Durchblick im Energiemanagement
Daten bereinigen und Kennzahlen normalisieren mit der Regressionsanalyse von Weidmüller
Im Energiemanagement ist es entscheidend, den tatsächlichen Effekt von Änderungen, wie etwa dem Austausch einer Klimaanlage, zu messen. Häufig sind jedoch äußere Einflüsse wie das Wetter die Ursache für unterschiedliche Energieverbrauchswerte.
Ein kühler Sommer könnte etwa den Verbrauch einer neuen Klimaanlage niedriger erscheinen lassen, als er tatsächlich durch die Investition gesenkt wurde. Hier setzt das Erweiterungsmodul von Weidmüller an: Es bereinigt die Daten und macht sie vergleichbar, indem es die Außentemperaturen herausrechnet und so eine objektive Auswertung ermöglicht.
Die Erstellung eines Regressionsmodells erfolgt in zwei Schritten: Zunächst wird eine Korrelationsanalyse durchgeführt, bei der Zusammenhänge zwischen verschiedenen Werten wie Temperatur, Sonnenstunden und Verbrauch ermittelt werden.
Die Berechnungen von Resma zeigen auf, wie stark diese Variablen miteinander verknüpft sind – von +1 (starke positive Korrelation) bis -1 (negative Wechselwirkung). Nachdem die relevanten Abhängigkeiten identifiziert wurden, erstellt das System ein Regressionsmodell, das automatisch die Daten normalisiert und es ermöglicht, präzise Vergleiche anzustellen.
Die Erstellung des Regressionsmodells erfolgt ohne tiefgehendes Data-Science-Wissen. Das Tool führt den Anwender Schritt für Schritt durch den Prozess und erleichtert so die Anwendung. Nicht nur im Energiemanagement kommt die Regressionsanalyse zum Einsatz: Sie kann auch in der Produktion hilfreich sein, etwa bei der Ursachenforschung von Qualitätsproblemen.
Wird ein Fehler im Endprodukt festgestellt, kann die Regressionsanalyse helfen, Zusammenhänge zwischen Unregelmäßigkeiten und anderen Produktionsdaten aufzudecken. Auch ein erhöhter Energieverbrauch kann so auf falsche Maschineneinstellungen oder Defekte hinweisen.
Links:
Verwandte Artikel
Anzeige
