Mustererkennung von Stromverbrauchern

Die Stromversorgung erfordert zukünftig ein intelligentes Lastmanagement, sowohl auf nationaler Ebene als auch im regionalen Maßstab. Ziel ist es dabei, die Verteilung der zur Verfügung stehenden Energie möglichst effizient zu gestalten. Notwendige Voraussetzung hierfür ist eine unmittelbare Erkennung der angeschlossenen elektrischen Verbraucher (Lasten), beispielsweise alltägliche Haushaltsgeräte. Sind die zum Messzeitpunkt aktiven Geräte bzw. Gerätegruppen bekannt, so kann durch gezieltes Zu- und Abschalten die Nutzung des zur Verfügung stehenden Stroms optimiert werden.

Im Rahmen der Projektarbeit setzten die Masterstudenten verschiedene Verfahren ein, um anhand eines gemessenen Stromsignals auf die angeschlossenen Verbraucher schließen zu können. Die Messung erfolgte mithilfe eines Smart-Meters direkt an der Stromquelle. Nachdem die Messwerte erfasst und digitalisiert waren, konnten sie aufbereitet und mittels einer geeigneten Analysesoftware (in diesem Projekt wurde Matlab® verwendet) weiterverarbeitet werden. Mithilfe einer Fouriertransformation wurde aus den Daten das Amplitudenspektrum der verbraucherspezifischen Stromsignale bestimmt. In einem weiteren Schritt wurden daraus Merkmale für verschiedene Mustererkennungsalgorithmen extrahiert und diese dann in die von den Studenten entwickelten Programme eingespeist.

Die Ergebnisse haben gezeigt, dass die untersuchten Methoden auf Datengrundlage der extrahierten Merkmale eine Identifizierung einzelner Verbraucher und deren Kombinationen ermöglichen. Eine detaillierte Ergebnisanalyse zeigte die Möglichkeiten und Grenzen der verwendeten Algorithmen auf.

Bearbeitet von:

Sebastian Arns
Achim Guldner
Tobias Schunk

Unter Leitung von:

Prof. Dr. Klaus-Uwe Gollmer
Dipl.-Ing. (FH) Rainer Michels