Wetter­vor­her­sagen sind für die Ener­gie­wirt­schaft unver­zichtbar. Ihre Bedeutung wächst auch bei der Vorhersage von Kata­strophen, die Strom­netze stören können. Selbst­ler­nende Systeme sollen die Vorher­sagen verbessern.

Das Wetter macht auch hier­zu­lande immer mehr Energie. Im ersten Halbjahr 2023 werden 57,7 Prozent des Stroms aus erneu­er­baren Energien stammen. Das geht nicht ohne bessere Vorher­sagen. „Im Zuge der Ener­gie­wende haben compu­ter­ge­stützte Wetter­si­mu­la­tionen eine Renais­sance erfahren, denn die Prognose von erneu­er­baren Energien aus Onshore- und Offshore-​Windparks, aber auch aus der wach­senden Solar­er­zeugung, steht und fällt mit einer möglichst granu­laren Wetter­pro­gnose. Für hoch­präzise Wetter­mo­delle sind Super­com­puter unver­zichtbar geworden und der Einsatz von neuro­nalen Netz­werken zur Simu­lation und Opti­mierung von Wetter­mo­dellen ist heute bereits Standard”, beschreibt deren Bedeutung Springer-​Vieweg-​Autor Maik Neubauer in seinem Buch­ka­pitel Das Euro­päische Hoch­span­nungsnetz – Die Zukunft von Big Data und künst­licher Intel­ligenz in kriti­schen Infra­struk­turen auf Seite 729.

Genau dafür hat das Data‑, Analyse- und Tech­no­lo­gie­un­ter­nehmen DTN, das seinen euro­päi­schen Hauptsitz in den Nieder­landen hat, ein Modell entwi­ckelt, das mithilfe von maschi­nellem Lernen und künst­licher Intel­ligenz die Vorher­sagen weiter verbessert. Mitt­ler­weile ist das System, das im Mai auch auf der E‑world in Essen vorge­stellt wurde, weltweit verfügbar. …