Energiedatenanalyse

Ein wichtiger Nutzen der erfassten und übertragenen Daten ist die Möglichkeit, diese zu analysieren. Im einfachsten Szenario generieren Verknüpfungen Alarm- und Warnmeldungen. Bei größeren Datenmengen ergibt sich ein erheblicher Mehrwert aus der geeig­neten Aufbereitung, Aggregation und Darstellung. Während sich Data Analytics auf die Interpretation von Werten aus der Vergangenheit beziehen, spielen zukünftig Prognosen eine wesentlich wichtigere Rolle. Systeme der Fraunhofer-Allianz Energie prognostizieren Energiebedarfe mittels modellbasierter Verfahren abhängig von Jahreszeit, Wochentag, Uhrzeit und zusätzlichen relevanten Einflussgrößen wie meteorologischen Nebenbedingungen. Ähnlich verhält es sich mit Condition Monitoring. Dabei werden Betriebsdaten gesammelt, um auf den derzeitigen Verschleiß schließen und rechtzeitig vor Ausfall eines Betriebsmittels geplant eingreifen zu können.

Kompetenzen der Fraunhofer-Allianz Energie im Bereich Energiedatenanalyse

Big-Data Analytics

In vielfältigen Projekten setzen Mitgliedsinstitute Technologien aus dem Bereich der Big Data Analytics ein. Beispielsweise bietet eine eigens entwickelte Erfahrungsdatenbank der Windenergiebranche Benchmarking und ermöglicht darüber hinaus die Ermittlung der Zuverlässigkeitskennwerte von Windparks, Windenergieanlagen und Komponenten. Im Rahmen eines weiteren umfangreichen Projektes werden Werkzeuge zur Bedarfs- und Potenzialanalyse von Speichern in regionalen Energiesystemen entwickelt. Dabei wird sowohl die räumliche als auch die zeitliche Variabilität von Energieproduktion und –verbrauch berücksichtigt und so ein besseres Verständnis der räumlichen Ausprägung geschaffen. Eigene Hochleistungs-Serverinfrastrukturen gewähren unseren Mitgliedsinstituten eine effiziente Analyse umfangreicher Datensätze. Ein weiterer Ansatz ist es, mittels Künstlicher Intelligenz (KI) und auf Basis so genannter Phasormessungen (PMU) Fehler und Anomalien in Stromnetzen automatisiert und in Echtzeit zu erkennen.

Projekte aus dem Kompetenzbereich

 

FlexChem

Mit »FlexChem« sollen chemische Produktionsprozesse dahingehend dynamischer werden, dass insbesondere Stromverbraucher wie Elektromotoren oder Elektroheizungen flexibler betrieben werden können.

 

DynaGridCenter

Künstliche Intelligenz (KI) für sichere Stromnetze: Fraunhofer-Forscher haben die erforderlichen Komprimierungsverfahren, Algorithmen und neuronalen Netze entwickelt, um Stromübertragung fit für die Zukunft zu machen.

 

Fraunhofer USA (Boston)

Das U.S. Department of Energy investiert 14 Millionen US-Dollar in die Steigerung der Energieeffizienz von Häusern und Gebäuden. Das Fraunhofer USA ist ebenfalls mit einem Projekt zur Analyse von Thermostat- und Intervallzählerdaten dabei.  

CMS / SHM

Structural Health Monitoring (SHM) und Condition Monitoring (CMS) sind Technologien, deren Aufgabe die kontinuierliche Zustandsüberprüfung einer Maschine – beispielsweise im Rahmen einer Windenergieanlage – darstellt. Anhand der ausgegebenen Kennwerte lassen sich Schäden frühzeitig erkennen und so die Wartungszeiten und -kosten maßgeblich reduzieren. Die Fraunhofer-Allianz Energie bringt SHM und CMS-Technologien unter anderem in Projekten zur Windkraft ein, so beispielsweise ein Daten- und Prozessmodell für den Betrieb und die Instandhaltung von Windenergieanlagen. Fraunhofer Forscherinnen und Forscher entwickeln fortlaufend neue Sensortechnologien und Algorithmen zur Fehlervorhersage für eine neue Generation von Condition Monitoring Systemen. Auch in Energiemanagementsystemen für Gebäude werden CMS bzw. SHM-Systeme eingesetzt.

Projekte aus dem Kompetenzbereich

 

HyLITE

Verbundvorhaben HyLITE: Digital-Twin-zentrische Dienste und Applikationen für den dynamischen Betrieb und den Schutz des zukünftigen Energieversorgungssystems.

Visualisierung / Darstellung

Visualisierungen von Daten finden in einer Vielzahl unterschiedlichster Anwendungen rund um die erneuerbaren Energien ihren Einsatz. Beispielsweise zeigt eine Computersimulation mögliche Varianten eines Korridorverlaufs eines zukünftigen Stromnetzes in ländlichem Gebiet auf. Ebenso wurde ein Tool zur Zustandsüberwachung von Batterien von Hybrid- und Elektrofahrzeugen entwickelt, welches die Daten nutzerspezifisch visualisiert. Hinsichtlich der Optimierung von Betriebsstrategien von Gebäuden haben Fraunhofer Forscherinnen und Forscher außerdem eine Datenbank für Monitoring-Daten entwickelt, auf deren Basis Daten visualisiert werden und daraufhin Queranalysen zur energetischen Performance einzelner Technologien erfolgen. Auch die Entwicklung von Visualisierungen im Kontext eines erneuerbaren virtuellen Kraftwerks gehört zum umfangreichen Portfolio.

Projekte aus dem Kompetenzbereich

 

Virtuelles Kombikraftwerk IEE.vpp

Ein modulares Echtzeitsystem, das es erlaubt, erneuerbare Energieanlagen zu überwachen und zu steuern und nach unterschiedlichen Strategien zu optimieren.

 

Energie-meteorologische Infosysteme

Die Fraunhofer IEE Online-Hochrechnungen und Prognosen sind essentiell für den zuverlässigen Netzbetrieb und die Planung mit wetterabhängigen Energieträgern.

 

RIGRID

RIGRID adressiert die Hauptziele der ERA-Net Smart Grid Plus-Initiative durch die Entwicklung von Methoden, Tools und Demonstrationen im Bereich Smart Grids.

 

Kommunale Energiewende

Ein neuartiges Online-Tool von Fraunhofer ermittelt den individuell optimalen Energiemix samt Fördermöglichkeiten für Kommunen.