Energy Data Engineering

Prof. Dr.-Ing. Jörg Bausch
Hochschule Offenburg

Prof. Dr.-Ing. Jörg Bausch

Prof. Dr.-Ing. Jörg Bausch

Prof. Dr.-Ing. Jörg Bausch ist Professor an der Hochschule Offenburg. In der Lehre vertritt er in der Fakultät für Maschinenbau und Verfahrenstechnik ein weites Spektrum der Elektrotechnik und Informatik. In der Forschung ist er in den Themen Intelligente Energiesysteme und Netzzustandsanalysen aktiv. Zuvor war er über mehrere Jahre hinweg als Business Portfolio Manager in Bereich Energy Transmission und Energy Management, sowie als Produktmanager im Bereich Hochspannungsschaltanlagen und Verteiltransformatoren für Verteilte Energiesysteme bei Siemens AG tätig.

Die Zukunftsdisziplin Energy Data Engineering als Symbiose aus Energy Data Management und Data Engineering bewertet er als einen der wichtigsten Erfolgsfaktoren für das Effizienzmanagement von Unternehmen und Netzbetreiber.

Bisherige Messverfahren zum Nachweis der Energieeffizienz einer Anlage konnten die Vielzahl der Schwankungen im Lastprofil meist nicht berücksichtigen. Diese können bei Langzeitmessungen, die das gesamte innerbetriebliche Stromnetz berücksichtigen, zu teilweise großen Abweichungen führen, die sich wiederum auf die Genauigkeit und damit auch auf die Aussagekraft der Einsparungswerte auswirken. Mit dem EVC® Messverfahren ist es möglich, auch kleine Einsparungen nachzuweisen und zuverlässig zu quantifizieren.

Prof. Dr.-Ing. Jörg Bausch

Nachgehakt: Energy Data Engineering als künftiger Erfolgsfaktor

3 Fragen der LIVARSA Netzwerk-Redakteure an Prof. Dr.-Ing. Jörg Bausch von der Hochschule Offenburg.

Energy Data Engineering –
klingt spannend, aber was steckt hinter dem Begriff?

Es ist eine neue Disziplin, die Erkenntnisse und Knowhow aus den Bereichen Energy Data Management und Data Engineering bündelt und mit Erkenntnissen aus dem Betrieb von Energiesystemen verbindet. Wir befinden uns aktuell in einer fundamentalen Umwälzung des Energiesektors, dies erfordert den Einsatz von leistungsfähigen Methoden um effiziente Energiesysteme zu planen, bauen und nachhaltig zu betreiben. Unser Studiengang und auch unsere Forschung an der Hochschule am Institut für nachhaltige Energiesysteme (INES) bereiten genau darauf vor.

In unserem internationalen Masterstudiengang „Renewable Energy and Data Engineering“ beschäftigen wir uns sehr intensiv mit der Auswertung und dem Management von Daten aus verschiedensten Energiesystemen. Dabei werden neben Werten wie Spannung, Strom und weiteren Energiedaten auch viele Daten erhoben, mit denen die meisten Unternehmen aktuell noch nichts anzufangen wissen. Häufig werden auch überhaupt keine Energiedaten erhoben.

Beispielsweise Daten, die den aktuellen Netzzustand reflektieren und es in Zukunft ermöglichen, aktiv und zeitnah in den Netzbetrieb einzuschreiten. Das heißt: aus Rohdaten werden Erkenntnisse abgeleitet und aus diesen wiederum im Idealfall automatisierte Handlungs- oder Steuerungsmechanismen. Oder Langzeit-Daten aus denen Modelle für zum Beispiel Trading-Strategien in hart umkämpften Märkten wie Primärregelleistungen umgesetzt werden können. Das funktioniert häufig dann besonders gut, wenn diese Energiedaten zusätzlich mit anderem Datenmaterial kombiniert werden. Man denke hierbei beispielsweise an Wolkenbilder und deren Bewegungsrichtung und Geschwindigkeit, die zusätzlich zu den Energiedaten eine verbesserte Prognose für PV-Anlagen ermöglichen.

