Die Rolle von Künstlicher Intelligenz (KI) bei der Realisierung der Energiewende und der Schaffung einer effizienten und zugleich klimaneutralen Energieversorgung wird immer wichtiger. Da die Energiesysteme in Zukunft noch vielfältiger werden, brauchen wir mehr intelligente Steuerungssysteme. Ihre Aufgabe ist es, die unterschiedlichen erneuerbaren Stromquellen wie Windenergie, Photovoltaik, Wasserkraft oder Brennstoffzellen-Kraft-Wärme-Kopplung mit den verschiedenen Energieverbrauchssektoren wie Strom, Gebäude- und Prozesswärme sowie Elektromobilität zu vernetzen. Dazu gehört auch die Erzeugung von grünem Wasserstoff via Elektrolyse.
Bei der Energieversorgung mit einem fluktuierenden produzierenden Energiesystem, das auf erneuerbaren Quellen basiert, werden präzise Vorhersagen von Stromerzeugung und Stromverbrauch immer wichtiger, um das Energiesystem in der Balance zu halten. Das ZSW entwickelt in diesem Kontext seit vielen Jahren innovative Verfahren und Methoden der KI sowie des Maschinellen Lernens (ML). Sie kommen in Zusammenarbeit mit Industriepartnern oder als Dienstleistungsangebot zur Unterstützung der Energiewende zum Einsatz.
Künstliche Intelligenz ist auch in der energie- und ressourceneffizienten Gestaltung von industriellen Fertigungsprozessen von Bedeutung. Mit Hilfe von KI können nicht nur Prozesse modelliert und optimiert, sondern auch die Qualitätskontrolle unterstützt und der Produktionsausschuss minimiert werden.
Künstliche Intelligenz (KI) kommt in der Energiewendebranche immer häufiger zum Einsatz. Selbstlernende Verfahren helfen, die Wind- und Solareinspeisung besser vorherzusagen oder Produktionsprozesse von Photovoltaikmodulen, Batterien und Brennstoffzellen zu optimieren. Besonders kleine und mittlere Unternehmen nutzen die Technologien der KI jedoch noch zu selten. Das ZSW entwickelt seit vielen Jahren im Rahmen von Forschungs- und Entwicklungsprojekten im Bereich der Erneuerbaren Energien innovative Verfahren und Methoden der KI bzw. des Maschinellen Lernens (ML).
Künstliche Intelligenz (KI) als zukunftsweisende Technologie für neue Geschäftsmodelle und Anwendungen in die Unternehmen in Baden-Württemberg zu bringen, ist die Aufgabe des KI-Labs.EE, das auf den Bereich der Erneuerbaren Energien spezialisiert ist. Insbesondere kleine und mittlere Unternehmen (KMU) lernen über Informationsveranstaltungen, Workshops oder im Rahmen von Pilotanwendungen die Potenziale von KI kennen und können sie auf ihre jeweiligen Betätigungsfelder anwenden. Nach dem erfolgreichen Abschluss des ersten KI-Labs für Erneuerbare Energien (KI-Lab.EE) startet nun die zweite Phase. Der Fokus im neuen KI-Lab.EE liegt einerseits darauf, mit Hilfe von KI Produktionsprozesse nachhaltiger zu gestalten, andererseits geht es auch darum, die durch die KI und ihre Anwendung unmittelbar verursachten CO2-Emissionen zu reduzieren (Green Artificial Intelligence). Dabei werden nicht nur Konzepte und Methoden für Green Al vermittelt, sondern auch deren Implementierung unterstützt.
Das KI-Lab.EE ist vor allem auf Pilotanwendungen ausgerichtet. Es geht um konkrete Einsatzmöglichkeiten in der Erneuerbaren-Energien-Branche. Die Bandbreite der möglichen Problemstellungen, die mithilfe von KI bewältigt werden können, ist dabei so vielfältig wie die EE-Branche selbst. So sind Themen wie beispielsweise die Überwachung und Betriebsoptimierung von Wind- und Photovoltaik-Parks, über die bestmögliche Integration Erneuerbarer Energien in das Energiesystem bis zur Prozessoptimierung und -kontrolle bei der Fertigung von Brennstoffzellen, Batterien und Elektrolyseuren denkbar.
Wir freuen uns auf Ihre Fragen und Ihre Kontaktaufnahme.
Der Anteil fluktuierender erneuerbarer Energiequellen an unserer Stromversorgung nimmt stetig zu. Die zeitlich hochaufgelöste Vorhersage der eingespeisten Leistung wird deshalb immer wichtiger. Schon jetzt sind Vorhersagen der Wind-, Photovoltaik- und Wasserkraft-Einspeisung notwendige Parameter für das Management von Übertragungs- und Verteilnetzen.
Das ZSW erforscht anwendungsnah Technologien, die eine genauere Vorhersage des komplexen Zusammenspiels ermöglichen, das sich aus Wettermodell-Prognosen, Satellitendaten, meteorologischen Messungen sowie historischen und zukünftigen Wind- bzw. Solar- und Wasserkrafterträgen eines Standorts oder einer Region ergibt.
Hierbei spielen aktuellste Algorithmen maschineller Lernverfahren eine wichtige Rolle. Sie haben die Fähigkeit, physikalisch berechnete Wind-, Sonneneinstrahlungs- oder Leistungsvorhersagen nochmals entscheidend zu verbessern, indem sie die Interaktion der zahlreichen Parameter, die sich unterhalb der Auflösung physikalischer Modelle bewegen, aus langjährigen Messzeitreihen erlernen und auf die jeweils aktuelle Wettersituation anwenden. Auch systematische Abweichungen, wie sie sich stets in physikalischen Modellen finden, werden hierbei automatisch korrigiert.
