In this master thesis we develop statistical models for energy use of appliances. The factors influencing energy consumption becomes more important every day and making good predictions for an intelligent energy distribution is increasingly being discussed. This thesis presents four final statistical models to quantify the effect of temperature, humidity and very deciding time effect covariates on the appliances energy consumption. To create models for predictions, the multiple linear regression (LM) and the generalized additive model (GAM) are used. These models are improved and adapted by allowing for linear and non-linear structure on a logarithmic transformed response variable the appliances energy use. Additionally, we consider not only the main effect, but also interactions with a time effect, namely the hour effect. The evaluation and comparison of model fits are based on the adjusted coefficient of determination (R2adj ) and the Akaike’s information criterion (AIC). Better results are seen for GAM’s, but due to the integration of non-linear components and interactions, we also reach satisfying results for the LM’s.      «

In this master thesis we develop statistical models for energy use of appliances. The factors influencing energy consumption becomes more important every day and making good predictions for an intelligent energy distribution is increasingly being discussed. This thesis presents four final statistical models to quantify the effect of temperature, humidity and very deciding time effect covariates on the appliances energy consumption. To create models for predictions, the multiple linear regression (L...     »

Im Rahmen dieser Masterarbeit entwickeln wir statistische Modelle für die Energienutzung von Geräten. Die Einflussfaktoren auf den Energieverbrauch werden von Tag zu Tag wichtiger und das Treffen von guten Vorhersagen für eine intelligente Energieverteilung wird zunehmend diskutiert. Diese Arbeit präsentiert vier finale statistische Modelle zur Quantifizierung des Einflusses von Temperatur, Luftfeuchtigkeit und sehr entscheidende Zeiteffekt-Kovariaten auf den Energieverbrauch der Geräte. Um Modelle für die Vorhersagen zu erstellen, werden die multiple lineare Regression (LM) und das verallgemeinerte additive Modell (GAM) verwendet. Diese Modelle werden verbessert und angepasst, indem sie eine lineare und nichtlineare Struktur auf einer logarithmisch transformierten Zielgröße, dem Energieverbrauch der Geräte, ermöglichen. Zusätzlich berücksichtigen wir nicht nur den Haupteffekt, sondern auch Interaktionen mit einem Zeiteffekt, und zwar dem Effekt der Stunden. Die Bewertung und der Vergleich der Modellanpassungen basieren auf dem adjustierten Bestimmtheitsmaß (R2adj ) und dem Akaike Informationskriterium (AIC). Bessere Ergebnisse werden für GAM’s erzielt, aber aufgrund der Integration von nichtlinearen Komponenten und Interaktionen erreichen wir auch zufriedenstellende Ergebnisse für die LM’s.     «

Im Rahmen dieser Masterarbeit entwickeln wir statistische Modelle für die Energienutzung von Geräten. Die Einflussfaktoren auf den Energieverbrauch werden von Tag zu Tag wichtiger und das Treffen von guten Vorhersagen für eine intelligente Energieverteilung wird zunehmend diskutiert. Diese Arbeit präsentiert vier finale statistische Modelle zur Quantifizierung des Einflusses von Temperatur, Luftfeuchtigkeit und sehr entscheidende Zeiteffekt-Kovariaten auf den Energieverbrauch der Geräte. Um Modelle f...     »