Kurzzeitprognose des Fernwärmebedarfs mit modularen künstlichen neuronalen Netzen.

Abstract

In diesem Aufsatz wird ein System zur Prognose der Wärmebedarfsmenge eines Fernwärmesystems (stundenweise für die nächsten 24 Stunden) aufgrund historischer Lastdaten und der aktuellen Wetterprognosen mit Hilfe von künstlichen neuronalen Netzen vorgestellt. Während der Designphase wurde ein iteratives, experimentelles Verfahren angewendet, um eine hohe Generalisierungsfähigkeit zu erzielen. Das verwendete Lernverfahren, der skalierte konjugierte Gradientenalgorithmus, erwies sich als sehr schnell, stabil und im Praxiseinsatz einfach handhabbar. Die Prognosegüte erreicht die eines erfahrenen Fernwärmeexperten.