Prognosen im Umfeld des Energiehandels sind eine hoch digitalisierte Angelegenheit

Es gehe nicht darum, die Prognose neu zu erfinden, sagt Lena Lebahn, die beim Software-Haus Powel AS den Titel Innovation Facilitator trägt. Aber natürlich sei Machine Learning schon ein neuer Ansatz. Der entscheidende Unterschied zu herkömmlichen Prognosemethoden: „Man kann viel größere Datenmengen berücksichtigen, und das System findet Korrelationen zwischen Datensätzen, auf die der Mensch häufig nicht kommt.“

In Norwegen hat das Unternehmen mit Tronder Energi ein Projekt auf die Beine gestellt, bei dem sowohl Wetter- als auch Produktions- und Prognosedaten über spezielle Algorithmen miteinander verknüpft wurden, um die Einspeisung der 25 Turbinen eines Windparks in der Nähe von Trondheim genauer vorhersagen zu können.

Mehr erfahren: https://www.energie-und-management.de/nachrichten/alle/detail/daten-training-fuer-algorithmen-122753

Quelle: www.energie-und-management.de