Wie generative KI zur Energiewende beiträgt

Sonne, Wind und Wasserkraft zählen zu den wichtigsten Trägern der Energiewende. Die Stromproduktion aus Sonne und Windenergie unterliegt grossen Schwankungen, die durch Speicher und regelbare traditionelle Kraftwerke, wie Gas, Kernkraft und Kohle, kompensiert werden müssen. Damit ein stabiler Betrieb des Stromnetzes gewährleistet ist, muss die Stromeinspeisung stets dem Stromverbrauch entsprechen. Um einen hohen Anteil erneuerbarer Energie ins Netz einzuspeisen, braucht es deshalb genaue Prognosen der erwarteten Stromerzeugung aus Solar- und Windenergie. Forschende der Berner Fachhochschule arbeiten daran, die Planbarkeit von erneuerbaren Energien zu verbessern, um deren Einsatz zu maximieren und damit einen Beitrag zur Energiewende zu leisten.

Neue Modelle revolutionieren die Wettervorhersage

«Künstliche Intelligenz und Echtzeitsatellitendaten sind der Schlüssel, um Solarenergie besser ins Netz zu integrieren» meint Angela Meyer, Leiterin der Forschungsgruppe «AI for Energy and Industry». Die neuen Vorhersagemodelle, die weltweit entwickelt werden, sind eine Revolution im Bereich der Leistungsprognose für erneuerbare Energien. Mit dem Modell der Gruppe um Angela Meyer, das die Sonneneinstrahlung vorhersagt und das vom SNF gefördert wird, konnte der Intraday-Vorhersagehorizont für die Solarstrom-Erzeugung um eine Stunde erweitert werden. Die Kurzfrist-Erzeugungsprognose reicht nun eine Stunde weiter, ohne an Genauigkeit zu verlieren. Das Prognosemodell für die Sonneneinstrahlung, SHADECast, das dazu entwickelt wurde, greift auf die aktuellsten Satellitendaten zu. Mittels maschinellen Lernens erlernt das Modell, wie sich die Bewölkung und Sonneneinstrahlung in den nächsten Minuten und Stunden entwickeln. Nach Training auf 10 Jahren an Satellitendaten kann das Modell präzise kurzfristige Vorhersagen der Solarstromerzeugung machen. Bisher greifen viele Solarstromprognosen auf klassische Wettervorhersagemodelle zurück. Diese sind für präzise kurzfristige Vorhersagen aber oft weniger geeignet, denn sie führen tendenziell zu grossen Vorhersagefehlern bei Intraday-Prognosen, insbesondere bei wechselhaften oder wolkigen Wetterbedingungen. Durch die präzisere Vorhersage können Erzeuger ihre Produktion und Stromhandelsstrategien optimieren, und Netzbetreiber die Solarstromeinspeisung und Netzstabilität gewährleisten, indem sie den Einsatz von Regelenergie genauer planen und Schwankungen im Netz vorbeugen können.

Energiewende aktiv mitgestalten

Die Forschung der Gruppe «AI for Energy and Industry» des Institute for Data Applications and Security IDAS umfasst neben Ertragsprognosen auch das datengetriebene Asset-Management von grossen Energieparks, die durch erneuerbare Energien angetrieben werden. Dabei geht es um Themen wie verbesserter Betrieb, Instandhaltung und Predictive Maintenance, und auch darum die Rentabilität einer Anlage zu erhöhen. Neben den Solarprognosemodellen ist gerade auch ein neues Projekt zur Kurzfristvorhersage von Windenergie gestartet, das vom Schweizerischen Nationalfonds SNF unterstützt wird. Und weitere Projekte sind in Vorbereitung. Meyer freut sich über das Interesse: «Zu sehen, dass wir mit unserer Arbeit die Energiewende aktiv mitgestalten können und dass das Interesse daran wächst, ist sehr motivierend.»

KI kann auch für langfristige Vorhersagen Beitrag leisten

Zudem sind auch langfristige Berechnungen gefragt. Investoren von Energieparks interessieren sich dafür, wie die Produktionsbedingungen in der Zukunft aussehen werden. Sie möchten beispielsweise wissen, wieviel Sonne und Wind es an einem Standort in Zukunft haben wird, ob die Anlagen robuster gebaut werden müssen, weil vermehrt mit stärkeren Stürmen gerechnet werden muss und ob Perioden ohne Sonne und ohne Wind eher häufiger oder weniger häufig werden durch den Klimawandel. «Auch in diesem Bereich können wir mit unserer Forschung einen Beitrag leisten», meint Angela Meyer.