Algorithmen für die Energiewirtschaft

Fraunhofer SCAI entwickelt maßgeschneiderte Algorithmen für die Energiewirtschaft. Sie adressieren die wachsenden Anforderungen der Branche. Innovative mathematische Methoden und moderne Software bilden dafür die Grundlage. Kunden und Partner können so ihre spezifischen Aufgaben meistern – von der effizienten Planung und Optimierung von Energienetzen bis hin zur nachhaltigen Bewertung und Absicherung physischer Assets.

Stärken

Bei Fraunhofer SCAI trifft Forschung auf industrielle Praxis. Forschungsergebnisse gelangen seit vielen Jahren erfolgreich in Anwendungen. In Industrieprojekten verbinden sich aktuelle wissenschaftliche Erkenntnisse mit hoher Umsetzungskompetenz. Die Expertise umfasst Optimierung, schnelle numerische Löser, Simulationsverfahren sowie Methoden der künstlichen Intelligenz. Verlässlichkeit prägt die Zusammenarbeit. Kundendaten bleiben geschützt und werden mit großer Sorgfalt behandelt.

Partner für intelligente Energielösungen

Interdisziplinäre Kompetenz und praxisnahe Umsetzung verbinden sich zu Lösungen, die technisch überzeugen und wirtschaftlich tragfähig sind. Unternehmen und politische Institutionen erhalten kompetente Antworten auf komplexe Fragen der Energiewirtschaft. SCAI bietet maßgeschneiderte Algorithmen und ist ein verlässlicher Partner.

Softwarelösungen und Anwendungsfelder

 

Energienetze planen und analysieren

  • Softwarelösung MYNTS zur Planung der Netzinfrastruktur für Gas, Strom, Wasserstoff und CO2
  • Simulation und Planung der physischen Sektorkopplung
  • Analyse der Resilienz und Flexibilität des Energienetzes
  • Kostenanalysen
 

Preise erneuerbarer Energien simulieren

Fraunhofer SCAI entwickelt stochastische Modelle zur Simulation von Preisen, die von der Erzeugung volatiler erneuerbarer Energien beeinflusst werden. Diese Modelle bilden die Grundlage für dynamische Absicherungs- und Bewertungsstrategien. Zum Einsatz kommen hierbei unter anderem klassische mathematische Verfahren wie Least-Squares-Monte-Carlo sowie moderne Methoden und Verfahren des Maschinellen Lernens.

 

Energieportfolios optimieren

Die Software »EAO – Energy Asset Optimization« optimiert heterogene Energieportfolios strukturiert und nach wirtschaftlichen Kriterien. Das senkt Risiken und steigert Erträge. EAO modelliert Wind- und Solaranlagen, Batteriespeicher, Gaskraftwerke, industrielle Verbraucher und Wärmespeicher in einem Portfolio. Stadtwerke, Energieversorger, Energiehandelshäuser und Investoren können damit ihre Assets bewerten und steuern.

 

Handelsstrategien für Green PPAs

Grüne Stromabnahmeverträge (Green PPAs) bieten Energieversorgern neue Chancen, bringen jedoch auch erhebliche Preis- und Wetterrisiken mit sich. Da Wetterdaten nicht handelbar sind, stellt sich die Frage nach Absicherungs- und Risikomanagementstrategien. Mit Verfahren des selbstüberwachenden Lernens und des Deep Hedgings hilft SCAI dabei, optimale Handelsstrategien zur Bewirtschaftung zu finden. 

 

SCAI Battery Value Indicator

Der SCAI Battery Value Indicator (SBVI) quantifiziert das kurzfristige Ertragspotenzial von Batteriespeichern. Er wird täglich berechnet und zeigt, welche Erlöse am Vortag erreichbar gewesen wären. Grundlage sind Erträge aus dem Day-Ahead-Markt, aus Intraday-Auktionen und aus dem Intraday-Handel. Dabei berücksichtigt der Indikator Liquiditätseffekte wie Geld-Brief-Spannen im Intraday-Markt.

 

Neue Materialien für Energiespeicher

Erneuerbare Energiequellen entfalten ihr Potential erst richtig in Kombination mit Energiespeichern. Zur Energiespeicherung kommen heute jedoch häufig Materialien zum Einsatz, die von kritischen Rohstoffen abhängen. Mit innovativen Algorithmen unterstützt SCAI die Suche nach alternativen Materialien.

 

Batteriealterung effizient vorhersagen

Simulationen von Batteriealterungsprozessen lassen sich deutlich beschleunigen, indem Maschinelles Lernen die Lösung linearer Gleichungssysteme gezielt steuert. Dadurch können besonders effiziente numerische Löser eingesetzt werden, ohne dabei Abstriche bei der Robustheit machen zu müssen. Das verkürzt die Rechenzeiten erheblich und ermöglicht zugleich eine höhere Modellgenauigkeit.

Semantik verknüpft Datenquellen

Semantische Datenmodellierung ermöglicht es, Informationen aus unterschiedlichen Quellen eindeutig zu verknüpfen und automatisiert weiterzuverarbeiten. So werden Prozesse wie Netzbetrieb, Marktkommunikation oder Asset-Management effizienter. Das senkt Kosten und beschleunigt Entscheidungsprozesse. Beispiele dafür finden sich in folgenden Projekten: GEAR-UP, BASE, SmartEM, RESTORE, ALABAMA, Pioneer, ITEA VMAP analytics

 

Öl- und Gasreservoirs schneller berechnen

Die Reservoir-Schnittstelle der Software SAMG ermöglicht es, Simulationen des Untergrunds enorm zu beschleunigen. Gleichzeitig erhöht sie die Robustheit bei Modellen mit Phasen und Komponenten, thermischen Effekten sowie gekoppelter Geomechanik. Neben Öl- und Gasreservoirs eignet sich der Ansatz auch für Geothermieanlagen, Gasspeicher und CO₂-Sequestrierung (CCS).

 

SAMG beschleunigt Wassersimulationen

Mit SAMG-Modflow lassen sich Simulationen etwa von Grund- und Oberflächenwasser durch einen effizienten algebraischen Multigrid-Löser stark beschleunigen. Maschinelle Lernverfahren reduzieren das Parametertuning und Multithreading nutzt mehrere CPU-Kerne. Das spart Zeit bei der Berechnung von Infrastruktur-, Wasserkraft- und Transportmodellen.