Glossar        Wirtschaftsförderung       Downloads      Newsletter      Suche

KI-Prognose von Stromverbrauch und -erzeugung

Herausforderung & 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.

Die Gundlack Automation GmbH ist Spezialist für erneuerbare Energien, Automation und Maschinensicherheit. Sie bietet Lösungen im Bereich individuell angepasster Photovoltaik und Wallboxen sowie Automatisierungslösungen und Retrofits an.

Ausführlicher Projektbericht

Mit der wachsenden Anzahl von PV-Anlagen in Unternehmen und Haushalten wird es immer wichtiger, den erzeugten Strom effizient zu nutzen, ohne die Stromnetze zu überlasten. Betreibende stehen vor der Herausforderung, PV-Strom in Phasen hoher Netznachfrage selbst zu nutzen oder zu speichern, um Spitzenverbräuche zu glätten und Kosten zu reduzieren. Die Nutzung dynamischer Stromtarife, welche ab 2025 auf Seiten der Stromanbieter verpflichtend angeboten werden müssen [1], erfordert zur optimalen Ausnutzung des Sparpotenzials eine automatisierte Steuerung, der eine genaue Prognose von Stromverbrauch und -erzeugung zu Grunde liegt.

Um ein Vorhersagemodell für die Stromerzeugung aus Solaranlagen und den Stromverbrauch eines Haushalts zu entwickeln, wurden zunächst Wetterdaten, Erzeugungsleistung der Solaranlagen und Daten zum Stromverbrauch der jeweiligen Haushalte gesammelt. Im Projekt lagen Daten von fünf Haushalten für ein Jahr vor. Über die Haushalte sind keine weiteren Eigenschaften wie z. B. zu Anzahl der Bewohner, Nutzung eines Elektroautos oder einer Wärmepumpe bekannt. Wetterdaten wurden online vom Deutschen Wetterdienst bereitgestellt.

Diese Daten wurden aufbereitet und geordnet, um sie anschließend analysieren zu können. In der Analyse wurden Muster und Zusammenhänge identifiziert, die Aufschluss darüber geben, wie das aktuelle Wetter bzw. die Jahreszeit die Stromerzeugung und den Stromverbrauch beeinflussen. Dies wurde mithilfe eines K-Nearest-Neighbor (KNN) Algorithmus umgesetzt, der auf Basis der erkannten Muster auch Vorhersagen treffen kann. Es wurden im Einzelnen folgende Schritte durchlaufen:

Datenaufnahme: Es wurden historische Daten zu Wetter, Stromverbrauch und -erzeugung gesammelt. Diese Daten stammen von lokalen Wetterstationen bzw. dem Deutschen Wetterdienst und den PV-Anlagen selbst.

Vorverarbeitung: Die Daten werden auf dieselben Zeiträume konsolidiert und um Fehler wie Sensorausfälle oder Redundanzen bereinigt. Der Datensatz wurde in Trainings- (drei Haushalte) und Validierungsdaten (zwei Haushalte) aufgeteilt, um das Modell zu erstellen und daraufhin zu testen.

Analyse und Modellaufbau: Anhand des Datensatzes wurden relevante Datenkategorien, sog. Labels, wie Sonnenscheindauer und Temperatur definiert, die die Grundlage für die Vorhersage von Stromerzeugungs- und Verbrauchsdaten bilden.

Modelltraining: Mit dem KNN wurde das KI-Modell trainiert. Das Modell nutzt die Labels, um Vorhersagen zu treffen, wobei Wettervorhersagen eine wichtige Rolle spielen.

Evaluierung: Das trainierte Modell wurde anhand des Validierungsdatensatzes evaluiert. Der Vergleich zwischen prognostizierten und tatsächlichen Daten zeigt die Genauigkeit des Modells. In den Bildern 3 – 5 zeigt die rote Linie die jeweilige Prognose und die blaue Linie die tatsächlichen Werte.
Je nach Güte und Umfang der Trainingsdaten, kann das Modell stundengenaue Vorhersagen treffen, die eine optimale Nutzung von PV-Anlagen ermöglicht. Es prognostiziert den Stromverbrauch und die Stromerzeugung über mehrere Tage und hilft Betreibenden, die Einspeisung und Speicherung von Strom zu planen. Dabei lernt das System mit mehr Daten immer genauer zu werden. Da der Stromverbrauch eines Haushalts weniger wetterabhängig als die Stromerzeugung ist, sind auch längere Zeiträume zur Beobachtung des Verbraucherverhaltens notwendig, um langfristig gute Vorhersagen treffen zu können. Dabei sind die Vorhersagen bei wenig vorhandenen Daten auch weniger genau.

