Zusammenfassung
Dieses Kapitel zielt darauf ab, zu erklären, wie man ein Prognosemodell für kurzfristige (Day-ahead-)Vorhersagen für eine elektrische Nachfrageanwendung implementiert. In diesem Kapitel wurden die elektrischen Nachfragedaten von gummibereiften Portalkranen (RTG) an Seehäfen verwendet, um die Fallstudie zu demonstrieren. Die RTG-Nachfrage ist hauptsächlich mit dem Containergewicht und der Anzahl der Bewegungen des Krans korreliert. Um ein Prognosemodell zu entwerfen, sollten eine Reihe von Elementen und Schritten berücksichtigt werden, wie unten skizziert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Häfen weltweit folgen den Anforderungen der Konvention über die Emissionen von Gasen und die Sicherheit des Lebens auf See (SOLAS). Dies erfordert, dass das Bruttogewicht jedes Containers beim Verlassen und Ankommen in jedem Hafen aufgezeichnet wird.
Literatur
Alasali F, Haben S, Becerra V, Holderbaum W (2017) Optimal energy management and mpc strategies for electrified rtg cranes with energy storage systems. Energies 10(10)
Alasali F, Haben S, Becerra V, Holderbaum W (2018) Day-ahead industrial load forecasting for electric rtg cranes. J Modern Power Syst Clean Energy 6:223–234
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Nature Switzerland AG
About this chapter
Cite this chapter
Holderbaum, W., Alasali, F., Sinha, A. (2023). Fallstudie: Prognosen für Niederspannungsbedarf. In: Energieprognose und Steuerungsmethoden für Energiespeichersysteme in Verteilungsnetzen. Springer Vieweg, Cham. https://doi.org/10.1007/978-3-031-45471-4_3
Download citation
DOI: https://doi.org/10.1007/978-3-031-45471-4_3
Published:
Publisher Name: Springer Vieweg, Cham
Print ISBN: 978-3-031-45470-7
Online ISBN: 978-3-031-45471-4
eBook Packages: Computer Science and Engineering (German Language)