Forschungsfokus: Smart Cities

• 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.

• 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

• 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

• Stanford University
• LMU München

• 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

• 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.

• Neuartiges, exaktes Routenplanungsverfahren unter Unsicherheit
• Realdatenbasierte empirische Fallstudie 

• 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

• 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.

• 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

• Einsatz neuartiger Verfahren im Bereich 3D Analytics (z.B. geometric deep learning)
• Bilderkennungsverfahren
• Optimierungsverfahren 

• OpenSource Package zur Erstellung von 3D Photovotaikregistern
• Erstes teildachflächengenaues Photovoltaikregister, das zudem Dachneigungswinkel enthält
• Verbesserung der Lokalisierung von Photovoltaikanlagen um bis zu 70% im Vergleich zu 2D Analytics
• (Geplant) Erstellung eines 3D Stadtbaukastens

• Stanford University
• Rotterdam School of Management, Erasmus University
• Helmholtz-Zentrum Geesthacht

• 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

• 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

• Ermittlung des zukünftigen Bedarfs an Ladeinfrastruktur in Städten
• Identifizierung von Bedarfscharakteristika in unterschiedlichen Stadtgebietstypen

• 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
  

• 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

• 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

• 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 

• 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

• Eingrenzung des optimalen Geschäftsgebietes für Free-Float-Carsharing

• 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

• Visualisierung der erwarteten Nachfrage im aktuellen Geschäftsgebiet und in potenziellen Expansionsgebieten
• Entscheidungskriterien für Expansionsstrategien
• Erfahrungen des Carsharing-Partners bestätigen Modellvorhersagen

• Wagner S, Brandt T, Neumann D: In Free Float: Developing Business Analytics Support for Carsharing Providers Omega - The International Journal of Management Science, 2015. : http://dx.doi.org/10.1016/j.omega.2015.02.011

• Erklärung der geographischen Präferenzen von Personengruppen anhand von Daten sozialer Netzwerke

• Datengrundlage: 650.000 Tweets und 60.000 POIs
• Abschätzung von Attraktivität unterschiedlicher Stadtbereiche durch geo-statistische Analyse der Twitter-Aktivität in der Umgebung

• 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

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).

• Design von Demand-Response-Systemen zur Optimierung der Lastverschiebung
• Abschätzung des Kosten-Nutzen-Verhältnisses unter einer aggregierten, ortsbezogenen Betrachtung

• Datengrundlage: Elektrizitätspreise, Stromnachfrage, Demand-Response-Potential
• Finanztechnisches Optimierungsmodell um Lastverschiebungsentscheidungen zu unterstützen
• Sensitivitätsanalysen um die Auswirkung verschiedener Parameter zu untersuchen

• Hohe Kommunikationskosten, die direkte Kosteneinsparungen übertreffen
• Demand-Response-Potential zu niedrig um an Strombörsen gehandelt zu werden → Regulierungsanpassungen notwendig

• Direkte Lastverschiebung profitabler als andere Nutzungsoptionen wie Regelleistung

• Feuerriegel S, Neumann D: Measuring the financial impact of demand response for electricity retailers, Energy Policy, 2014; 65: 359-368.
• Feuerriegel S, Strüker J, Neumann D: Reducing Price Uncertainty through Demand Side Management, 2012 (33rd International Conference on Information Systems (ICIS 2012), Orlando, Florida, 16-19 December 2012, Completed Research Paper).

• Feuerriegel S, Bodenbenner P, Neumann D: Is More Information Better Than Less? Understanding the Impact of Demand Response Mechanisms in Energy Markets, 2013 (Paper 192, ECIS 2013, 21st European Conference on Information Systems, Utrecht, Netherlands, June 5-8, 2013, Completed Research Paper).

• Design eines Informationssystems zur Verbesserung der Eigenenergienutzung von Haushalten
• Identifikation von"Grünen Synergien" zwischen Vehicle-to-Grid (V2G) Technologie (bidirektionales Laden) und Photovoltaikenergie

• 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

• Gewinn aus Energieeinspeisung übertrifft Kosten für Haushaltsverbrauch und Mobilität
• Nutzung von Plug-in-Hybridfahrzeugen ermöglicht die Zwischenspeicherung von Solarenergie

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

• Brandt T, Feuerriegel S, Neumann D: Shaping a Sustainable Society: How Information Systems Utilize Hidden Synergies between Green Technologies, 2013 (34th International Conference on Information Systems (ICIS 2013), Milan, Italy, 15-18 December 2013, Completed Research Paper).

• Brandt T, Feuerriegel S, Neumann D: A Household-oriented Approach to the Benefits of Vehicle-to-Grid-capable Electric Vehicles, 2013 (11. Internationale Tagung Wirtschaftsinformatik (WI), Leipzig, 2013, Paper 105).