Industrie 4.0 Energiekostenoptimierung mit Hilfe künstlicher Intelligenz

Transkript

1 Eine unabhängige, europäische Energieoptimierungs- und Serviceplattform von der Industrie für die Industrie Industrie 4.0 Energiekostenoptimierung mit Hilfe künstlicher Intelligenz Christoph Gardlo München

2 Agenda Kurzvorstellung ES FOR IN S.E. Industrie 4.0 Energiekostenoptimierung mit Hilfe künstlicher Intelligenz Vorstellung Konzept Smart Factory was leistet künstliche Intelligenz? Optimierungs- und Einsatzmöglichkeiten in der Großindustrie Smart Energy Management for Industry - 2

3 Von der Industrie für die Industrie ES FOR IN S.E., Essen Zielstruktur der Anteilseigner Gegründet September 2014 als S.E. Derzeit 1 industrieller Core Shareholder (24,9%) Gründungsteam: Vorstand + 7 Mitarbeiter Core Shareholder 50,0 % Industry Shareholder pool 24,9 % Dienstleistungsplattform Energie für Großindustrie Erste physische Lieferung Gas Oktober 2015 Top & Senior Management 25,1 % Zusätzliche Beteiligungsoption für Industriekunden an der pan-europäischen Energie Service Plattform ES FOR IN als Equity Stakeholder (Dividenden senken die Energiekosten weiter) als strategischer Partner mit völliger Transparenz, Teilnahme an der Entwicklung kundenindividueller Produkte und Prozesse Smart Energy Management for Industry - 3

4 Agenda Kurzvorstellung ES FOR IN S.E. Industrie 4.0 Energiekostenoptimierung mit Hilfe künstlicher Intelligenz Vorstellung Konzept Smart Factory was leistet künstliche Intelligenz? Optimierungs- und Einsatzmöglichkeiten in der Großindustrie Smart Energy Management for Industry - 15

5 Lastmanagement & Kurzfristhandel day-ahead vs. 1/4h Smart Energy Management for Industry - 16

6 Was leistet künstliche Intelligenz allgemein? Künstliche Intelligenz und die darauf basierenden Anwendungen automatisieren ggf. sogar Entscheidungen auf Basis aktueller und historischer Daten, um Geschäftsprozesse effizienter zu gestalten Schnelligkeit und Präzision der Prognosen und somit der Entscheidungen werden permanent optimiert Selbstlernende Algorithmen passen Entscheidungsverhalten nachhaltig an Veränderungen an Aktive Steuerung des Geschäfts statt ad hoc Reaktion Data Mining und Business Intelligence Künstliche Intelligenz Smart Factory Historie Wieso und Warum? Was folgt? Was tun wir? Datenbeobachtung Mustererkennung Prognosen Automatisierte Entscheidungen Smart Energy Management for Industry - 17

7 Dienstleistungen Smart Energy Factory / Big Data Analysis Als Ergebnis verfolgt die IT-Optimierungsplattform in Echtzeit fortlaufend das Beobachten der einkommenden Daten im Hinblick auf Informationen das Vorhersagen von Nachfrage sowie internem und externem Angebot an Energie das Vergleichen aller denkbaren Optionen zur Optimierung von Energieangebot und -nachfrage die realtime Kostenoptimierung für Energieeinsatz und produktion (Gas, Strom, Wärme ) die fortlaufende Kontrolle von CHPs und anderen Stromerzeugungsanlagen in Echtzeit, um Kostenoptimierung in einem Erzeugungsmix unter Berücksichtigung produktionstechnischer Rahmenbedingungen zu realisieren das ständige maschinelle Lernen zur Verbesserung der Prognosequalität Smart Energy Management for Industry - 18

8 Beispiel Predictive Maintenance Smart Energy Management for Industry - 19

9 Agenda Kurzvorstellung ES FOR IN S.E. Industrie 4.0 Energiekostenoptimierung mit Hilfe künstlicher Intelligenz Vorstellung Konzept Smart Factory was leistet künstliche Intelligenz? Optimierungs- und Einsatzmöglichkeiten in der Großindustrie Smart Energy Management for Industry - 20

