Durch die Transformation des deutschen Energiesystems besteht erhöhter Bedarf nach hochaufgelösten Verbrauchszeitreihen. Der Einsatz von KI ermöglicht effiziente Betriebsführungs- und Prognoselösungen und darauf aufbauende Geschäftsmodelle für vereinfachte Teilhabe aktiver Verbraucher bzw. Prosumer an der integrierten Energiewende.
Für das Training solcher Modelle sind große Mengen an Stromverbrauchsdaten erforderlich. Der Stromverbrauch in Haushalt, Gewerbe und Landwirtschaft ist abhängig vom Nutzerverhalten und unterliegt derzeit einem starken Wandel. Gemessene Lastzeitreihen unterliegen der DSGVO, da sie personen- bzw. unternehmensspezifische Verhaltenscharakteristika aufweisen.
Ziel des Projektes ist es, synthetische Lastzeitreihen für unterschiedliche Verbrauchertypen zu erzeugen, die in ihrer Charakteristik nicht von realen Messdaten zu unterscheiden sind, aber gleichzeitig eine weitest gehende Anonymisierung gewährleisten. Hierzu werden unterschiedliche GAN-Verfahren untersucht, die Neuronalen Netze für die Erzeugung von Energiezeitreihen adaptiert und anwendet. Durch Selbstklassifizierungsverfahren sollen außerdem Einflussgrößen in realen Messdaten erfasst und als Grundlage für die GAN-Generierung genutzt werden, um das Verhalten unterschiedlicher Verbraucher akkurat abzubilden. Die entwickelten Methoden und ein Beispieldatensatz werden anschließend der Wirtschaft und Wissenschaft kostenfrei zur Verfügung gestellt.
Fraunhofer-Institut für Energiewirtschaft und