Sie sind hier: Startseite Forschung Smart Cities & Industries … Forschungsfokus: Smart Cities

Forschungsfokus: Smart Cities

Laufende Forschungsprojekte

Characterization of Demand Response in Distribution Grids
Motivation
  • Load flexibility is an important contribution to the efficient operation of electricity systems with high shares of renewable energies
  • We propose an online Demand Response program wirh variable pricing, identify effective prices usind Deep Reinforcement Learning, and study system and load behavior.
Ziel
  • Identify potential for system operation cost reductions using an online DR program
  • Study suitability of a Deep Reinforcement Learning approach to identify effective prices when the DR program operator has limited information on load flexibility
  • Investigate the effect of forecasting quality with regard to congestion and expectations of load operators
Methodik
  • Identification of agent-based flexibility supply functions under uncertainty using dynamic programming and optimal control
  • Simulation of appregate load in a distribution system participating in demand response programs
  • Optimization of DR programs using Deep Reinforcement Learning

demand_response.jpg

Partner
  • Stanford University
  • LMU München
Publikationen
  • Arlt M-L, Gust G, Neumann D: Price-Based Demand Response Programs for Constrained Electricity Systems. Working Paper.
  • Arlt, M.-L.; Gust, G.; Neumann, D. (2018): Impact of Timely Information on Demand Response and Efficient Electricity Grid Operation. 36th USAEE/IAEE North American Conference, Washington D.C., USA, 23.-26.09.2018

 

Verlässliche städtische Mobilitätssysteme
Ziel
  • Verbindungen in urbanen Mobilitätssysteme sind inhärent unsicher. Insbesondere wenn mehrere Verkehrsmittel (z.B. Straßenbahn und Bus, Fahrrad/eScooter und Bus) kombiniert werden, besteht das Risiko Anschlussverbindungen zu verpassen.
  • In diesem Projekt wird ein Routenplaner entwickelt, der optimale Routen bestimmt, die gleichzeitig verlässlich sind.
Methodik
  • Neuartiges, exaktes Routenplanungsverfahren unter Unsicherheit
  • Realdatenbasierte empirische Fallstudie 
Ergebnisse
  • Routenplanungsalgorithmus, der verlässliche Routen unter Berücksichtigung von Unsicherheit und Budgetrestriktionen (z.B. Kosten, maximale Laufdistanz) bestimmen kann.
  • Zeitersparnis verlässlicher Routenplanung bis zu 37% im Vergleich zu konventioneller Routenplanung
reliable_routing.png
Publikationen
  • Ruß M, Gust G, Neumann D
    The Constrained Reliable Shortest Path Problem in Stochastic Time-Dependent Networks
    2020 Operations Research, Band: Forthcoming
  • Russ M, Gust G
    Arriving Faster and More Sustainably: Benefits of Reliable Route Planning for Urban Intermodal Transportation Systems
    Under Review.

 

 

3D Urban Analytics
Ziel
  • Nutzung von 3D Repräsentationen von Städten (3D City Models) für neuartige digitale Dienstleistungen
  • Z.B. Automatisierte Erstellung von 3D Photovoltaikregistern
  • Z.B. Automatisierte Schätzung von Immobilienpreisen und Gebäudeenergieverbräuchen
  • Z.B. Modellierung der Hitzeentwicklung in Städten
Methodik
  • Einsatz neuartiger Verfahren im Bereich 3D Analytics (z.B. geometric deep learning)
  • Bilderkennungsverfahren
  • Optimierungsverfahren 
Ergebnisse

urban_analytics1.jpg

urban_analytics2.jpg
Partner
  • Stanford University
  • Rotterdam School of Management, Erasmus University
  • Helmholtz-Zentrum Geesthacht
Publikationen
  • Gust G, Brandt T, Koppius O, Rosenfelder M, Neumann D: 3D Analytics: An IS Research Agenda and Modeling Guidelines. Under review
  • Rosenfelder M, Wussow M, Gust G, Cremades R, Neumann D: Predicting Residential Electricity Consumption Using Aerial and Street View Images. Under Review.
  • Rausch B, Mayer K, Arlt M, Gust G, Staudt P, Rajagopal R, Neumann D, Weinhardt C
    An Enriched Automated PV Registry: Combining Image Recognition and 3D Building Data
    2020 NeurIPS 2020 Workshop Tackling Climate Change with Machine Learning
  • Rosenfelder M, Gust G, Neumann D
    Decision Support for Real Estate Investors: Improving Real Estate Valuation with 3D City Models and Points of Interest
    2019 Proceedings of the 14. Internationale Tagung Wirtschaftsinformatik, Siegen, Germany

 

Datengetriebene Planung von Ladesäulen für Elektrofahrzeuge
Ziel
  • Design eines Decision Support Systems für den bedarfsgerechten Ausbau von Ladeinfrastruktur für E-Fahrzeuge in Städten
  • Entwicklung einer Datengrundlage für die strategische Ausbauplanung von Ladeinfrastruktur
  • Schaffen einer Entscheidungshilfe für Betreiber von Ladeinfrastruktur und Stadtplaner
Erwartete Ergebnisse
  • Ermittlung des zukünftigen Bedarfs an Ladeinfrastruktur in Städten
  • Identifizierung von Bedarfscharakteristika in unterschiedlichen Stadtgebietstypen
Methodik
  • Entwicklung eines hierarchischen Bayes-Modells zur Vorhersage des Ladebedarfs durch E-Fahrzeuge unter Berücksichtigung von Unsicherheiten und mangelnder Verfügbarkeit von Daten
  • Berücksichtigung des Verkehrsaufkommens und des Ladeverhaltens von Nutzern
  • Anwendung von variational inference zur Ermöglichung von komplexen Bayes-Modellen
  • Modellierung eines Queuing-Netzwerks mit unterschiedlichen Klassen von Servern und Kunden
    ladesäulen_e_fahrzeuge.png

 

Klimagerechte Stadtplanung
Ziel
  • Datengetriebene Erfassung von Gebäudeinfrastruktur und Energieverbrauch
  • Modellierung von kausalen Zusammenhängen zwischen Gebäudeeigenschaften sowie sozioökonomischen Faktoren und Energieverbrauch
  • Bewertung der Effektivität möglicher regulatorischer Maßnahmen zur Senkung der CO2 Emissionen von Gebäuden
Methodik
  • Schätzung des Energieverbrauchs von einzelnen Gebäuden auf Grundlage von Luft- und Straßenbildern durch Anwendung moderner Bilderkennungsverfahren (z.B. Convolutional Neural Networks)
  • Ermittlung des Energieverbrauchs von Gebäuden auf Nachbarschaftsebene für große geografische Gebiete (z.B. ganze Länder) auf Grundlage von statistischen Erhebungen (z.B. zu Gebäudeinfrastruktur, Energieverbrauch, demografischen und sozioökonomischen Faktoren) durch hierarchische Bayes Modelle
  • Kontrafaktische Simulationen von regulatorischen Maßnahmen, die Einfluss auf die Gebäudeinfrastruktur nehmen (z.B. Anreize für Renovierungen, energieeffizientes Bauen, etc.), und Kosten-Nutzen Bewertung
Bisherige Ergebnisse
  • Unser Bilderkennungsverfahren erkennt wesentliche Gebäudemerkmale (z.B. Alter, Größe, Stockwerke, etc.) auf Luft- und Straßenbildern mit hoher Genauigkeit
  • Den Gebäudeenergieverbrauch erfasst unser bildbasiertes Modell ähnlich genau wie herkömmliche Modelle, deren Abschätzung auf tatsächlichen Gebäudedaten beruhen
  • Unsere hierarchische Bayes-Modellierung des Energieverbrauchs von Nachbarschaften projiziert die Erkenntnisse von statistischen Stichproben effizient auf große geografische Regionen 
mask.png
Publikationen
  • Rosenfelder M., Wussow M., Gust G., Cremades R., Neumann D.: Predicting Residential Electricity Consumption Using Aerial and Street View Images – Submitted to Applied Energy, 2021

 

