Zurück zu Bigger Picture

BIGGER PICTURE Energie & Klima

Den Windstrom von morgen besser zusagen

Die Windturbine bleibt dieselbe. Neu ist das Wissen über ihren nächsten Tag – und damit eine besser nutzbare Lieferzusage an das Stromnetz.

KI-generierte Illustration: Konzeptbild von Windrädern mit abstrakten Blöcken für die kommende Stromerzeugung.
Darstellung von Windrädern mit abstrakten Blöcken für die kommende Stromerzeugung.KI-generierte Illustration der Idee, keine Aufnahme der tatsächlichen Personen, Geräte oder Ereignisse.
Prognosehorizont
36 Stunden
Gemeldeter Vorteil
Rund 20 % höherer wirtschaftlicher Wert
Untersuchte Anwendung
700 MW Windleistung in den USA

So funktioniert die Idee

  1. Wind- und Anlagendaten lesen

    Wetterprognosen werden mit bisheriger Erzeugung verbunden.

  2. Stromertrag vorausberechnen

    Das Modell schätzt die Erzeugung bis zu 36 Stunden voraus.

  3. Lieferung planen

    Betreiber können stündliche Lieferungen am Vortag zusagen.

Strom braucht einen Zeitplan

Eine Megawattstunde ist besser nutzbar, wenn das Netz weiß, wann sie kommt. Bei Windkraft ist diese Zusage schwierig: Der Brennstoff kommt mit dem Wetter. Google und DeepMind berichteten 2019 über maschinelles Lernen für 700 Megawatt Windleistung in den zentralen USA, um das Angebot des nächsten Tages besser vorherzusagen.

Belege: [1]

Erst vorhersagen, dann zusagen

Ein neuronales Netz lernte aus Wetterprognosen und historischen Turbinendaten, die Erzeugung 36 Stunden vorauszuschätzen. Darauf aufbauend wurden stündliche Lieferzusagen für den nächsten Tag empfohlen. Diese Unterscheidung ist wichtig: Eine genaue Prognose sagt einem Betreiber noch nicht, was er zusagen sollte. Der Nutzen entsteht durch die Verbindung mit konkreter Vermarktung und Planung.

Belege: [1][2][3]

Ein besserer Fahrplan für dieselbe Anlage

Google meldete rund 20 Prozent mehr wirtschaftlichen Wert gegenüber einer Vergleichssituation ohne zeitgebundene Zusagen. Gemeint ist der Wert des Stroms, kein um 20 Prozent höherer Ertrag der Turbinen. Der mögliche Nutzen liegt in wirtschaftlich besser integrierbarer erneuerbarer Energie. Eine entsprechende Senkung privater Stromrechnungen wurde nicht nachgewiesen.

Belege: [1][3]

Die Idee ging über einen Betreiber hinaus

DeepMind beschrieb später die Übertragung in ein Google-Cloud-Produkt, das ENGIE erprobte. Auch die IEA nennt Prognosen und Einsatzplanung als praktische KI-Anwendungen für erneuerbare Energie. Das belegt breiteres Interesse, bestätigt aber nicht unabhängig Googles ursprüngliche Zahlen. Das Ergebnis von 2019 bleibt ein Anbieterbericht mit einer bestimmten Vergleichsbasis.

Belege: [2][3]

Die Originalquellen

  1. Google DeepMindMachine learning can boost the value of wind energy
  2. Google DeepMindUsing AI to fight climate change
  3. International Energy AgencyEnergy and AI in East Asia

Was Sie als Nächstes entdecken können

Eine kleine Routenänderung kann weniger Wolken hinterlassenEin grüner Rahmen macht mehr Polypen sichtbar
Alle 99 Anwendungen entdecken