Die folgenden Diagramme zeigen Ausschnitte der Vorhersagen und tatsächlich ermittelten Werte für die Stromerzeugung und den Verbrauch in den fünf untersuchten Haushalten.

Bild 1: (Prognose-)Werte für die Stromerzeugung in einem Winterzeitraum. Quelle: eigene Darstellung

Wie in Bild 3 ersichtlich, ist der Zeitpunkt der Stromerzeugung genau vorhersagbar. Die erwartete Erzeugerleistung ist zusätzlich zum Sonnengang auch vom Wetter abhängig, etwa vom Wolkenbehang. Die Stromerzeugung kann daher qualitativ sehr gut vorhergesagt werden, quantitativ besteht allerdings noch eine Diskrepanz, die darauf basiert, dass die Wetterdaten von Stationen stammen, die in einiger Entfernung zu den Erzeugungsstellen stehen und somit nicht zu jeder Zeit den tatsächlichen Sonneneinstrahlungswert für alle Standorte der untersuchten Häuser darstellen können.

Bild 2: (Prognose-)Werte für die Stromerzeugung in einem Sommerzeitraum. Quelle: eigene Darstellung

Im Sommer hingegen ist im Allgemeinen mit konsistent klarem Wetter zu rechnen, dies zeigt sich auch in Bild 4. Hier ist die Vorhersage auch quantitativ deutlich kongruenter mit den tatsächlich erreichten Werten.

Bild 3: (Prognose-)Werte für den Verbrauch in einem Winterzeitraum. Quelle: eigene Darstellung

Bei der Prognose der Verbrauchsdaten zeigt sich bereits, dass diese nur indirekt vom Wetter abhängig sind, sodass die erwarteten Verbräuche sich bei den Haushalten anders darstellen. Ein Training für einzelne Haushalte war aufgrund der wenigen historischen Daten nicht möglich. Qualitativ zeigt sich jedoch, dass Verbrauchsmuster im Wochenverlauf gut abbildbar sind. Um die Vorhersagen auch im Bereich eines Tages kongruenter zu gestalten, müssen Verbrauchsdaten für einen Haushalt über einen Jahreszeitraum hinaus gesammelt werden. Noch besser wäre es, PV-Anlagen mit lokalen Wetterstationen zu verknüpfen, denn dann ließen sich ortsnah quantitativ objektivere Aussagen in der Vorhersage treffen.

Nutzen für den Mittelstand​

Das Projekt bietet dem Mittelstand ein Tool zur zukünftigen Optimierung von Steuerungen der PV-Anlagen sowohl im privaten als auch dem industriellen Bereich. Durch die Implementierung dieses Systems können die Anlagen durch präzise Prognosen den Eigenverbrauch steigern, bspw. durch die gezielte Batterieeinspeisung zu Zeiten des eigenen Produktionsmaximums. Dies ermöglicht eine effizientere Nutzung der selbst erzeugten Energie. So bieten schaltbare Relais oder Smarte Gerätesteuerungen die Möglichkeit, elektrische Verbraucher gezielt serst bei zu erwartendem Eigenstromüberschuss zu aktivieren, auch wenn die Betreibenden nicht zu Hause sind. Dies ist besonders vorteilhaft im Hinblick auf variable Stromtarife, auf die die Anlagen dadurch optimal vorbereitet sind. In der Praxis führt dies zu erheblichen Kosteneinsparungen, da die Betreibenden der PV-Anlagen von niedrigeren Stromkosten profitieren und gleichzeitig die Abhängigkeit von teurem Netzstrom verringern.

Die effiziente und autonome Anpassung der Energieverbrauchsmuster an die Produktion der Solaranlagen verbessert nicht nur die ökonomische Effizienz, sondern trägt auch zur Stabilisierung des lokalen Stromnetzes bei. Durch die Reduktion von Lastspitzen helfen diese optimierten Systeme, Netzüberlastungen zu vermeiden und unterstützen so die Energiewende.

