Home Ermittlung des zukünftigen Energiebedarfs von Industrie-unternehmen
Article
Licensed
Unlicensed Requires Authentication

Ermittlung des zukünftigen Energiebedarfs von Industrie-unternehmen

Mithilfe von Lastprognoseverfahren – von der Lastanalyse zur Lastprognose
  • Alexander Emde , Alexander Sauer , Lisa Märkle and Benedikt Kratzer
Published/Copyright: March 20, 2020
Become an author with De Gruyter Brill
Submit Manuscript Author Information
Zeitschrift für wirtschaftlichen Fabrikbetrieb
From the journal Zeitschrift für wirtschaftlichen Fabrikbetrieb Volume 115 Issue 3

Kurzfassung

Durch die Liberalisierung des deutschen Elektrizitätsmarktes haben sich für Endverbraucher mehr Anreize ergeben, aktiv am Strommarkt mitzuwirken. Es können neue Einnahmequellen sowie Einsparmöglichkeiten erschlossen werden. Besonders im Bereich der industriellen Produktion ist es möglich, große Potenziale für Lastverschiebungen umzusetzen. Kurzzeitige Prognosen zur Vorhersage des Energieverbrauchs werden immer wichtiger, um dadurch frühzeitig mögliche Maßnahmen zur Energieflexibilisierung einleiten zu können. Dieser Beitrag soll einen Überblick über verschiedene Prognoseverfahren geben, auf deren Grundlage anschließend ein Prognosemodell zur kurzfristigen Lastprognose entwickelt wird. Durch eine Analyse der Last eines Referenzjahres werden signifikante Einflussfaktoren auf den Energiebedarf identifiziert, woraufhin eine Kombination aus zwei Prognosemethoden ein Modell zur Vorhersage liefert.

Abstract

A good load forecast is becoming increasingly important for commercial and industrial companies in order to be able to identify possible load shift potentials at an early stage. In order to develop the forecast model, a correlation analysis of the load profiles of a reference year was first carried out. For this purpose, the load profiles are examined for type weeks corresponding to the four seasons spring, summer, autumn and winter and characteristic influencing variables are identified. For the developed prognosis model a combination of regression and comparison day methods is used, which are used according to temperature and weekday. It becomes clear that for a precise short-term forecast stochastically distributed influences, which can be added relatively quickly, have to be taken into account. This is the only way to make the forecast even more accurate and to get as close as possible to the real load values.

Alexander Emde, M. Eng., geb. 1993, ist seit 2017 am Institut für Energieeffizienz in der Produktion (EEP) der Universität Stuttgart tätig und arbeitet in Kooperation mit dem Fraunhofer Institut für Produktionstechnik und Automatisierung (IPA) an nationalen und internationalen Projekten. Sein Schwerpunkt ist die Entwicklung von neuen hybriden Energiespeichersystemen.

Prof. Dr.-Ing. Dipl.-Kfm. Alexander Sauer, geb. 1976, studierte an der RWTH Aachen Maschinenbau und Betriebswirtschaftslehre und promovierte am WZL der RWTH Aachen. Er ist Leiter des Instituts für Energieeffizienz in der Produktion (EEP) der Universität Stuttgart und Leiter des Fraunhofer-Instituts für Produktionstechnik und Automatisierung (IPA).

Lisa Märkle, B. Sc. schreibt ihre Master Thesis über thermische Energiespeicher an der Universität Stuttgart am Institut für Energieeffizienz in der Produktion (EEP).

Benedikt Kratzer, B. Sc. absolviert sein Masterstudium in Management and Technology an der Technischen Universität München und schreibt seine Masterarbeit über die Entwicklung hybrider Energiespeicher.

Literatur

1. Schellong, W.: Analyse und Optimierung von Energieverbundsystemen. Springer-Vieweg-Verlag, Wiesbaden201610.1007/978-3-662-49463-9Search in Google Scholar

2. Hirsch, C.: Fahrplanbasiertes Energiemanagement in Smart Grids. Dissertation (2017). Online verfügbar unter http://nbn-resolving.de/urn:nbn:de:0072-564973Search in Google Scholar

3. Schwab, A. J.: Elektroenergiesysteme – Erzeugung, Übertragung und Verteilung elektrischer Energie.5. Aufl., Springer-Vieweg-Verlag, Wiesbaden2017. 10.1007/978-3-662-55316-9Search in Google Scholar

4. Singh, A. K.; Ibraheem; Khatoon, S.; Muazzam, M.: An Overview of Electricity Demand Forecasting Techniques. Vol. 3. Network and Complex Systems (No. 3) [Zuletzt geprüft am 17.05.2019]Search in Google Scholar

5. Feinberg, E.; Genethliou, D.: Load Forecasting. In: Chow, J.H.; Momoh, J.; Wu, F.F. (Hrsg.): Applied Mathematics for Restructured Electric Power Systems. Optimization, Control, and Computational Intelligence. Springer Science+Business Media Inc (Power Electronics and Power Systems), Boston, MA2005, S. 277Search in Google Scholar

6. Höft, C.: Bewertung von Verfahren zur Prognose der elektrischen Last – Eine empirische Analyse. Diplomarbeit, TU Dresden, 2004Search in Google Scholar

7. Höckel, M.; Kronig, P.: Lastprognose im Verteilnetz – Traditionelle und neue Methoden zur Vorhersage der Netzlast. 2010Search in Google Scholar

