Leistungsprognose Photovoltaik für die Planung des Netzausbaus bei der Primeo Netz AG
Mit Data Science zum stabilen Stromnetz
Ziel
Die Primeo Netz AG möchte als Planungsgrundlage für den Netzausbau verlässlich prognostizieren, wie viel Solarenergie wann produziert und wo in das Netz eingespeist wird.
Lösung
Entwicklung eines belastbaren Prognosemodells auf Basis dynamischer Daten- und Informationsquellen - von den Messstellen bis zur Potenzialstudie.
Ergebnis
Schaffung einer Planungsgrundlage für die Steuerung des Netzausbaus sowie die Berechnung des Lastgangs und der Spannungstoleranz.
Herausforderung
Primeo Energie versorgt mit seinen über 600 Mitarbeitenden Kunden in der Schweiz und Frankreich zuverlässig mit Energie. Die Primeo Netz AG bedient das Geschäftsfeld Netze – von Transport und Verteilung von Strom über die Erbringung von netznahen Dienstleistungen bis hin zur E-Mobilität.
Die Primeo Netz AG stellt sich beim Thema Data Science strategisch auf, um Künstliche Intelligenz als Lösungsbaustein in der Energiewende zu erschließen. Ein konkreter Anwendungsfall dabei: Die Vorhersage, wie viele Photovoltaikanlagen in den nächsten Jahren das Netz beanspruchen werden und welche Leistung für ein stabiles Stromnetz zur Verfügung stehen muss. Diese soll die Wissensgrundlage für einen bedarfsgerechten Netzausbau und eine bessere Risikoabschätzung sein.
Ziel
Wie viel Solarenergie wird wann produziert und wo in das Netz eingespeist? Die Beantwortung dieser Frage ist für Primeo der Schlüssel, um ausgerichtet am zukünftigen Bedarf bauliche Anpassungen am Netz (Trafos, Verteilerknoten, Anschlussverstärkung einzelner Immobilien) besser planen zu können.
Das Ziel der Primeo Netz AG ist eine verlässliche Leistungsprognose für die nächsten 5 Jahre im Bereich Photovoltaik. Konkret geht es um die Vorhersage des Jahrespeaks für die Einspeisung von Photovoltaikanlagen in 15-Minuten Auflösung pro Abgang an Transformatorenstationen.
Betrachtet werden sollen dabei sowohl das Potenzial der Produktionsmenge der bestehenden PV-Anlagen als auch das des zukünftigen PV-Ausbaus.
Die Einbeziehung von Data Science in diesen Prozess soll die bislang sehr stark auf Expertenwissen und Potenzialberichten basierenden Prognosen noch belastbarer, datengetriebener und dynamischer gestalten.
Lösung
Nach der Entwicklung der Data-Science-Strategie setzt die Primeo Netz AG auch bei der Realisierung dieses Use Cases auf die Expertise der eoda. Um die Realisierbarkeit und den Nutzen des Use Cases zu validieren, erfolgt die initiale Umsetzung – wie bei Data-Science-Projekten üblich – im Rahmen eines Proof-of-Concepts. Dieser bezog sich auf mehrere Beispielregionen aus dem Netz der Primeo.
Die Datengrundlage umfasst unterschiedliche Quellen, die im Kern auf historischen Produktionsinformationen im PV-Bereich sowie Potenzialanalysen für die Zukunft basieren:
- Messstellendaten in 15min Auflösung aus dem SAP-System
- Daten zu erneuerbaren Energie-Anlagen
- Daten aus dem Netzinformationssystem
- Geodaten mit den Koordinaten der Trafostationen, Messstellen und Hausanschlüsse
- Gebäudedaten, Gebietskörperschaftsgrenzen und Bauzonen des Bundesamts für Statistik
Zudem stehen Primeo zwei Potenzialstudien zur Verfügung, die zum Beispiel Aspekte wie die Sonnenscheindauer in den einzelnen Regionen oder die Ausrichtung und Neigung der Dächer einbeziehen. Eine besondere Herausforderung: Die hohe Dynamik in diesem Umfeld zum Beispiel durch den Einfluss politischer Entscheidungen. Auch dadurch ist die vorhandene Datengrundlage für das Ziel einer 5-Jahresprognose eher gering.
Die Data-Science-Experten von eoda haben die verfügbaren Datenquellen auf Qualität und Nutzbarkeit für den Use Case hin überprüft und die notwendigen Maßnahmen zur Datenaufbereitung und -verknüpfung umgesetzt.
Für das Prognosemodell setzt eoda auf eine Kombination aus Survivalanalyse und Wahrscheinlichkeitssimulationen. Dieses Vorgehen ermöglicht Aussagen zur Prognoseunsicherheit und die leichte Integration bestehender und zukünftiger Studien mit PV-Wachstumsszenarien, um die vorhandene Dynamik abbilden zu können. Auch lassen sich bei diesem Vorgehen vergleichsweise unwahrscheinliche Szenarien im Rahmen von risikoaversen Planungen abschätzen.
Für die interaktive Visualisierung setzt eoda auf das Python-Framework Streamlit als schnelle und dynamische Dashboard-Lösung, die es den Fachexpertinnen und Fachexperten der Primeo Netz AG ermöglicht, die Prognoseergebnisse einfach und verständlich für ihre Arbeit zu nutzen.
Darüber hinaus bietet die interaktive Visualisierung die Möglichkeit zum Erkenntnisgewinn über die eigentlichen Prognosen hinaus.
Im Rahmen eines Trainings wurde das Team der Primeo Netz AG in die Lage versetzt, die Lösung eigenständig weiterzuentwickeln und zu betreiben.
Ergebnis
Mit der verlässlichen Prognose der zukünftigen Beanspruchung des Netzes durch PV-Anlagen schafft eoda für die Primeo Netz AG eine wertvolle – da belastbare – Wissensbasis. Diese ist für Primeo die Planungsgrundlage für den Netzausbau. Darüber hinaus können die Ergebnisse für die Berechnungen des Lastgangs und der Spannungstoleranz sowie für eine fokussiertere Energieberatung auf die Gebiete mit PV-Ausbau genutzt werden.
Dieses Projekt ist damit ein erfolgreiches Beispiel dafür, wie Data Science zum Baustein eines auch zukünftig stabilen Stromnetzes werden kann.
Lassen Sie uns gemeinsam starten!