Themen
Einzelansicht

01. 09. 2020
Verfasst von: Johannes Rolink, Tjarko Tjaden

Prognosen fördern Einsatz erneuerbarer Energien

Auf dem Dach eines Hauses ist eine Photovoltaikanlage montiert, die aus mehreren aneinandergereihten Solarplatten besteht. © Hochschule-Emden/Leer
Im Dienst der Stromerzeugung und Forschung: Photovoltaikanlage der Hochschule Emden/Leer

Durch den steigenden Anteil regenerativer Energien an der Stromerzeugung gewinnen Vorhersagen immer mehr an Bedeutung. Last- und Einspeiseprognosen sind hilfreich, um Unsicherheiten durch fluktuierende Photovoltaik- und Windkraftenergie besser abzufangen. Die Hochschule Emden/Leer untersucht, welchen Mehrwert Prognosen haben und wie sie sich mithilfe künstlicher Intelligenz sinnvoll erstellen und einsetzen lassen.

Fluktuierendes Energieangebot intelligent nutzen

Haushalte mit Photovoltaikanlagen wollen den selbst-erzeugten Strom meist auch selbst nutzen. Um den Verbrauch vom schwankenden Angebot zu entkoppeln, können Batteriespeicher eingesetzt werden. Alternativ können Verbraucher ihr Verhalten stärker an die Erzeugung anpassen, indem sie zum Beispiel Geräte wie Waschmaschine und Geschirrspüler zu Zeiten von Energieüberschuss nutzen. Dafür bedarf es verlässlicher Last- und Einspeiseprognosen. Auch für Betreiber von Verteilnetzen sind Prognosen interessant, um die Reserven von Betriebsmitteln besser auszunutzen und somit mehr Strom aus erneuerbaren Energien aufzunehmen. Ferner können Gewerbebetriebe von den Vorhersagen profitieren, indem sie etwa die jährliche Spitzenlast reduzieren und so Kosten einsparen.

Ein Kurven-Diagramm, der die Schwankung der elektrischen Last über mehrere Tage abbildet. Sowohl die prognostizierten, als auch die gemessenen Werte sind zu entnehmen. Beide weichen nur geringfügig voneinander ab. © Hochschule-Emden/Leer
Präzise Prognosen helfen beim Energiesparen – hier Prognose und Messung der elektrischen Last am Hochschulstandort Emden in 2016.

Künstliche Intelligenz unterstützt Prognosen

Die Forschungsgruppe Regenerative Energien an der Hochschule Emden/Leer beschäftigt sich in mehreren Projekten mit der Frage, wie sich Last- und Erzeugungsprognosen aus Sicht von Netznutzern und Netzbetreibern gewinnbringend einsetzen lassen. Für die Erprobung stehen am Standort Emden verschiedene Last- und Erzeugungsanlagen zur Verfügung. Zur Erstellung der Prognosen finden die Wissenschaftlerinnen und Wissenschaftler wichtige Werkzeuge im Bereich der künstlichen Intelligenz. Hier arbeiten sie unter anderem mit neuronalen Netzen oder Support Vector Machines (Methode des maschinellen Lernens).

Verfahren nutzerfreundlich auslegen

Die Herausforderung dieser Verfahren besteht darin, den Einsatz nutzerfreundlich und nicht zu komplex zu gestalten, aber dennoch einen ausreichenden Nutzen zu gewährleisten. Da Prognosen naturgemäß mit Unsicherheit behaftet sind, müssen die Forschenden auch die Risiken mitberücksichtigen. Das gilt insbesondere dann, wenn kritische Anwendungen davon abhängen – wie im Bereich der Stromnetze.

Prof. Dr. Johannes Rolink
Prof. Dr.-Ing. Johannes Rolink
Adresse
Forschungsgruppe Regenerative Energien
Hochschule Emden/Leer
Prof. Dr. Johannes Rolink
Prof. Dr.-Ing. Johannes Rolink
Adresse
Forschungsgruppe Regenerative Energien
Hochschule Emden/Leer
Tjarko Tjaden
Tjarko Tjaden, M. Sc.
Adresse
Forschungsgruppe Regenerative Energien
Hochschule Emden/Leer
Tjarko Tjaden
Tjarko Tjaden, M. Sc.
Adresse
Forschungsgruppe Regenerative Energien
Hochschule Emden/Leer
Hochschule Emden/Leer, Wissenstransfer
Hochschule Emden/Leer, Wissenstransfer