Skip to main content Skip to main navigation

Publication

Integration Erneuerbarer Energien – KI-basierte Vorhersageverfahren zur Stromerzeugung durch Photovoltaikanlagen

Boris Brandherm; Matthieu Deru; Alassane Ndiaye; Gian-Luca Kiefer; Jörg Baus; Ralf Gampfer
In: Thomas Barton; Christian Müller. Data Science anwenden: Einführung, Anwendungen und Projekte. Pages 147-170, ISBN 978-3-658-33813-8, Springer Fachmedien Wiesbaden, Wiesbaden, 10/2021.

Abstract

In Deutschland entspricht die heutige Übertragungsnetztopologie häufig noch dem technischen Stand des einseitigen Energieflusses von zentralen Kraftwerken zu den Verbrauchern. Die Energiewende mit dem Ausstieg aus den Kernkraftwerken bis 2022 und dem Ausbau der erneuerbaren Energien auf Verteilnetzebene konfrontiert Niederspannungsnetze mit Herausforderungen wie z. B. unüberwachten Überlastungen oder Verletzungen des Spannungsbereichs. Zusätzlich erschwert die Volatilität von Lasten und erneuerbaren Energien die Vorhersage zukünftiger Netzzustände, die Planung von Präventivmaßnahmen und deren Anwendung im Bedarfsfall. In diesem Kapitel wird die Integration erneuerbarer Energien am Beispiel von Photovoltaikanlagen vorgestellt. Die Schritte der Integration umfassen dabei die notwendigen informationstechnischen Schritte wie Erfassung der Daten an der Photovoltaikanlage, deren Weiterleitung, Vorverarbeitung und Speicherung in einer Datenbank und deren Weiterverarbeitung durch weitere Dienste – in diesem Fall (a) durch KI-basierte Vorhersageverfahren, die die Stromerzeugung einer Photovoltaikanlage vorhersagen und (b) nachgelagerte Dienste, die diese Vorhersagen für weitere Zwecke verwenden wie beispielsweise für eine Stromnetzberechnung zur Vorhersage zukünftiger Netzzustände oder für eine Preisbildung für den Strom an einer Stromladesäule.

Projects

More links