46040 Introduktion til energianalyse

2024/2025

Kursusinformation
Introduction to energy analytics
Engelsk
5
Bachelor
Retningsspecifikt kursus (BSc), Bæredygtigt Energidesign
Retningsspecifikt kursus (BSc), General Engineering
Teknologiske linjefag, Bæredygtigt Energidesign
F5B (ons 13-17)
Campus Lyngby
Klasseundervisning, øvelser og projektarbejde
13-uger
F5B
Skriftlig eksamen og bedømmelse af rapport(er)
Karakteren gives på baggrund af en bedømmelse af en skriftlig eksamen og opgaverapporter.
Skriftlig eksamen: 2 timer
Alle hjælpemidler - uden adgang til internettet
7-trins skala , intern bedømmelse
31762
31762
02402/02002 , En solid forståelse og brug af Python anbefales stærkt
Haris Ziras , Risø Campus, Bygning 330, Tlf. (+45) 4677 4804 , chazi@dtu.dk
Spyros Chatzivasileiadis , Lyngby Campus, Bygning 325, Tlf. (+45) 4525 5621 , spchatz@dtu.dk
46 Institut for Vind og Energisystemer
I studieplanlæggeren
Overordnede kursusmål
Hovedformålet med kurset er at løfte sløret for mulighederne i grænsefladen af digitalisering af energisektoren, ved at gennemgå nogle indledende begreber inden for energianalyse og optimering.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Beskriv og analyser vigtige typer data relateret til energimarkeder
  • Beskriv en række beslutningsproblemer hos elforbrugere og prosumere som optimeringsproblemer
  • Kunne udlede og diskutere beskrivende statistikker om energirelaterede data
  • Implementere, bruge og evaluere regressions- og maskinlæringsteknikker med fokus på forecasting
  • Udvikle dataanalyse- og optimeringsprogrammer i Python
  • Kombiner forskellige dataanalyseteknikker til større og mere komplicerede problemer
  • Organisere og udføre gruppebaseret projektarbejde
  • Effektivt præsentere projektarbejde i skriftlig form
Kursusindhold
Kombinationen af stigende datatilgængelighed i energisystemer og liberaliseringen af energimarkederne medfører en række muligheder og udfordringer i driften af energisystemer. Kurset koncentrerer sig hovedsageligt om sagen om elektricitet og relaterede brugssager.

Der vil blive givet en kompakt introduktion til elmarkeder og priser, da dette vil tjene som vejledende anvendelse af metoderne undervist i dette kursus. Parallelt hermed vil forskellige typer relevante datasæt blive introduceret, såsom forbrugsdata for intelligente målere, PV-produktion, elpriser og meteorologiske data. Forskellige nyttige teknikker til at analysere sådanne datasæt og løse et sæt af relaterede problemer vil blive introduceret, såsom regression, prognose, maskinlæring og optimering. Der vil blive lagt vægt på en række analyse- og optimeringsproblemer, f.eks. den optimale planlægning af lager for at maksimere profitten på et marked, og forudsigelse af elpriser. Fokus vil også blive placeret på at lære at opsætte strenge optimeringsproblemer, på at sammenligne forskellige teknikker (f.eks. ARIMA-modeller vs maskinlæring) og på træning og korrekt evaluering af modellerne. Desuden vil eleverne anvende Python-programmeringssproget til at behandle data, udføre analyser og implementere optimeringsmetoder. Et vigtigt mål med kurset er at kombinere de udviklede modeller og teknikker (f.eks. optimering og prognoser) til løsning af større energianalyseproblemer.
Sidst opdateret
02. maj, 2024