Viele Netzbetreiber wissen bei bestimmten Ortsnetzzellen oder Teilbereichen ihres Netzes gar nicht so richtig, wie es dort um den Netzzustand bestellt ist. Weil nur an wenigen Punkten Messungen vorgenommen werden.

Prof. Dr.-Ing. Jörg Bausch

Welchen konkreten Nutzen bringt Energy Data Engineering – und für wen?

Von Energy Data Engineering können gleichermaßen Unternehmen der freien Wirtschaft, öffentliche Verkehrsbetriebe wie auch Ortsnetzbetreiber und Erzeuger profitieren. Denn auf Basis von Messergebnissen und anderen Informationen können erfahrene Data Scientists für verschiedenste Aufgabenstellungen verlässliche Informationen sammeln, auswerten und Algorithmen für effizienteres Energiemanagement entwickeln. Hierbei kommen auch vermehrt Machine-learning und KI Strategien zum Einsatz.

Das fängt an bei automatisierten An- und Verkaufsprozessen und optimierter Auslastung, geht über die Stabilisierung von Stromnetzen und Grundlastoptimierung bis hin zur vorausschauenden Wartung von Maschinen und Anlagen. Auf diese Weise wird nachhaltig viel Geld und Energie gespart, auch weil sich dadurch die Lebensdauer von Netzen und technischen Assets verlängert.

Kurz gesagt: weil sich Energy Data Engineering mit Energiedaten, der Identifizierung von bestimmten Effekten und Störungen und mit den entsprechenden Optimierungsmöglichkeiten beschäftigt, ist die Bandbreite der Akteure, die davon profitieren könnten, entsprechend groß.

Wenn Energy Data Engineering so viele Vorteile hat – warum wird das Thema jetzt erst angegangen?

Bei den Netzwerkbetreibern deshalb, weil sich erst jetzt in der Topologie auch der höheren Spannungsebenen ein signifikanter Wandel vollzieht. Weg von zentraler Energieerzeugung, die ins Hochspannungsnetz geleitet wird, hin zu immer mehr
dezentraler Einspeisung. Sprich: jetzt wird zusätzlich auch auf unteren Spannungsebenen Strom erzeugt. Das heißt, wir beobachten in einigen Bereichen der Mittel- und Niederspannungsnetze eine Lastfluss-Umkehr. Darauf ist das Stromnetz mit Mess- und Steuerungseinrichtungen nicht ausgelegt – und auch nicht darauf, dass Lastflüsse dezentral überwacht und gesteuert werden können.

Früher konnte man Großkraftwerke in Grund-, Mittel und Spitzenlast einfach an die Lastanforderung anpassen und wenn eine Netzüberlastung drohte wurde entsprechend nachgeregelt. Das geht heute nicht mehr, denn Strom wird heute sogar im Privathaushalt erzeugt und ins örtliche Netz eingespeist. Diese dezentrale Einspeisung hat zum Teil gravierende Folgen für den Netzbetrieb. Da kann es passieren, dass in einem Industriebetrieb plötzlich eine Maschine oder eine Trafostation überlastet wird. Und keiner die Ursache des Problems identifizieren kann. Inzwischen aber erkennen immer mehr Unternehmer und Versorger den Zusammenhang und wollen entsprechend proaktiv agieren. Die Disziplin "Energy Data Engineering" ist noch recht neu und birgt ein enormes Potenzial für den künftigen Netzbetrieb.

Gleichzeitig ist ein bedarfsgerechtes Energy Data Engineering auch erst jetzt möglich. Denn noch vor wenigen Jahren wären die dafür benötigten Rechnerkapazitäten gar nicht vorhanden gewesen. Vor allem nicht für Echtzeitmessungen, für eine umfassende Überwachung oder den Einsatz von KI und Machine-Learning Algorithmen auf große Datenmengen. Diese Möglichkeiten sind neu und wir sollten sie nutzen.

Kontaktinformationen und weitere Infos:

Deutschland

LIVARSA GmbH
im Fruchtfeld 17
D-77791 Berghaupten

+49 7803 9228972
Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein.

Schweiz

LIVARSA AG
Tunnelstrasse 5
CH-2540 Grenchen

+41 32 517 95 05
Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein.