AUTOMATION DER ANALYSE UND VORHERSAGE VON ENERGIEDATEN AI-BASED IOT PLATFORM

Transkript

1 AUTOMATION DER ANALYSE UND VORHERSAGE VON ENERGIEDATEN AI-BASED IOT PLATFORM

2 ifesca GmbH GRÜNDUNG DURCH EHEMALIGE FRAUNHOFER- WISSENSCHAFTLER EXPERTEN AUF DEM GEBIET ENERGIE- WIRTSCHAFT UND SOFTWARETECHNIK GRÜNDUNG DER IFESCA GMBH IM DEZEMBER 2016 NEUARTIGE CLOUDPLATTFORM MIT KÜNSTLICHER INTELLIGENZ PROGNOSE, OPTIMIERUNG UND KÜNSTLICHE INTELLIGENZ WACHSTUMSPHASE, AKTUELL 20 MITARBEITER

3 Prognose im im energiewirtschaftlichen Sinne Kontet Commodities Strom Gas Fernwärme Wasser etc. Abhängigkeiten Wetter Jahreszeiten Produktionspläne Großereignisse Rollen BKV Lieferant Netzbetreiber Industrie 1 Richtungen Einspeisungen Ausspeisungen

4 Prognosemanagement mit ifesca.aiva Kompleität Status Quo Zeitdruck Assistenz Digitale Assistenz

5 Prognosemanagement mit ifesca.aiva NUTZUNG VON KÜNSTLICHER INTELLIGENZ FÜR SCHNELLE DATENBASIERTE PROGNOSE KOMPLEXITÄTSREDUKTION Digitalisierung BIG DATA Künstliche Intelligenz HOHER AUTOMATIONSGRAD QUALITÄT Aktives Monitoring ZUKUNFTSWEISEND Moderne Systemarchitektur Intelligente Workflows EFFIZIENZ Einfache Bedienung FLEXIBILITÄT Moderne Schnittstellen Prognose Unternehmen Wettbewerbsfähigkeit

6 Die Künstliche Intelligenz AIVA WISSEN ENTSCHEIDEN KOMMUNIZIEREN LERNEN AIVA verwaltet AIVA trifft AIVA kann AIVA lernt mit das gewonnene selbständig Sprachbefehle jedem neuen Wissen über Entscheidungen entgegennehmen Datensatz im Prognosedaten in über die und kommuniziert System dazu und einer eigenen Durchführung von mit dem Anwender passt sich gemäß Wissensbasis. Maßnahmen zur über die Aufgaben der Systemoptimierung oder Systemevents. Nutzerinteraktion. dem Nutzer an.

7 1) Datenimport CSV Verschiedene Inhalte Messwerte Verschiedene Formate Verschiedene Protokolle

8 1) Datenimport CSV Universalimporter Verschiedene Inhalte Messwerte Verschiedene Formate Verschiedene Protokolle

9 2) Datenplausibilisierung Für alle Zeitreihen Automatische Erkennung Eigene Kriterien möglich

10 3) Ersatzwertbildung Für alle Zeitreihen Automatische Ermittlung Eigene Kriterien möglich

11 ifesca.aiv A Erkenntnisgewinn für: 4) Datenanalyse ifesca.aiva Trends im Signal Wahl des Vorhersagekalender Saisonales Verhalten Mögliche Einflussgrößen Wahl der Prognosemethode

12 Vergleichstage ARMA- Modelle Abhängig von: Muster im Signal Vorhersagekalender 5) Wahl Prognosemodell Saisonales Verhalten Eogene Einflussgrößen Vorhersagehorizont Verfügbare Messwerte Verfügbare Prognosewerte ifesca.aiva Fuzzy- Modelle??? KNNs

13 Messwerte G 1,1 G 1,2 Hidden Neuron G 3,1 Implizite Wissensabbildung: Gewichte bilden das Wissen ab G 1,3 Hidden Neuron 7) Training Prognose: Beispiel Künstliches Neuronales Netz G 2,1 G 3,2 Prognose Keine direkte Ableitung von Informationen aus den Gewichten möglich Einflussgröße G 2,2 G 2,3 Hidden Neuron G 3,3 Manuelles Finden dieser nicht möglich

14 Voraussetzungen prüfen: ifesca.aiva Alle Eingangsdaten vorhanden Alle Eingangsdaten plausibel Prognosehorizont beachtet 8) Erstellung Prognose Training wurde ausgeführt Prognosen ausführen!

15 1) Richtwert bestimmen Initiale Güteberechnung beim Training. 2) Beobachten Kontinuierliche Beobachtung der Güte beim Ausführen der Prognose bzw. beim Import von Messwerten. 3) Reporting Bei verschlechterter Qualität erfolgt der 9) Kontinuierliche Überwachung Hinweis an den Benutzer. 4) Behebung Manuelles oder automatisches Trainieren der Prognose oder Ursachenbestimmung.

16 Schritte Standard ifesca.aiva (lokal) ifesca.aiva (Cloud) 1) Datenimport 2) Datenplausibilisierung 3) Ersatzwertbildung 4) Datenanalyse / / / 5) Wahl Prognosemodell 6) Wahl Prognoseparameter 7) Training Prognose 8) Erstellung Prognose 9) Kontinuierliche Überwachung / 10) Intelligentes Prognosemngmt. Voll automatisierter Prozess Teilweise automatisierter Prozess Epertenwissen benötigt Manueller Prozess Mittlerer zeitlicher Aufwand Großer zeitlicher Aufwand Nicht verfügbar

17 IoT-SERVICE Integration und Schnittstellen Optimierungsmodul BREITES SPEKTRUM AN SYSTEMEN MASCHINE-MASCHINE KOMUNIKATION Prognosemodul Wechselprozessmanagement Portfolio-management FOKUS AUF PROGNOSE & OPTIMIERUNG FUNKTIONEN AUCH ALS IoT-SERVICE VERF. OFFENE SCHNITTSTELLEN GERINGE ANSCHAFFUNGS- & PROJEKTKOSTEN Energiedatenmanagement Marktkommunikation HOHE SPEZIALISERUNG DER P&O-FUNKTIONEN GERINGE BETRIEBS- & PROJEKTKOSTEN

18 Ich freue mich auf eine anregende Diskussion! Tel.: