Verbesserung eines Bilderkennungsframeworks zur Bestim-mung des Photovoltaik-Potentials

Institute
Lehrstuhl für Fahrzeugtechnik
Type
Semester Thesis / Master's Thesis /
Content
 
Description

Um die globale Klimaproblematik einzudämmen hat die Bundesregierung Maßnahmen und Ziele für Deutschland, vor allem im Energie- und Verkehrssektor, beschlossen. Um die bisher verfehlten Ziele schneller erreichen zu können kann die Koppelung der Sektoren Synergien bieten, die die Nachteile von Einzellösungen (Netzstabilität, Kosten, etc.) ausgleichen.

Zur Analyse der Synergien an einem Standort sind eine Reihe von Informationen wie Mobilitätsaufkommen, Gebäude-Abmaße und Energiebedarfe nötig. Damit die Synergien für ein Gebiet (z.B. eine Stadt) abgeschätzt werden können, sollen GIS- und Bilderkennungsmethoden genutzt werden, um die relevanten Informationen aus öffentlich verfügbaren Quellen zu extrahieren.

In dieser Arbeit soll der Bereich der PV-Potentialanalyse mit Bilderkennung näher untersucht werden. Aufbauend auf einem existierenden Framework sollen die Einflüsse der Datengrundlage auf die Performance der Machine-Learning Algorithmen untersucht werden. Außerdem soll das Framework adaptiert werden, um bisherige Ungenauigkeiten zu verbessern.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Literaturrecherche zur PV‑Potentialabschätzung und Einarbeitung in das existierende Framework
  • Untersuchung der Datengrundlage und Definition von Test-Set-Ups
  • Definition von Anpassungen des Frameworks und Implementierung der Änderungen
  • Training der Netzwerke
  • Auswertung der Daten und Vergleich der Ergebnisse
Tags
FTM Smarte Mobilität FTM Krapf
Possible start
sofort
Contact
Sebastian Krapf
Room: 3510
Phone: +49 89 289 15769
krapfftm.mw.tum.de