KI-basiertes Forecasting zukünftiger Engpässe im Verteilnetz
Das effiziente Netzmanagement wird zunehmend herausfordernder. Enerlytica stellt ihren KI-basierten Ansatz zum Forecasting zukünftiger Engpässe im Verteilnetz vor, der automatisierte Steuerungsprozesse ermöglicht.
Das effiziente Management des Stromnetzes wird zunehmend herausfordernder. Unsere Energy Analytics Platform unterstützt Verteilnetzbetreiber dabei, das Erreichen der Grenzwerte bei der Einspeisung in höhere Netzebenen frühzeitig zu erkennen. Ein zentraler Bestandteil ist unser KI-basiertes Forecasting-Modell, das präzise Vorhersagen zur Einspeisung in die übergeordnete Netzebene liefert und automatisierte Steuerungsprozesse ermöglicht.
Heute geben wir einen Einblick in die Funktionsweise und Performance unseres Prognosemodells.
Unser Forecasting-Ansatz basiert auf drei zentralen Elementen:
Die Datenpipeline stellt sicher, dass alle relevanten Informationen, inklusive Wetterdaten, kontinuierlich erfasst und verarbeitet werden.
Das Machine-Learning-Modell basiert auf einem «Gradient Boosting Machine»-Ansatz, der minütlich die Einspeisung vorhersagt.
Die kontinuierliche Modelloptimierung sorgt für höchste Prognosegenauigkeit mit einem mittleren absoluten prozentualen Fehler von nur 0,8 % bis 2,0 %.
Nach der Validierung des Modells im Rahmen eines von Eurostars geförderten, internationalen Forschungsprojektes, ist das Modell nun operativ im Einsatz. Wir freuen uns darauf, mit unseren Kunden gemeinsam an der Zukunft eines intelligenten Verteilnetzes zu arbeiten.
Falls Sie mehr über unser Forecasting erfahren möchten, melden Sie sich gerne direkt bei Felix Lossin.