02960 Time Series Analysis - with a focus on Modelling and Forecasting in Energy Systems (2022/2023)

02960 Time Series Analysis - with a focus on Modelling and Forecasting in Energy Systems

2022/2023

Kursusinformation

Engelsk titel	Time Series Analysis - with a focus on Modelling and Forecasting in Energy Systems
Undervisningssprog	Engelsk
Point( ECTS )	2,5
Kursustype	Ph.d., Faglig identitetskursus Kurset udbydes som enkeltfag

Skemaplacering	August Kurset afholdes 14.-18. august 2023.
Undervisningens placering	Kurset afholdes i region Syddanmark, sikkert i Fredericia, så snart en lokation er fastlagt, så meldes det ud til de tilmeldte.
Undervisningsform	Sommerskole som afholdes af DTU i samarbejde med NTNU. Sommerskolen er en arrangeret i samarbejde med projekterne ZEN, ARV, Syn.Ikia og Elexia.
Kursets varighed	[Kurset følger ikke DTUs normale skemastruktur]
Eksamensplacering	Inden en måned efter sommerskolen afleveres den sidste rapport til evaluering
Evalueringsform	Bedømmelse af øvelser og rapport(er) For at bestå kurset og opnå ECTS point skal raporter over øvelserne givet under sommerskolen afleveres en måned efter sidste dag, samt godkendes.
Bedømmelsesform	bestået/ikke bestået , intern bedømmelse
Obligatoriske forudsætninger	Grundlæggende ingeniør statistik kursus, samt et basalt kendskab til tidsrækkeanalyse.
Anbefalede forudsætninger	02402 02417
Deltagerbegrænsning	Minimum 15 Maksimum: 100

Kursusansvarlig	Peder Bacher , Lyngby Campus, Bygning 303B , pbac@dtu.dk
Medansvarlige	Henrik Madsen , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3408 , hmad@dtu.dk
Institut	01 Institut for Matematik og Computer Science
Ekstern samarbejdsinstitution	NTNU
Tilmelding	I studieplanlæggeren Tilmelding skal også ske til Peder Bacher, pbac@dtu.dk. Gæster bedes også tilmelde sig via https://www.dtu.dk/english/education/phd/intro/guest-phd/Guest_courses/Registration_form

Overordnede kursusmål

At give deltagerne en konkret indføring i de statistiske teknikker, som er specielt andvendlige til modellering baseret på data observeret fra energi systemer, samt anvendelsen af modellerne f.eks. til styring.

Læringsmål

En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

Opnå grundig forståelse for maximum likelihood estimationsteknikker.
Formulere og anvende ikke-parametriske modeller vha. kernel funktioner og splines - specielt til modellering af solindstrålings- og brugeradfærdeffekter.
Formulere og anvende tidsadaptive modeller.
Formulere og anvende modeller til short-term forecasting i energisystemer, f.eks. til varmeforbrug i bygninger, eleffekt fra solceller og vindmøller.
Anvendelse af statistiske modeludvælgelsesteknikker (F-test, likelihood ratio-tests, model validering).
Formulere og anvende grey-box modeller - model identifikation - test for model order og model validering, samt avancerede ikke-lineære modeller.
Opnå forståelse af model predictive control (MPC) - via konkrete anvendte eksempler på energisystemer.
Opnå forståelse af fleksibilitetsfunktioner og -indeks.

Kursusindhold

Generelt er der brug for selvindstillende modeller af hver komponent i et system, men kun i den nødvendige detaljegrad til den konkrete anvendelse. Har man f.eks. en bygning med solceller og varmepumpe, så har man typisk brug for en model fra vejrprognoser og styrevariabler til: eleffekt fra solceller, ellast fra varmepumpen, samt indetemperatur i bygningen. Disse i kombination med elpriser, vil i en MPC styring, kunne optimere driften af varmepumpen og flytte forbruget for at opnå den billigste drift. Der findes mange andre anvendelse, e.g. KPI performance estimation og fejldiagnostisering, disse anvendelser vil også blive eksemplificeret. Den statistiske teori bag modellerne vil blive præsenteret, specielt er fokus på ikke-lineære modeller, både diskrete (kernels og splines) og kontinuerte (grey-box modellering med SDEer).

Litteraturhenvisninger

Som udgangspunkt forventes kendskab til tidsrækkeanalyse, som præsenteret i http://henrikmadsen.org/books/time-series-analysis/. Materialet til selve kurset vil blive tilgængeligt for deltagerne.

Sidst opdateret

14. marts, 2023