Big Data in der Energiewirtschaft - swk-kl.de · Big Data in der Energiewirtschaft Chancen und...

https://www.swk-kl.de/energieforum

https://www.swk-kl.de/energieforum

Big Data in der Energiewirtschaft Chancen und Risiken

8. Lautrer Energieforum am 13. April 2016 in Kaiserslautern

Prof. Dr.-Ing. Aaron Praktiknjo

Prof. Dr.-Ing. Aaron Praktiknjo Juniorprofessur für Energieressourcen- und Innovationsökonomik [email protected]

Definitionen von Big Data

Slide 2

Extremely large data sets that may be analyzed computationally to reveal patterns, trends, and associations, especially relating to human behaviour and interactions.

Definition google.com 3 Dimensionen von Big Data – die „Drei Vs” • Volume: Sehr große Datenmengen • Velocity: Hohe Geschwindigkeiten in der Datenerzeugung und

Datenbearbeitung • Variety: Ungeordnete Daten aus vielen verschiedenen Kategorien und

Quellen Definition META Group/Gartner


Entwicklung von IT als Grundlage für Big Data

Slide 3

“The commoditization of processing power will lead to such wonders as home computers – or at least terminals connected to a central computer – automatic controls for automobiles, and personal portable communications equipment”

Gordon Moore 1965


Kostenentwicklung von Rechenkapazitäten

Slide 4

Quelle: Dittmar 2014

Zuse Z1

ENIAC

Harvard Mark III

Cray I

Digital VAX 780

Commodore 64

Sun SparcStation 1

HP Integrity Server rx1600

1.00E-02

1.00E-01

1.00E+00

1.00E+01

1.00E+02

1.00E+03

1.00E+04

1.00E+05

1.00E+06

1.00E+07

1.00E+08

1.00E+09

1.00E+10

1.00E+11

1.00E+12

1.00E+13

1.00E+14

1935 1945 1955 1965 1975 1985 1995 2005 2015

Dolar per MCPS

Beschriftung

Trend

Kos

ten

in U

SD p

ro M

illio

nen

B

erec

hnun

gen

je S

ekun

de


Verbreitung von Rechenkapazitäten

Slide 5

Quelle: Hilbert und López 2011


Kostenentwicklung von Speicherkapazitäten

Slide 6

Datenquelle: McCallum 2015

Kos

ten

in U

SD p

ro M

B


Wachstum des Speichervolumens

Slide 7

Quelle: Hilbert und López 2011


Konventionelle fossile Energieträger

Slide 8

Bereits lange Historie im Umgang mit großen Datenmengen für technische Entscheidungen bspw. bei geologischen Untersuchungen! Die Datenerhebung, Speicherung und Verarbeitung wird immer günstiger. Energieunternehmen können mit Big Data • detailliertere Daten • in Echtzeit • zu geringeren Kosten • selbst in vorher unzugänglichen Stellen erheben, um die Produktion zu optimieren. Einer Studie von Bain & Company aus 2014 zufolge kann der Produktionsoutput durch Big Data um 6 bis 8 % verbessert werden.


Unkonventionelle fossile Energieträger

Slide 9

Herausforderung • Große Anzahl an Förderquellen • Kurze Errichtungszeiten 3 mögliche Einsatzfelder • Geologische Interpretation • Prozessoptimierung bei neuen Bohrungen und Anschlüssen • Optimierung von Feldern im Betrieb (vernetzte Felder)

Die heute relativ niedrigen Preise für Öl und Gas sind auch ein Ergebnis des Einsatzes von Big Data in der Energiewirtschaft!

Bildquelle: croftsystems.net 2015

Big Data spielt bei der Unterstützung von kurzfristigen Investitionsentscheidungen eine besonders kritische Rolle!


Big Data in der Energiewende

Slide 10

Versorgungssicherheit

Umweltverträglichkeit Wirtschaftlichkeit

Quelle: Zweifel, Praktiknjo, Erdmann (erscheinend)


Versorgungssicherheit

Slide 11

22 29 38 5288 102 112 119

145174 185

278 295 312

393433

0

100

200

300

400

500

Däne

mar

k

Deut

schl

and

Nied

erla

nde

Öst

erre

ich

Groß

brita

nnie

n

Norw

egen

Schw

eden

Fran

krei

ch

Italie

n

Irlan

d

Slov

enie

n

Port

ugal

Tsch

echi

en

Unga

rn

Litau

en

Estla

nd

Pole

n

Unte

rbre

chun

gsda

uer i

n M

inut

en

je En

dkun

de (S

AIDI

) 201

0515

Deut

schl

and

29

Datenquelle: Council of European Energy Regulators (2015)


Ausbau erneuerbarer Energien

Slide 12

400

500

600

700

800

0

5

10

15

20

25

30

1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014

CO2-E

miss

ione

n (S

trom

mix

) in

g/k

Wh

Ante

il Er

neue

rbar

er i

n Pr

ozen

t

Anteil erneuerbarer Energienam Stromverbrauch in Prozent

CO2-Emissionen des deutschenStrommixes in g/kWh

Datenquelle: BMWi (2013) und UBA (2013)


Ausstieg aus der Kernenergie

Slide 13

10.000

12.000

14.000

16.000

18.000

15.0

3.20

11

17.0

3.20

11

19.0

3.20

11

21.0

3.20

11

23.0

3.20

11Verf

ügba

rkei

t und

Eins

atz v

on

Kern

kraf

twer

ken

in M

WVerfügbarkeitEinsatz

Datenquelle: EEX (2015)


Evolution der Energieversorgung

Slide 14

Höchstspannung380/220 kV

Niederspannung400/230 V

Hochspannung110 kV

Mittelspannung20 kV

Großkraftwerke

Stromimporte

Mittl. Kraftwerke

Kl. Kraftwerke

Stromexporte

Industrie

Kl. Industrie

Gewerbe

Haushalte

Eisenbahnen

Quelle: Praktiknjo (2013)


Evolution der Energieversorgung

Slide 15



Verbraucher verstärkt im Fokus

Slide 16

0,62

0,43

0,280,19 0,17

0,0

0,2

0,4

0,6

0,8

1,0

15 Min. 1 Std. 4 Std. 1 Tag 4 Tage

Datenverluste

0,05 0,100,18

0,25 0,27

0,0

0,2

0,4

0,6

0,8

1,0


LebensmittelverderbMittelwert

0,090,15

0,22 0,26 0,27

0,0

0,2

0,4

0,6

0,8

1,0


Komfortverluste

0,250,31 0,32 0,30 0,29

0,0

0,2

0,4

0,6

0,8

1,0


Eingeschränkte Aktivitäten

Quelle: Praktiknjo ( 2013)


Big Data ermöglicht individualisierte Versorgung

Slide 17



Optimierung von Energiesystemen

Slide 18

Erzeuger Verbraucher

Speicherbetreiber

Netzbetreiber

Bilanzkreismanager Quelle: Praktiknjo ( 2015)


Big Data als ein Faktor für Wettbewerbsvorteile

Slide 19

„Scientia potestas est“ – Wissen ist Macht!

Francis Bacon


Risiken von Big Data

Slide 20

Vielen Dank für Ihre Aufmerksamkeit!

Prof. Dr.-Ing. Aaron Praktiknjo

Juniorprofessur für Energieressourcen- und Innovationsökonomik

[email protected]

Big Data in der Energiewirtschaft - swk-kl.de · Big Data in der Energiewirtschaft Chancen und...

Documents

Transcript of Big Data in der Energiewirtschaft - swk-kl.de · Big Data in der Energiewirtschaft Chancen und...