Um die Nachfrage zu bedienen und Verbrauchsspitzen zu steuern, müssen Stromversorger die voraussichtliche Belastung ihrer Netze kennen. Eine vom Schweizerischen Nationalfonds (SNF) geförderte Forschungsgruppe der Zürcher Hochschule für Angewandte Wissenschaften (ZHAW) hat ein auf künstlicher Intelligenz basiertes System entwickelt, das mithilfe von Daten des Strassen- und Bahnverkehrs die Belastung der Stromnetze präzise vorhersagen kann.

Die Stromversorger nutzen Modelle zur Vorbereitung auf den Klimawandel, auf drohende Energiekrisen oder auch auf Schwankungen bei der Produktion von Solar- und Windkraft. Die bisherigen Modelle stützen sich primär auf historische Verbrauchsdaten. Sie berücksichtigen auch weitere Daten wie etwa Wettervorhersagen, um den Bedarf zum Heizen oder Kühlen und somit auch den erwarteten Stromverbrauch zu bestimmen.

Zwei bis sechs Stunden Vorlaufzeit

Im Rahmen dieses Forschungsprojekts wurden Stromverbrauchs- und Wetterdaten sowie Strassen- und Bahnverkehrsdaten mithilfe von künstlicher Intelligenz ausgewertet. Denn zwischen Verkehrsdaten und Aktivitäten wie Freizeit, Arbeit sowie Zeiten, die drinnen oder draussen verbracht werden, besteht ein Zusammenhang. Die Aktivitäten wiederum korrelieren mit dem Stromverbrauch. Die Forschenden erwarteten daher, dass die künstliche Intelligenz Verbindungen zwischen diesen Informationen herausarbeiten kann.

Tatsächlich ermöglichte sie kurzfristige Voraussagen: Der Stromverbrauch der Haushalte konnte zwischen zwei und sechs Stunden im Voraus prognostiziert werden.

Elektromobilität verbessert die Prognosen

Das grösste Potenzial des neuen Ansatzes liege vielleicht in der zunehmenden Elektromobilität, sagte die Studienleiterin Aksornchan Chaianong. «Mit der wachsenden Zahl elektrifizierter Fahrzeuge werden Verkehr und Strombedarf zukünftig noch enger miteinander verflochten. Somit dürften die Verkehrsdaten für die Vorhersage des Stromverbrauchs noch wichtiger werden.»