Hintergrund

Die Energiewende ist eines der wichtigsten Themen unserer Zeit. Bis 2020 erwartet die Bundesregierung einen Anteil von erneuerbaren Energien im Stromsektor von mindestens 35 % (EEG 2012). Die Produktion von erneuerbaren Energien wie Photovoltaikenergie ist jedoch tageszeit- und witterungsabhängig. Daher werden variable Preisstrukturen angestrebt (z.B. der Strom ist günstig, wenn die Sonne scheint). Dies erfordert den Einbau von intelligenten Stromzählern, so genannten Smart Meter, in Privathaushalte.

Motivation

Die zumeist sekundengenauen Energieverbrauchs-Daten, die Smart Meter liefern, sind nicht nur für Abrechnungszwecke, sondern auch für zahlreiche Data Mining Analysen („Smart Meter Mining“) nützlich. So können sie beispielsweise genutzt werden, um den Energieverbrauch von Haushalten vorherzusagen („Forecasting“). Eine solche Vorhersage ka nn beispielsweise dazu genutzt werden, um die Nutzung von Batteriespeichern zum Zwischenspeichern von Photovoltaikenergie zu optimieren. Smart Meter Daten enthalten aber auch eine ganze Reihe an privaten Informationen, wie die Abbildung auf der rechten Seite illustriert. Daher werden verschiedene Privatheits-Transformationen, wie das zeitliche aggregieren der Daten, auf die Smart Meter Daten angewendet, um das extrahieren privater Informationen aus den Daten zu erschweren. Die Anwendung von Privatheits-Transformationen verschlechtert jedoch auch die Nutzbarkeit der Daten für Smart Meter Mining Anwendungen.

Aufgabenstellung

Ziel dieses PSE-Praktikums ist die Entwicklung einer Webapplikation für die Visualisierung Energieverbrauchs-Daten vor und nach Durchführung verschiedener Privatheits-Transformationen (z.B., zeitliche Aggregation der Daten) sowie Smart Meter Privatheits-Angriffe und Analyse Algorithmen (z.B., Vorhersage der Anzahl an Personen im Haushalt). Für das Praktikum werden die zu  integrierende Privatheit-Transformationen sowie eine erste Auswahl an Angriffs-/Analyse- Implementierungen bereitgestellt. Eine vorgegebene Auswahl  an Angriffs-/Analyse- Algorithmen sind von den Teams in Form von Muss-Anforderungen selbst zu implementieren. Außerdem ist Eurer Kreativität bei der Implementierung weiterer Algorithmen, Visualisierungsformen und Privatheit-Transformationen keine Grenzen gesetzt. Die Software sollte entsprechend modular aufgebaut sein, sodass das Hinzufügen neuer Algorithmen problemlos möglich ist. Für diese Aufgabe stellen wir Realwelt-Energieverbrauchs-Daten privater Haushalte zur Verfügung. Die Implementierung des Backends wird in Java erfolgen, weitere Sprachen und Technologien können frei gewählt werden. Dieses PSE-Praktikum eignet sich damit vor allem für Studenten, die erste Erfahrung mit Datenanalyse sammeln und gerne neue Technologien ausprobieren möchten.

Anwendung

Dieses Praktikum hat nicht nur einen akademischen Zweck (diese Lehrveranstaltung), sondern soll darüber hinaus bei guten Projektverlauf und -ausgang innerhalb des ESQUIRE-Projekts , welches sich mit der Entwicklung von Dienstleistungen und Geschäftsmodellen bei der Nutzung von Batteriespeichern in Wohnsiedlungen beschäftigt, genutzt werden. Bei sehr guten Praktikums-Ergebnissen ist weitergehende Zusammenarbeit (bspw. in Form von Hiwi-Tätigkeiten oder Abschlussarbeiten) möglich.