Neben den nicht zu beeinflussenden meteorologischen Einwirkungen war bislang auch der operationelle Ertrag einer Erneuerbare-Energien-Anlage weitgehend unkalkulierbar: Eine automatisierte Datenerfassung war nur schwer zu realisieren, das Zusammentragen von Daten aus verschiedenen Energieportfolios mit hohem Aufwand verbunden. Darüber hinaus brachte die Auswertung grosser Datensätze Investoren und Betreiber häufig an Kapazitätsgrenzen. Verlässliche Aussagen über den technischen Zustand von Anlagen und die damit verbundene zukünftige Ertragssicherheit waren demnach nur schwer möglich.
Algorithmen sollen Anomalien frühzeitig erkennen
In Kooperation mit SAP bietet das Intellitech-Unternehmen Kaiserwetter jetzt eine Lösung mit einem Predictive-Analytics-Ansatz an. Als neue Funktion nutzt die Digital Analytics Plattform Aristoteles Machine Learning auf Basis historischer technischer Daten von Windturbinen, um fortlaufend lernende Algorithmen zu speisen. Diese Algorithmen sind programmiert, frühzeitig Anomalien zu erkennen und zu spezifizieren, die auf technische Probleme oder einen möglichen Ausfall von Anlagen hinweisen. Auf diese Art und Weise sollen Investoren und Banken in die Lage versetzt werden, möglichen Ertragsminderungen und Kreditausfällen frühzeitig aktiv entgegenzuwirken. Das Ganze funktionier auf Basis einer performanten digitalen Infrastruktur, die komplett unabhängig von den vorhandenen IT-Systemen der beteiligten Akteure funktionier, so Kaiserwetter. Seit 2017 besteht eine globale Partnerschaft zwischen SAP und Kaiserwetter.
Text: ee-news.ch, Quelle: Kaiserwetter Energy Asset Management GmbH
0 Kommentare