Refine
Document Type
- Contribution to a Periodical (1)
- Master's Thesis (1)
- Report (1)
Language
- German (3) (remove)
Keywords
- Verfahren (3) (remove)
Institute
Open Access
- Open Access (2)
- Bronze (1)
- Closed Access (1)
Der effektive Einsatz von Energie ist vor dem Hintergrund von begrenzten Ressourcen und der Forderung nach einer Reduzierung der bei der Energiegewinnung entstehenden Umweltbelastungen von wachsender Bedeutung. Für die noch relativ junge Gruppe der generativen Fertigungsverfahren liegen bis heute kaum Untersuchungen zum Energieverbrauch vor. Deshalb werden in diesem Beitrag zwei weit verbreitete Rapid-Prototyping-Verfahren (3D-Drucken und Fused Deposition Modeling) hinsichtlich ihres Energieverbrauchs untersucht und verglichen. Zudem werden Maßnahmen zur Steigerung der Energieeffizienz aufgezeigt und Einsparmöglichkeiten genannt.
Für die Prognose von Zeitreihen sind bezüglich der Qualität der Vorhersagen heutzutage neuronale Netze und Deep Learning das Mittel der Wahl. LSTM-Netzwerke etablierten sich dazu als eine gut funktionierende Herangehensweise. 2017 wurde der auf Attention basierende Transformer für die Übersetzung von Sprache vorgestellt. Aufgrund seiner Fähigkeit mit sequenziellen Daten zu arbeiten, ist er auch für Zeitreihenprobleme interessant. Diese wissenschaftliche Arbeit befasst sich mit der Vorhersage von Zeitreihen mit einem Transformer. Es wird analysiert, inwiefern sich ein Transformer für Zeitreihenvorhersagen von einem Transformer für Sprachübersetzungen unterscheidet und wie gut die Vorhersagen im Vergleich zu denen eines LSTM-Netzwerkes abschneiden. Dazu werden ein LSTM- und ein Transformer-Netzwerk auf Luftqualitäts- und Wetterdaten in Berlin trainiert, um den Feinstaubgehalt (PM25) in der Luft vorherzusagen. Die Ergebnisse werden mit einem Benchmark-Modell anhand von Evaluationsmetriken verglichen. Anschließend wird evaluiert, wie die Fehler des Transformers reduziert werden können und wie gut der Transformer generalisiert.
In dem Projekt BioMeth wurde der Ansatz der Membranbegasung zur Erhöhung der Verfügbarkeit von gelöstem Wasserstoff für die biologische Methanisierung im Sinn der Etablierung eines Power-to-Gas-Konzeptes zur Energiespeicherung verfolgt. Übergeordnetes Ziel war die Entwicklung eines skalierbaren Verfahrenskonzeptes, dass sich zur Nutzung CO2-haltiger Gasvolumenström eignet. Geplant war es, das Verfahren am Beispiel der Biogasanlage der Biokäserei Monte-Ziego in Teningen zu demonstrieren und dort das bestehende Konzept der parallelen Abwasseraufbereitung und Energieerzeugung zu erweitern. Die ursprüngliche Struktur des Arbeitspaketplanes ist in nachfolgender Abbildung gezeigt.