Doctorandus/a PhD student
Partners
Promotor / Supervisor
Prof. dr. ir. Johan Driesen
Samenvatting van het onderzoek / Summary of Research
Energie die wordt gebruikt door flexibele belastingen, zoals het verwarmen van een gebouw of het opladen van een batterij, kan in de tijd worden verschoven om de koolstofuitstoot te verminderen. Het is echter een complex probleem om het gedrag van dergelijke belastingen en hun interactie met menselijke gebruikers en omgevingsomstandigheden te begrijpen. Net zoals op kunstmatige intelligentie gebaseerde methoden doorbraken hebben gerealiseerd in elk domein van het leven, is het ook mogelijk om ze te gebruiken om dit gedrag en de interacties te begrijpen. Een belangrijke uitdaging om dit in de echte wereld te bereiken, is dat dergelijke methoden veel gegevens vereisen om goed te veralgemenen. Transfer learning overwint deze beperking door kennis over verschillende domeinen en taken te vertalen. Dit gebeurt op dezelfde manier als een menselijke bestuurder meerdere voertuig- en wegtypen kan gebruiken zonder extra training. Er is natuurlijk een training in de praktijk nodig. Door gebruik te maken van deze modellen laten we zien dat de energie-efficiëntie van flexibele belastingen aanzienlijk kan worden verbeterd met behulp van een grootschalig real-world demonstratieproject. Hetzelfde model kan ook worden gebruikt voor andere toepassingen, waaronder gebouwbewoners meer bewustmaken van de kosten en de klimaatimplicaties van hun acties.
Volledige tekst van het doctoraat / full text
Examencommissie / Board of examiners
Prof. dr. ir. Johan Driesen (promotor)
Prof. dr. ir. Joseph Vandewalle (voorzitter/chairman)
Prof. dr. ir. Lieve Helsen (secretaris/secretary)
Prof. dr. ir. Geert Deconinck
Prof. dr. ir. Johan Suykens
Prof. dr. Ann Nowé , Vrije Universiteit Brussel
Prof. dr. Damien Ernst , University of Liège