OpenMeter – Daten- und Analyseplattform zur Steigerung der Energieeffizienz

Die Digitalisierung der Energiebranche führt dazu, dass immer mehr Messdaten erfasst werden. Auch der Bedarf an Messdaten aus dem Energiesystem steigt weiter an. Während für die Energieerzeugung in Folge von Transparenzverpflichtungen zumindest für größere Erzeugungseinheiten eine gute öffentliche Datenlage besteht, mangelt es an öffentlich zugänglichen, realen Messdaten von Energieverbrauchern. Solche Verbrauchsdaten sind jedoch die notwendige Basis für wesentliche Innovationen im Zuge der Energiewende, beispielsweise für die Energieeffizienzsteigerung und -bewertung, für die intelligente Netzplanung für Smart Grids sowie für die interdisziplinäre Entwicklung in-novativer Dienstleistungen und Geschäftsmodelle basierend auf Künstlicher Intelligenz und Big Data Analytics.

Es ist daher ein Anliegen sowohl von Forschung wie auch von der Industrie und öffentlichen Einrichtungen einen einfachen, offenen Zugriff auf vielfältige und umfangreiche reale Verbrauchsdaten aus dem deutschen Energiesystem zu erhalten.

Digitale Open-Data-Plattform »Open Energy Meter Data«

Ziel des Projekts ist die Entwicklung und Etablierung einer digitalen Open-Data-Plattform »Open Energy Meter Data« für Energieverbrauchsdaten sowie die Umsetzung von transdisziplinären datenbasierten Use Cases unter Mitwirkung der Fachdisziplinen Elektrotechnik, Technomathematik und Informatik. Der Nutzen einer breiten, offenen Datenbasis im Kontext der Digitalisierung des deutschen Energiesystems soll belegt und eine solche Datenbasis umgesetzt werden. Hierbei werden basierend auf einer performanten offenen Datenplattform mathematische Methoden der Künstlichen Intelligenz mit Expertenwissen aus der Energietechnik kombiniert.

Die Open-Data-Plattform wird ergänzt um eine prototypische web-basierte Analyse-Plattform, die einen Beitrag zur nachhaltigen Bereitstellung und Wachstum der Open-Data-Plattform leisten soll.  

Die Ziele des Fraunhofer ITWM im Überblick:

  • Erforschung und Evaluierung von datenbasierten, maschinellen Lernverfahren in energetischen Verbrauchsprofilen, um eine para-metrische Prognose von Energieverbräuchen zu ermöglichen.
  • Entwicklung und Validierung von Modellen zur Prognose von energetischen Baselines auf Basis von zeitlichen Verbrauchsdaten.
  • Entwicklung und Validierung von Modellen zur Prognose von Aus-wirkungen energetischer Maßnahmen auf Basis von zeitlichen Verbrauchsdaten.
  • Identifikation von Use Cases, die mit maschinellen Lernverfahren auf Energieverbrauchsdaten realisiert werden können.

Projektpartner

  • Institut für Energiesysteme, Energieeffizienz und Energiewirtschaft (ie3), Technische Universität Dortmund
  • logarithmo GmbH & Co.KG
  • Discovergy GmbH
  • Stadt Wuppertal
  • Energieagentur Rheinland-Pfalz GmbH