Die EU-Richtlinie für erneuerbare Energien ermöglicht den direkten nachbarschaftlichen Stromhandel, z.B. von PV-Überschüssen. Ziel solcher erneuerbaren Energiegemeinschaften (EEG) ist die Optimierung der sog. Eigendeckung. Das bedingt eine Verhaltensanpassung, etwa beim Laden von Elektroautos. Hierzu müssen die Mitglieder gut über Überschussmengen und -zeiten informiert sein. Der Beitrag stellt eine Datenanalyselösung vor, aktuell in zwei Pilot-EEGs im Einsatz. Themen sind Aufbereitung und Visualisierung der Zeitreihendaten sowie Prognosen.

Zielpublikum: Interessierte Bürger, Datenanalysten, Datenarchitekten
Voraussetzungen: keine
Schwierigkeitsgrad: Basic

Extended Abstract:
Die EU-Richtlinie über erneuerbare Energien (RED II) ermöglicht die Gründung sogenannter erneuerbarer Energiegemeinschaften (EEG). Konkret geht es um Stromhandel in der Nachbarschaft, beispielsweise von Überschüssen aus PV-Anlagen, die nicht an Energiekonzerne, sondern direkt an Nachbarn verkauft werden. Durch das Entfallen eines Zwischenhändlers ergeben sich Preisvorteile, sowohl beim Einspeisen als auch beim Bezug.

In Deutschland ist die Entwicklung noch schleppend aufgrund der großen bürokratischen Hürden, aber auch hier ist das Thema im Kommen. In Österreich ist man schon weiter, Smart Meter Rollout, vereinfachte Verfahren und Anreize wie Rabatte auf die Netznutzung haben dazu geführt, dass in der Alpenrepublik bereits Hunderte solcher EEGs in Betrieb sind.

Ziel einer EEG ist es, möglichst viel Energie innerhalb der Gemeinschaft zu verbrauchen, und zwar genau zu der Zeit, in der sie (beispielsweise durch Photovoltaik) erzeugt wird. Hierzu müssen die Mitglieder gut über Überschussmengen und -zeiten informiert sein. Kann man das Laden von Elektroautos, Warmwassererzeugung etc. in diese Zeiten verlegen, muss weniger externer Strom zugekauft werden. Das gleiche gilt im Kleinen natürlich auch für einzelne Haushalte (ohne Energiegemeinschaft).

Der Beitrag stellt eine Datenanalyselösung für erneuerbare Energiegemeinschaften vor, die aktuell in zwei EEGs im Pilotbetrieb verwendet wird. Behandelt wird die Datenaufbereitung, ein Dashboard zur Analyse der Energieüberschüsse und der Fremddeckung, sowie eine KI-basierte Vorhersagekomponente. Es ist geplant, die Lösung als Open Source weiteren Energiegemeinschaften zugänglich zu machen.