Mit Daten und KI den Energieverbrauch optimieren
Wer Energieflüsse clever steuern will, muss wissen, was wann in welchem Umfang verbraucht wird und wann wie viel Strom zu welchen Preisen verfügbar sein wird. Prognosen sind hier ein zentrales Hilfsmittel. Sie ermöglichen es, den Energieeinsatz zu planen und zu optimieren.
Inhaltsverzeichnis
Zum einen geht es für kleine und mittlere Unternehmen darum, den eigenen Verbrauch vorherzusagen: Wie viel Strom wird in den nächsten Stunden oder Tagen benötigt? Welche Anlagen laufen wann? Welche Lasten sind beeinflussbar, welche nicht? Nur so lässt sich ermitteln, wie viel Flexibilität zur Verfügung steht. Diese ist Voraussetzung für ein intelligentes Energiemanagement. Auch die Wärme- und Kältebedarfe spielen hier mit hinein.
Andererseits sind auch Prognosen wichtig, wann Strom besonders günstig sein wird – anhand von Wettervorhersagen und Daten des Strommarkts. Denn die Strompreise an der Börse stehen am Vortag fest. Falls vorhanden, muss man zusätzlich die Erzeugung des eigenen PV-Stroms prognostizieren, um den Eigenverbrauch zu optimieren. Einige Dienstleister bieten hier bereits Services an, die anhand von Wetterdaten und Anlagenparametern die Produktion in den nächsten Stunden und Tagen vorhersagen. Über Lastmanagement lassen sich dann Verbrauch optimieren und Kosten reduzieren.
Algorithmen prognostizieren Verbrauch und lernen selbst dazu
Gerade Gebäude bieten durch ihre thermische Trägheit oft Spielräume für eine flexible Betriebsweise von Heizung und Kühlung. Hier kommt es darauf an, das Gebäudeverhalten richtig vorherzusagen: Wie entwickeln sich Temperatur und Energiebedarf, wenn ich die Heizung für eine gewisse Zeit etwas herunterregele oder die Kühlung später einschalte? Welche Abweichungen vom Sollwert sind akzeptabel, ohne dass es zu Komforteinbußen kommt? Ein halbes Grad Unterschied in der Raumtemperatur wird nicht wahrgenommen, kann aber bereits helfen, Energie einzusparen. Früher musste man für solche Vorhersagen mühsam Daten zusammentragen und Modelle erstellen. Heute übernehmen das zunehmend intelligente Algorithmen. So lässt sich der Energieverbrauch von Gebäuden oder Anlagen vorhersagen, ohne dass man jedes Detail manuell erfassen und modellieren muss.
Je mehr Daten, desto treffsicherer die Vorhersagen
Die Expertinnen und Experten von Klima.Neutral.Digital arbeiten auch mit Methoden des maschinellen Lernens, wenn sie kleine und mittlere Unternehmen unterstützen. Die Algorithmen analysieren Verbrauchsdaten der Vergangenheit, erkennen Muster und bilden so das Systemverhalten nach. Dabei lernen sie selbstständig, welche Einflussfaktoren relevant sind – von Wetter und Belegung bis hin zu Ferienzeiten. Je mehr Daten zur Verfügung stehen, desto treffsicherer werden die Modelle.
Auf Basis solcher Prognosen lassen sich Fahrpläne für eine optimierte Energienutzung erstellen. Weichen die tatsächlichen Verbräuche von der Vorhersage ab, passen lernende Algorithmen die Planung laufend an. So wird das System im Laufe der Zeit immer genauer und treffsicherer.
Dabei muss es gar nicht immer um einzelne Anlagen oder Gebäude gehen. Auch für einen ganzen Unternehmensstandort lässt sich anhand historischer Lastgänge ein Verbrauchsprofil erstellen und fortschreiben. So erkennt man typische Muster wie Tages- und Wochenzyklen und kann die Beschaffung und Erzeugung von Energie vorausschauend planen.
