Projekt

Datenanalyse zu PV-Anlage und Stromverbrauch

Im Rahmen eines kooperativen Projekts mit dem FB6 und dem Fraunhofer-Institut unter der Betreuung von Frau Prof. Dr. Korinna Bade und Frau Dr. Katharina Holstein und wurde eine Datenanalyse zur Vorhersage des Stromverbrauchs einer Agroindustrie durchgeführt. Die zentrale Motivation bildete die Herausforderung, dass Photovoltaik-Anlagen nicht kontinuierlich Strom produzieren. Um diese fluktuierende Erzeugung optimal zu nutzen und durch Speicherlösungen abzufedern, ist eine präzise Kenntnis des zukünftigen Energiebedarfs von entscheidender Bedeutung für die Gesamtoptimierung des Energiesystems.
Die Aufgabenstellung bestand konkret in der Modellierung von Laststromverbrauchsprofilen mithilfe Künstlicher Intelligenz. Ziel war es, durch die Analyse und Vorhersage von Energieverbrauchsmustern eine verlässliche Planungsgrundlage zu schaffen. Als Datenbasis dienten 5-minütige Stromverbrauchsdaten aus drei Jahren (2022-2024).
Der Arbeitsprozess umfasste eine intensive Datenvorverarbeitung, bei der die Rohdaten bereinigt und aufbereitet wurden. Dies beinhaltete die Behandlung fehlender Werte, die Glättung von Rauschen und die Identifikation von Ausreißern.
Anschließend wurden relevante Merkmale extrahiert, wie saisonale Muster sowie Parameter aus dem Zeitstempel (z.B. Tageszeit, Wochentag, Jahreszeit. Für die Prognose des Laststromverbrauchs wurden verschiedene Modelle entwickelt und verglichen. Als Benchmark diente ein einfaches Baseline-Modell. Darauf aufbauend kamen moderne ML/DL-Modelle wie Facebooks Prophet für die zerlegbare Zeitreihenprognose, komplexe LSTMs (Long Short-Term Memory) zur Erfassung langer zeitlicher Abhängigkeiten und der gradientenverstärkte Baumalgorithmus XGBoost zum Einsatz. Die Evaluation aller Modelle lieferte fundierte Erkenntnisse über die Genauigkeit der Verbrauchsprognose und trägt maßgeblich zur Optimierung des Energiemanagements bei.