Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
http://dx.doi.org/10.18419/opus-1478
Langanzeige der Metadaten
DC Element | Wert | Sprache |
---|---|---|
dc.contributor.author | Hufendiek, Kai | de |
dc.contributor.author | Kaltschmitt, Martin | de |
dc.date.accessioned | 1999-06-15 | de |
dc.date.accessioned | 2016-03-31T07:51:03Z | - |
dc.date.available | 1999-06-15 | de |
dc.date.available | 2016-03-31T07:51:03Z | - |
dc.date.issued | 1998 | de |
dc.identifier.other | 074006347 | de |
dc.identifier.uri | http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-3744 | de |
dc.identifier.uri | http://elib.uni-stuttgart.de/handle/11682/1495 | - |
dc.identifier.uri | http://dx.doi.org/10.18419/opus-1478 | - |
dc.description.abstract | Um die erweiterten Möglichkeiten des Stromhandels, die sich durch die geplante Liberalisierung des Strommarktes ergeben, optimal nutzen zu können, muß die Planung zur Deckung der Stromnachfrage in Energieversorgungs- und anderen Unternehmen auf einer verläßlichen Lastprognose beruhen. Künstliche neuronale Netze, über deren Möglichkeiten bei der Lastprognose ein kurzer Überblick gegeben wird, weisen in diesem Zusammenhang, u. a. gegenüber der klassischen multiplen Regression, Vorteile auf. Anhand typischer Merkmale werden die Lastprognosesysteme mit künstlichen neuronalen Netzen, die teilweise bereits mit Erfolg eingesetzt werden, kurz charakterisiert. Darüber hinaus werden noch vorhandene Probleme im Umgang mit dieser Methode aufgezeigt, die vor allem darin bestehen, daß die Entwicklung solcher Systeme bisher weitgehend auf Versuch und Irrtum basiert. Daher wird abschließend eine entsprechende Entwicklungsmethodik vorgestellt und diskutiert, die zwar im Detail noch auszugestalten ist, auf die aber für eine breite wirtschaftliche Anwendung individuell angepaßter Systeme nicht verzichtet werden kann. | de |
dc.language.iso | de | de |
dc.rights | info:eu-repo/semantics/openAccess | de |
dc.subject.classification | Neuronales Netz | de |
dc.subject.ddc | 620 | de |
dc.subject.other | künstliches neuronales Netz , Lastprognose , Lastgang , Lastganglinie , Kraftwerkseinsatzoptimierung | de |
dc.subject.other | artificial neural network , neural network , load forecasting | en |
dc.title | Einsatz künstlicher neuronaler Netze bei der kurzfristigen Lastprognose | de |
dc.type | conferenceObject | de |
dc.date.updated | 2015-11-11 | de |
ubs.fakultaet | Fakultät Energie-, Verfahrens- und Biotechnik | de |
ubs.institut | Institut für Energiewirtschaft und Rationelle Energieanwendung | de |
ubs.opusid | 374 | de |
ubs.publikation.source | VGB-Konferenz Forschung für die Kraftwerkstechnik 1998 | de |
ubs.publikation.typ | Konferenzbeitrag | de |
Enthalten in den Sammlungen: | 04 Fakultät Energie-, Verfahrens- und Biotechnik |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
374_1.pdf | 23,75 kB | Adobe PDF | Öffnen/Anzeigen |
Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.