10 Einsatzmöglichkeiten in der energieintensiven Industrie Energieverbrauchsprognose präzise Verbrauchsprognosen führen zu höherer Effizienz, da nicht benötigte Energie gar nicht erst gekauft werden muss und Ausgleichsenergiekosten minimiert werden Energielastspitzenprognose präzise Leistungsspitzenprognosen auf Basis gelernter Muster bzw. Sensor- und Verbrauchsdaten erhöhen die Transparenz über Flexibilität im Asset-Park oder auch in der Produktion. Die neu gewonnene Flexibilität kann anschließend vermarktet werden Optimierung der Eigenerzeugung realtime Kostenoptimierung der Eigenerzeugung gegen den jeweiligen live-marktpreis. Macht es auch bei Wärme geführten Anlagen Sinn den Strom immer selbst zu produzieren? Selbst wenn der Strom am Markt nahezu kostenlos ist? Demand & Supply Steuerung Verzahnung von Energieverbrauchs- und Energielastspitzenprognose mit der Produktion und der Eigenerzeugungsanlage Smart Energy Management for Industry - 21

11 Auf dem Weg zur digitalen Fertigung Verzahnung von Energiemengen- und Energiespitzenlastprognose mit der Produkt-Fertigung Prozess- und Durchlaufzeitprognosen zur Reduzierung von Pufferzeiten und Stillständen Erweiterbar um Predictive Maintenance vorausschauende Wartung von Produktionsanlagen oder wichtigen Komponenten Analyse & Vorhersage von Auftragseingängen und Kundenverhalten Ableitung einer präzisen Energieverbrauchsprognose auch aus der Produktfertigung und Einbindung in Optimierung der Eigenerzeugungsanlagen Smart Factory Prognose Produktion Smart Energy Management for Industry - 22

12 Dienstleistungen Smart Factory / Big Data Analysis Optimierung der Strom-Eigenerzeugungsanlagen gegen den Markt Anlage wird weiter wärmegeführt gefahren Optimierung der Gestehungskosten für Strom durch Zukauf vom Markt, wenn sinnvoll Kopplung mit intra-day Handelsmarktzugang Optimierung nur im Rahmen technischer Flexibilität Sinnvoll für Anlagen mit Wärmeerzeugungs-Backup (z.b. Dampfkessel) Kommerziell sinnvoll bei Teilname an EEG-Befreiung / besondere Ausgleichsregelung Optimierung unter Berücksichtigung sämtlicher Randparameter (Netzentgelte, etc) Smart Energy Management for Industry - 24

13 Dienstleistungen Smart Factory / Big Data Analysis bestehende Sensorik kann genutzt werden bzw. wird ggf. erweitert (Druck, Hitze, Verbrauch etc.) ca. 4 Wochen bis zum ersten Ergebnis nach Vorlage aller historischen Daten und technischen Spezifikationen keine IT-Investition nötig Software as a Service mit 24/7 Verfügbarkeit Smart Energy Management for Industry - 25

14 Dienstleistungen Smart Factory / Big Data Analysis Smart Energy Management for Industry - 26

15 Optimierungsansätze in der Großindustrie Smart Factory Prognoseoptimierung Gas & Strom Flexibilitätsvermarktung Strom der Gasturbine intra-day in Zeiten, in denen Regelenergievermarktung nicht erfolgreich ggf. Aufteilung des Flexibilitätspotentials auf Flexibilitätsvermarktungskanäle (Regelenergievermarktung vs. Intra-day) Aufbau Regelenergievermarktung Gas über Bivalenz Einbindung Produkt-Produktionsplan in Prognoseoptimierung & Flexibilitätsvermarktung (z.b. Lagerbestand Altpapier, Auftragseingänge, Papierqualität etc) Beschaffungsstrategie Auswahl und Aufbau mehrerer Terminmarktlieferanten im dauerhaften Wettbewerb Diskussion und Einführung Beschaffungsstrategie mit Limit-System Smart Energy Management for Industry - 33

16 Datensicherheit & Spekulation Datensicherheit Betrieb der Optimierungsroutine on site ohne Internetanschluss möglich cloud-basierte Services werden von Microsoft genutzt und sind Microsoft zertifiziert Bei on site Lösung kann nur das Ergebnis über separate Server zur Handelsplattform übertragen werden Spekulation / Hochfrequenzhandel KEINE Spekulation auf Preiserwartungen Kein Hochfrequenzhandel Abgleich einer neuen Prognose mit jetzt exekutierbaren Marktpreisen Kalkulation eines kommerziell optimalen Strom / Gas / Dampf Einsatzes unter Berücksichtigung von jetzt gültigen Marktpreisen für Zeiträume in der Zukunft (Bsp: 18:05 neue Prognose für 18:45-19:00 h, Entscheidung Strom vom Markt zu kaufen oder Eigenerzeugung zu betreiben bei kalkulierten Gestehungskosten) Smart Energy Management for Industry - 34

17 Christoph Gardlo Bereichsleiter Vertrieb & Business Development ES FOR IN S.E. T M christoph.gardlo@esforin.com Smart Energy Management for Industry - 38