Die Arbeitsgruppe Simulation & Optimierung (SimOpt) am ZSW hat langjährige Erfahrungen in den Bereichen Meteorologie, Satellitendatenverarbeitung und Windleistungsvorhersage. Hier hat die Arbeitsgruppe in den vergangenen Jahren eine Vielzahl von internationalen und nationalen Projekten erfolgreich koordiniert und bearbeitet.
Als Ergebnis des vom BMUB geförderten Projektes WinReNN betreibt das ZSW zusammen mit der Firma EWC in Karlsruhe seit mehr als drei Jahren ein operationelles Windleistungs-Prognosesystem. Weiterhin hat das ZSW ein PV-Leistungsprognosesystem entwickelt, das aktuell zusammen mit EWC für den operationellen Betrieb vorbereitet wird. Viele Arbeiten der Gruppe SimOpt bei der Prognose von Wind- und PV- Erzeugungsleistungen profitieren von ihrer großen Erfahrung mit maschinellen Lernverfahren und von der effizienten Nutzung sehr leistungsfähiger Rechnerarchitekturen auf der Basis parallelisierter Grafikprozessoren.
Die PV-Ertragsberechnungen bei bekannter oder vorausberechneter Einstrahlung profitieren von den langjährigen Ertragsmessungen bei den verschiedensten PV-Modultechnologien auf dem Solar-Testfeld Widderstall des ZSW. Dies schließt langjährige Auswertungen von direkter und diffuser Strahlung sowie des Spektrums ein, die Ertragsberechnungen für verschiedene Ausrichtungen von PV-Generatoren ermöglichen.
ZSW: QUADRA energy ist einer der größten Direktvermarkter in Deutschland. Wie setzen Sie Künstliche Intelligenz in Ihrem Unternehmen ein?
Dr. Achim Strunk: Die Direktvermarktung ist ein etabliertes Konzept, um die Marktintegration von fluktuierenden Erzeugern wie beispielsweise von Windenergie- oder Solaranlagen voranzutreiben und die volkswirtschaftlichen Kosten der Energiewende zu minimieren. Dazu verkaufen wir den Strom unseres EE-Erzeugungsportfolios von etwa 8.700 Megawatt an den einschlägigen Strombörsen. Für Direktvermarkter spielen dabei weniger die Strompreise eine Rolle, sondern vielmehr die möglichst frühzeitige Vorhersage der exakten Stromproduktion in jeder Stunde eines Tages. Einfach gesagt: Je genauer wir vorhersagen können, wie viel Strom tatsächlich in das Netz geliefert wird, desto weniger Kosten entstehen uns in der Direktvermarktung.
Der Einsatz hochgenauer Prognostik und Analytik ist daher von entscheidender Bedeutung für die Direktvermarktung. Dies betrifft zum einen, wie oben genannt, die Prognose der
eigenen Erzeugung aus Wind- und PV-Anlagen, als auch die Antizipation von Marktbewegungen. In beiden Bereichen haben wir in den letzten Jahren eigene, prediktive Methoden auf Basis von Machine Learning bzw. Künstlicher Intelligenz entwickelt. Diese Prozesse treiben wir ständig weiter voran, was nur durch den Einsatz erfahrenen Personals und mit starken Partnern gelingen kann. In den letzten Jahren hat QUADRA energy damit begonnen, auch den Netzbetreibern in Deutschland hochqualitative Produkte in Form von Analysen, Hochrechnungen und Leistungsprognosen zur Verfügung zu stellen. Die hauseigene KI unterstützt somit die Energiewende und den Erfolg der Erneuerbaren über die Vermarktung hinaus.
ZSW: Windenergie- und PV-Anlagen sind zentraler Baustein für die Energiewende – umso schlimmer, wenn sie abgeregelt werden. Wie kann KI das verhindern?
Wir sehen mit dem Wechsel vom Einspeisemanagement zum Redispatch 2.0 und dem Einbezug der Erneuerbaren Anlagen die ersten Erfolge, die Simulation der Netze – und damit die Grundlage für die Beseitigung von Netzengpässen – zu verbessern. Die Zeit seit der Einführung im Oktober 2021 war davon geprägt, die umfänglichen Datenaustausche zwischen den Marktpartnern zu etablieren und sukzessive die Vollständigkeit und Qualität zu erhöhen. Durch den vorausschauenden Ansatz des Redispatch 2.0 kann eine maßgeschneiderte und leistungsfähige KI bei allen Prognoseprozessen zu erheblicher Reduktion der Unsicherheiten und somit zu einer effizienteren und kostensparenderen Bewirtschaftung der Stromnetzte führen, was gleichzeitig eine substanziell höhere Einspeisung der Erneuerbaren erlaubt. Das ist nicht nur volkswirtschaftlich sinnvoll, sondern angesichts des geplanten Ausbaus der Erneuerbaren unverzichtbar.
ZSW: Wie haben Sie von der Zusammenarbeit mit dem ZSW profitiert?
Wir haben in den letzten Jahren erhebliche Fortschritte in der Weiterentwicklung der hauseigenen Prognostik und Analytik gemacht. Gerade zu Beginn unserer Aktivitäten haben wir dabei stark mit dem ZSW zusammengearbeitet. Der ständige Austausch mit dem Team von Anton Kaifel war von hohem Wert für unsere Entwicklung. Die Kombination von fachlicher Expertise hinsichtlich KI bzw. Machine Learning und dem bestehenden Domänen-Know-How zu Leistungsprognosen für die Erneuerbaren in der Abteilung Systemanalyse passte gut zu unseren Anforderungen. Wir sind dankbar für die gemeinsamen Erfolge und würden bei ähnlichen Herausforderungen jederzeit wieder mit dem ZSW kooperieren.