Durch den Einsatz der Energiebedarfsprognose realisiert die ÖBB-Produktion GmbH ein jährliches Einsparungspotenzial ihrer Energiekosten in Höhe von mehreren hunderttausend Euro.
DI Florian Ahammer, Produktionsmanagement, Projektleitung ÖBB-Produktion GmbH
Das Ziel dieses Big Data Projekts war die Entwicklung eines Energiebedarfsprognoseprogramms für den Bahnstrombedarf der ÖBB-eigenen Verkehre in Österreich. Damit soll der Energieeinkauf durch frühzeitige und möglichst exakte Vorhersage des Energiebedarfs verbessert, ÖBB eigene Kraftwerke effizient eingesetzt und so die Energiekosten dauerhaft gesenkt werden.
Bei ressourcenintensiven Produktions- oder Dienstleistungsunternehmen ist der Energiezukauf ein wesentlicher Kostenfaktor. Zur Realisierung von Einsparungen ist es zwingend nötig, äußerst genaue Prognosen für die nächsten 3 bis 7 Tage auf sehr kleinem Intervall (15 Min) erstellen zu können.
Die hohe Komplexität und Heterogenität der Daten sowie die teils ungenauen Datenstände waren die größten Herausforderungen bei der Entwicklung des selbstlernenden Algorithmus.
Für die Vorhersagen werden Daten aus sechs verschiedenen Planungssystemen herangezogen. Aufgrund der hohen Heterogenität der Plandaten (Wetterdaten, Planung für Personenverkehr, Güterverkehr, der Deutschen Bahn für ICEs etc.) sowie der hohen Flexibilität im Güterverkehr ergeben sich hohe Schwankungen in der Planungsgenauigkeit. Der intelligente, selbstlernende Algorithmus in der Lösung von cubido erkennt und berücksichtigt diese Schwankungen in den Prognosen. Die Berücksichtigung des Alters der Plandaten, sowohl beim Training der Modelle als auch in der Vorhersage selbst, erlaubt eine äußerst präzise Planung auch mehrere Tage in die Zukunft. Die laufende Bewertung der Prognosen sowie der permanente Vergleich mit den aus Maschinendaten stammenden IST-Daten erlaubt eine ständige Optimierung der Vorhersagequalität.
Mit dem Vorhersageprogramm „Energiebedarfsprognose“ (EBP) hat cubido für die ÖBB-Produktion GmbH eine spezifische Lösung für genaueste Prognosen ihres Bahnstrombedarfs entwickelt.
Die Energiebedarfsprognose erzeugt für Viertelstundenintervalle in den nächsten drei bis fünf Tagen eine Vorhersage des Energiebedarfs. Die fertige Prognose wird automatisch weiterverarbeitet. Das Programm von cubido verwendet modernste Machine-Learning Algorithmen und basiert auf der Statistik-Sprache R in Verbindung mit Microsoft SQL Server.
Durch die äußerst einfache und intuitive Benutzeroberfläche können Mitarbeiter der ÖBB schon nach kurzer Einschulung selbstständig Modelle trainieren, konfigurieren und eine neue Prognose zusammenstellen. Auch die Erstellung eines Modells ist äußerst einfach und dauert nur wenige Minuten. Durch den Einsatz des Energiebedarfsprognoseprogramms kann die ÖBB-Produktion GmbH eine jährliche Energiekosteneinsparung in Höhe von mehreren hunderttausend Euro erzielen.
ÖBB-Produktion GmbH
www.oebb.at
Mehr Daten heißt nicht automatisch
mehr Erkenntnisse. Entscheidend ist deren Zusammenführung und Auswertung.
mehr Infos zu Business Intelligence,
Adhoc Analysen und Predictive Analytics →
Höhere Planungssicherheit und verfeinerte Zukunftsplanung durch den Einsatz von Advanced Data Analytics und Machine Learning.