Vorweg gehen – mit Smart Metering und SAP HANA

Nicht erst seit der Energiewende ist das Thema Smart Metering und Smart Grid in aller Munde und wird als ein Baustein für die Energiewende und die Möglichkeit, Energieerzeugung und Verbrauch besser in Einklang zu bringen, gesehen.

Doch wie geht man (als Energieversorger, Netzbetreiber etc.) mit diesen großen Datenmengen um? Nimmt man die Verbrauchswerte im Viertelstundentakt auf, entstehen pro Vertrag im Jahr ca. 36000 Messwerte. In Deutschland gibt es fast 40 Millionen Privathaushalte. Das ergibt etwa 1,44 Billionen Datensätze pro Jahr. Selbst bei stündlicher Speicherung reduziert sich die Zahl der Messwerte kaum signifikant. Bei klassischen Ablesungen hat man hingegen in der Regel nur einen Verbrauchswert pro Jahr und Vertrag.

SAP stellt hier bereits die Software bereit, um die energiewirtschaftlichen Prozesse rund um das Thema Smart Metering im ISU abzubilden, mittels der AMI (Advanced Metering Infrastructure) stehen die Messwerte dann im operativen SAP-System bereit.

Sind diese großen Datenmengen erstmal in den SAP-Systemen stellt sich die Frage, was tun damit und wie generiert man aus diesen Datenmengen Einsichten und wertvolle Informationen. Hier bietet sich SAP HANA als In-Memory-Datenbank für die Analyse großer Datenmengen an. Zusammen mit den Möglichkeiten der eingebauten Predictive Analytics Library eröffnet sich die Möglichkeit Datamining und Prognosen direkt auf der HANA auszuführen.

Um diese Möglichkeiten zu untersuchen, bauen wir seit Mitte des Jahres auf unserer HANA einen Prototypen. Ausgangsbasis sind einige echte Smart-Metering Zeitreihen, die uns von einem unserer Kunden bereit gestellt wurden. Wir haben einen Algorithmus entwickelt um auf Basis dieser Ausgangsdaten durch so genannten „künstliches Rauschen“ Verbrauchswerte für – prinzipiell- beliebige viele Verträge zu generieren.

Konkret geht es uns dabei erstmal um zwei Aspekte:

  • Designen von individuellen Produkten für Kunden auf Grund ihres Verbrauchsverhalten.
  • Bessere Einschätzung der Gesamtverbräuche (pro Monat, pro Jahr) der Kunden und Prognose dieser Verbräuche.

Erster Punkt ermöglicht es einem Energieversorger, Kunden günstigere Produkte anzubieten und sie stärker zu binden. Ferner bietet es auch die Möglichkeit, durch eine Steuerung des Verbrauchsverhalten, die Auslastung im Netz besser zu verteilen und zu prognostizieren.

Zweiter Punkt ermöglicht es dem Energieversorger, den Energiebezug besser zu steuern und auf unvorgesehene Ereignisse, die den Energieverbrauch beeinflussen, schneller zu reagieren.

Eine erste Analyse der Daten zeigt, dass dies durchaus Potential hat:

Hier sieht man den Lastgang eines fiktiven Kunden (blau) gegen die Bilanzierung  nach Standard-Last-Profil (grün):

Lastgang vs. Standardlastprofil

In der jährlichen Betrachtung sieht man große Abweichung zwischen der Prognose auf Basis der Vorjahresverbräuche (blau) und dem Verbrauchswerten nach Smart-Metering:

smartmeter_jahr

Natürlich lassen sich auch leicht andere Sichten bauen, z.B. einen Monatsvergleich zwischen prognostizierten und Ist-Verbräuchen:

Monatswerte: Ist vs. Prognose

Hat man auch die Stammdaten in der HANA, lassen sich auch leicht weitere Sichten aufbauen mit Aufrissen nach Netzbetreiber, Bilanzkreis, regionalen Strukturen oder Produktmerkmalen.

Auch wenn die obigen Sichten sich auf ein volles Jahr beziehen: Anders als mit dem herkömmlichen Abrechnungs- und Auslesezyklus stehen bei Smart Metering die Wert zeitnah bereit und es lassen sich diese Analysen auch unterjährig durchführen.

Übrigens: Das gesamte Datenmodell und die Logik wurde mit Hilfe der neuen Programmiersprache SAP River (siehe auch FIVE1 in Israel) und SQLScript erstellt.

Getagged mit: , , , , , , , ,

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

*

*