KI-basierte Prognose von Stromverbrauch und -erzeugung
Projektziele & Projektergebnis
Erstellung projekt in den Bereichen „Produkte“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung der Kundenbedürfnisse/ Kundenbeziehungen, der Produkt- / Servicequalität und des Innovationsgrades.
Mit auf genügend historischen Daten trainierten Künstlichen Neuronalen Netzen kann für Gebäude mit PV-Anlagen der Stromverbrauch und die Stromerzeugung prognostiziert werden, um damit die Wirtschaftlichkeit der Gesamtanlage zu optimieren.
Gesamtprojekt
Top Erkenntnisse aus dem Projekt
Ausgangslage
Zentrale Fragestellungen im Projekt
- Lässt sich die Stromerzeugung unter Berücksichtigung von Wetterdaten mit KI vorhersagen?
- Lässt sich der Stromverbrauch aus historischen Daten mit KI vorhersagen?
- Welche Wetterdaten haben den höchsten Einfluss auf die Vorhersagegenauigkeit bei der Stromproduktion?
Projektdetails
Herausforderung und Zielsetzung Betreibende von PV-Anlagen stehen vor der Herausforderung, die erzeugte Energie effizient zu nutzen und den wirtschaftlichen Nutzen ihrer Anlagen zu maximieren. Durch die gezielte Änderung des eigenen Verhaltens können signifikante Einsparungen erzielt werden, etwa indem größere Energieverbraucher zu Zeiten erwarteter hoher Ausgangsleistung der PV-Anlagen genutzt werden. Mit dynamischen Stromtarifen werden weitere Möglichkeiten geschaffen, um Stromkosten zu sparen. Die Partnerunternehmen im Digitalisierungsprojekt suchten eine Lösung, um genau vorherzusagen, wann der erzeugte Strom am besten genutzt, gespeichert oder eingespeist werden sollte. Die Optimierung des Eigenverbrauchs ist von entscheidender Bedeutung, da die Einspeisevergütungen für neuere Anlagen deutlich niedriger sind als die Stromkosten. Eine präzise Prognose von Stromverbrauch und -erzeugung ermöglicht es, den Stromverbrauch an die aktuellen Marktpreise anzupassen, Lastspitzen zu reduzieren und Einspeisesverluste zu minimieren. Die Herausforderung bestand darin, ein Modell zu entwickeln, das genaue Vorhersagen auf Basis verschiedener Datenquellen, wie Wettervorhersagen, bisher erzielter PV-Ausgangsleistungen und historische Verbrauchsdaten, liefert. Ziel war eine automatisierte Steuerung, um die volle Leistung der PV-Anlagen ihrer Kunden auszuschöpfen und mit diesem Nutzenversprechen die Energiewende weiter voranzutreiben. Projektbeschreibung Betreibende von Photovoltaikanlagen (PV-Anlagen) stehen vor der Herausforderung, ihren Stromverbrauch dahingehend zu optimieren, dass möglichst viel Strom aus eigener Produktion verwendet wird. Dies steigert die Wirtschaftlichkeit der Anlage und hält laufende Kosten gering. Eine Optimierung erfolgt meistens nicht automatisch, sondern durch individuelle Anpassungen. Das Mittelstand-Digital Zentrum Hannover hat mit der Gundlack Automation GmbH und der Strunck Weis Technik GmbH & Co. KG prototypisch ein KI-basiertes Prognosemodell entwickelt, um den Anteil vom Eigenverbrauch des produzierten Stroms zum Netzbezug zu erhöhen. Das Modell kann sowohl den zukünftigen Stromverbrauch als auch die Stromerzeugung vorhersagen, indem es historische und aktuelle Wetterdaten, Stromerzeugungsdaten und Verbrauchsmuster analysiert.
