Netzdienliches Laden: So helfen E-Autos bei der Energiewende
24. Oktober 2023
7.11. | Nachhaltige Entwicklung als Menschheitsaufgabe
7. November 2023
Netzdienliches Laden: So helfen E-Autos bei der Energiewende
24. Oktober 2023
7.11. | Nachhaltige Entwicklung als Menschheitsaufgabe
7. November 2023

AI4EA – Artificial Intelligence for Energy Access

Das Team des Projektes „Artificial Intelligence for Energy Access“ (AI4EA) erstellt eine hochauflösende Karte der Stromnachfrageprofile verschiedener westafrikanischer Länder. Dafür nutzen die Forscher:innen umfangreiche Datensätze über die Stromnachfrage in Niger, Nigeria, Benin, Togo und Ghana und bearbeiten diese mit modernsten Methoden der künstlichen Intelligenz. Ländlichen Elektrifizierungsbehörden, Ministerien und lokalen Gemeinden erhalten die resultierende Karte. So soll die Datenlücke in der Modellierung der Stromnachfrage im ländlichen Raum geschlossen werden.

Den Strombedarf schätzen

Ein zuverlässiger Stromzugang ist zentral für funktionierende Gemeinschaften, Unternehmen und Industrien. Vor allem, da verschiedene Maßnahmen zur Klimaanpassung die Umstellung auf Strom zukünftig als primäre Energiequelle vorsehen. Dafür muss der Strombedarf aber schätzbar sein, denn nur so können angebotsseitige Entscheidungen, Investitionen und Abläufe auf allen Versorgungsebenen für einen nachhaltigen Stromzugang gewährleistet, geplant und umgesetzt werden.

Die Datenlücke schließen

Die größte Herausforderung in vielen Ländern ist jedoch der Mangel an Daten zu aktuellen Nachfrageprofilen: Wie nutzen Gemeinden heute Strom? Welchen Verbrauchsgrad haben sie im Laufe der Zeit? Für welche Zwecke wird der Strom genutzt? Diese Unklarheiten erschweren die Prognose künftiger Nachfrageprofile oder struktureller Veränderungen dieser. Schätzungen könnten Auskunft geben: Realistische Schätzungen zum Strombedarf werden aus verschiedenen lokalen Einflussfaktoren wie Haushalts- oder Unternehmensvermögen, Demografie, sozioökonomischen Faktoren, Klimaereignissen und anderen Dynamiken abgeleitet. Außerdem kann man Schlussfolgerungen von Umgebungen, in denen Daten vorliegen, auf Umgebungen, in denen nur wenige Daten vorhanden sind, übertragen.

Modelltraining für zuverlässige Vorhersagen

Die Daten im AI4EA-Projekt wurden 2021 vom Reiner-Lemoine-Institut in drei geopolitischen Zonen Nigerias gesammelt, parallel zu Fernerkundungsdaten von Atlas AI und regionalen Datensätzen, die WASCAL für die Schwerpunktländer gesammelt hat. Die Forscher:innen nutzen diese Datensätze für Modelltraining, Validierung und Ground Truthing, um sicherzustellen, dass die Modelle robust und die Prognosen zuverlässig sind. So entwickeln die Projektpartner im AI4EA-Projekt ein standardisiertes Strombedarfsprofil für typische Haushalte sowie kleine und mittlere Unternehmen in Nigeria, Niger, Ghana, Benin und Togo zu. Die resultierenden Bedarfsprognosen und Simulationsmethoden werden für einen breiten Nutzen offen zugänglich gemacht. Im AI4EA-Projekt arbeiten der Lacuna-Fonds, das Reiner-Lemoine-Institut (Deutschland), Atlas AI P.B.C. (USA), Université Abdou Moumouni (Niger) und der Clean Technology Hub (Nigeria) zusammen.

Projektzeitraum: Oktober 2023 – April 2025

In dem Projekt erfüllt das RLI folgende Aufgaben:

  • Leitender Partner im Projekt
  • Sammlung relevanter Datensätze koordinieren
  • Unterstützung der Entwicklung eines Modells für maschinelles Lernen, das strombezogene sozioökonomische Aspekte über die untersuchten Gebiete hinaus vorhersagt
  • Stochastische Modellierung von Nachfrageprofilen
  • Organisation der Veröffentlichungsdetails der Ausgaben
  • Gestaltung der Workshops zur Einbeziehung lokaler Interessengruppen

Kontakt



Catherina Cader

Projektleiterin


Pierre-Francois Duc

Wissenschaftlicher Mitarbeiter


Caroline Möller

Wissenschaftliche Mitarbeiterin


WordPress Appliance - Powered by TurnKey Linux