Wie Versorgungsunternehmen KI zur Anpassung an den Strombedarf einsetzen

Wie Versorgungsunternehmen KI zur Anpassung an den Strombedarf einsetzen

New York, 22.4.2020

Die Verbreitung des neuartigen Coronavirus, das COVID-19 verursacht, hat die Regierungen der Bundesstaaten und Kommunen in den USA veranlasst, Notunterkünfte einzurichten und Unternehmen zu schließen. Da sich Millionen von Menschen plötzlich in ihren Häusern wiederfinden, hat dieser Wandel nicht nur Internetdienstanbieter, Streaming-Plattformen und Online-Händler, sondern auch die Versorgungsunternehmen, die das Stromnetz des Landes mit Strom versorgen, unter Druck gesetzt.
Der Stromverbrauch der USA war am 27. März 2020 um 3% niedriger als am 27. März 2019, was einem Verlust von etwa drei Jahren Umsatzwachstum entspricht. Dies geht aus einem Bericht von „VentureBeat“ hervor. Peter Fox-Penner, Direktor des Instituts für nachhaltige Energie der Universität Boston, behauptete in einer kürzlich veröffentlichten Stellungnahme, dass die Einnahmen der Versorgungsunternehmen darunter leiden werden, weil die Versorger die Abschaltungen stoppen und Tariferhöhungen verschieben. Darüber hinaus, so das Forschungsunternehmen Wood Mackenzie, werde der Anstieg der Stromnachfrage der Haushalte die geringere Stromnachfrage der Unternehmen nicht ausgleichen, vor allem weil die Nachfrage der Haushalte nur 40% der Gesamtnachfrage in Nordamerika ausmacht.

Die Ausbreitung des neuartigen Coronavirus, das COVID-19 verursacht, hat die Regierungen der Bundesstaaten und Kommunen in den USA dazu veranlasst, Vor-Ort-Bestellungen und Unternehmensschließungen zu veranlassen. Da sich Millionen von Menschen plötzlich in ihren Häusern wiederfinden, hat dieser Wandel nicht nur Internetdienstanbieter, Streaming-Plattformen und Online-Einzelhändler, sondern auch die Versorgungsunternehmen, die das Stromnetz des Landes mit Strom versorgen, unter Druck gesetzt.

