Automatisierte Clusterbildung für Energieverbrauchsprofile mit Pretopologie

Ein neues Verfahren nutzt Pretopologie, um Energieverbrauchsprofile über ein großes, verteiltes Gebiet zu modellieren und zu klassifizieren. Ziel ist es, die Verwaltung des Gebäudeverbrauchs zu optimieren, ohne jedes Gebäude einzeln zu prüfen – ein Ansatz, der Zeit, Geld und Fachpersonal spart.

Die Autoren haben einen mehrkriterialen hierarchischen Klassifikationsalgorithmus entwickelt, der die Eigenschaften pretopologischer Räume ausnutzt. Der Algorithmus ist in einer Python‑Bibliothek implementiert und kann automatisch relevante Cluster aus den Verbrauchsdaten bilden.

Zur Bewertung wurden drei Datensätze verwendet: ein synthetisches 2‑D‑Punktset, ein generiertes Zeitreihenset und reale Verbrauchsdaten von 400 Standorten einer französischen Energiegesellschaft. Auf dem Punktdatensatz erkennt der Algorithmus Cluster anhand von Position und Größe. Bei den Zeitreihen erzielt er eine perfekte Cluster‑Übereinstimmung (Adjusted Rand Index = 1) unter Verwendung der Pearson‑Korrelation.