Big Data in der Energiewirtschaft

Innovative Lösungen und neue Geschäftsmodelle durch Smart Metering Analytics

Benjamin Aunkofer, Chief Data Scientist, DATANOMIQ

Einleitung

Mit der Einführung des intelligenten Stromzählers, der sog. Smart Meter sowie dem Vormarsch der Sensortechnologie in der Energiewirtschaft wird das Datenvolumen in den kommenden Jahren exponentiell zunehmen. So sollen bis 2020 nach Plänen der EU bis zu 80 % der Haushalte in der EU mit Smart Metern ausgestattet sein. Smart Meter übertragen viermal pro Stunde Verbrauchsdaten an Messstellen und werden für autorisierte Marktteilnehmer verfügbar. Dadurch werden in Deutschland bei 40 Mio. Haushalten über 3,8 Mrd. Datensätze generiert – an nur einem Tag. Und die Verbindung mit Daten aus Social Media und der Austausch von Geräten untereinander bringt für die Akteure im Utilities Markt zusätzliche geschäftsrelevante Datenmassen. Daraus entstehen zahlreiche werthaltige Big-Data-Anwendungsfelder, mit denen sich der Energiesektor befassen muss.

Bessere Verbrauchs- und Bedarfsprognosen

Nachfrageprognosen sind für Energieversorger von zentraler Bedeutung, da diese den Strom für die Endabnehmer in großen Tranchen an der Strombörse einkaufen. Mit zunehmender Genauigkeit der Vorhersagen lassen sich Angebot und Nachfrage signifikant anpassen und somit das Risiko sowie unnötige Zusatzkosten für die Versorger deutlich reduzieren. Predictive Analytics ermöglicht Prognosen des Strombedarfs durch stochastische Analysen basierend auf Verbrauchsdaten und externen Daten (z. B. Wetterdaten, Urlaubszeiten, Verbraucherverhalten). Mit modernen Methoden und Technologien lassen sich zudem schädliche Spannungsspitzen vorhersagen. Besonders leistungsfähig wird Predictive Analytics bei Einbeziehung von vielen Daten aus unterschiedlichen Datenquellen, auf die Machine Learning angewendet wird. Dabei wird Wissen künstlich aus Erfahrung generiert. So lernt das künstliche System anhand von Beispielen und kann diese nach Abschluss der Lernphase generalisieren. Anders als deterministische Systeme, sind maschinelle Lernsysteme darauf ausgerichtet, Muster (u.a. Korrelationen Wiederholungen, Auffälligkeiten) zu erkennen und zu vergleichen, um Regeln daraus abzuleiten.

Smarte Lösungen für den Energieverbraucher

Aus den gewonnenen Datenmassen von Smart Metering lassen sich durch Big Data Analytics neue dynamische Vertragsmodelle für zusätzliche Umsätze bei Versorgern schaffen. Die Mobilfunkbranche nutzt derartige innovative Verträge seit vielen Jahren mit großem Erfolg. Zudem kann der Energieversorger unter Berücksichtigung des Verbraucherverhaltens die Energietarife nun individuell gestalten.

Ein stark wachsender Einsatzbereich bildet auch das Aufspüren von unzufriedenen und abwanderungsgefährdeten Kunden. Dabei lassen sich aus Daten unterschiedlichster Vorsysteme mit Hilfe mathematischer Modelle der multiplen logistischen Regression und Entscheidungsbäumen individuelle Abwanderungsrisiken berechnen.

Durch Anreize, wie Rabatte für das Abschalten von Geräten oder die Reduzierung von Höchstverbräuchen und Energieeinsparungen bei schwachen Angebotsphasen entstehen für den Versorger und den Verbraucher Win-win-Situationen. Schließlich ermöglicht Smart Metering Analytics das Aufspüren von Abrechnungsfehlern und damit ein Höchstmaß an Abrechnungsgenauigkeit.

Anhand von Big Data Analysen können dem Energieverbraucher nun auch individuelle Empfehlungen zum Energiesparen an die Hand gegeben werden – eine wichtige Grundlage zur Kundenbindung. Als weiterer Service ist es möglich, den gegenwärtigen Verbrauch mit Vergangenheitswerten und statistischen Durchschnittswerten von vergleichbaren Haushalten bzw. Betrieben zu vergleichen. Auch hier vermag Big Data Analytics diese Vielfalt und Massen an strukturierten und unstrukturierten Daten zu erfassen und in messbare Wertbeiträge verwandeln.

Vorauseilende Wartung von elektrischen Anlagen

Predictive Maintenance ermöglicht die Fehlerfrüher­kennung von elektrischen Anlagen und Komponenten und verhindert einen frühzeitigen Systemaus­fall. Insbesondere sich bewegende bzw. rotierende Kom­ponenten (energieerzeugende Anlagen, Generatoren) sind einem natürlichen Verschleiß ausgesetzt, die bei einem tatsächlichen Ausfall zu Störungen oder Gefahrensituatio­nen führen können. Ebenso lassen sich einzelne Kabel im Hinblick auf die mechanische oder thermische Belastung in den analysieren und der Zustand der Isolierung messen. Die Erfassung von entsprechenden Systempa­rametern und deren Analysen tragen somit dazu entscheidend dazu bei, mögliche Ausfälle vorherzusehen, Wartungsarbeiten für die Ausrüstung zu terminieren und Investitionen in die Kapazitäten besser zu planen. Obgleich die Technik bereits heute in vielen Maschinen und Anlagen so verbaut ist, dass eine Abgabe der Daten an IT-Systeme für weitergehende Analysen möglich wäre, werden derzeit lediglich winzige Mengen des Datenvolumens genutzt – bedeutsame Geschäftsvorteile bleiben hier noch ungenutzt.

Kommerzialisierung von Daten

Die Präzision des Energieverbrauchs durch Smart Metering ermöglicht weit reichende Einblicke in die Lebensgewohnheiten oder betriebliche Zustände der Endverbraucher. Der Energieversorger kann sich so ein umfassendes Bild nicht nur darüber machen, welches Energieverhalten ein Haushalt oder ein Betrieb hat, sondern auch, welche Geräte oder Maschinen der Abnehmer „am Netz“ hat. Diese Potenziale lassen vermuten, dass hier neue Milliarden-Märkte zur kommerziellen Nutzung der Daten entstehen. Der Erfolg digitaler Services auf der Grundlage von Smart Metering Analytics ist bereits in naher Zukunft zu erwarten. Für Datenkonzerne wie Google ist die Kommerzialisierung von Daten das eigentliche Geschäftsmodell. Nun sind vor allem die Energieversorger und Meßdienstleister am Zug, die entsprechenden Services möglichst unter eigener Hand führen zu können. Eine der Herausforderung besteht nun auch darin, die digitalen Services kundenorientiert umzusetzen, gleichzeitig aber zu verhindern, dass reine Datenkonzerne sich zu sehr in der Energiewirtschaft ausbreiten und unkontrolliert Daten abgreifen.

Weitere Anwendungsfelder von Big Data

Die Einsatzmöglichkeiten und Potenziale von Big Data sind aufgrund der gigantischen Datenmengen und der Möglichkeiten zur Verknüpfung mit weiteren Daten nahezu unerschöpflich. Neben den skizzierten Anwendungsfeldern gehört ebenso die Identifikation und kommerzielle Analyse von Datenanomalien zu den weiteren Anwendungsfeldern. Dabei lassen sich Energiediebstahl/-verlusten und Blindleistung wie die Identifikation von gefährdeten oder überlasteten Geräten und Anlagen im Verteilnetz mit speziellen Methoden und neuen Technologien aufspüren. Auch das Kategorisieren, Analy­sieren und Bewerten von Störmeldungen mit Hilfe von Big Data leistet einen hohen Wertbeitrag und trägt zu einer verbesserten Stabilität und Sicherheit von Energienetzen bei. Denkbar wäre zudem, dass über eine digitale Plattform Best Pratice-Verbrauchsmuster von anspruchsvolle Maschinen und Produktionsschritte analysiert und gehandelt werden. Beteiligt sind neben dem Versorger, Verbraucher hier auch Anlagenhersteller, die sowohl als Nutzer als auch als Datenlieferant auftreten können.

Ausblick

Der Handlungsdruck in der Energiebranche steigt permanent – Smart-Metering-Daten sollten daher durch Big-Data-Methoden wirtschaftlich genutzt werden, um sich vom Wettbewerb abzuheben, bevor es andere tun. Die intelligente Datennutzung durch Smart Metering Analytics ist die Chance, um dem massiven Preisdruck zu begegnen. Der eigene Aufbau entsprechender Kompetenzen oder die Zusammenarbeit mit spezialisierten Smart Metering Analytics-Dienstleistern ist alternativlos. Eine vorschnelle Euphorie und zu hoher Sprung in fortgeschrittene Anwendungsfelder überfordert jedoch die gesamte Organisation und bringt nicht die gewünschten Ergebnisse. Mit der gesammelten Erfahrung aus Pilotprojekten und ersten Erfolgsbeispielen gewinnt Smart Metering Analytics schnell an Eigendynamik, so dass im zweiten Schritt größere Projekte in Angriff genommen werden können. Es ist der richtige Zeitpunkt, die Weichen dafür zu stellen.

Über DATANOMIQ

DATANOMIQ ist der herstellerunabhängige Beratungs- und Service-Partner für Business Analytics, Data Science und Data Labs. Wir erschließen die gewaltigen Ergebnispotenziale durch Big Data erstmalig in allen Bereichen der Wertschöpfungskette. Dabei setzen wir auf die besten Köpfe und das umfassendste Methoden- und Technologieportfolio aus der Digitalisierung.

Kontakt

DATANOMIQ GmbH
Leipziger Straße 96-98
D-10117 Berlin
Tel: +49 (0) 30 20653828
I: www.datanomiq.de
E: info@datanomiq.de