edna Bundesverband Energiemarkt & Kommunikation e.V.

edna-Presserundgang E-world 2025: KI in der Praxis

Stationen:

1.     Fraunhofer IOSB-AST

Wie künstliche Intelligenz klassische Prognoseansätze in Energiewirtschaft revolutioniert – Use Case Day-Ahead-Differenzzeitreihenprognose für die Albwerk GmbH & Co. KG

Verteilnetzbetreiber sind nach § 12 Absatz 3 der Stromnetzzugangsverordnung (StromNZV) verpflichtet, einen sogenannten Differenzbilanzkreis zu führen, in dem zu jeder Viertelstunde für alle Einspeisungen und Verbräuche die Abweichung zwischen geplanter und tatsächlicher Energiemenge bilanziert wird. Energieexperten des Fraunhofer IOSB-AST konnten nun bei der Albwerk GmbH & Co. KG die Day-Ahead-Prognose für diese Zeitreihe, als Schattenprognose im Vergleich zum bisherigen Dienstleister, um rund 40 Prozent bezogen auf den mittleren absoluten Fehler (MAE) verbessern.

Zunächst wurden dafür in einer Kurzstudie die charakteristischen Eigenschaften des Differenzbilanzkreises bestimmt. Wesentliche Einflussfaktoren sind beispielsweise die Außentemperatur und die Globalstrahlung, da im untersuchten Netzgebiet eine hohe Anzahl an PV-Anlagen installiert ist. Anschließend wurde ein optimiertes Prognosemodell erstellt, das auf KI-Technologien basiert, sodass insbesondere nicht-lineare Charakteristiken der sogenannten Differenzbilanzaggregat-Zeitreihe (DBA) berücksichtigt werden.

„Für die Erstellung des Prognosemodells war es wichtig, das Verhalten der DBA-Zeitreihe im Netzgebiet des Albwerks zu verstehen. Mithilfe unserer Analysetools konnten wir zum Beispiel tageszeitliche Muster sowie spezifische Kalendereffekte in den Zeitreihen identifizieren und somit die Modellparameter demensprechend konfigurieren“, erklärt Tom Bender, Prognoseexperte am Fraunhofer IOSB-AST.

Die genaue Vorhersage der sogenannten Differenzzeitreihe wird mit wachsendem Ausbau der erneuerbaren Energien immer schwieriger, da bei der Prognose über das Standardlastprofil aktuelle Trends wie der Eigenverbrauch mittels Photovoltaik weitestgehend unberücksichtigt bleiben bzw. nur mit einem hohen zeitlichen Verzug abgebildet werden können. Andererseits bleibt das Standardlastprofil das Mittel der Wahl, solange noch kein großflächiger Smart-Meter-Rollout in Deutschland abgeschlossen ist. Betriebswirtschaftlich bedeutsam ist die Day-Ahead-Prognose für den Differenzbilanzkreis, da Differenzen zwischen vorhergesagten Werten und realem Verbrauch durch teure Ausgleichenergie kompensiert werden müssen.

Seit Anfang 2024 wird die Fraunhofer-Prognoselösung im Testbetrieb beim Albwerk eingesetzt und die Prognosegüte verglichen und bewertet. Dabei wird täglich eine entsprechende Day-Ahead-Prognose für den Kunden generiert.

„Im bisherigen Analysezeitraum führte die ‚Schatten’-Day-Ahead-Prognose des Fraunhofer Instituts sowohl zu einer geringeren absoluten Ausgleichsenergiemenge als auch zu einer Senkung der entsprechenden Ausgleichsenergiekosten“, sagt Frank Dieterle, Leiter Energiewirtschaft, Albwerk GmbH & Co. KG.

2.     Kraftwerk Software Gruppe

KI im operativen Netzbetrieb

Das Praxisbeispiel zeigt, wie künstliche Intelligenz in mobilen Anwendungen den Monteur im Feld unterstützen und seine Arbeit erleichtern kann.

Beispiele für den praktischen Einsatz im Feld sind:

•       Recherche in großen Datenmengen

•       Prüfung von Fotos auf DSGVO-Compliance

•       Erfassung von Zählerständen

Dabei ist eine Verbindung zu zentralen, öffentlichen KI-Systemen häufig nicht gewünscht und im Feld oft nicht möglich. Dieser scheinbare Nachteil ist jedoch gerade im sensiblen Umfeld kritischer Infrastrukturen von Vorteil. Denn eingespielte Daten fließen nicht automatisch in den Datenbestand zentraler, öffentlicher KI-Systeme ein. Ein Plus für Datenschutz und Informationssicherheit.

