Technologien › Künstliche Intelligenz
Künstliche Intelligenz
Vorteile im Energiemanagement
Überall dort, wo große Datenmengen analysiert und verarbeitet werden, kommen neuronale Netze zum Einsatz. Hierdurch lassen sich Daten viel präziser analysieren und ermöglichen Aussagen über zukünftige Entwicklungen.
So hilft künstliche Intelligenz im Energiesektor dabei, bessere Vorhersagen über Stromnutzung und -erzeugung zu treffen. Mit Batteriespeichern und den damit verbundenen Optimierungskapazitäten bieten sich nun Möglichkeiten, dieses Wissen effektiv auch im eigenen Betrieb einzusetzen.
Intelligenz macht den Unterschied
Mit zunehmender Komplexität und Dezentralisierung des Stromsystems werden Instrumente immer wichtiger, die die autarke, dezentrale und intelligente Steuerung des Stromnetzes unterstützen können.
Ein Vorteil künstlicher Intelligenz (KI), hierbei besonders das maschinelle Lernen, gegenüber klassischen Optimierungsalgorithmen besteht darin, dass bei Methoden des maschinellen Lernens zum einen oftmals hunderte oder gar tausende von Optimierungsparametern verwendet werden, die menschlich nicht mehr interpretierbar sind. Zum anderen bestimmt die KI unter einer Vielzahl von möglichen Eingangsparametern die tatsächlich relevanten. Dabei erlernt die KI selbstständig die bestmögliche Parameterkombination und findet somit die optimale Lösung. Durch die kontinuierliche Analyse riesiger Datenmengen können sich selbstlernende Algorithmen stetig verbessern und dadurch auch bei veränderten Ausgangssituationen schnell eine neue Lösung finden. So kann eine KI beispielsweise durch das Einbeziehen von Wetterdaten die Erzeugung von Windenergie sehr präzise prognostizieren. Das erleichtert die Integration von volatilen Energieformen in das Stromnetz und erhöht gleichzeitig die Versorgungssicherheit.
Die be.storaged GmbH ist eines der ersten Unternehmen, das maschinelles Lernen zur Steuerung der Lade- und Entladezyklen von Batteriespeichern einsetzt. Schon die einfache Frage: „Wann ist der optimale Zeitpunkt, Strom in einen Speicher zu laden bzw. zu entladen?“ ist hochkomplex. Es müssen zu viele Daten in zu kurzer Zeit beachtet werden, was menschliche Intuition und Erfahrungen überfordert.
»Durch künstliche Intelligenz finden wir für unsere Kunden die optimalen Vermarktungsstrategien und maximieren damit ihre Gewinne.«
Dr. Fabian Knoch, Data Scientist, be.storaged GmbH
Umso höher die Datenqualität, desto präziser die Vorhersage
Die Prognosealgorithmen können natürlich nur dann präzise sein, wenn ihnen möglichst viele unabhängige Datenquellen mit möglichst hoher Qualität zur Analyse zur Verfügung gestellt werden:
»Für unsere KI-Prognosen nutzen wir, abhängig vom Anwendungsfall, diverse Datenquellen, wie z.B. Wetterdaten, Energiemarktdaten, Verbrauchsdaten vom Kunden und Daten über das Stromnetz, wie die Netzfrequenz, Einspeisedaten, Regelenergieabrufe etc. Aus diesen Daten treffen unsere Algorithmen die optimale Entscheidung, die dazu führt, die Wirtschaftlichkeit des Kundensystems zu maximieren.«, erläutert Dr. Fabian Knoch, Data Scientist bei be.storaged GmbH in Oldenburg.
Auch die Speicherdimensionierung wird von intelligenten Algorithmen übernommen. Hierbei stellt sich vor allem die Frage, wie der Kunde in Zukunft Strom verbrauchen wird. Um diese Frage für unsere Kunden beantworten zu können, nehmen wir nicht nur historische Lastgänge, sondern kombinieren sie mit zusätzlichen Datenquellen, wie z.B. Konjunkturzyklen oder Umwelteinflüssen. Damit werden die Dimensionierung des Speichers und die Empfehlungen für eine optimale Betriebsführung wesentlich präziser. »Zum einen können wir durch Einsatz von intelligenten Algorithmen die benötigte Investition verringern und zum anderen mehr Sicherheit bei der Erfüllung des Anwendungsfalls bieten.«, so Dr. Knoch.
Umso höher die Datenqualität, desto präziser die Vorhersage
Die Prognosealgorithmen können natürlich nur dann präzise sein, wenn ihnen möglichst viele unabhängige Datenquellen mit möglichst hoher Qualität zur Analyse zur Verfügung gestellt werden:
»Für unsere KI-Prognosen nutzen wir, abhängig vom Anwendungsfall, diverse Datenquellen, wie z.B. Wetterdaten, Energiemarktdaten, Verbrauchsdaten vom Kunden und Daten über das Stromnetz, wie die Netzfrequenz, Einspeisedaten, Regelenergieabrufe etc. Aus diesen Daten treffen unsere Algorithmen die optimale Entscheidung, die dazu führt, die Wirtschaftlichkeit des Kundensystems zu maximieren.«, erläutert Dr. Fabian Knoch, Data Scientist bei be.storaged GmbH in Oldenburg.
Auch die Speicherdimensionierung wird von intelligenten Algorithmen übernommen. Hierbei stellt sich vor allem die Frage, wie der Kunde in Zukunft Strom verbrauchen wird. Um diese Frage für unsere Kunden beantworten zu können, nehmen wir nicht nur historische Lastgänge, sondern kombinieren sie mit zusätzlichen Datenquellen, wie z.B. Konjunkturzyklen oder Umwelteinflüssen. Damit werden die Dimensionierung des Speichers und die Empfehlungen für eine optimale Betriebsführung wesentlich präziser. »Zum einen können wir durch Einsatz von intelligenten Algorithmen die benötigte Investition verringern und zum anderen mehr Sicherheit bei der Erfüllung des Anwendungsfalls bieten.«, so Dr. Knoch.
okean.OS im Einsatz
Dr. Knoch: »Unser Agent okean.OS berechnet permanent, wann die nächste Lastspitze zu erwarten ist, wie voll der Speicher sein muss, um diese Lastspitze zu glätten und wann letztendlich mit dem Laden begonnen werden muss.
Dadurch erschafft die KI eine Flexibilität, die es uns wiederum ermöglicht, den Speicher auch für weitere Zwecke zu nutzen und so Mehrerlöse für den Kunden zu generieren. Als Beispiel für diese Multifunktionalität sei z.B. die Bereitstellung von Regelleistung zu nennen, mit der die Netzbetreiber das Energiesystem stabilisieren können.«