Bestimmung von (geographischen) Einflussfaktoren auf die Nutzung von Carsharing
Ziel
  • Eingrenzung des optimalen Geschäftsgebietes für Free-Float-Carsharing
Methodik
  • Datengrundlage: 1 Million Fahrten und 180.000 POIs
  • Statistisches Modell, welches die Korrelation zwischen Fahrten in einer bestimmten Region und POIs in der Umgebung nutzt
Ergebnisse
  • Visualisierung der erwarteten Nachfrage im aktuellen Geschäftsgebiet und in potenziellen Expansionsgebieten
  • Entscheidungskriterien für Expansionsstrategien
  • Erfahrungen des Carsharing-Partners bestätigen Modellvorhersagen
  erwartete_nachfrage_poi.jpg tatsaechliche_nachfrage.jpg Erwartete Nachfage aufgrund von points of interest (l.), verglichen mit tatsächlicher Nachfrage (r.)
Publikationen

 

 

 

Abgeschlosse Forschungsprojekte

 

Geographische Relationen aus sozialen Medien
Ziel
  • Erklärung der geographischen Präferenzen von Personengruppen anhand von Daten sozialer Netzwerke
Methodik
  • Datengrundlage: 650.000 Tweets und 60.000 POIs
  • Abschätzung von Attraktivität unterschiedlicher Stadtbereiche durch geo-statistische Analyse der Twitter-Aktivität in der Umgebung
Ergebnisse
  • Es wurden erfolgreich Beziehungen zwischen der Twitter-Aktivität und Geschäften/Lokalitäten aufgedeckt
  • Erkenntnisse sind insbesondere wertvoll für die Marktforschung und den Einsatz ortsbezogener Dienste, z.B. Recommender-Systeme
  geo_temporale_beobachtungen.jpg auftrittswahrscheinlichkeiten.jpg Geo-temporale Beobachtungen (l.) können genutzt werden, um Auftritts-
wahrscheinlichkeiten (r.) von unabhängigen Ereignissen zu berechnen

Publikationen

  • Bendler J, Wagner S, Brandt T, Neumann D: Taming Uncertainty in Big Data - Evidence from Social Media in Urban Areas BISE/WIRTSCHAFTSINFORMATIK Special Issue "Big Data", 2014.
  • Bendler J, Brandt T, Wagner S, Neumann D: Investigating Crime-to-Twitter Relationships in Urban Environments – Facilitating a Virtual Neighborhood Watch 2014 (22nd European Conference on Information Systems (ECIS 2014), Tel Aviv, Israel, June 9-11, 2014).

 

Demand Response
Ziel
  • Design von Demand-Response-Systemen zur Optimierung der Lastverschiebung
  • Abschätzung des Kosten-Nutzen-Verhältnisses unter einer aggregierten, ortsbezogenen Betrachtung
Methodik
  • Datengrundlage: Elektrizitätspreise, Stromnachfrage, Demand-Response-Potential
  • Finanztechnisches Optimierungsmodell um Lastverschiebungsentscheidungen zu unterstützen
  • Sensitivitätsanalysen um die Auswirkung verschiedener Parameter zu untersuchen
Ergebnisse
  • Hohe Kommunikationskosten, die direkte Kosteneinsparungen übertreffen
  • Demand-Response-Potential zu niedrig um an Strombörsen gehandelt zu werden → Regulierungsanpassungen notwendig

Discrepancy_RES_Demand

  • Direkte Lastverschiebung profitabler als andere Nutzungsoptionen wie Regelleistung
Publikationen

 

Informationssysteme zur Vehicle-to-Household-Integration
Ziel
  • Design eines Informationssystems zur Verbesserung der Eigenenergienutzung von Haushalten
  • Identifikation von"Grünen Synergien" zwischen Vehicle-to-Grid (V2G) Technologie (bidirektionales Laden) und Photovoltaikenergie
Methodik
  • Datengrundlage: Realdaten zu Elektrizitätspreisen, PV-Erzeugung und Mobilitätsmustern
  • Entwicklung verschiedener Strategien für das optimale Laden von Elektrofahrzeugbatterien unter hohem Eigenenergieverbrauch
  • Sensitivitätsanalysen um die Auswirkung verschiedener Parameter zu untersuchen
Results
  • Gewinn aus Energieeinspeisung übertrifft Kosten für Haushaltsverbrauch und Mobilität
  • Nutzung von Plug-in-Hybridfahrzeugen ermöglicht die Zwischenspeicherung von Solarenergie

Benchmark: no load strategy                 V2G load strategy

  • Gewinn ist äquivalent zu einer 7.500$-Subvention für den Kauf von V2G-fähigen Elektrofahrzeugen
Publikationen