Vergleichende Analyse und Evaluation von klassischen und Machine-Learning-basierten Verfahren zur Wärmebedarfsprognose im Wohnungssektor

Krisch, Martin (2023) Vergleichende Analyse und Evaluation von klassischen und Machine-Learning-basierten Verfahren zur Wärmebedarfsprognose im Wohnungssektor. Bachelorarbeit, Carl von Ossietzky Universität Oldenburg.

PDF - Nur DLR-intern zugänglich
1MB

elib-URL des Eintrags:

https://elib.dlr.de/194132/

Dokumentart:

Hochschulschrift (Bachelorarbeit)

Titel:

Vergleichende Analyse und Evaluation von klassischen und Machine-Learning-basierten Verfahren zur Wärmebedarfsprognose im Wohnungssektor

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Krisch, Martin	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2023

Referierte Publikation:

Nein

Open Access:

Nein

Seitenanzahl:

Status:

veröffentlicht

Stichwörter:

heat demand, load forecast, LSTM, support vector regression, neural network, machine learning, residential heat

Institution:

Carl von Ossietzky Universität Oldenburg

Abteilung:

Fachbereich Physik

HGF - Forschungsbereich:

Energie

HGF - Programm:

Energiesystemdesign

HGF - Programmthema:

Digitalisierung und Systemtechnologie

DLR - Schwerpunkt:

Energie

DLR - Forschungsgebiet:

E SY - Energiesystemtechnologie und -analyse

DLR - Teilgebiet (Projekt, Vorhaben):

E - Energiesystemtechnologie

Standort:

Oldenburg

Institute & Einrichtungen:

Institut für Vernetzte Energiesysteme > Energiesystemtechnologie

Hinterlegt von:

Brucke, Karoline

Hinterlegt am:

20 Mär 2023 10:15

Letzte Änderung:

20 Mär 2023 10:15

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags