• Einspeisung aus Wind und Solar lassen nach
  • Oberbürgermeister: Über kurz oder lang Gasrationierungen
  • Wenn Hacker mit dem Blackout drohen
  • Studie: Ladelücke gefährdet Klimaziele
  • Markt für nachhaltige Finanzierungen schrumpft weiter
  • EnBW engagiert sich weiter in Düsseldorf
  • Sozialdemokraten kritisieren "Antiteuerungspaket" der Regierung
  • EnBW erweitert sein Ladeangebot um sieben weitere Länder
  • Wissing fordert mehr Ladesäulen in Kommunen
  • Deneff Jahreskonferenz "Effizienzrepublik Deutschland"
Enerige & Management > Gastbeitrag -  Mit KI Gewinne maximieren
Quelle: E&M
GASTBEITRAG:
Mit KI Gewinne maximieren
Der Einsatz von Künstlicher Intelligenz kann bares Geld bedeuten, wie *Juan Garcia-Sievert von der „mm1 Consulting & Management“ an einigen Beispielen erklärt.
 
Die Anforderungen auf dem Energiemarkt steigen in vielen Bereichen rapide. Nicht nur die Erzeugung erneuerbarer Energien ist volatiler, auch die Nachfrage nach Strom wird in den kommenden Jahren weiter steigen – getrieben insbesondere durch die E-Mobilität und die steigende Anzahl an Wärmepumpen. Das Energienetz, die Erzeugungskapazitäten und die zugrunde liegenden Prozesse in Deutschland sind darauf derzeit nicht vorbereitet.

Aus diesem Grund wird fortlaufend an innovativen Ansätzen gearbeitet – unter anderem an Künstlicher Intelligenz (KI). Diese ist eine vielversprechende Lösung, um einen großen Teil der vielen Herausforderungen in der Energiewirtschaft zu meistern. Was KI heute schon leisten kann, soll hier anhand von Beispielen und Best Practices erläutert werden.

Bei den großen Energieversorgern wurde KI bereits bei verschiedenen Anwendungen erfolgreich eingesetzt. Eon nutzt beispielsweise KI zur Maximierung der Energie-Erzeugung in Windparks, indem Turbinen synchronisiert und optimal zum Wind ausgerichtet werden. Ebenfalls auf Erzeugerebene setzt EnBW auf virtuelle Kraftwerke, um eine Vielzahl von dezentralen Erzeugungsanlagen mit den Märkten zu verbinden.

Mittels KI wird die zu erwartende Energiemenge der Erzeuger vorausgesagt und mit den Strombörsen abgeglichen. Dadurch kann der erzeugte Strom gebündelt vermarktet, Schwankungen am Markt ausgeglichen und Stromkosten optimiert werden. Ein anderer klassischer Anwendungsfall wird von der Wien Energie umgesetzt. Mittels Drohnenaufnahmen wird der Zustand von Kraftwerken analysiert und somit der Wartungsaufwand reduziert und die Sicherheit bei der Wartung für das Personal erhöht. 

Auch hinter den Kulissen gewinnt Künstliche Intelligenz immer mehr an Bedeutung. Wir sprachen mit Rachel Berryman, Deputy Head of the AI Center for Excellence der Elia Group, um mehr über Entwicklungen bei Netzbetreibern zu erfahren. So befassen sich einige der aktuellen Forschungsprojekte mit Reinforcement Learning zur intelligenten Steuerung der Spannung und des Netzgleichgewichts durch Empfehlungen für die optimale Netztopologie. Andere Projekte liegen im Bereich der vorausschauenden Wartung, zum Beispiel durch den Einsatz von Drohnen mit Hyperspektralkameras.

Die Kunst dabei ist, das richtige Gleichgewicht zwischen langfristigen Zielen und kurzfristigen Erfolgen zu finden. Manche einfach umsetzbaren Maßnahmen können einen erheblichen Mehrwert für das Unternehmen schaffen. Bei der Elia Group werden beispielsweise viele „einfache“ Zeitreihenprognosen eingesetzt, die mit Hilfe von KI verbessert werden können. Oftmals können sogar aus einer Verbesserung im niedrigen einstelligen Prozentbereich Einsparungen in Millionenhöhe folgen. 

Während die Anwendungsfelder in der Energiewirtschaft bereits weitgehend bekannt sind, scheitern viele Unternehmen jedoch nach wie vor an deren Umsetzung. Ein erfolgreich umgesetztes Projekt eines Mitbewerbers bedeutet nicht zwangsläufig ein selbiges Erfolgsszenario im eigenen Unternehmen.

Die Umsetzung von KI-Anwendungsfällen ist ein Prozess, bei dem verschiedene Faktoren berücksichtigt werden müssen – auch die Möglichkeit, dass KI-Algorithmen nicht der beste Ansatz sind. Zusätzlich bestehen neben den regulatorischen und organisatorischen Aspekten weiterhin viele Herausforderungen, insbesondere hinsichtlich verfügbarer Daten, deren Qualität und Verteilung über die Zeit. Um diese zu meistern, sind folgende 8 Erfolgskriterien für die Durchführung von KI-Projekten entscheidend. Diese sind auf der Grafik untenstehend zu finden:

 
Quelle: mm1



*Juan Garcia-Sievert Manager & Data Scientist, mm1 Consulting & Management
 
Juan Garcia-Sievert
Quelle: mm1 Consulting & Management

 
 

Redaktion
© 2022 Energie & Management GmbH
Mittwoch, 23.03.2022, 13:42 Uhr

Mehr zum Thema