Update on Open Thesis Topics!

3 minute read

Published:

This blog post serves to summarise open Bachelor and Master thesis topics. Furthermore, it’s possible to join our research group for a while by means of a Research Project in Smart Grids. Though open topics are announced to students via newsletter, the actual content and goals of a thesis are discussed individually and can be set in a way to meet the special interests of students. A selection of recently-accepted thesis topics:

  • Design and Verification of a low-cost Energy Monitor
  • Design of an Artificial Energy Consumption Tool
  • Analysing Smart Meter Data for Detection of Usage Patterns and Abnormal Behavior
  • Novel Deep Learning Techniques for Load Disaggregation

OPEN: Forecast of energy consumption in the residential sector

The energy consumption of users can be seen as an aspect of human behaviour. Without a doubt, this behaviour is influenced by weather conditions. When trained with smart meter readings, neural networks can be applied to predict the energy consumption of households. The question is, if weather forecast can serve as adequate training data to successfully predict the energy consumption of households. The scope of this thesis will be to explore this question.

Keywords: Machine Learning, Forecast, Energy Consumption

Contact

Christoph Klemenjak - christoph.klemenjak@aau.at

OPEN: Supervised learning techniques for energy advisors

Energy Advisors such as Mjölnir provide valuable feedback to the user. The feedback builds on gathered knowledge and observations of the energy consumption in households. The objective of this thesis will be:

Keywords: Machine Learning, Energy Advisor

Tasks

  • Review applicable supervised machine learning techniques and discuss their application in Energy Advisor tools
  • Implement the most preferable technique and embed it into the Mjölnir framework
  • Evaluate the performance by means of a case study

Contact

Christoph Klemenjak - christoph.klemenjak@aau.at

OPEN: Datensalat im Smart Home

Ausprägungen Künstlicher Intelligenz erfreuen sich derzeit großer Beliebtheit um Energieeffizienz in Haushalten und intelligenten Energienetzen zu steigern. Ein weiteres Anwendungsfeld stellt die Vorhersage von Energiebedarf dar, in welchem üblicherweise Machine Learning Methoden angewandt werden. Da solche Methoden sehr stark von den zugrundeliegenden Daten abhängig sind, ist es notwendig vorhandene Datensätze zu erforschen und deren Beschaffenheit zu verstehen, denn nicht jeder Datensatz eignet sich für Anwendungen im Smart Home.

Keywords: Datenanalyse, Charakterisierung von Datensätzen, Machine Learning

Konkrete Tätigkeiten

  • Beliebte Datensätze erforschen und charakterisieren
  • Mehrere Tools zur Datenanalyse kennenlernen
  • An einem Open Source Projekt arbeiten
  • Teil unseres Forschungsteams sein und Forschung hautnah erleben

Ansprechperson

Christoph Klemenjak - christoph.klemenjak@aau.at

OPEN: Mein Smarter Stromzähler

Intelligente Stromzähler halten dieser Tage überall in Europa Einzug in Haushalte. Dadurch soll die Abrechnung vereinfacht und neuartige Services ermöglicht werden. Hierbei stellt sich die grundsätzliche Frage welchen Mehrwert solche Zähler den Bewohner_innen bringen können. Die Forschungsgruppe Smart Grids hat einen Stromzähler entwickelt, der auf der Raspberry Pi Plattform basiert. Dadurch lässt sich in einfacher Weise ein Einblick in die Vorgänge eines Haushalts gewinnen, vernetzte Geräte ansteuern, und Daten erheben.

Keywords: Entwurf von elektronischen Schaltungen, Python, Machine Learning

Konkrete Tätigkeiten

  • mit intelligenten Messgeräten arbeiten
  • Messungen in unserem Smart Grid Labor durchführen
  • die Möglichkeit haben neue Services für das vorhandene Gerät zu entwickeln
  • an einem Open Source Projekt arbeiten
  • Teil unseres Forschungsteams sein und Forschung hautnah erleben

Ansprechperson

Christoph Klemenjak - christoph.klemenjak@aau.at

Comments