Wie Mittelständler ihre Stromkosten drücken können

Welche komplexen Zusammenhänge die Auswertung von Energiedaten zu Tage fördert und welche Energieflexibilitätspotenziale sich daraus ableiten lassen, klären Forscher im Projekt GaIN. Rainer Bez / Fraunhofer IPA

Viele mittelständische Unternehmen müssen immer höhere Summen berappen, wenn der Energieversorger seine Rechnung schickt. Denn die Kosten für Beschaffung, Netzentgelt und Vertrieb, die durch Prognoseabweichungen verursachte Ausgleichsenergiekosten beinhalten, sind für Industriekunden innerhalb von fünf Jahren um 32 Prozent gestiegen.

Ab 1. Januar 2021 wird die CO2-Steuer zusätzlich zu Buche schlagen, die EEG-Umlage aber möglicherweise gedeckelt. Unterdessen liegt der Kurs an der Leipziger Strombörse aktuell unter dem Wert von vor zehn Jahren und rutschte 2019 an rund 200 Stunden ins Minus – meist dann, wenn zu viel Strom aus erneuerbaren Energiequellen zur Verfügung stand.

Martin Reisinger, Gruppenleiter Hybride Systeme und Energiedatenanalyse am Fraunhofer
IPA, geht davon aus, dass der Börsenstrompreis in Zukunft immer häufiger kurzfristig negativ ausfallen wird. »Wer von flexiblen Tarifen profitieren möchte, muss seinen Stromverbrauch zuverlässig prognostizieren und steuern können«, gibt der Forscher zu bedenken.

So könnten nicht nur Lastspitzen etwas geglättet, sondern besonders energieintensive Teile der Produktion auf Zeiten mit niedrigeren Strompreisen verschoben werden. »Voraussetzung für diesen Schritt vom Last- zum Flexibilitätsmanagement ist allerdings eine intergierte Digitalisierungs- und Energiestrategie für die Produktion«, so Reisinger weiter.

Stromlieferanten haben heute schon ein Interesse an genaueren Prognosen, die auf den Messwerten aus den Energiemanagementsystemen eines Unternehmens basieren und für Energieversorger bisher nicht nutzbar sind. Die Lieferanten können damit ihr Kostenrisiko beim Ausgleichsenergiepreis (reBAP) verringern – und diesen Kostenvorteil teilweise an ihre Kunden weitergeben.

Daten erheben im 15-Sekunden-Takt

Welche komplexen Zusammenhänge die Auswertung von Energiedaten zu Tage fördert
und welche Energieflexibilitätspotenziale sich daraus ableiten lassen, klären Reisinger
und sein Team im Forschungsprojekt »Gewinnbringende Partizipation der mittelständischen Industrie am Energiemarkt der Zukunft« (GaIN), das vergangenen Dezember angelaufen ist.

Die Daten erhalten die Forscher von ihrem Partner ENIT Energy IT Systems GmbH, einem Anbieter für Energiemanagement aus Freiburg. Im 15- bis 30 Sekunden-Takt will das Start-Up in bis zu zehn Reallaboren bei Industriebetrieben nicht nur Daten am Netzübergabepunkt erfassen, also an der Stelle, an der die Leitung des
Energieversorgers auf die Hausleitung des Verbrauchers trifft, sondern auch an Transformatoren und jeder einzelnen Maschine.

Außerdem wollen die Wissenschaftler auf die Produktionsplanungsdaten der Unternehmen zugreifen, die sich am Forschungsprojekt GaIN beteiligen möchten. Denn wenn im PPS-System hinterlegt ist, wann welche Maschinen welches Produkt in welcher Stückzahl herstellen sollen und für welche Zeit Betriebsferien vorgesehen sind, können produktionsbezogene Einflussfaktoren in der Lastprognose mitberücksichtigt werden.

Künstliche Intelligenz soll Stromverbrauch vorhersagen

All diese Daten wird Reisingers Kollege Thilo Walser, ein Experte für maschinelle Lernverfahren, in ein sogenanntes Hybridmodell einfließen lassen. Ein Hybridmodell kombiniert verschiedene maschinelle Lernverfahren miteinander und erkennt so komplexe Zusammenhänge, die mit referenzbasierten und statistischen Verfahren nicht erkannt werden können.

Geplant ist, dass die Machine-Learning-Modelle, die Walser programmiert, den Datenanalyseprozess automatisiert ausführen. Dieser umfasst die Datenintegration und -aufbereitung, die Auswahl von Einflussfaktoren, sowie das Monitoring der Prognosegüte und die Modellanpassung. Wie genau das funktionieren könnte, ist allerdings noch offen und soll im Forschungsprojekt GaIN geklärt werden.

Klar ist aber: Je mehr Daten Walsers Hybridmodelle auswerten können, desto zuverlässiger werden die Stromverbrauchsprognosen, die sie liefern sollen. Die Projektpartner sind deshalb auf der Suche nach weiteren Unternehmen, die ihre Energieflexibilitätspotenziale ermitteln lassen wollen und bereit sind, ihre Energiedaten auswerten zu lassen.

Um über das Forschungsprojekt GaIN und die Kooperationsmöglichkeiten zu informieren, veranstalten die Projektpartner in unregelmäßigen Abständen Webinare für Energiemanager:

2. Juli 2020: Webinar »Stromtarife und Lastprognose«.
Mehr Informationen und Anmeldung hier: http://enit.systems/gain-webinar

15. September 2020: Webinar »Vom Lastmanagement zur Energieflexiblen Fabrik«.
Mehr Informationen und Anmeldung hier: https://bit.ly/3fHkGs1

Martin Reisinger | Telefon +49 711 970-3607 | martin.reisinger@ipa.fraunhofer.de | Fraunhofer-Institut für Produktionstechnik und
Automatisierung IPA | www.ipa.fraunhofer.de

http://enit.systems/gain-webinar – Webinar »Stromtarife und Lastprognose«

http://bit.ly/3fHkGs1 – Webinar »Vom Lastmanagement zur Energieflexiblen Fabrik«

Media Contact

Hannes Weik Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

Alle Nachrichten aus der Kategorie: Seminare Workshops

Zurück zur Startseite

Kommentare (0)

Schreib Kommentar

Neueste Beiträge

Was die Körnchen im Kern zusammenhält

Gerüst von Proteinflecken im Zellkern nach 100 Jahren identifiziert. Nuclear Speckles sind winzige Zusammenballungen von Proteinen im Kern der Zelle, die an der Verarbeitung genetischer Information beteiligt sind. Berliner Forschende…

Immunologie – Damit Viren nicht unter die Haut gehen

Ein Team um den LMU-Forscher Veit Hornung hat einen Mechanismus entschlüsselt, mit dem Hautzellen Viren erkennen und Entzündungen in Gang setzen. Entscheidend für die Erkennung ist eine typische Struktur der…

Kleine Moleküle steuern bakterielle Resistenz gegen Antibiotika

Sie haben die Medizin revolutioniert: Antibiotika. Durch ihren Einsatz können Infektionskrankheiten, wie Cholera, besser behandelt werden. Doch entwickeln die krankmachenden Erreger zunehmend Resistenzen gegen die angewandten Mittel. Nun sind Wissenschaftlerinnen…

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close