Cleanthinking.de
Sauber in die Zukunft

Werbung

Künstliche Intelligenz bei der Energieprognose von Wind- und PV-Strom

0 46

Seit zwei Jahren entwickelt das Fraunhofer IWES gemeinsam mit der enercast GmbH in einem Kooperationsprojekt zuverlässige und genaue Leistungsprognosen für Wind- und Photovoltaikanlagen sowie für ganze Regionen. Die Berechnungen basieren auf der genauen Kenntnis des Anlagenbestands sowie auf Auswertungen Meteorologischer Daten und Prognosen. Zum Einsatz kommen dabei Methoden der künstlichen Intelligenz, beispielsweise künstliche neuronale Netze, die aus Erfahrungen der Vergangenheit Schlüsse über den Zusammenhang von Wetterprognosen und zukünftiger eingespeister Leistung herstellen können.

Energpeprognose von EnercastCleantech & Energie News / Kassel.Die zu beantwortende Frage ist: Welche Leistung erbringt die Windenergie- oder PV-Anlage bei welcher Wettersituation? Neuronale Netze zeichnen sich dadurch aus, dass unbekanntes Verhalten fluktuierender Einspeiser in der Zukunft durch erlernte Erfahrungen aus der Vergangenheit prognostiziert werden kann.

Die neuronalen Netze nehmen dabei sowohl wetter- als auch standortabhängige Effekte auf. Befindet sich beispielsweise in westlicher Himmelsrichtung einer Anlage eine Erhebung oder eine andere Windenergieanlage, lernt das System, dass bei Wind aus westlicher Richtung eine Verschattung der Anlage eintritt. Diese Verschattung muss nicht explizit aufgenommen oder modelliert werden, sondern wird implizit durch die Zusammenhänge, die durch die historischen Daten repräsentiert werden, erlernt. Der Vorteil hierbei ist, dass keine detaillierte Modellierung der Umgebungsparameter notwendig ist und somit auch unbekannte Phänomene erlernt werden können.

Energieprognose wird kontinuierlich genauer

Je länger und aktueller die Zeiträume sind, die den neuronalen Netzen zum Lernen zur Verfügung gestellt werden, desto genauer bilden die Berechnungsergebnisse die Realität ab. Während ein physikalisch modelliertes System an einem Punkt stehen bleibt und aufwändig manuell auf den neuesten Stand gebracht werden müsste, können neuronale Netze mittels Neukalibrierung durch Daten der nahen Vergangenheit in einem automatisierten Prozess aktualisiert werden.

Lesen Sie auch: enercast prognostiziert und spart Erzeugern viel Geld

Das könnte dir auch gefallen

Hinterlasse eine Antwort

Ihre Email-Adresse wird nicht veröffentlicht.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More