Dr. Ralph Grothmann, Siemens AG

Vortrag: Prognosen im Bereich erneuerbarer Energien auf Basis neuronaler Netze

Datum/Uhrzeit: 25.09.2012 zwischen 16.00 Uhr bis 17.30 Uhr
Folien: pdf

Zusammenfassung

Neuronale Netze werden typischerweise bei der datenbasierten Entwicklung von Prognose- und Diagnosesystemen für schwierige Anwendungsgebiete eingesetzt. Diese Anwendungsgebiete haben als Gemeinsamkeit, dass kein allgemein gültiges korrektes analytisches Modell des betrachteten Systems aufgestellt werden kann. Die Ursachen für diesen Mangel liegen beispielsweise im fehlenden Wissen über alle Einflussmechanismen und in der zu hohen Zahl von gleichzeitig wirkenden Variablen, die die Modellbeschreibung an die Grenzen der praktischen Machbarkeit stoßen lassen.

Aus mathematisch-technischer Sicht stellen Neuronale Netze einen flexiblen Modellierungsrahmen dar, der es nicht nur erlaubt, hochgradig nichtlineare Zusammenhänge zwischen einer Vielzahl von Variablen und versteckter Einflussfaktoren darzustellen, sondern der auch die Integration von theoretischem Vorwissen über die Anwendung ermöglicht. Die nichtlineare Approximationsfähigkeit und robuste Skalierbarkeit bei hochdimensionalen Daten machen Neuronale Netze zu einem bevorzugten Analysewerkzeug im Vergleich zu klassischen mathematisch-statistischen Verfahren, die zumeist auf die Abbildung von linearen Zusammenhängen beschränkt bleiben. Die funktionalen Zusammenhänge werden von dem Prognosemodell selbstständig im on- oder off-line Betrieb aus Beobachtungswerten (Daten) gelernt.

Im Vortrag wird Neben der Theorie Neuronaler Netze über deren Einsatz zur Prognose der Einspeiseleistung von Wind- und Solarparks berichtet. Hierbei wird das Angebot der erneuerbaren Energiequellen im Stundenzeitgitter über einen Zeithorizont von bis zu 72 Stunden prognostiziert. Das Neuronale Netz erlaubt es dabei, technisches Vorwissen, z.B. in Form eines analytischen oder physikalischen Modells, in das Prognosesystem zu integrieren. Hierbei wird das physikalische Model als Input für das Neuronale Netz genutzt. Ergänzend werden Stromlast- und Preisprognosemodelle vorgestellt, die zusammen mit den Modellen für erneuerbare Energien die Grundlage für innovative Beschaffungskonzepte bilden und helfen vorhandene Ressourcen im Rahmen eines Energiemanagements effizient einzusetzen.

Zur Person

Herr Grothmann studierte an der Universität Bremen Wirtschaftswissenschaften mit dem Schwerpunkt Finanz- und Investitionstheorie. Nach seinem Abschluss als Diplom Ökonom im Jahr 1999 arbeitete Herr Grothmann als Doktorand in der Fachabteilung für Lernende Systeme bei der Siemens AG, Corporate Technology (1999 - 2003). Im Jahr 2003 promovierte er an der Universität Bremen zum Thema "agenten-basierte Finanzmarktmodellierung mit Neuronalen Netzen", 2003. Seit 2003 ist er bei der Siemens AG, Corporate Technology, Corporate Research and Technology Center in der Forschungsgruppe Operations Research for Decision Support tätig.

Herr Grothmann ist Mitglied des Vorstands der Deutschen Gesellschaft für Operations Research (GOR e.V.) und Mitglied der GOR Arbeitsgemeinschaft Prognoseverfahren.

Aufgabengebiete und Forschungsinteressen: Modellierung von dynamischen Systemen in industriellen und ökonomischen Anwendungen auf Grundlage von modernen Verfahren der Neuroinformatik, insb. Rekurrente Neuronale Netze.
Derzeitige Position: Senior Consultant.

Weitere Informationen zur Siemens AG, Corporate Technology, CT RTC BAM ORD-DE finden Sie unter http://www.siemens.com/corporate-technology/de/index.php.