SIEMENS

Viele Orte behaupten von sich, sie lägen „im Herzen Europas“. Wenn es aber um Energieverteilungssysteme geht, trifft das nur auf einen zu: Laufenburg in der Schweiz. Die malerische Kleinstadt am Ufer des Rheins war nicht nur eine wichtige Etappe für die römischen und napoleonischen Armeen, sondern ist heute noch ein bedeutender Knotenpunkt – wenn auch für ganz andere Kräfte: Stromleitungen, die Frankreich, Deutschland, Österreich, Italien und die Schweiz verbinden. Hier befindet sich auch die Atomuhr, die die Frequenz – man könnte es auch den Herzschlag nennen – für das gesamte Stromnetz der Europäischen Union, einschließlich der Türkei, einstellt und synchronisiert.

Auch die Zentrale des Schweizer Netzbetreibers Swissgrid befindet sich in dem 3.200-Einwohner-Ort an der deutsch-schweizerischen Grenze. Wegen seiner strategischen Lage kommt dem Unternehmen eine Schlüsselrolle zu: Es stellt sicher, dass Stromproduktion und -verbrauch über viele Ländergrenzen hinweg stets im Gleichgewicht sind. Um diese Aufgabe zu erfüllen, muss das Unternehmen im Netz eine gleichbleibende Frequenz von 50 Hertz gewährleisten. Bei der Stromerzeugung werden die nötigen Vorhersagen jedoch zunehmend schwieriger, da der Anteil der fluktuierenden erneuerbaren Energien wächst. Aber auch Verbrauchsprognosen sind kompliziert, weil sich die Stromnachfrage, etwa aufgrund plötzlicher Wetterveränderungen, schlagartig ändern kann.

Zu diesen naturgegebenen Variablen kommen noch die Übertragungsverluste durch die Leitungen hinzu. Auch diese hängen von lokalen Wetterbedingungen und der jeweils aktuell übertragenen Strommenge ab. Wenn zum Beispiel Italien Strom in Nordeuropa einkauft, muss dieser durch die Schweiz transportiert werden. „Insgesamt liegen die Verluste bei durchschnittlich 1,6 Prozent der Gesamtlast des Schweizer Stromnetzes – rund 100 Megawattstunden (MWh) pro Stunde“, sagt Dr. Jan Mrosik, CEO der Division Smart Grid des Sektors Infrastructure & Cities. „Bei einem durchschnittlichen Spotpreis von 55 Euro pro MWh entspricht dies einem Verlust von 5.500 Euro pro Stunde oder 48 Millionen Euro im Jahr.“

Prognosen sparen Geld. Um die Übertragungsverluste auszugleichen, muss Swissgrid zusätzlich Strom auf dem Schweizer Spotmarkt kaufen – ein Prozess, der jeden Tag des Jahres bis zu 16 Stunden im Voraus stattfindet. Daher ist hier angesichts der riesigen Strommengen äußerste Präzision bei der Vorhersage gefordert. Bisher kalkulierte das Unternehmen die benötigten Strommengen mit einem Algorithmus, der bei der Vorhersage eine Fehlerquote von rund elf Prozent aufwies. Doch dank eines neuen, von Siemens Corporate Technology (CT) entwickelten Algorithmus auf Basis eines künstlichen neuronalen Netzes kann Swissgrid nun diese Rate auf voraussichtlich zehn Prozent senken – was einer Verbesserung um zehn Prozent entspricht. Das Einsparpotenzial ist groß: „Es wird weniger Steuerungsenergie benötigt, und die Menge ungenutzter Energie aufgrund zu hoch kalkulierter Übertragungsverluste wird reduziert. Wir schätzen, dass Swissgrid dadurch jährlich rund 200.000 Euro sparen wird“, kalkuliert Mrosik.

Im Gegensatz zu anderen Algorithmen leitet das CT-System den prognostizierten Übertragungsverlust aus der Vorhersage des Stromverbrauchs ab. „Ein Novum, denn bisher waren diese beiden Funktionen voneinander getrennt“, erklärt Dr. Ralph Grothmann, der den Algorithmus gemeinsam mit seinem Münchner CT-Kollegen Dr. Hans-Georg Zimmermann entwickelt hat. „Das integrierte Modell ist dadurch wesentlich genauer als bisherige Modelle.“ Ein Ergebnis, das aus der jahrelangen Expertise der CT-Forscher auf dem Gebiet der neuronalen Netze resultiert – heute treffen ihre Lastvorhersagen in der Regel zu 97 Prozent zu. Neben Daten aus der Vergangenheit gehen in das CT-System dabei auch Variablen wie die aktuellen Lastflüsse und die Energieerzeugung aus erneuerbaren Quellen sowie Wetterdaten oder der Wasserstand von Pumpspeicherkraftwerken ein.

Der neue Hybrid-Algorithmus könnte künftig zu einer höheren Stabilität des Stromnetzes der EU beitragen. „Die Lernfähigkeit des Systems ist besonders für die Anpassung des Netzes an schwankende Energiemengen aus Wind-, Solar- und Wasserkraft von Bedeutung“, sagt Mrosik. Darüber hinaus kann der Algorithmus auch zur Vorhersage anderer Faktoren genutzt werden: etwa für die europäischen Energieströme oder die von Wind- und Solarkraftanlagen erzeugte Elektrizitätsmenge. „Pilotprojekte von Siemens haben gezeigt, dass unsere neuronalen Netze die Leistung aus erneuerbaren Energiequellen mit einer Genauigkeit von 90 Prozent bis zu 72 Stunden im Voraus prognostizieren können“, sagt Mrosik. „Dieses Wissen kann den Betreibern sehr dabei helfen, ihre Netze stabil zu halten.“