Knowledge hub > ÖBB Bahnstrombedarfsprognose – mit Advanced Analytics Energiekosten einsparen

ÖBB Bahnstrombedarfsprognose – mit Advanced Analytics Energiekosten einsparen

24-04-2017 Christoph Heichinger, ACP

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.

„Durch den Einsatz der Energiebedarfsprognose realisiert die ÖBB-Produktion GmbH ein jährliches Einsparungspotenzial ihrer Energiekosten in Höhe von mehreren hunderttausend Euro. Der Projektzeitplan und das Budget wurden bei der Umsetzung genau eingehalten und schon die ersten Ergebnisse übertrafen unsere Zielvorgabe.“
DI Florian Ahammer, Produktionsmanagement, Projektleitung

 

ÖBB-Produktion GmbH
www.oebb.at

Die ÖBB sind der größte Eisenbahnkonzern Österreichs. Hauptaufgabe der Teilgesellschaft ÖBB-Produktion GmbH ist die Traktionierung, also das Ziehen von Zügen für die Muttergesellschaften ÖBB-Personenverkehr AG und Rail Cargo Austria.

 

Die Herausforderung

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 größte Herausforderung bei der Entwicklung des selbstlernenden Algorithmus.

 

Die Lösung​

Mit dem Vorhersageprogramm „Energiebedarfsprognose“ (EBP) hat cubido, ein Unternehmen der ACP Gruppe, für die ÖBB-Produktion GmbH eine spezifische Lösung für genaueste Prognosen ihres Bahnstrombedarfs entwickelt. Das Programm von cubido verwendet modernste Machine-Learning Algorithmen und basiert auf der Statistik-Sprache R in Verbindung mit Microsoft SQL Server. Durch den selbstlernenden Algorithmus der Lösung können größere Schwankungsbreiten in der Planung berücksichtigt werden.

 

Die Vorteile

  • Präzisere Vorhersage des Energiebedarfs
  • Ständige Optimierung der Vorhersagequalität
  • Selbstständige Erstellung von Modellen und Vorhersagen durch die ÖBB
  • Einfache und intuitive Benutzeroberfläche
  • Senkung der Energiekosten um mehrere hunderttausend Euro pro Jahr

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.

Die Energiebedarfsprognose erzeugt für Viertelstundenintervalle in den nächsten drei bis fünf Tagen eine Vorhersage des Energiebedarfs. Die fertige Prognose wird automatisch weiterverarbeitet.

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 Höhe von mehreren hunderttausend Euro erzielen.

Über diesen Partner

ACP ist einer der führenden, herstellerunabhängigen IT-Provider und liefert individuelle End-to-End Lösungen für Unternehmen.

Weitere Inhalte von diesem Partner

Dieser Artikel wird Ihnen präsentiert von: