Menü

Ein kleines, entscheidendes Puzzleteil zur optimalen Energienutzung

Gemeinsames Projekt von NAECO Blue und dem KI-Labor der FH Kiel zur Validierung von Wettermodellen

An Problemen arbeiten, deren Lösung auch wirklich gebraucht wird

Felix Ollech, Gründer und CEO von NAECO blue

Für diese Herausforderung hat NAECO Blue mit dem KI-Labor der Fachhochschule Kiel zusammengearbeitet. Im Rahmen eines Application-Projekts, das sich an Master-Studierende des Studienganges Data Science richtet, war es die Aufgabe der Studierenden Fabian-Malte Möller und Dustin Werner, die Qualität von zwei unterschiedlichen Wettermodellen zu bestimmen. Betreut wurde das Projekt vom Leiter des KI-Labors Prof. Dr. Michael Prange.

Das Know-how zur Validierung der Wettermodelle haben die Fachleute von NAECO Blue, aber „mir ist es auch aus eigener Erfahrung wichtig, dass die Studierenden den Blick raus aus der Fachhochschule erhalten und mit Unternehmen zusammenarbeiten“, sagt Felix Ollech, „wir hatten intern die Vorrecherche gemacht, aber nicht die Kapazitäten, um verschiedene Validierungen auszuprobieren. Dadurch konnten die Studierenden in der Praxis an Problemen arbeiten, deren Lösung auch wirklich gebraucht wird.“

Fabian-Malte Möller und Dustin Werner untersuchten die Modelle GFS und Hirlam und wägten sie gegeneinander ab. Das globale Wettermodell GFS steht auf vielen Webseiten kostenlos zur Verfügung. Es hat eine eher grobe Auflösung von rund 23 mal 23 Kilometern und wird nur circa alle sechs Stunden aktualisiert. Dadurch wirkt es für eine professionelle Nutzung zunächst relativ ungeeignet. Auf der anderen Seite gibt es das kostenintensive regionale Wettermodell Hirlam. Es hat eine feinporigere Auflösung von circa sieben mal sieben Kilometern. Und es aktualisiert sich schneller: Hochleistungsrechner sorgen dafür, dass die Nutzer schon nach etwa einer Stunde einen Forecast haben. 

„Von den knapp drei Monaten, in denen die Studierenden bei uns waren, haben sie den ersten Monat hauptsächlich recherchiert und dokumentiert und nur ein wenig programmiert“, erläutert Felix Ollech das Vorgehen, „dies war eine wichtige Grundlage, da Wettermodelle ein sehr komplexes Thema sind. Man muss die Ergebnisse, die man am Ende hat, auch interpretieren können.“

Denn: Der Algorithmus von NAECO Blue für die Einspeiseprognose braucht viele verschiedene Features. „Im Bereich Solar sind es zum Beispiel die Bewölkung, aber auch der Taupunkt, die Temperatur und die Sonneneinstrahlung. Da kommen 40 bis 50 verschiedene Features zusammen. Diese Features haben wir für 60 Standorte in ganz Deutschland untersucht. Und wir haben überprüft, welches der beiden Wettermodelle für den jeweiligen Standort die besten Informationen gibt und haben diese Erkenntnisse historisch validiert.“

Wenige Code-Zeilen mit großer Wirkung

Vergleich der Modelle Hirlam und GFS

Das Ergebnis: Die Studierenden haben insbesondere durch ihre statistische Herangehensweise Erstaunliches herausgefunden: „Das teure Hirlam-Modell stellt nicht alle Faktoren sehr gut dar“, so Felix Ollech, „sondern ist vielfach schlechter – manchmal sogar deutlich schlechter – als das viel großmaschigere GFS-Modell.“ 

Fabian-Malte Möller und Dustin Werner entwickelten konkret nur einige Code-Zeilen mit großer Wirkung: NAECO Blue kann nun für einen beliebigen Standort oder eine Liste von Standorten eine Aussage darüber treffen, welche der Wettermodelle in der Historie die besten Ergebnisse für unsere Features bringt. „Dieser Code ist ein kleines, aber sehr entscheidendes Puzzle-Teil zur effektiven Energienutzung.

Die Lösung der Studierenden wird jetzt weiterentwickelt: „Bislang wurden zwei Wettermodelle untersucht. Wir erweitern das auf acht bis zehn Modelle. Und daraus wird eine Automatisierung entstehen, die von allein nach den Informationen aus den Code-Schnipseln sucht.“

Am Ende hat der Kunde eine noch genauere Einspeiseprognose für seine Solar- oder Windkraftanlage. Diese Prognose führt zu großen Ersparnissen, gibt den Akteuren Planungssicherheit zurück und ermöglicht eine effizientere Nutzung der Erneuerbaren Energien. 

Weitere Informationen und Ansprechpartner zum Bereich Data Science der FH Kiel finden Sie hier.

Naeco Blue Blue GmbH

Domäne

Erneuerbare Energien

Methode

Simulation und Prognose
Zusammenarbeit mit KI-Transfer-Hub SH
 Icon
Einstieg und KI-Check
 Icon
Use Case Workshop
 Icon
Machbar­keits­studie
 Icon
Vernetz­ung
 Icon
Förder­begleit­ung
Nach oben scrollen