Meldungsdetails

ET-Beitrag auf der 17. AALE Konferenz in Leipzig

27.03.2020

Prof. Steven Lambeck, Alessio Cavaterra und Lars Weiße stellten die Ergebnisse Ihres Open Data API – Projekts für Wettervorhersagedaten bei der 17. AALE Konferenz vor.

 

Prof. Dr.-Ing. Steven Lambeck, Vizepräsident für Forschung und Entwicklung, Doktorand Alessio Cavaterra, wissenschaftlicher Mitarbeiter am Fachbereich Elektrotechnik und Informationstechnik und Lars Weiße, Student im Master-Studiengang Angewandte Informatik besuchten vom 4. März bis zum 6. März 2020 die 17. AALE Konferenz („Angewandte Automatisierungstechnik in Lehre und Entwicklung“) in Leipzig, um Ihre Ergebnisse zum Projekt „Open Data API für Wettervorhersagedaten“ vorzustellen.

Im Rahmen dieses Forschungs- und Entwicklungsprojekts wird eine vereinfachte Zugriffsmöglichkeit auf maximal einstündig aufgelöste Wettervorhersagedaten mit einem Vorhersagehorizont von 27 Stunden des Deutschen Wetterdienstes (kurz: DWD) erstellt, sodass sowohl alte als auch aktuelle Wettervorhersagedaten weiterverwendet werden können. Die entsprechenden Daten enthalten z.B. die relative Luftfeuchtigkeit, die Temperatur und die diffuse und globale Einstrahlung. Diese sollen perspektivisch in einem modellprädiktiven Regelungsansatz (kurz: MPC) genutzt werden, um das Raumklima in Gebäuden, in denen sich Kulturgüter befinden, an welchen durch ungünstige klimatische Verhältnisse Schäden entstehen können, besser regeln zu können („Präventive Konservierung“).  Die API wird in der Programmiersprache Python geschrieben.

Der auf der Konferenz vorgestellte Posterbeitrag geht auf die Funktionsweise und Nutzung der API und die Genauigkeit der Wettervorhersagedaten in Bezug auf den tatsächlich gemessenen Werten ein. In bereits zuvor durchgeführten Untersuchungen konnte festgestellt werden, dass sich Wettervorhersagedaten in einem MPC-Ansatz als besonders nützlich erweisen [1, 2]. Die API agiert als ein Web-Crawler, welcher das Open Data – Angebot des DWD nutzt, um alle aktuell vorhandenen Daten des Open Data Servers herunterzuladen und in einer lokalen MySQL-Datenbank zu speichern. Die Uploads der aktuellsten Daten durch den DWD finden immer zyklisch statt, so dass die ältesten auf dem Server verfügbaren Daten immer von den neuesten Daten überschrieben werden. Dadurch kann jedoch auf die älteren Daten nicht mehr zugegriffen werden. Durch die Speicherung aller heruntergeladenen Daten in eine MySQL-Datenbank wird das Problem der zeitlich begrenzten Verfügbarkeit der Daten umgangen. Somit können ältere Wettervorhersagedaten für statistische Analysen in Bezug auf deren Genauigkeit genutzt werden. Eine wichtige Erkenntnis, die aus den Daten abgeleitet werden kann, ist die abnehmende Genauigkeit bei wachsender Vorhersagedauer.

Bei Interesse an studentischen Arbeiten in Form von Fallstudien, Masterprojekten oder Abschlussarbeiten im Bereich der Regelungstechnik oder der Computational Intelligence sowie sonstigen Fragen nehmen Sie bitte mit Herrn Cavaterra Kontakt auf.

[1] Oldenwurtel et al.: Energy Efficient Building Climate Control using Stochastic Model Predictive Control and Weather Predictions. ACC, 2010, Baltimore
[2] Simon Harasty, Alessio Cavaterra and Steven Lambeck: Model Predictive Control for Preventive Conservation using Artificial Neural Networks. 12th REHVA World Congress CLIMA 2016

 

zurück