8. Emde, A.; Zimmermann, F.; Feil, M.; Sauer, A.: Erstellung und Validierung von Lastprofilen für die energieintensive Industrie. ZWF113 (2018) 9, S. 545–54910.3139/104.111977Search in Google Scholar

9. Vogel, J.: Prognose von Zeitreihen. Eine Einführung für Wirtschaftswissenschaftler. Wiesbaden: Springer-Gabler-Verlag, Wiesbaden2015. Online verfügbar unter http://dx.doi.org/10.1007/978-3-658-06837-0.10.1007/978-3-658-06837-0Search in Google Scholar
Online erschienen: 2020-03-20
Erschienen im Druck: 2020-03-27

© 2020, Carl Hanser Verlag, München

Articles in the same Issue

  1. Editorial
  2. Eine praktikable Option
  3. Inhalt/Contents
  4. Inhalt
  5. Fabrikplanung
  6. Bewertung der Häufigkeit von Planungsläufen im Übergang zur digitalen Fabrik
  7. Bildung von Produktfamilien als Planungsgrundlage auf Basis von Clusteralgorithmen
  8. Interaktionsorientierte Organisationsgestaltung
  9. Kapazitätsplanung
  10. Kapazitätsplanung skalierbarer Produktionssysteme
  11. Serienproduktion
  12. Simulation hochautomatisierter Serienproduktion
  13. Produktivität
  14. Technologieauswahlmodell zur Produktivitätsermittlung und -bewertung
  15. Prozessmodellierung
  16. Resiliente soziotechnische Prozesse im industriellen Internet der Dinge
  17. Manufacturing Execution Systeme
  18. Lohnt sich ein Manufacturing Execution System?
  19. Geschäftsprozesse
  20. Systematischer Changemanagementprozess
  21. 3D-Scanning
  22. Digital vernetztes, automatisiertes 3D-Scanning mit CAD-Rückführung
  23. Virtualisierung
  24. Automatisierung des Virtualisierungsprozesses im Anlagenbau
  25. Energiebedarf
  26. Ermittlung des zukünftigen Energiebedarfs von Industrie-unternehmen
  27. Biologische Transformation
  28. Die Natur als Inspiration
  29. Spanende Fertigung
  30. Zerspanung von Hochleistungswerkstoffen mit ultrasonisch modulierter Schnittgeschwindigkeit
  31. MRK-Anwendung
  32. Abschätzung der Wirtschaftlichkeit für MRK-Anwendungen
  33. Internet Der Dinge
  34. Standards für das Internet der Dinge
  35. Lean Production
  36. Digital Lean Lighthouse Factory – Nachhaltig effiziente Produktion
  37. KMU-Leitfaden
  38. Der Industrie-4.0-Leitfaden für kleine und mittlere Unternehmen
  39. Vorschau/Preview
  40. Vorschau
https://doi.org/10.3139/104.112194

Articles in the same Issue

  1. Editorial
  2. Eine praktikable Option
  3. Inhalt/Contents
  4. Inhalt
  5. Fabrikplanung
  6. Bewertung der Häufigkeit von Planungsläufen im Übergang zur digitalen Fabrik
  7. Bildung von Produktfamilien als Planungsgrundlage auf Basis von Clusteralgorithmen
  8. Interaktionsorientierte Organisationsgestaltung
  9. Kapazitätsplanung
  10. Kapazitätsplanung skalierbarer Produktionssysteme
  11. Serienproduktion
  12. Simulation hochautomatisierter Serienproduktion
  13. Produktivität
  14. Technologieauswahlmodell zur Produktivitätsermittlung und -bewertung
  15. Prozessmodellierung
  16. Resiliente soziotechnische Prozesse im industriellen Internet der Dinge
  17. Manufacturing Execution Systeme
  18. Lohnt sich ein Manufacturing Execution System?
  19. Geschäftsprozesse
  20. Systematischer Changemanagementprozess
  21. 3D-Scanning
  22. Digital vernetztes, automatisiertes 3D-Scanning mit CAD-Rückführung
  23. Virtualisierung
  24. Automatisierung des Virtualisierungsprozesses im Anlagenbau
  25. Energiebedarf
  26. Ermittlung des zukünftigen Energiebedarfs von Industrie-unternehmen
  27. Biologische Transformation
  28. Die Natur als Inspiration
  29. Spanende Fertigung
  30. Zerspanung von Hochleistungswerkstoffen mit ultrasonisch modulierter Schnittgeschwindigkeit
  31. MRK-Anwendung
  32. Abschätzung der Wirtschaftlichkeit für MRK-Anwendungen
  33. Internet Der Dinge
  34. Standards für das Internet der Dinge
  35. Lean Production
  36. Digital Lean Lighthouse Factory – Nachhaltig effiziente Produktion
  37. KMU-Leitfaden
  38. Der Industrie-4.0-Leitfaden für kleine und mittlere Unternehmen
  39. Vorschau/Preview
  40. Vorschau
Sign up now to receive a 20% welcome discount
Institutional Access
How does access work?
Have an idea on how to improve our website?
Please write us.
© 2025 De Gruyter Brill
Downloaded on 10.9.2025 from https://www.degruyterbrill.com/document/doi/10.3139/104.112194/html
Scroll to top button