02.01.2024 – Prognoseexperten des Fraunhofer IOSB-AST haben im Auftrag des Übertragungsnetzbetreibers TenneT durch den Einsatz von Künstlicher Intelligenz (KI) deutliche Verbesserungen bei Netzverlustprognosen erzielt.
Die Energieexperten Tom Bender und Ralf Marquardt (v.l.n.r.) vom Fraunhofer IOSB-AST haben gemeinsam für die TenneT die Netzverlustprognose um 18 Prozent verbessert. Foto: indigo / Manfred Zentsch
Für die Einsparung von Kosten bei der Beschaffung von Verlustenergien sind Netzverlustprognosen für Übertragungsnetzbetreiber essenziell. Mit einer neuen Modellkonfiguration für die Netzverlustprognose und durch den Einsatz von Künstlicher Intelligenz (KI) konnte der Übertragungsnetzbetreiber TenneT zusammen mit Experten des Fraunhofer IOSB-AST den eigenen Angaben zufolge eine Verbesserung der Prognosen um 18 Prozent gegenüber der bisherigen Lösung realisieren.
Bereits seit vielen Jahren arbeiten beide Akteure bei hochspezialisierten Aufgaben im Bereich Prognose, Redispatch oder Datenaufbereitung eng zusammen. Die bisherige Day-ahead-Prognoselösung für Netzverluste wurde den Experten zufolge nun entscheidend verbessert, da zum einen deutlich mehr Daten in besserer Auflösung (zeitlich/räumlich) zur Verfügung stünden und zum anderen neue KI-Methoden helfen können, die komplexen Daten zuverlässig zu interpretieren.
Testsystem seit Juli 2023 im Einsatz
In einem ersten Schritt untersuchten die Energieexperten des Fraunhofer IOSB-AST, wie der vorhandene Datenpool (Wetterdaten, Einspeisung erneuerbarer Energien, Netzauslastung) sinnvoll erweitert und ergänzt werden kann. So konnten beispielsweise neben den regelzonenbezogenen Daten zusätzliche Zeitreihen einzelner Bundesländer in das System integriert werden. In einem zweiten Schritt wurde ein neues Prognosemodell mit angepasster Modellarchitektur und Datenvorverarbeitung implementiert, das seit Juli 2023 als Testsystem bei TenneT im Einsatz ist.
Das Modell basiert auf Deep Learning Ansätzen und biete gegenüber klassischen Vorhersagemethoden den Vorteil, so die Wissenschaftler, dass nicht-lineare Zusammenhänge bei der Entstehung von Netzverlusten und dem Zusammenhang zu exogenen Einflussgrößen besonders gut angelernt werden könnten.
Weitere, sukzessive Verbesserungen zur Optimierung der Eingangsdaten, der Vorverarbeitung sowie Performanceoptimierungen werden derzeit geprüft. Die finale Überführung in das Produktivsystem ist dann für 2024 geplant. (bs)