Wie viel Energie steckt morgen früh im Wasser?
Ein neues Prognosemodell unterstützt die heimische Elektrizitätswirtschaft
In diesem innovativen Projekt, hat das Software Competence Center Hagenberg (SCCH) gemeinsam mit dem Verbund (Österreichische Elektriziätswirtschafts-Aktiengesellschaft) ein Prognosemodell auf Basis von künstlichen neuronalen Netzen (KNNs) entwickelt. Ziel der Zusammenarbeit war, genau vorhersagen zu können, welche Mengen an Strom in das Stromnetz eingespeist werden können. Das im Projekt entwickelte Prognosemodell zur Kurzfristvorhersage ist nun Teil des energiewirtschaftlichen Planungssystems des Verbunds.
Überblick
Der Verbund verfügt über 100 Wasserkraftwerke und benötigt besonders für die Laufkraftwerke, die rund um die Uhr Strom zur Deckung der Grundlast erzeugen, aussagekräftige Zuflussprognosen. Welche Mengen an Strom der Verbund in das Stromnetz einspeisen kann hängt unter anderem von den Pegelständen der heimischen Flüsse ab. Die Energie kann nur nachhaltig genutzt werden, wenn man vorher schon weiß, wie viel Energie der Fluss zur Verfügung stellt. Ein Stromüberschuss kann nicht gespeichert werden und die Kunst liegt darin exakt soviel Strom zu produzieren, wie auch tatsächlich gebraucht wird.
Herausforderung
Um nun die Durchflussmengen exakt prognostizieren zu können setzten die Experten vom SCCH künstliche, neuronale Netze (KNNs) über die Durchflussmengen. Solche KNNs bilden als Abstraktion der Informationsverarbeitung einen Zweig der künstlichen Intelligenz und eignen sich zur Problemlösung in Gebieten, in denen nur wenig systematisches Wissen über das zu lösende Problem vorhanden ist. Sie können auf verschiedene Weise eingesetzt werden, zum Beispiel bei der Früherkennung von Tornados, für lokale Wetterprognosen, zur Handschrift- und Objekterkennung, als Grundlage für optimale Maschinensteuerung in der Industrie oder auch zur Prognose von Aktienkursen und -entwicklungen.
Lösung
Seit mehreren Jahren beschäftigt sich Thomas Natschläger vom SCCH mit künstlichen, neuronalen Netzen. Dabei konnten die Experten auf die historischen Daten der Durchflüsse, Temperaturen, und Niederschläge von über zehn Jahren zurückgreifen. Die zunächst nur grob mathematisch dargestellten Zusammenhänge zwischen diesen Einflussgrößen und der exakten Durchflussmenge im Bereich eines Laufkraftwerkes, wurden mithilfe dieser Daten analysiert. „Wir wussten die genauen Eingabegrößen – und auch die genauen Zuflussmengen nach sechs Stunden. Die Idee ist nun, einen Optimierungsalgorithmus über die groben Formelzusammenhänge laufen zu lassen“, sagt Natschläger. Die Prognosequalität im Kurzfristbereich (bis zu einigen Stunden) ist bereits sehr viel versprechend, zumal das Modell mit neuen Datensätzen laufend verbessert wird. Die Zukunft wird zeigen, inwieweit der Prognosehorizont auch auf einige Tage ausgedehnt werden kann.