Quantifizierung der Vorhersageunsicherheit für Energiesysteme
JProf. Dr. Julian Quinting, Prof.' Dr.' Nikki Vercauteren, Prof.' Dr.' Jana Börner
Meteorologie, Geophysik, Informatik, Energiesystemforschung
Motivation
Da sich die Gesellschaft von fossilen Brennstoffen hin zu einer Zukunft mit erneuerbaren Energien wandelt, hängen unsere Energiesysteme immer stärker von zuverlässigen Prognosen für die Energieerzeugung, -speicherung und den Energieverbrauch in verschiedenen Zeiträumen ab. Während sub-tägliche Wolkenbedeckung und Windschwankungen anpassende Maßnahmen erfordern, erfordern mehrtägige Dunkelflauten eine frühzeitige Planung von Speicherkapazitäten, beispielsweise in Form von unterirdischen Speichersystemen (z. B. geothermischen), deren Leistung und Unsicherheiten von einer zuverlässigen Charakterisierung und Überwachung abhängen, um das Energienetz zu stabilisieren. Gleichzeitig eröffnen Durchbrüche in der KI neue Möglichkeiten, die solche Prognosen rechnerisch besser machbar machen. Beispielsweise fassen Deep-Learning-Algorithmen heute riesige Beobachtungs- und Reanalyse-Datensätze zu Vorhersagen zusammen, deren Prognosegenauigkeit die von numerischen Wettervorhersagemodellen bei erheblich reduzierten Rechenkosten übertrifft. Diese grundlegenden Veränderungen – der rasante Fortschritt der KI, der Umstieg zu sauberer Energie und die damit verbundene Suche nach geeigneten Speichersystemen – schaffen sowohl einen dringenden Bedarf als auch eine einzigartige Chance für interdisziplinäre Forschung, die Informatik, Meteorologie, Geophysik und Energiesystemforschung miteinander verbindet. Nur durch die Entwicklung ganzheitlicher Modelle, die die Komplexität und Unsicherheiten des gesamten Energiesystems berücksichtigen, wird es möglich sein, den Übergang zu einer zuverlässigen und nachhaltigen Energieversorgung zu erreichen.
Um diese Forschung voranzutreiben, beabsichtigen wir, eine DFG-Forschungsgruppe zu gründen, die das vorhandene Fachwissen von drei Instituten der Universität zu Köln (UzK) und ausgewählten Partnern aus der Umgebung zusammenführt. Erstens verfügt das Institut für Geophysik und Meteorologie (IGM) über Fachwissen zur atmosphärischen Vorhersagbarkeit über verschiedene Skalen hinweg sowie zu geophysikalischen Methoden zur Charakterisierung und Überwachung von Unsicherheiten, die sich aus unterirdischen Speichersystemen ergeben, und liefert ergänzende Datenströme für KI-basierte Modelle. Zweitens bietet das Institut für Informatik Fachwissen zu Deep-Learning-Methoden und zu vertrauenswürdigen KI-Modellen. Die Kombination beider Fachgebiete bietet einzigartige Möglichkeiten zur Entwicklung intelligenter KI, die zu unsicherheitsbewussten Vorhersagewerkzeugen führt. Drittens verfügt das Institut für Energiewirtschaft über herausragendes Fachwissen auf dem Gebiet der Energiesystemmodellierung. Dieses Fachwissen an der UzK wird durch das Europäische Zentrum für mittelfristige Wettervorhersagen (ECMWF) ergänzt, einem weltweit führenden Zentrum für die Entwicklung KI-basierter Wettervorhersagemodelle, das eng mit dem IGM zusammen arbeitet. Durch unsere Zusammenarbeit mit dem Institut für Technologie, Ressourcen- und Energieeffizienz an der Hochschule Bonn-Rhein-Sieg sichern wir uns außerdem einen starken Partner auf der Anwendungsseite.