Last- und Erzeugungsprognosen mit KI (Machine Learning) in der Energiewirtschaft

Last- und Erzeugungsprognosen mit KI (Machine Learning) in der Energiewirtschaft.

MODUL 01: PROGNOSEN IN DER ENERGIEWIRTSCHAFT

• Warum Prognosegüte direkt auf Kosten wirkt (Bilanzkreis)
• Last, EE-Einspeisung und Fahrpläne
• Datenquellen: Wetter, Historie, Kalender
• Live-Demo: die Tagesprognose auf einen Blick
• Ihre Ausgangslage: Wie treffsicher prognostizieren Sie heute?

MODUL 02: ZEITREIHENPROGNOSEN

• Klassische Verfahren versus ML versus Deep Learning
• Wetterdaten und Prognoseunsicherheit einbinden
• Übung: Sie erstellen eine Lastprognose an echten Zeitreihen
• Der Aha-Moment: der Wettereinfluss wird greifbar
• Das richtige Verfahren wählen

MODUL 03: ERNEUERBARE ERZEUGUNG

• PV- und Windprognosen
• Probabilistische Prognosen und Quantile
• Prognosegüte messen und Fehler managen
• Übung: Sie bewerten die Güte einer EE-Prognose
• Unsicherheit als Bandbreite statt Scheinpräzision

MODUL 04: UMSETZUNG

• Integration in Portfolio- und Fahrplanmanagement
• Monitoring und Nachtraining
• Fallstudie: das Prognosesystem eines Stadtwerks
• Vertrauen in die Prognose aufbauen
• Ihr Fahrplan zur treffsicheren Prognose