Künstliche neuronale Netze

Ungenaue und teure Restlastprognosen sind für viele Energieversorger Alltag auf dem Strom- und Gasmarkt. Durch den generalistischen Ansatz, der ein einheitliches Verbrauchsgruppenverhalten in Deutschland annimmt, ist eine genaue Allokation bei den übergeordneten Netzbetreibern kaum möglich.

Diese Zeit ist jetzt vorbei! Unser Projektteam hat im Austausch mit unseren Kunden ein Vorhersagemodell basierend auf künstlichen neuronalen Netzen entwickelt, das aus Erfahrung lernt, Ihnen so die Restlastprognose vereinfacht und Kosten einspart.

Und nicht nur das: Die Methodik ist adaptierbar, zum Beispiel zur Vorhersage und Analyse des Kundenabwanderungsverhaltens.

Unsere Leistungen

Anders als Standardlastprofile (SLP) bezieht unser KNN-Modell aktuelle und relevante Parameter mit ein und erzielt eine annähernd exakte Berechnung der Prognosetemperatur.

  • In einem künstlichen Gedächtnis werden Wetterparameter wie Luftdruck, Luftfeuchtigkeit, Bewölkungsgrad und Niederschlag, Anomalien, Vergangenheitswerte und individuelle Eigenheiten des jeweiligen Marktgebietes gespeichert und verarbeitet – ein fortwährender Lernprozess, der zu einer deutlich verbesserten Berechnung der Prognosetemperatur führt.
  • Ihnen steht ein kreatives und fachübergreifendes Projektteam zur Seite.
  • Wir arbeiten eng mit Ihnen zusammen und gehen auf individuelle Wünsche und Anforderungen ein.

Ihr Nutzen

Profitieren Sie neben der Steigerung der Prognosequalität auch von der Senkung Ihrer Kosten und der einfachen Installation des KNN-Modells in Ihre Systemlandschaft.

  • kompatibel mit bestehenden EDM-Systemen von bspw. SAP und Schleupen
  • deutlich bemerkbare Kosteneinsparung
  • nahtloses Einfügen in den gesetzlichen Rahmen

Wenn auch Sie zuverlässige Temperaturprognosen benötigen und von unserer Lösung profitieren möchten, dann sprechen Sie uns an!