Weiter zum Hauptinhalt
USA-Weltkarte
16.06.2026

Vorstellung von KI-Prognosen und Solarrisikobewertung auf der ESIG 2026

Unsere Kollegen Lars und Peter aus dem Team „Forecasting Key Accounting“ nehmen vom 15. bis 17. Juni an den ESIG (Energy Systems Integration Group) Sommer-Workshops 2026 in Denver, Colorado, teil.

Auf der diesjährigen Veranstaltung geben sie Einblicke in zwei zentrale Themen, die die Zukunft der Prognosen für erneuerbare Energien prägen: KI-gestützte Prognosen und Situational Awareness Reports für Solarkraftwerke in Hochrisikogebieten.

Verbesserung der Solarrisikobewertung durch Situational Awareness

Peters Vortrag konzentriert sich auf die wachsende Bedeutung von Produkten zu Situational Awareness für Solaranlagen in Hochrisikogebieten. Da die Solarenergieerzeugung in ganz Nordamerika weiter zunimmt, steigt auch die Notwendigkeit, die mit extremen Wetterereignissen verbundenen Risiken besser zu verstehen und zu bewältigen.

Um Kunden in solchen Situationen zu unterstützen, entwickelt energy & meteo systems verschiedene Szenarien, die eine umfassende Risikobewertung ermöglichen. Neben kontinuierlichen Verbesserungen bei der Solarleistungsprognose bieten wir Produkte zur Lagebeurteilung an, die Kunden dabei helfen, potenzielle Auswirkungen anhand von Worst-Case-Szenarien zu bewerten. Unser derzeitiger Schwerpunkt liegt auf der Bewertung der Auswirkungen von Waldbränden und starken Schneefällen auf die von uns überwachten Solarparks.

Erklärbare KI: Maschinelles Lernen in der Vorhersage

Lars wird unseren Ansatz zum maschinellen Lernen in der Wettervorhersage vorstellen und sowohl dessen Stärken als auch dessen Grenzen erörtern. Obwohl KI-Wettermodelle in zahlreichen internationalen Benchmark-Studien herausragende Ergebnisse erzielt haben und traditionelle Modelle der numerischen Wettervorhersage (NWP) oft übertreffen, ist energy & meteo systems der Ansicht, dass Transparenz nach wie vor von entscheidender Bedeutung ist.

Auf der ESIG wird Lars verdeutlichen, warum wir in den frühen Phasen der Vorhersage auf erklärbares maschinelles Lernen setzen, und die wichtigsten Erkenntnisse vorstellen, die wir durch die praktische Anwendung dieser Methoden gewonnen haben.

Wir freuen uns darauf, durch diese Vorträge gemeinsam mit der ESIG-Community Innovationen voranzutreiben und die Netzresilienz zu stärken.

powered by webEdition CMS