Kundenorientiertes Energiedatenmanagement zur Erreichung von Energieeinsparungen

Für das Energiesystem der Zukunft müssen möglichst zeitnahe Prognosen von Energieerzeugung und -verbrauch erstellt werden können. Dazu sind genauere Daten über Energieverbrauch notwendig, als sie derzeit erfasst werden, vor allem, was deren Aktualität und Quellenvielfalt betrifft. Dies ist das Ziel der "Open Data Platform".

Das Projekt „Open Data Platform“, das unter dem Dach der Forschungsinitiative Green Energy Lab läuft, will mit hochgenauen Energieverbrauchsdaten KundInnen unter anderem beim Energiesparen unterstützen sowie Energieschwankungen und Lastspitzen prognostizieren und ausgleichen.

Wie ticken Energieverbraucher und was kann aus ihrem Verhalten und ihren Verbrauchsmustern hinsichtlich des Energiekonsums geschlossen werden? Wie können Analysemodelle, die auf zeitlich hochaufgelösten Daten basieren, Energieschwankungen vorhersagen, um eventuelle Lastspitzen auszugleichen? Das 2018 gestartete Projekt „Open Data Platform“ geht diesen Fragestellungen auf Basis eines interdisziplinären Ansatzes aus Energieversorgung, Forschung, IT und Sozialwissenschaften nach und läuft noch bis Ende 2021.

Energieverbrauchsdaten als Grundlage für Prognosemodelle und Energieeinsparungen

Um das Energiesystem der Zukunft nachhaltig und effizient zu gestalten, müssen möglichst zeitnahe Prognosen von Energieerzeugung und -verbrauch erstellt werden können. Dazu sind genauere Daten über Energieverbräuche notwendig, als sie derzeit erfasst werden, vor allem, was deren Aktualität und Quellenvielfalt betrifft. Eine solche Datentiefe über den Energieverbrauch, besonders von Kleinverbrauchern, zu sammeln und abzubilden, ist Kern der „Open Data Platform“.

Darauf aufbauend sollen verschiedene Verbrauchs- und Prognosemodelle entwickelt werden, die helfen, Energieschwankungen und Lastspitzen zu vermeiden und Energiesysteme zu optimieren. Analysiert werden nicht nur Gesamtenergieverbräuche, sondern auch Verbrauchsquellen (z. B. Haushaltsgeräte) und Produktionsquellen (z. B. Photovoltaik). Das Besondere an der „Open Data Platform“ ist der interdisziplinäre Projektansatz. Vonseiten der Sozialwissenschaften gilt es herauszufinden, wer die Kunden im Hintergrund sind, welche Bedürfnisse sie in Bezug auf ihre Energieversorgung haben und welche Daten sie bereit sind, an den Energieversorger zu übermitteln.

Erste Testphase in Niederösterreich gestartet

Gemeinsam mit der EVN (Energieversorgung Niederösterreich) ist die erste Testphase zur Datenerhebung über den digitalen Optimierungsassistenten „joulie“ gestartet, mit aktuell 148 aktiven Haushalten. Der Energieversorger erhält im 5-Minuten-Raster Erzeugungs- und Verbrauchsdaten der angeschlossenen Haushalte. Ergänzend zu den derzeit erhobenen Daten sollen in die „Open Data Platform“ auch Daten anderer Green Energy Lab-Projekte und Partner integriert werden. Mittelfristig soll damit eine „virtuelle Landkarte“ entstehen, auf der die Energieflüsse in der Green Energy Lab-Vorzeigeregion Burgenland, Niederösterreich, Steiermark und Wien abgebildet werden.

Erstellung von Lastprognosen

AEE INTEC arbeitet als Projektpartner von „Open Data Platform“ an Analyse- und Prognosemodellen für den Stromverbrauch, der bei Haushalten mit Wärmepumpen für thermische Anwendungen (Raumheizung und Warmwasser) entsteht. Konkret soll die elektrische Lastkurve von Wärmeanwendungen im Haushalt hochaufgelöst über 24 Stunden vorhergesagt werden.

Die Besonderheit besteht darin, dass die Haushalte räumlich über ein größeres Gebiet (Niederösterreich) verteilt sind, sodass lokale Wettereinflüsse in der Prognose verwendet werden müssen. Aus Gründen des Datenschutzes ist der genaue Standort einzelner Kunden nicht bekannt, sondern nur der gemittelte Standort mehrerer Kunden, aggregiert über einen geografischen Bereich. Für diese Aggregierung verwendet der Projektpartner ms.gis das open source Framework H3 (siehe h3geo.org), sodass mehreren Kunden in einem Hexagon aggregiert werden.

Ausschnitt aus der Kartenansicht der Open Data Platform. Ein Klick auf die farbigen Hexagone erlaubt die grafische Darstellung der Energiedaten von Kunden in diesem Gebiet.

Datengrundlage der Verbrauchsdaten bilden 5-min Leistungsdaten von mehr als 70 Endkunden mit Wärmepumpen, wobei die Daten für Raumheizung und Warmwasser in der Regel nicht getrennt vorliegen. Zur Vorhersage der 24h-Lastkurve entwickelt AEE INTEC ein hybrides Prognosemodell: Dieses kombiniert einen deterministischen Teil, basierend auf lokalen Wettervorhersagen, und einen stochastischen Teil, der das Benutzerverhalten, wie z. B. den Warmwasserverbrauch modelliert.

