Verteilnetzbetreiber
Erzeugungs- und Last-Prognosen von Energienetzen
Seit letztem Jahr sind alle europäischen Übertragungsnetzbetreiber dazu verpflichtet Erzeugungs- und Lastdaten nach der „Generation and Load Data Provision Methodology“ (GLDPM) für ein gesamteuropäisches Netzmodell zu liefern. Ziel des Verfahrens ist ein transparenter, gesamteuropäischer Überblick über die Kapazitäten des europäischen Stromnetzes bis in die letzte Detailstufe des einzelnen Stromerzeugers. Verantwortlich für die Datensammlung der Erzeugungs- und Lastdaten sowie deren Prognosen sind die jeweiligen Verteilnetzbetreiber.
Das gemeinsame Netzmodell soll die Veränderungen im Höchst- oder Hochspannungsnetz darlegen, um so resultierende Auswirkungen auf jeweils andere Netze einfacher und zuverlässiger erkennbar zu machen. Zusammen mit und für Netze BW hat SANDY die entsprechenden Prognosemodelle entwickelt und stellte die operativ 24/7 zur Verfügung.
Für die Erfüllung der europäischen Anforderungen an ein standardisiertes Netzmodell für die Kapazitätsberechnung in Stromnetzen (Generation and load data provision methodology – GLDPM) benötigt ein Verteilnetzbetreiber täglich eine Prognose des Netzzustandes, um diese an den Übertragungsnetzbetreiber zu übermitteln. Zur Sicherstellung der Prognosequalität müssen sowohl sich ändernde Netzschaltzustände als auch Netztopologien berücksichtigt werden. Ferner müssen die Prognoseergebnisse reproduzierbar sein.
Zielgruppe
- Energiemanagement-System-Entwickler
- Energiehändler
- Netzbetreiber
- App- und Anwendungsentwickler
Mehrwert für Unternehmen
- intelligente und innovative Erweiterung für Ihre Produkte
- Schnelle und einfache Integration
alle Vorteile von Software as a Service, z.B. hohe Verfügbarkeit - Automatische Aktualisierungen, kein Wartungsaufwand
- Bessere Planbarkeit
SANDY KI-Lösung
- Vollautomatische Bereitstellung von Day Ahead und Seven Day Ahead- Prognosen für 2.000 Transformatoren unter Berücksichtigung der jeweils individuellen NetztopologiePrognosen aufgeschlüsselt nach insgesamt 17 Last- und Energiearten, damit bis zu 36.000 Prognosen pro Stunde
- Vollautomatisiertes selbstlernendes Trainieren der Modellparameter für beste Prognoseergebnisse bei sich ändernden Rahmenbedingungen
- Speicherung der Prognosen inkl. eingehender Daten und Modelle für
28 Tage
Einsatz operativer KI in kritischer Infrastruktur mit hohem Datendurchsatz.