NetConnect Germany ist einer von zwei Fernleitungsnetzbetreibern auf dem deutschen Erdgasmarkt. Mit einem Hochdruckleitungsnetz von insgesamt rund 20.000 km Länge verbindet NetConnect Germany etwa 500 nachgelagerte Netze und ist für die Betriebsführung der Marktgebietskooperation verantwortlich. Dabei fließen naturgemäß große Datenmengen aus allen Verteilnetzen ein. Sogenannte Allokationsdatenpunkte enthalten räumliche und zeitliche Informationen über physikalische Gasflüsse und werden von NCG zur Bilanzierung des Energiesystems benötigt. Aus technischen oder manuellen Gründen kann es vorkommen, dass einige der von den Verteilnetzen gelieferten Datenpunkte Messfehler enthalten.

Hier kannst Du einen erheblichen Mehrwert für die Arbeit von NCG schaffen: Die Sicherstellung einer gleichbleibend hohen Datenqualität ist von enormer Bedeutung, damit die NCG-eigenen Analysen und Prognosetools von Anfang an auf wahrheitsgemäßen Informationen beruhen. Deine Aufgabe ist es, mit Hilfe historischer Daten, einschließlich gekennzeichneter fehlerhafter Datenpunkte, eine Anwendung zu entwickeln, die automatisch a) fehlerhafte Datenpunkte erkennt b) sinnvolle Werte zuweist, so dass Folgeprozesse und Analysen nicht durch Ausreißer verfälscht werden. 

• Vertiefte Kenntnisse im Bereich der Anomalie- und Ausreißererkennung, sowohl überwacht als auch unüberwacht
• Erfahrung in der Datenkorrektur/-vorhersage basierend auf historischen Daten und Betriebsvorschriften.
• Referenzen im Energiesektor sind von Vorteil

‍

• Eine Anwendung, die automatisch fehlerhafte Datenpunkte erkennt, und zwar genau die, die manuell erkannt wurden
• Entwickeln einer sinnvollen Logik zur automatischen Berücksichtigung falscher Datenpunkte
• Die Anwendung sollte keine falsch-positiven Werte erzeugen, d. h. Werte errechnen, die als korrekt angesehen werden

‍

1. Der erste Meilenstein ist erreicht, wenn das Modell die gleichen fehlerhaften Datenpunkte identifiziert, die von NCG manuell erkannt wurden.
2. Der zweite Meilenstein ist erreicht, wenn eine ausgefeilte Imputationslogik für fehlerhafte Daten entwickelt worden ist.
3. Um den dritten Meilenstein abzuschließen, muss eine visuelle Benutzeroberfläche implementiert werden, die es dem Nutzer ermöglicht, fehlerhafte und kalkulatorische Daten zu vergleichen und die Änderung mit minimalem Aufwand zu bestätigen oder abzulehnen.

‍