16. FAQ: Fragen zum Künstlichen Neuronalen Netz (KNN)¶
16.1. Wie ist die Anwendung eines künstlichen neuronalen Netzes (KNN) zu verstehen?¶
Künstliche neuronale Netze (KNN, engl. artificial neural network – ANN) sind eigentlich Netze aus künstlichen Neuronen. In der Informationsverarbeitung spricht man ebenfalls von künstlichen neuronalen Netzen die als Modellbildung Anwendung finden. In der ELFI KNN Anwendung kann eine Prognose entwickelt und trainiert werden um die zukünftige Produktion eines Standortes, eines Anlagenpools oder einfach eines Parameters aus dem MSEPS auf der Basis unterschiedlicher MSEPS Eingabekurven (-daten) vorherzusagen. Das KNN sucht nach Mustern in den Werten. In ELFI wird aus dieser Berechnung die KNN Prognose erstellt. Prognosen aus WEPROG’s MSEPS Ensemble System werden ausgewertet, nicht-passende Parameter identifiziert und verifiziert ob ein physikalischer Zusammenhang zwischen bestimmten Prognosevariabeln und den Messwerten (Produktionsdaten) besteht.
Das spezielle am ELFI-KNN ist, dass es anstatt mit Wettervariablen, mit bereits als Endprodukt berechnete Unsicherheitsprognosen aus dem MSEPS in Form von Perzentilen, Minimum, Maximum, sowie andere Prognosen einbezieht, d.h. es ist ein nachgeschaltetes künstliches neuronales Netzwerk zur Optimierung von bereits prognostizierten Endprodukten wie Windkraft- oder Solarkraftproduktion.
Beispiel: Das KNN bekommt Produktionsdaten einer Anlage, die Optimal-Prognose (f1) und die Perzentilprognose p70. (Dem Anwender stehen alle Perzentilprognosen (p10-p90, min, max und optimal Prognose, sowie user spezifische Prognosen aus WEPROGs MSEPS Wetterprognsesystem zur Verfügung). Mit diesen Eingabedaten sucht das KNN (künstliches neuronale Netz) nach Mustern und entwickelt eine neue optimierte Prognose aus dieser Datengrundlage. Diese neue Prognosekurve wird dann grafisch dargestellt und kann mit anderen Prognosekurven graphisch verglichen, analysiert und verifiziert werden. Natürlich kann der Nutzer die KNN Prognose auch herunterladen.
16.2. Wie kann ich eine Künstliche-Neuronale-Netz-Kurve erstellen ?¶
Im Hauptmenü Tools das Menü KNN (K+nstliches Neuronale Netz) auswählen.
Mehrere Schritte sind nun notwendig um diese Kurve zu konfigurieren:
16.2.1. Auswahl der Vorhersage¶
Zunächst muss der Standort und die Prognosevariable (z.B. Wind/Solarleistung, Temperatur, Niederschlag..) ausgewählt werden in die die KNN-Kurve integriert werden soll.
16.2.2. Messdatenquelle¶
Bei der Nutzung von Messdaten für das KNN muss gewählt werden woher die Messdaten bezogen werden sollen.
Bei dieser Option wird eine bereits registrierte Kurve ausgewählt. Wenn also schon Messdaten in die dafür vorgesehenen u1-u4 Platzhalter geladen wurden, können diese benutzt werden.
16.2.3. Zeitrahmen für Quelldaten und Messdatenkurve¶
Die Messdatenkurve muss gewählt werden und das Zeitintervall eventuell bearbeitet werden. Durch das Hochladen von Messdaten erkennt das System das Zeitintervall der Daten. Nun kann dieses Zeitintervall verändert werden, z.B. aufgrund von Abregelungen in den ersten beiden Wochen erst beginnend mit der dritten Woche. Eine Bestätigung ist hier notwendig.