Einige Versorgungsunternehmen setzen KI und maschinelle Lernverfahren ein, um die durch COVID-19 verursachten Windfalls und Schwankungen im Energieverbrauch zu bewältigen. Eine genaue Lastprognose könnte sicherstellen, dass der Betrieb in den kommenden Monaten nicht unterbrochen wird, wodurch Stromausfälle verhindert werden könnten. Und sie könnten auch die Effizienz der internen Prozesse der Versorgungsunternehmen steigern, was zu niedrigeren Preisen und verbessertem Service noch lange nach dem Ende der Pandemie führen könnte.
Innowatts
Innowatts, ein Startup-Unternehmen, das ein automatisiertes Toolkit zur Energieüberwachung und -verwaltung entwickelt, zählt mehrere große US-Versorgungsunternehmen zu seinen Kunden, darunter Portland General Electric, Gexa Energy, Avangrid, Arizona Public Service Electric, WGL und Mega Energy. Seine eUtility-Plattform nimmt Daten von über 34 Millionen intelligenten Energiezählern von 21 Millionen Kunden in mehr als 13 regionalen Energiemärkten auf, während seine Algorithmen für maschinelles Lernen die Daten analysieren, um kurz- und langfristige Lasten, Abweichungen, Wetterfühligkeit und mehr vorherzusagen.
Über diese Table-Stakes-Prognosen hinaus hilft Innowatts bei der Bewertung der Auswirkungen unterschiedlicher Tarifkonfigurationen, indem es die Tarifstrukturen der Versorgungsunternehmen anhand disaggregierter Kostenmodelle abbildet. Außerdem werden Kostenkurven für jeden Kunden erstellt, die die Margenauswirkungen auf das Geschäft im weiteren Sinne aufzeigen, und der Ertrag der Produkte und die Kosten der Kundenakquise mit Modellen validiert, die die Beziehungen zwischen Marketinganstrengungen und Kundenverhalten (wie z.B. Echtzeitbelastung) erkennen lassen.
Innowwatts teilte mit, dass es zwischen der ersten und vierten Märzwoche „dramatische“ Verschiebungen im Energieverbrauch beobachtet habe. Im Nordosten des Landes verbrauchten „unwichtige“ Einzelhändler wie Salons, Bekleidungsgeschäfte und chemische Reinigungen gegen Ende des Monats (nach Shelter-in-Place-Bestellungen) nur 35% so viel Energie wie zu Beginn des Monats, während Restaurants (mit Ausnahme von Pizzaketten) nur 28% verbrauchten. In Texas hingegen verbrauchten die Lagereinrichtungen in der vierten Woche im Vergleich zur ersten 142% so viel Energie wie in der vierten Woche.
Innowatts sagt, dass seine Kunden während dieser Nutzungsanstiege und -rückgänge die Vorteile der KI-basierten Lastprognose nutzten, um aus kurzfristigen Schocks zu lernen und rechtzeitig Anpassungen vorzunehmen. Innerhalb von drei Tagen nach der Shelter-in-Place-Bestellung, so das Unternehmen, seien seine Prognosemodelle in der Lage gewesen, neue Verbrauchsmuster zu erlernen und genaue Prognosen zu erstellen, die Änderungen in Echtzeit berücksichtigen.
Sid Sachdeva, CEO von Innowatts, ist der Ansicht, dass die Nachfrageprognosen Mitte März Abweichungen von 10-20% verzeichnet hätten, wenn die Versorgungsunternehmen keine maschinellen Lernmodelle eingesetzt hätten, was sich erheblich auf den Betrieb ausgewirkt hätte.
„In diesen turbulenten Zeiten gibt die KI-basierte Lastprognose den Energieversorgern die Möglichkeit, … informierte, datengestützte Strategien für den zukünftigen Erfolg zu entwickeln“, sagte Sachdeva gegenüber VentureBeat. „Angesichts der Tatsache, dass Versorgungsunternehmen und Energieeinzelhändler einen einmaligen Rückgang des kommerziellen Energieverbrauchs um mehr als 30 % verzeichnen, war eine genaue Prognose noch nie so wichtig wie heute. Ohne KI-Tools würden die Versorgungsunternehmen ihre Prognosen stark schwanken sehen, was zu Ungenauigkeiten von 20% oder mehr führen würde, was ihre Betriebsabläufe enorm belasten und letztlich die Kosten für Unternehmen und Verbraucher in die Höhe treiben würde“.
Autogrid
Autogrid arbeitet mit über 50 Kunden in 10 Ländern – darunter Energy Australia, Florida Power & Light und Southern California Edison – zusammen, um KI-informierte Erkenntnisse zum Stromverbrauch zu liefern. Seine Plattform erstellt alle 10 Minuten 10 Millionen Vorhersagen und optimiert über 50 Megawatt Leistung, was ausreicht, um einen durchschnittlichen Vorort zu versorgen.
Flex, das Flaggschiffprodukt des Unternehmens, prognostiziert und steuert Zehntausende von Energieressourcen von Millionen von Kunden, indem es Petabytes von Daten von Billionen von Endpunkten aufnimmt, speichert und verwaltet. Mithilfe einer Kombination aus Datenwissenschaft, maschinellem Lernen und Netzwerkoptimierungsalgorithmen modelliert Flex sowohl die Physik als auch das Kundenverhalten, wobei Angebots- und Nachfragemuster automatisch antizipiert und angepasst werden.
Autogrid bietet auch eine vollständig verwaltete Lösung für die Integration und Nutzung von Endkundeninstallationen von Batterien und Mikrogittern. Wie Flex aggregiert, prognostiziert und optimiert es automatisch die Kapazität von Anlagen in Umspannwerken und Transformatoren und reagiert so auf die Anforderungen des Verteilungsmanagements, während es gleichzeitig Kapazitäten bereitstellt, um Kapitalinvestitionen in System-Upgrades zu vermeiden.
Dr. Amit Narayan, CEO von Autogrid, sagte gegenüber VentureBeat, dass die COVID-19-Krise die tägliche Stromverteilung in Kalifornien stark verlagert hat, wo sie einen „erheblichen“ Abwärtsdruck auf die Stundenpreise auf dem Energiemarkt ausübt. Er sagt, dass Autogrid von Kunden auch von Ausfällen von Transformatoren in einigen Regionen aufgrund überlasteter Stromkreise gehört hat, die seiner Meinung nach in den Sommermonaten (wenn die Nutzung von Klimaanlagen zunimmt) in stark belasteten Wohngebieten und Gebieten mit gesättigter Last zu einem Problem werden.
„In Kalifornien sahen sich im Jahr 2019 mehr als eine Million Einwohner mit Ausfällen im Zusammenhang mit der Verhütung von Waldbränden im PG&E-Gebiet konfrontiert“, sagte Narayan und bezog sich dabei auf die umstrittenen geplanten Ausfälle, die im vergangenen Sommer von Pacific Gas & Electric inszeniert wurden. „Die Nachfrage ist trotz der COVID-19-Krise im Jahr 2020 weiterhin hoch, da sich die Bewohner auf eine ähnliche Situation in diesem Sommer vorbereiten. Sollte es 2019 erneut zu einer Wiederholung kommen, wird dies angesichts der Gesundheitskrise und der Schwierigkeiten beim Einkauf von Lebensmitteln noch verheerender sein.
KI macht einen Unterschied
Künstliche Intelligenz und maschinelles Lernen sind keine Wunderwaffe für das Stromnetz – selbst wenn ihnen vorausschauende Werkzeuge zur Verfügung stehen, sind die Versorgungsunternehmen einer stürmischen Nachfragekurve ausgesetzt. Doch die Versorger sagen, sie sähen Beweise dafür, dass die Werkzeuge bereits dazu beitragen, das Schlimmste von den Auswirkungen der Pandemie zu verhindern – vor allem dadurch, dass sie sich besser an veränderte tägliche und wöchentliche Stromlastprofile anpassen können.
„Die gesellschaftlichen Auswirkungen [der Pandemie] werden weiterhin zu spüren sein – die Menschen können weiterhin aus der Ferne arbeiten, anstatt ins Büro zu gehen, sie können ihre Pendelzeiten ändern, um den Andrang zur Hauptverkehrszeit zu vermeiden, oder sie können sich nach alternativen Transportmitteln umsehen“, sagte Emmanuel Lagarrigue, Chief Innovation Officer von Schneider Electric, gegenüber VentureBeat. „All dies wird sich auf die tägliche Lastkurve auswirken, und genau hier können KI und Automatisierung uns bei der Wartung, Leistung und Diagnose in unseren Häusern, Gebäuden und im Netz helfen.