4 Wege, wie künstliche Intelligenz die Energiewirtschaft voranbringt

Die Anwendungen von Künstliche Intelligenz in the energy industry are powering new innovations and helping to develop the smart grid of the future. Christopher Frye, a Kolabtree freelancer, details how artificial intelligence in power plant, with 4 real-world examples.

Künstliche Intelligenz (KI) stellt einen Bereich dar, der in einer Vielzahl von Sektoren ein erhebliches Potenzial birgt, und zwar sowohl in Bezug auf den Wert, den sie schaffen kann, als auch in Bezug auf den Wert, den sie durch die Erschließung bisher ungenutzter Potenziale aufdecken kann. Mit zunehmender Rechenleistung und besser zugänglicher Datenspeicherung kann die KI heute Analysen von Datensätzen auf viel leistungsfähigere und elegantere Weise erstellen als je zuvor.

In more simple terms, AI is expanding its scope over tasks traditionally performed by humans; indeed, in some respects, better than humans. In this blog post, we delve into the impact of this potential on the energy industry and in particular, how künstliche Intelligenz in power plant is creating opportunity and value for the electrical system.

Konvergenz von KI und Energie

Interessant ist, dass in ein Blogbeitrag an Studenten im letzten JahrBill Gates, der Gründer von Microsoft, sagte, dass er, wenn er in der Lage wäre, in die Vergangenheit zurückzugehen und auf eine neue Art und Weise etwas zu bewirken, drei Bereiche in Betracht ziehen würde:

Eine davon ist die künstliche Intelligenz. Wir haben gerade erst begonnen, all die Möglichkeiten zu erschließen, die das Leben der Menschen produktiver und kreativer machen werden. Die zweite ist Energie, denn sie sauber, erschwinglich und zuverlässig zu machen, wird für die Bekämpfung von Armut und Klimawandel unerlässlich sein. Der dritte Bereich sind die Biowissenschaften, die viele Möglichkeiten bieten, den Menschen zu einem längeren und gesünderen Leben zu verhelfen.

Die Biowissenschaften sind zwar ein nicht minder edles Ziel, aber was dieses Zitat noch interessanter macht, ist die Tatsache, dass KI und Energie in vielerlei Hinsicht in einer Weise zusammenwachsen, die zwar disruptiv ist, aber auch potenzielle negative Auswirkungen abmildern und eine geordnete Energiewende erleichtern kann. Der Rest dieses Beitrags bietet Einblicke in die Auswirkungen von Innovationen im Zusammenhang mit KI auf die Energiebranche, einschließlich einiger Fallstudien, die konkrete Beispiele hervorheben.

Raster-Grundlagen

Before we dive into the details, a few minor points are in order regarding the nature of electric utility operations to ensure a clear understanding of how AI intersects. At its core, the electric industry (still) consists of three primary functional areas: generation, transmission, and distribution. Generation includes all of the sources of electric-generating power including both fossil fuels and erneuerbare Energie; transmission includes high-voltage power lines that transport electricity from its generation source to where it’s needed, facilitated by a distribution system more popularly known as the system of telephone poles that line your street.

This entire system is more popularly known as the “grid”, and in recent years, a significant amount of discussion has centered on making the grid “smarter” or more responsive. While there are competing representations of how one defines the smart grid, at its essence, it is the confluence of the electric system and advanced innovation of information technology and communication. The smart grid is not static. It is a system that entwickelt sich mit den Technologien weiter iterativ getestet und perfektioniert werden. Die Rolle der KI könnte man am besten als das Gehirn des künftigen intelligenten Stromnetzes beschreiben, das Kontrollzentrum hinter Millionen von Sensoren und der Fähigkeit, überwältigende Datenmengen zu synthetisieren und darauf zu reagieren. Wir wenden uns einigen Fallstudien zu, in denen dies bereits der Fall ist.

Künstliche Intelligenz im Kraftwerk: Beispiele

1. KI + Energiespeicherung = Athena

Vorbau, a San Francisco-based company founded in 2009, brings together the power of AI and energy storage to “optimize the timing of energy use”. Through the combination of maschinelles Lernen, prädiktive Analytik and energy storage, Athena, wie das System genannt wird, bildet virtuelle Kraftwerke, um den Wert der Energiespeicherung zu maximieren.

Wie macht es das? Durch die Analyse von Daten mit einer Geschwindigkeit von 400 Megabyte pro Minute bewertet das System kontinuierlich den Zeitwert von Energie und trifft die optimalen Entscheidungen darüber, wann Energie gekauft werden sollte. Der Prozess der Aggregation über mehrere Punkte, die Energiespeicherkapazität darstellen, wird als "virtuelles Kraftwerk" bezeichnet. Die Verbreitung dieser dezentralen Ressourcen wird zunehmend durch das Wachstum der so genannten dezentralen Energieressourcen (DER) im Stromnetz vorangetrieben - in erster Linie durch Solaranlagen auf Dächern, die in den letzten zehn Jahren erheblich gewachsen.

Die nachstehende Abbildung veranschaulicht dieses Konzept in visueller Form:

Quelle: Eine virtuelle Kraftwerksarchitektur für das nachfrageseitige Management von intelligenten Verbrauchern - Scientific Figure auf ResearchGate. [Zugriff am 3 Nov, 2018]

 

In diesem Beispiel steht EES für elektrische Energiespeicherung, DG für dezentrale Erzeugung und MV und LV für Mittel- bzw. Niederspannung.