16.2.4. Quellkurve, Variabel, Zeit¶
- Quellkurve
Nun müssen die Kurven gewählt werden, die es dem KNN über die Messdaten ermöglichen Regelmäßigkeiten herauszufiltern (es sollten jedoch nicht mehr als 3 Kurven ausgewählt werden). Die Kurve kann durch anklicken hinzu und auch durch ein weiteres anklicken wieder abgewählt werden. Die gewählte Kurve erscheint rechts in der Spalte Gewählt.
- Vorhersagevariable
Hier kann zusätzlich zu der in Seite 1 gewählten Variablen eine weitere hinzugefügt werden.
- Zeitvariablen
Das KNN kann versuchen Messmuster auch über die Zeitvariablen herauszufiltern, die hier hinzugewählt werden können. In der Grundeinstellung sind Stunde, Wochentag und Monat bereits ausgewählt. Erfahrungsgemäß sollte nur eine Zeitvariable hinzugenommen werden. Durch Doppelklicken in der linken Spalte lassen sich die Variablen wieder abwählen.
16.2.5. Datenverteilung¶
- Datenverteilung
In der Datenverteilung kann gewählt werden mit wie viel Prozent die Daten genutzt werden sollen für den jeweiligen Prozess Lern-, Kalibrierungs- und Prüfdaten (Beschreibung im Interface). Wenn das KNN zum ersten mal benutzt wird, ist keine Änderung notwendig. Je mehr Erfahrung man damit bekommt, desto mehr können spezielle Einstellungen genutzt werden, u.a. auch die Änderung der Datenverteilung.
- Filterung
Hier kann ein Filter aktiviert werden, wenn Meßwerte außerhalb der Grenzen nicht berücksichtigt werden sollen.
- Grundlinie
Wenn die Grundlinie aktiviert wird, werden Kurven vorgeschlagen, die für zukünftige Werte als Näherung herangezogen werden sollen.
- KNN Ergebnis Grenzwerte
Hier kann der erlaubte Wertebereich für KNN Berechnungsergebnisse eingeschränkt werden.
16.2.6. Einstellungen¶
Die Einstellungen die gemacht wurden werden nochmals aufgelistet und können noch editiert werden.
Wenn die Einstellungen in Ordnung sind kann das KNN durch anklicken von Künstliches Neuronales Netz bilden`gestartet werden.
Bemerkung
Beendet der Prozess “KNN bilden” sich nicht automatisch, kann dieser unterbrochen werden, indem man einfach auf “vorherige Trainingsergebnisse klickt und sich das Ergebnis anschaut.
16.2.7. Ergebnis¶
Im Ergebnis kann der Fehler betrachtet werden, das Zeitintervall und die Grafik, die die KNN Kurve als rote Linie in der bekannten grfischen Darstellung des Unsicherheitsbandes darstellt.
Wenn das KNN aktiviert werden soll, dann auf den Button klicken oder entsprechend die Einstellungen ändern und eine neue Berechnung durchführen.
Bemerkung
Bitte beachten, dass die Ergebnisse des KNN Trainings erst nach ca. 5 Minuten vorliegen, nicht sofort!
Bemerkung
Es können mehrere KNN Einstellungen gespeichert werden und auch zu einem späteren Zeitpunkt wieder aktiviert werden. Alle Ergebnisse finden sich in der Tabelle “vorherige Trainingsergebnisse” die zur Auflistung nur angeklickt werden muss.
Bemerkung
Beste Ergebnisse können erzielt werden wenn der globale und unabhängige Fehler gering sind. Im Hauptmenü “Verifikation” kann darüberhinaus der Vergleich zu den Prognosekurven MIN; Max, Perzentile und dem Optimal angestellt werden.
16.3. Wie kann ich die KNN Kurve in meiner Graphik aktivieren?¶
Wenn das KNN (Künstliches Neuronales Netz) Training fertig gestellt ist und die Bestätigung erfolgt ist, dass dieses aktiviert ist, dann muss im Hauptmenü Vorhersagen nur noch in der Legende das rote Feld angeklickt werden damit die KNN Kurve dargestellt wird.
