Tim Kappler

Motivation

Photovoltaikanlagen werden immer verbreiteter und immer häufiger in Kombination mit Batteriespeichern betrieben. Kommen steuerbare Lasten wie z.B. Ladestationen für elektrische Fahrzeuge dazu, kommt ein zusätzlicher Freiheitsgrad hinzu. Um dies optimieren zu können, ist eine Vorhersage über die zukünftige Leistung der Photovoltaikanlagen essenziell. Bisherige Vorhersagemodelle basieren meist auf historischen Daten einer Anlage unter der Verwendung von maschinellen Lernverfahren. Wird jedoch eine Anlage neu in Betrieb genommen, existieren diese Daten aus der Vergangenheit nicht. Darum soll in dieser Arbeit untersucht werden, wie vorhandene Vorhersagen mittels Transfer Learning auf die neuen Anlagen übertragen werden können

Aufgabenstellung

Zuerst soll der Stand der Forschung zu Transfer Learning Methoden und eine Recherche zu Leistungsprognosen für PV Anlagen herausgearbeitet werden. Danach erfolgt eine Einarbeitung in die Prognosealgorithmen zur Vorhersage der PV Leistung und Erstellung eines Basis-Modells, welches auf neue PV-Anlagen übertragen werden soll. Anschließend sollen Transfer-Learning Szenarien selbstständig ausgewählt werden und darauf aufbauend verschiedene Transfer-Learning Methoden entwickelt und validiert werden. Abschließend erfolgt die Dokumentation der gewonnenen Ergebnisse in einer wissenschaftlichen Arbeit und Präsentation in einem Vortrag mit Diskussion.