„Künstliche Intelligenz ist eine Schlüsseltechnologie für die integrierte Energiewende. In Zukunft werden KI-Algorithmen einen wesentlichen Beitrag für eine sichere, klimafreundliche und kosteneffiziente Energieversorgung leisten“, sagt Andreas Kuhlmann, Vorsitzender der Geschäftsführung der Deutschen Energie-Agentur (Dena). Die Dena, die als Berater der Bundesregierung in Energiefragen fungiert, lotet seit Anfang 2019 mit dem Projekt „Enerki – Einsatz Künstlicher Intelligenz zur Optimierung des Energiesystems“ die Potenziale von KI für die Energiewende aus.
Dabei hat sie nun als erste Ergebnisse eine Analyse zur Strukturierung von Anwendungsfeldern sowie eine repräsentative Umfrage unter 250 Entscheidern in Unternehmen der Energiewirtschaft vorgelegt. Nach dieser Umfrage sieht die große Mehrheit der deutschen Energieunternehmen große Chancen beim Einsatz von KI. So gehen insgesamt 74 % der befragten Unternehmen davon aus, dass sich der Einsatz von KI-Technologie positiv auf die Energiewende auswirken wird.
Künstliche Intelligenz ermöglicht genaue Vorhersagen
Vor allem für die integrierte Energiewende – das Zusammenwachsen von Strom, Wärme und Verkehr – und die intelligente Optimierung des Energiesystems schreiben Unternehmen KI eine hohe Bedeutung zu. 82 % sind überzeugt, dass KI in diesem Bereich eine wichtige Rolle spielen wird. Bei Erneuerbare-Energien-Anlagen sind durch KI-gestützte Analysen von Wetter- und Sensordaten genauere Prognosen möglich, wodurch sich die Netzstabilität und Versorgungssicherheit erhöht.
Gerade zur Verbesserung von Prognosen lohnt sich der KI-Einsatz für die Energieunternehmen in Deutschland, ist die Dena überzeugt. „Anforderungen an die Gleichzeitigkeit von Erzeugung und Verbrauch machen Prognosen zu einem elementaren Bestandteil der Energiewirtschaft über mehrere Wertschöpfungsstufen hinweg“, sagt Philipp Richard, der als Teamleiter Energiesysteme und Digitalisierung bei der Dena einer der Autoren der Studie ist. Wertschöpfungsstufen sind die Verbindungen zwischen Erzeugung und Handel, Transport und Handel sowie Erzeugung und Verbrauch. „Mit wachsendem Aufkommen fluktuierender erneuerbarer Energien und der Notwendigkeit, die Auslastung von (Verteil-)Netzen zu erhöhen und kritische Zustände frühzeitig zu erkennen, wird dieser Bedarf zukünftig steigen“, so die Studie. Auch das Aufkommen neuer Anwendungen wie Elektromobilität erfordere in Zukunft mehr Prognosen, um etwa den Ladebedarf auch in Abhängigkeit von unterschiedlichen Preissignalen zu bestimmen.
Abgleich historischer und Echtzeitdaten
Für die Prognose-Erstellung werden historische Daten und gegebenenfalls weitere Parameter aus Echtzeitdaten zur Ableitung der künftigen Entwicklung verwendet. „Diese Ableitung kann mithilfe von KI über statistische Verfahren oder Machine Learning deutlich verbessert werden“, stellt Richard klar. Beispielsweise könnten mit einer genaueren Vorhersage schwankender erneuerbarer Energien eine gezieltere Vermarktung erreicht, ausgleichende Maßnahmen bei Ungleichgewichten von Angebot und Nachfrage eingeleitet und die Fälligkeit von Strafzahlungen durch Bilanzungleichgewichte vermieden werden. Eine Verbesserung von Prognosen durch KI könne somit insbesondere zur Integration erneuerbarer Energien beitragen.
Als zweites großes Einsatzfeld für KI identifiziert die Studie die Betriebsoptimierung. KI-Anwendungsmöglichkeiten reichen hier von einem optimierten Einsatz von konventionellen und Erneuerbare-Energien-Kraftwerken einschließlich einer möglichen Gas- beziehungsweise Wärmeversorgung – etwa virtuelle Kraftwerke und Dispatch-Optimierung – bis hin zu einem optimierten Netzbetrieb und höherer Netzauslastung. Bei der Erstellung von Betriebsstrategien können äußere Rahmenbedingungen iwe beispielsweise die Strompreisentwicklung und weitere in Echtzeit verfügbare Daten genutzt und mit KI-Methoden ausgewertet werden, um eine optimale Strategie abzuleiten. Ein weiteres KI-Anwendungsfeld sei hier ist die Netzzustandserfassung, die Netzbelastungen aus Echtzeitdaten ableitet und damit kritische Netzzustände prognostizieren und verhindern kann.
