation der Energiesysteme im Rahmen der Energiewende macht diese durch zusätzliche Komponenten und Wechselwirkungen immer komplexer. Das ökonomische und ökologische Potenzial, dass sich aus der Nutzung der Synergien dieser Komponenten ergeben kann, erfordert eine gemeinsame Betrachtung des gesamten Energiesystems hinsichtlich sämtlicher Energie- und Verbrauchssektoren.
Die Energiesystemmodellierung stellt eine geeignete Methode zur Modellierung und Optimierung dieser urbanen Energiesysteme dar. Mit dem „Spreadsheet Energy System Model Generator“ (SESMG) hat die FH Münster ein Open Source Tool entwickelt, das die Betrachtung urbaner Quartiere ermöglicht. Diese können hinsichtlich verschiedener Zielkriterien wie z. B. monetären Kosten und THG-Emissionen optimiert werden. Die tabellenbasierte Eingabe erfordert keine Programmierkenntnisse. Das implementierte Urban District Upscaling Tool erleichtert die effektive Modellierung auch größerer Systeme. Die automatisierte Ergebnisaufbereitung ermöglicht eine schnelle Analyse der Ergebnisse.
The upscaling of wind turbines has been increasing in
recent years and will continue to play a significant role
in the future, as it allows for the reduction of electricity
generation costs. Various challenges arise when it
comes to upscaling. This article summarizes the technical
challenges associated with upscaling wind turbines
and presenting their problem-solving approaches
and research trends based on other reviews. It was
found that the most frequently cited challenges are
related to individual components, such as rotor blades,
drive train, generator, tower, and noise impact.
For rotor blades, the challenges are increased flexibility,
more aeroelastic vibrations, increased wear,
interferences with radar and transportation difficulties.
Proposed solutions include the use of carbon-fiber
blades, prebending, novel paints, and for transportation,
segmented rotor blades and on-site manufacturing.
In the gearbox, torque increases, leading to
higher weight and susceptibility to errors. As a result,
the trend is moving towards gearless systems with
permanent magnet synchronous generators. Transportation
is the major issue with towers, which can
be resolved with on-site manufacturing. In terms of
noise emission, reducing aerodynamic noise plays the
most significant role.
As Germany aims to increase its utilization of wind
power, the potential threat to bird populations due
to this expansion is a controversial issue. This paper
aims to collect data on the magnitude of bird strikes
on wind turbines, review existing protective measures
and explore innovative solutions. After a thorough
examination of the literature, it was concluded that
although the impact on bird populations is significant,
it may be overemphasized in popular debates. This
statement is not final as further research is necessary
to assess the impact of bird strikes and explore new
solutions. Comprehensive studies on this specific topic
in Germany are limited, which makes a thorough evaluation
challenging. While there are measures in place
to protect species that may be negatively impacted, it
is possible that these measures will not be adequate
for all of them. While several innovative methods
are under examination, progress in testing and implementation
is slow. Lastly, an information problem
was identified. Since the topic is highly politicized
and polarizing, it is crucial to provide the public with
accessible and reliable information on the discussed
themes. This is currently not the case due to a lack
of data and missing information campaigns.
Wind energy plays a major role among renewable
energies. Its expansion is therefore important in order
to achieve the climate targets. Repowering is an
important element in the expansion of wind energy.
On the one hand, it offers a solution for many wind
turbines in Germany that are no longer subsidised due
to their age. On the other hand, modern turbines are
significantly more powerful and enable more efficient
land utilisation. This article provides an overview of
the most important aspects of onshore repowering.
There is a lot to consider when repowering wind turbines.
The legal situation for repowering aims to
be improved through simplified authorisation procedures.
Even though efforts are being made by the
government, there is still room for improvement. The
repowering potential is also dependent on the various
distance regulations to residential buildings in
the federal states. These regulations might also be
improved in the future. Another aspect is the remuneration,
which is now closer to market developments
due to the market premium model. It is also subject
to greater competition as a result of the tendering
process. At the same time, interest rates and turbine
prices have risen, which creates economic challenges
for the operators of future wind farms. Last but not
least, repowering also depends on public acceptance.
This is also to be regulated by law in the future.