Da die Anlagen sich somit schneller rentieren, haben die Solateure bzw. Hersteller von Anlagen für ihre Kunden ein schlagkräftiges Argument in die nachhaltigere Energie-Zukunft zu starten. Diese beschleunigte Amortisation der Investition macht die Entscheidung für Solaranlagen attraktiver und fördert die Bereitschaft, in erneuerbare Energien zu investieren. Zusätzlich stärkt das Projekt das Image der Unternehmen als Vorreiter einer nachhaltigen Energieversorgung und bietet ihnen die Möglichkeit, sich in einem wettbewerbsintensiven Markt zu differenzieren und ihre Marktposition zu festigen. Insgesamt unterstützt das Tool nicht nur die betriebswirtschaftliche Seite der Energieerzeugung, sondern leistet auch einen wichtigen Beitrag zum Umweltschutz und zur Förderung von nachhaltigen Energiequellen.

Quellen

[1]           Bundesministerium für Wirtschaft und Klimaschutz (BMWK). (2023, Mai 12). Smart Meter-Gesetz final beschlossen. Abgerufen am 07.05.2024 von https://www.bmwk.de/Redaktion/DE/Pressemitteilungen/2023/05/20230512-smart-meter-gesetz-final-beschlossen.html

Weitere Inhalte zum Schwerpunkt

Dieses Praxisbeispiel ist dem Schwerpunkt Künstliche Intelligenz zugeordnet.
Für mehr Inhalte zum Thema klicken Sie einfach hier!

Zum Schwerpunkt

Noch Fragen offen?

Unsere Projekte umfassen einen großen zeitlichen, organisatorischen und thematischen 
Umfang. Erfragen Sie die Details einfach beim Projektverantwortlichen. Wir leiten Sie gerne weiter! 

Das könnte Sie auch interessieren

Ihre Anmeldung zum
KI-Mentoring

Wir freuen uns, dass Sie sich für unser KI-Mentoring-Programm interessieren. Bitte füllen Sie das folgende Formular aus, um sich für einen der Arbeitskreise zu registrieren. Wir prüfen Ihre Anfrage und melden uns schnellstmöglich zurück.

Mit Absenden der Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

Bleiben Sie informiert!

Digitale Neuigkeiten, aktuelle Themen und kommende Termine monatlich in Ihr Postfach, mit unserem Newsletter!


Mit dem Absenden dieser Anmeldung stimme ich zu, dass meine Daten zum Zweck des Newsletterempfangs zu CleverReach übertragen werden. Nähere Informationen finden Sie in unserer Datenschutzerklärung

Frage zu Projekten stellen

Teilen Sie uns Ihre Kontaktdaten mit, wir melden uns schnellstmöglich bei Ihnen zurück!

Mit Absenden der Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

Die Mobile Fabrik anfragen

Teilen Sie uns Ihre Kontaktdaten mit, wir melden uns schnellstmöglich bei Ihnen zurück!

Mit Absenden der Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

Ihre Idee für ein Digitalisierungsprojekt

Sie haben eine konkrete Projektidee, mit der wir Ihren Betrieb bei der Digitalisierung unterstützen können? Teilen Sie uns Ihre Idee mit und wir melden uns umgehend bei Ihnen und besprechen alle weiteren Schritte.

Aus welcher Branche kommen Sie?
Welche Position bekleiden Sie im Unternehmen?
Wie viele Mitarbeitende beschäftigt Ihr Unternehmen?

Mit Absenden der Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

Kontaktformular

Teilen Sie uns Ihre Kontaktdaten mit, wir melden uns schnellstmöglich bei Ihnen zurück!

Mit Absenden der Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

Firmengespräch vereinbaren

Teilen Sie uns Ihre Kontaktdaten mit, wir melden uns schnellstmöglich bei Ihnen zurück!
Welche Position bekleiden Sie im Unternehmen?
Wie viele Mitarbeitende beschäftigt Ihr Unternehmen?

Mit Absenden der Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

Suche

Suche

Termin für Livevorführung vereinbaren

Teilen Sie uns Ihre Kontaktdaten mit, wir melden uns schnellstmöglich bei Ihnen zurück!

Mit Absenden der Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

Firmengespräch vereinbaren

Teilen Sie uns Ihre Kontaktdaten mit, wir melden uns schnellstmöglich bei Ihnen zurück!

Welche Position bekleiden Sie im Unternehmen?
Wie viele Mitarbeitende beschäftigt Ihr Unternehmen?

Mit dem Absenden dieser Anfrage erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

Alle Angebote des Zentrums sind kostenfrei.

WordPress Cookie Hinweis von Real Cookie Banner