Maschi­nelles Lernen & KI für mehr Ener­gie­ef­fi­zienz: DEDDIAG-Daten­satz im Journal Scien­tific Data

Abbildung: M. Wenninger et al. | Titel: DEDDIAG, a domestic electricity demand dataset of individual appliances in Germany | Lizenz: CC-BY (s.u.)

Lange Zeit wurde Stromverbrauch lediglich für Abrech­nungs­zwecke überwacht. Im Rahmen des dritten Energiepakets der Europäischen Union (Richtlinie 2009/72/EG11) sollten zunehmend  intelligente Messsysteme oder Smart Grid eingesetzt werden, um die Energieeffizienz durch die Entwicklung innovativer Preisformeln oder die Einführung oben genannter Messsysteme zu fördern.

Da rohe Strom­ver­brauchs­daten keine Aussagen über die Ursache des Stromverbrauchs bieten, können daraus auch keine sinnvollen Konzepte zur Veränderung bzw. Anpassung des Stromverbrauchs entwickelt werden. Um aussagekräftige retrospektive Erkenntnisse sowie prospektive Vorschläge zum Stromverbrauch der Verbraucher zu ermöglichen, müssen Mechanismen zur Infor­ma­ti­ons­be­schaf­fung, Verhal­tens­ana­lyse und Prognose entwickelt werden. Der größte Enabler für die Forschung sind Datensätze, und noch wichtiger sind öffentlich zugängliche Datensätze, da nur dann verschiedene Forschungsteams Veröf­fent­li­chungen auswerten und etablierte Techniken weiterentwickeln können.

Datensätze zur Stromnachfrage in Privathaushalten sind der Schlüssel für die Entwicklung und Evaluierung von Algorithmen für maschinelles Lernen, die die Analyse der Zuordnung zu Geräten und des Nutzungs­ver­hal­tens erleichtern. Die Aufschlüsselung des Strombedarfs von Haushalten wird als Schlüs­sel­tech­no­logie für intelligente Smart-Grid-Manage­ment­sys­teme gesehen, die ein Gleichgewicht von Stromangebot und -nachfrage anstreben. Zum Zweck vergleichbarer Forschung veröffentlichen wir DEDDIAG, einen Datensatz zum Strombedarf einzelner Haushaltsgeräte in Deutschland.

Der DEDDIAG-Datensatz (Domestic Electricity Demand Dataset of Individual Appliances in Germany) wurde hauptsächlich erfasst, um die Grundlage für automatisierte Last­ver­schie­bungs­an­wen­dungen im Haushalt zu schaffen, bei denen z. B. ein Real-Time-Price als Anreiz verwendet wird. Der Datensatz enthält daher Geräte, die das Potenzial für eine automatische Lastverschiebung haben (s.u.).

Der Datensatz enthält Aufzeichnungen von 15 Haushalten über einen Zeitraum von bis zu 3,5 Jahren, wobei insgesamt 50 Geräte mit einer Frequenz von 1 Hz aufgezeichnet wurden. Die aufgezeichneten Geräte sind für die Lastverschiebung von Bedeutung, wie z. B. Kühl- und Gefriergeräte, Geschirrspüler, Trockner und Waschmaschinen.
Ein Haus enthält auch dreiphasige Netzmesswerte, die für Disag­gre­ga­ti­ons­auf­gaben verwendet werden können. Zusätzlich enthält DEDDIAG manuelle Ereignis-Kommentare für 14 Geräte, die präzise Start- und Stopp-Zeitstempel liefern. Solche Annotationen wurden bisher für keinen uns bekannten langfristigen Stromdatensatz veröffentlicht.

Die Daten stehen anderen Forschungs­gruppen frei zur Verfügung (siehe unten).

 


Quelle:
Marc Wenninger, Andreas Maier & Jochen Schmidt: DEDDIAG, a domestic electricity demand dataset of individual appliances in Germany. Sci Data 8, 176 (2021). https://doi.org/10.1038/s41597-021-00963-2

Download von Software & Datensatz:
https://deddiag.github.io/  

Die Arbeit wurde gefördert durch das Bundes­mi­nis­te­rium für Bildung und Forschung, Förder­kenn­zei­chen 01LY1506, und durch das Bayerische Staats­mi­nis­te­rium für Wissenschaft und Kunst im Rahmen des Bayerischen Wissen­schafts­fo­rums (BayWISS), Verbundkolleg Energie (https://energie.baywiss.de/).

Abbildung:
Abbildung: M. Wenninger et al. | Titel: DEDDIAG, a domestic electricity demand dataset of individual appliances in Germany | Lizenz: CC-BY

Autorenprofile: