Prognosesystem

Das Prognosesystem innerhalb des STROMDAO EAF ist ein System, welches auf maschinellem Lernen (ML) und künstlicher Intelligenz (KI) basiert. Es ist darauf ausgelegt, die Verbrauchs- und Erzeugungsdaten aus der Vergangenheit zu sammeln und zu analysieren, um Muster zu erkennen und künftige Energieverbräuche sowie Erzeugungsleistungen auf der Ebene einzelner Verbrauchsstellen vorherzusagen. Nachfolgend ist beschrieben, wie dieses Prognosesystem im Kontext des STROMDAO EAF funktioniert und angewendet wird:

1. Datenakkumulation: EAF-AMR-CLIENT Das System sammelt kontinuierlich Daten von verschiedenen Verbrauchsstellen durch das iMSys und andere verbundene Geräte. Diese Daten umfassen unter anderem Energieverbrauchswerte, Erzeugungsmengen, Wetterdaten, Nutzerverhaltensmuster und historische Preissignale.

2. Lernprozess: Durch Algorithmen des maschinellen Lernens identifiziert das Prognosesystem Zusammenhänge zwischen Eingabedaten und resultierenden Energieverbrauchs- oder Erzeugungsmustern. Mit jeder neuen Datenmenge, die analysiert wird, verbessert das System seine Fähigkeit, genaue Vorhersagen zu treffen.

3. Individuelle Modellbildung: Basierend auf den erfassten Daten erstellt das System für jede Verbrauchsstelle ein individuelles Vorhersagemodell. Diese Modelle berücksichtigen die spezifischen Charakteristika und Reaktionsmuster der einzelnen Verbrauchsstellen auf Preissignale und andere beeinflussbare Variablen.

4. Vorhersagegenerierung: Das Prognosesystem nutzt die erstellten Modelle, um Prognosen für Verbrauch und Erzeugung an jeder Verbrauchsstelle zu generieren. Diese Vorhersagen können sich auf verschiedene Zeiträume beziehen - von Stunden bis Tage im Voraus.

5. Bereitstellung von Prognosedaten: Nach Erstellung der Vorhersagen werden diese über die entsprechenden APIs im STROMDAO EAF zur Verfügung gestellt. Dies ermöglicht anderen Systemkomponenten wie dem Tarifmanagement-Service, auf diese Daten zuzugreifen und entsprechende dynamische Tarife zu erstellen.

6. Unterstützung der Entscheidungsfindung: Energieanbieter und -aggregatoren nutzen das Prognosesystem, um ihre Beschaffungsstrategie zu optimieren und passende variable Tarife festzulegen, die zur Reduzierung von Energiekosten und zur Unterstützung der Energiewende beitragen.

7. Optimierte Beschaffung: Durch genauere Vorhersagen können unerwartete Spitzen im Verbrauch oder in der Erzeugung vermieden und die Beschaffungskosten durch den gezielten Einkauf von Strom zu optimalen Zeiten reduziert werden.

8. Integration und Skalierbarkeit: Das Prognosesystem ist nahtlos in die Microservices-Architektur des STROMDAO EAF integriert und kann durch die vertikale und horizontale Skalierbarkeit des Frameworks leicht an wachsende Anforderungen angepasst werden.

Insgesamt ermöglicht das Prognosesystem des STROMDAO EAF den Beteiligten eine intelligentere und effizientere Bewirtschaftung ihrer Energiebilanz, indem es datengetriebene, präzise Vorhersagen bereitstellt und so die Entscheidungsfindung auf allen Ebenen des Energiemarktes unterstützt.