Der Prozess dieser Aggregation in ein virtuelles Kraftwerk wird kontinuierlich durchgeführt, wobei KI eingesetzt wird, um prädiktive Analysen für eine Vielzahl von Variablen zu entwickeln - wie z. B. Wetter, Energieverbrauch, Tarifoptionen (Stromtarif) und andere - und den Prozess der Echtzeitberechnungen zu automatisieren. Das Ergebnis sind aggregierte Lastsenkungen, die in Zeiten beispielloser Hitzewellen (die allerdings dank des Klimawandels immer seltener werden) für Entlastung sorgen können. Dies ist etwas, das das System von Stem mehr als 600 Mal auf dem kalifornischen Großhandelsmarkt im Jahr 2017.

2. AI erleichtert das Management erneuerbarer Energien

Da die Auswirkungen des Klimawandels und die fortgesetzte Nutzung fossiler Brennstoffe treibt das Wachstum der erneuerbaren Energien voran, die inzwischen ein Fünftel der weltweiten Stromerzeugung ausmachenAber es gibt einen Aspekt dieses Wachstums, den viele vielleicht nicht erkennen. Die zunehmende Menge an erneuerbarer Energie stellt die Netzbetreiber vor die Herausforderung, diese Quellen in das bestehende Stromnetz zu integrieren.

Da diese Artikel aus dem Scientific American weist darauf hin:

Intermittierende erneuerbare Energien stellen eine Herausforderung dar, weil sie die konventionellen Methoden zur Planung des täglichen Betriebs des Stromnetzes stören. Ihre Leistung schwankt über mehrere Zeithorizonte und zwingt den Netzbetreiber, seine Day-Ahead-, Hour-Ahead- und Echtzeit-Betriebsverfahren anzupassen.

Da Solar- oder Windenergie durch zufällige Wolken oder schwer vorhersehbare Windmuster beeinträchtigt werden können, wird diese Herausforderung von Minute zu Minute größer, um sicherzustellen, dass das Stromnetz weiterhin eine gleichbleibende, zuverlässige Energieversorgung gewährleistet. Dies ist ein weiterer Bereich, in dem KI glänzt (kein Wortspiel beabsichtigt). Im Folgenden stellen wir zwei solcher Innovationen vor - die erste bezieht sich auf die Verwaltung von Solarressourcen, die zweite auf die Zusammenführung mehrerer Datenströme und die Kombination von Wettervorhersage und maschinellem Lernen zur Optimierung des Betriebs erneuerbarer Energien.

3. VADER - Sichtbarkeit in verteilten Energienetzen

Nein, Vader bezieht sich hier nicht auf den dunklen Lord, sondern auf eine Plattform, die Daten von Photovoltaikanlagen und intelligenten Zählern kombiniert, um den Stromverbrauch und das Verhalten dezentraler Energieressourcen wie Aufdach- oder Freiflächensolaranlagen zu modellieren. VADER steht für Visualisierung und Analytik von Verteilungssystemen mit tiefer Durchdringung von Distributed Energie Resources (oder wiederum DER).

Das Herzstück all dieser Innovationen ist maschinelles Lernen und KI-basierte AlgorithmenSie kann "potenzielle Änderungen der Konnektivität und des Verhaltens von DERs im Netz modellieren und so die Echtzeit-Optimierung und -Automatisierung von Verteilungsplanungs- und Betriebsentscheidungen für Versorgungsunternehmen ermöglichen". Unten sehen Sie einen Blick auf einige der Anwendungsbildschirme der Plattform.

Quelle: Büro für Energieeffizienz und erneuerbare Energie 

4. Nnergix - Schnittpunkt von Meteorologie, Analytik und Energie

Nnergix is a Barcelona-based outfit founded in 2013 that brings together a mass of data and through the process of AI-based algorithms and analytic models to both manage renewable energy and optimize spinning reserves. Spinning reserves – in the simplest sense – are those generation resources that are on-line though not loaded and can respond within a short amount of time in the event a generator or transmission resource goes down.

Die Zukunft von KI und Energie

Die oben angeführten Beispiele sind nur ein Vorgeschmack auf das, was letztlich möglich ist. Es gibt noch viele weitere Beispiele für den Einsatz von KI, die sich auf die Energieversorgung auswirken, z. B: kurzfristige Lastvorhersagevorausschauende Wartung, um alternde Ressourcen zu ersetzen (bevor kostspielige Reparaturen anfallen, wenn sie schließlich ausfallen), der Einsatz von virtuelle Assistenten zur Verbesserung der Kundenerfahrungund Nutzung von KI, um Einblick in Ihre Stromrechnung zu erhalten.

Natürlich sind diese Innovationen nicht ohne Risiken (wie Datenschutz oder Abhängigkeit von mit dem Internet verbundenen Geräten), aber mit der Rechenleistung und der Verfügbarkeit von Daten gibt es potenziell weitere Bereiche, in denen künstliche Intelligenz in Kraftwerken von Nutzen ist. Die einzige zusätzliche Zutat, die erforderlich ist, ist Kreativität.

——-
Benötigen Sie einen Experten für künstliche Intelligenz? Nehmen Sie Kontakt auf mit einem freiberufliche Wissenschaftlerin auf Kolabtree.