KI als Recherchehelfer: Monteure können auf ihren mobilen Geräten ohne Internetanbindung Fragen z. B. über Vorgehensweisen stellen und erhalten eine Antwort mit Verweis auf die jeweiligen Quellen. Über die KI sind solche Abfragen auch multilingual möglich, d.h. der Monteur stellt die Fragen und erhält die Antworten wahlweise auf Deutsch oder in seiner Muttersprache.

KI als Aufpasser gegen Compliance-Verstöße: Wenn Monteure Dokumentationsfotos anfertigen, sind dabei verschiedene Regeln zu beachten. Unter anderem dürfen die Rechte Dritter nicht dadurch  verletzt werden, dass sie versehentlich auf Fotos zu sehen sind. KI kann das überwachen.

KI extrahiert Daten aus Fotos und anderen Quellen: Im operativen Netzbetrieb werden häufig Dokumentationsfotos gemacht. Diese zeigen Informationen, die dank KI nicht mehr zusätzlich erfasst werden müssen. So erkennt KI in Fotos von Energiezählern Serialnummern und Zählerstände oder liest aus dem Foto eines KVS die Bezeichnungen der Abgänge heraus.

Die Beispiele zeigen Einsatzfelder, denen die Europäische KI-Verordnung ein geringes Risiko zuschreibt. Daraus ergeben sich überschaubare Anforderungen an die jeweiligen Versorger:

•       Mitarbeiter müssen im Bereich KI-Kompetenz geschult werden.

•       Versorger müssen Ihre KI-Anwendungsfälle dokumentieren und regelmäßig eine Risikobewertung durchführen.

•       Sie müssen Ihre Dokumentation auf Aufforderung vorlegen können.

Ließe man KI z. B. direkt in die Netzsteuerung eingreifen, würde es sich um ein Hochrisiko-KI-System nach der KI-Verordnung handeln.  In diesem Fall kämen erheblich höhere Prüfungs-, Dokumentations- und Meldepflichten auf die jeweiligen Versorger zu.

3.     Volue

KI im Energie-Trading: Volue PowerBot stellt KI-gestütztes und risikobasiertes Trading-Modul vor

PowerBot, ein Unternehmen der Volue-Gruppe, führt die nächste Generation eines risikobasierten und KI-getriebenen Handelsmodul für den Kurzfristhandel ein. Es erweitert das PowerBot-Portfolio um einen flexiblen, eigenständigen Ansatz für das kurzfristige Management von Unter- oder Überdeckungen. Das Modul ist Teil der ausgereiften PowerBot-Algorithmen-Landschaft, mit der die Teilnahme an Auktionen und dem kontinuierlichen Handel an den wichtigsten Europäischen Strommärkten möglich ist. Vorteile für Energiehändler sind:

• Automatisierte, risikoorientierte Entscheidungsfindung
  Das Modul bzw. die Plattform kann unabhängige Entscheidungen über die Handelshorizonte und die zu schließenden Positionen über verschiedene Kurzfristmärkte hinweg treffen. Eingeschlossen sind der Day-ahead-Markt, Intraday-Auktionen, der kontinuierliche Intraday-Handel und der Ausgleichsenergiemarkt.
• KI sagt Preisverteilung voraus
  Zugrunde liegt eine KI-gestützte Preisprognose. Nutzer können der von PowerBot mitgegebenen Prognoselösung vertrauen oder eine eigene einbinden. Die Prognosen sind dynamisch und werden zugunsten optimaler Handelsentscheidungen stets mit Echtzeitdaten abgeglichen.
• Optimierte Verteilung der Positionen über verschiedene Märkte
  Anstatt auf den kontinuierlichen Handel am Intraday-Markt allein zu setzen, verteilt die Lösung die Positionen strategisch über verschiedene Kurzfristmärkte. Händler können so den Einfluss von Preisschwankungen verringern.
• Integrierte Vorhersage von Ungleichgewichten
  Typischerweise steigt die Gewissheit, welche Positionen zu schließen sind, je näher der letztmögliche Handelszeitpunkt kommt – zugleich verschlechtern sich allerdings meistens die Konditionen am Markt. Um solche „Last-Minute-Entscheidungen“ vermeiden zu können, bietet das neue Tool eine Vorhersage für die Über-/Unterdeckung und für die Marktpreise basierend auf aktuellen Echtzeitdaten und historischen Daten.
• Demokratisierung des Kurzfristhandels
  Die neue Lösung reduziert die Komplexität des Portfoliomanagements und eröffnet kleineren Marktteilnehmern, unabhängig und ähnlich effizient wie die großen Player zu agieren