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.

Ansprechpartner

Anton Kaifel
+49 711 78 70-238

// Regionales KI-Lab für Erneuerbare Energien

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 Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (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).  

Das ZSW hat im April 2020 das vom Land Baden-Württemberg geförderte Projekt „Regionales KI-Lab für Erneuerbare Energien“ gestartet. Ziel des KI-Labs ist vor allem die Unterstützung kleiner und mittlerer Unternehmen in BW, um mit künstlicher Intelligenz neue Produkte und Dienstleistungen anbieten zu können und damit einen Wettbewerbsvorteil zu erlangen. Sollten Sie Interesse an einer Beratung haben, wie Sie mit Maschinellem Lernen mehr aus Ihren Daten machen können, dann melden Sie sich bei uns. Die Beratung und erste Anwendung von maschinellen Lernverfahren mit Ihren Daten sind im Rahmen des KI-Labs für Sie kostenlos. Wir freuen uns auf Ihre Fragen und Ihre Kontaktaufnahme.

// Aktuellste Algorithmen maschineller Lernverfahren

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.