Besseres Management der Einspeisung erneuerbarer Energien
Dabei können KI-Anwendungen laut der Dena-Studie auch einen Betrag zur Integration der erneuerbaren Energien leisten: In den vergangenen Jahren seien die Kosten für den Netzbetrieb insbesondere aufgrund von Redispatch- und Einspeisemanagementmaßnahmen deutlich gestiegen: „Ein durch KI optimierter Betrieb könnte hier von großer Bedeutung sein, indem durch eine Anpassung der Erzeugung an die tatsächliche Netzbelastung Einspeisemanagementmaßnahmen deutlich reduziert werden können.“ Tools zur Einsatzoptimierung sind nach Einschätzung der Autoren als kommerzielle Anwendungen bereits etabliert und werden beispielsweise in bestehenden virtuellen Kraftwerken eingesetzt. Dabei gebe es erste Ansätze zur Nutzung von KI-Methoden, und man erwarte, dass diese zunehmend zum Einsatz kommen. Beispielsweise wolle GE Energy mit einem optimierten Betrieb von Windkraftanlagen – etwa die Anpassung der Ausrichtung nach Windrichtung – den Windertrag um bis zu 20 % steigern.
Fraunhofer IOSB setzt auf Fehlererkennung im Netz mittels KI
Eine Betriebsoptimierung unter Berücksichtigung mehrerer äußerer und Asset-spezifischer Parameter werde durch Machine Learning ermöglicht. Beispielsweise wendet das Fraunhofer IOSB das maschinelle Lernen zur Fehlererkennung im Netz an. Im ersten Schritt werden hier die 4,3 Millionen automatisch erfassten Datensätze pro Tag auf 20 % des Datenvolumens komprimiert und ausgewertet. Auf Grundlage typischer Betriebsstörungen wird dann in einem zweiten Schritt das künstliche neuronale Netzwerk (KNN) angelernt. Auf dieser Basis kann das KNN innerhalb von Millisekunden Anomalien erkennen und Gegenmaßnahmen vorschlagen. Ohne Machine Learning sei eine solche Auswertung in nahezu Echtzeit nicht möglich.
Unternehmen der Energiewirtschaft in Deutschland begreifen Künstliche Intelligenz überwiegend als Chance. So lautet ein zentrales Ergebnis einer aktuellen repräsentativen Umfrage der Deutschen Energie-Agentur (Dena) unter deutschen Energieversorgern. Grafik: Dena
Mangelndes Wissen und Datenschutz sowie Datensicherheit sind derzeit laut der Dena-Umfrage die Hauptbarrieren für den KI-Einsatz bei deutschen Energieversorgern. Insbesondere in großen Unternehmen wird die mangelnde Expertise als größtes Hindernis gesehen. Grafik: DenaEEG-Umlage verteuert den Strom 2020
Der Strom dürfte für deutsche Unternehmen im nächsten Jahr teurer werden: 2020 steigt die Umlage zur Deckung der Kosten des nach dem Erneuerbare-Energien-Gesetz (EEG) vergüteten Stroms um 5,5 % auf 6,756 Cent pro Kilowattstunde, wie die Übertragungsnetzbetreiber und die Bundesnetzagentur melden. Für 2019 lag die Umlage bei 6,405 Cent pro Kilowattstunde. Nachdem die Umlage zuletzt zweimal in Folge gesunken war, steigt sie damit nun wieder an. Die EEG-Umlage macht ungefähr ein Viertel des Strompreises aus und finanziert die festen Vergütungen, die Ökostrom-Produzenten für die Einspeisung ihres Stroms bislang unabhängig vom Marktpreis bekommen.
Dessen ungeachtet hätten die in den letzten Jahren umgesetzten Reformen die Kostenentwicklung des EEG deutlich gedämpft, betont die Bundesnetzagentur. Insbesondere die Ausschreibungen würden die Ausgaben für Neuanlagen erheblich senken. Allerdings werden niedrigere Ausschreibungsergebnisse erst allmählich in der Umlage zur Geltung kommen. Derzeit werden beispielsweise noch Windanlagen auf See in Betrieb genommen, die noch nach dem alten sehr hohen Vergütungsregime finanziert werden. In den kommenden Jahren beginnen dagegen auch bei Wind auf See die Ausschreibungen zu wirken.