Die Prognose von AEE INTEC ist aus Sicht der EVN interessant, da elektrische Wärmeanwendungen zum Beispiel in Form von Wärmepumpen weit verbreitet sind und schon heute einen wesentlichen Anteil an der gesamten Lastkurve haben. Außerdem werden Wärmeanwendungen oft mit einem trägen thermischen Speicher betrieben, etwa der thermischen Masse der beheizten Gebäude oder einem Warmwasserspeicher. Diese Anwendungen könnten sich so für Lastverschiebungen zur Erhöhung des Eigenverbrauches oder für systemdienliche Maßnahmen eignen. Eine genaue Prognose der Last ist ein wesentlicher Schritt, um das Lastverschiebungspotential nutzen zu können.

Bündelung von Verbrauchsmustern

Der Projektpartner AIT (Austrian Institute of Technology) untersucht, ob und in welcher Form zeitliche Stromverbrauchsmuster für eine Verbesserung der Kommunikation mit den Endkunden und eine Optimierung von proaktiven und automatisiert erstellten Verhaltensempfehlungen genutzt werden können. Die Ausgangsüberlegung hierbei ist, dass sich verändernde Verlaufs- oder Prognosekurven in der Kommunikation mit den Endkunden ein Hindernis darstellen, und dass eine Abstraktion auf typische Verlaufskurven diese Kommunikation vereinfachen kann.

Ausgangspunkt für die sogenannte Cluster-Analyse sind die mit Smart Metern erfassten 15-min Stromverbrauchswerte pro Haushalt, wobei hier die Daten der letzten zwölf Monate verwendet werden. Die Analyse erfolgt auf Basis von 24h-Perioden, die jeweils um 4:00 morgens starten. Durch diese Wahl des Betrachtungszeitraumes fällt der Übergang von einem Muster in das nächste in einen Bereich mit erfahrungsgemäß geringer Aktivität; dadurch wird das sinnvolle Aneinanderreihen unterschiedlicher Verbrauchsprofile erleichtert.

Der nächste Schritt besteht im Glätten der zeitlichen Verbrauchskurven durch einen gleitenden Mittelwert über einen Zeitraum von rund 2h. Auf Basis dieser geglätteten Daten wird eine Distanzmatrix errechnet, die zur Gruppierung (Clustern) der einzelnen 24h-Perioden verwendet wird. Als Ergebnis liegen dann charakteristische zeitliche Stromverbrauchsprofile vor, typischerweise zwischen 3 und 7 Profilen. Eine Analyse der Datenreihen von mehr als 100 Haushalten über mehrere Jahre hat gezeigt, dass diese Vorgehensweise zu realistischen und brauchbaren Ergebnissen führt.

In der nächsten Phase des Projektes werden diese Ansätze in der praktischen Kommunikation mit den Endkunden erprobt. Dafür wurde ein User Interface entworfen und umgesetzt, das es den einzelnen Haushalten erlaubt, die Ergebnisse des Clustering-Prozesses für ihren Haushalt einzusehen. Zusätzlich erhalten die Haushalte maßgeschneiderte Tipps, wie sie ihr zeitliches Verbrauchsverhalten anpassen können, um die Nutzung von ökologisch produziertem Strom zu erhöhen.

Projektpartner der „Open Data Platform“ sind die Technische Universität Wien (Institute of Energy Systems and Electrical Drives), AEE  INTEC, AIT Austrian Institute of Technology GmbH, EVN AG, Forschung Burgenland GmbH, Universität Graz (Institut für Systemwissenschaften, Innovations- und Nachhaltigkeitsforschung), ms.GIS Informationssysteme GmbH, twingz development GmbH. Des Weiteren wird das Projekt von der Energie- und Umweltagentur Niederösterreich, dem GreenTechCluster und der Energie Agentur Steiermark unterstützt.

Weiterführende Informationen: https://greenenergylab.at/projects/open-data-platform/

 

E-Paper AEE_INTEC AutorInnenbeschreibung

Dipl.-Ing. Philip Ohnewein ist wissenschaftlicher Mitarbeiter des Bereichs “Technologieentwicklung” bei AEE  INTEC. p.ohnewein@aee.at

Georg Lettner ist Leiter der Arbeitsgruppe “Aggregation and Smart Grids” der Energy Economics Group an der Technischen Universität Wien. lettner@eeg.tuwien.ac.at

Mag. Radostina Reiter ist Communications Manager der Forschungsinitiative “Green Energy Lab” des Programms Vorzeigeregion Energie des Klima- und Energiefonds. radi.reiter@greenenergylab.at

Johann Schrammel, MSc. ist wissenschaftlicher Mitarbeiter am Center for Technology Experience des AIT. johann.Schrammel@ait.ac.at

Christian Lechner, MSc. ist Projektmanager bei EVN im Bereich Energiewirtschaftliche Planung. christian.Lechner@evn.at