Im Rahmen des Forschungsprojekts PROGRESSUS haben wir bei Ingenics Digital eine Methode zur Erkennung von Anomalien in Energieverbrauchsprofilen entwickelt. Mit Hilfe eines 1D-CNN-Autoencoders und der Mahalanobis-Distanz lassen sich ungewöhnliche Verbrauchsmuster frühzeitig identifizieren, was das Energiemanagement in Smart Grids erheblich verbessert. Unsere Lösung ermöglicht eine nahezu Echtzeit-Erkennung und hat in Tests eine beeindruckende Genauigkeit von 99 % erreicht.
Möchtet ihr mehr darüber erfahren, wie Machine Learning die Energiewende unterstützt? Dann schaut euch den Beitrag an!
