Bessere Solarstromvorhersage dank hybriden Quantenmodellen

Zur Lösung des Problems hat Terra Quantum zwei proprietäre hybride quantenneuronale Netzwerkmodelle entwickelt, die klassische und Quantenkomponenten kombinieren und beide die herkömmlichen Vorhersagealgorithmen durch eine Verringerung der Fehlerquoten übertreffen. Genaue Solarprognosen mit Hilfe fortschrittlicher QML-Algorithmen würden dazu beitragen, die Akzeptanz erneuerbarer Solarenergie zu erhöhen, indem sie Netzstabilität und vorhersehbare Investitionserträge gewährleisten, schreibt das Unternehmen in einer Mitteilung. Darüber hinaus werde sich die Genauigkeit dieser Modelle mit der Weiterentwicklung der Quantenhardware weiter verbessern.

Die Unvorhersehbarkeit der Solarenergie

Die Herausforderung bei der Vorhersage von Solarstrom liegt in der Unberechenbarkeit des Wetters und seiner direkten Auswirkung auf die Solarenergieerzeugung. Schnelle Veränderungen der Wetterbedingungen, wie z. B. Bewölkung und atmosphärische Störungen, führen zu Schwankungen in der Solarleistung, was eine genaue Vorhersage erschwert. Diese Unvorhersehbarkeit erfordert hochentwickelte Algorithmen, die in der Lage sind, grosse Datenmengen zu verarbeiten und komplexe Wettermuster zu berücksichtigen, wobei oft nur begrenzte historische Daten vorliegen. Darüber hinaus kann die Rechenintensität, die zur Analyse dieser Daten und zur Erstellung zuverlässiger Prognosen erforderlich ist, unerschwinglich sein. Da die installierte Stromerzeugungskapazität der Photovoltaik bis 2027 die der Kohle überholen soll, wird der Bedarf an fortschrittlichen Vorhersagetechniken immer dringender.

Neue Wege zur Bewältigung dieses Problems

Terra Quantum hat in Zusammenarbeit mit HAKOM, einem Unternehmen, das seit über 30 Jahren auf Zeitreihenvorhersagen für Energieunternehmen spezialisiert ist, eine neue Forschungsarbeit veröffentlicht, die zeigt, dass an der Schnittstelle zwischen hybrider Quanteninformatik und künstlicher Intelligenz das maschinelle Lernen mit Quanten (QML) genauere und effizientere Solarprognosen liefern kann, um die nachhaltige Energiewende zu unterstützen.

Die Studie stellt eine Reihe von Lösungen vor, die sich auf hybride neuronale Quantennetzwerke stützen und zwei leistungsstarke proprietäre hybride QML-Modelle nutzen, die klassische und Quantenkomponenten kombinieren, um diese Komplexität zu bewältigen. In verschiedenen Konfigurationen übertrafen die quantengestützten ML-Modelle herkömmliche Algorithmen und schnitten sogar besser ab, wenn sie auf begrenzten Datensätzen trainiert wurden. Dies zeigt, dass QML in der Lage ist, komplizierte Beziehungen in verrauschten meteorologischen Daten sowie in anderen datenarmen Szenarien zu erfassen.

Das erst vorgestellte Modell, das hybride Quanten-Langzeitgedächtnis (HLSTM), ermöglicht eine Prognose bis zu einer Stunde im Voraus und übertrifft dabei alle getesteten Modelle, indem es die Fehlerquote um mehr als 40 % reduziert. Dies ist wichtig für die kurzfristige dynamische Rekalibrierung von Netzen aufgrund von Wetteränderungen.

Das zweite Modell, das Hybrid Quantum Sequence-to-Sequence Neural Network, kann die Photovoltaikleistung für wählbare längerfristige Horizonte in die Zukunft vorhersagen: notwendig für die langfristige Planung, mit 16% höherer Genauigkeit und ohne die Notwendigkeit vorheriger meteorologischer Daten. Die Studie, die hier in ihrer Gesamtheit abgerufen werden kann, liefert einen Entwurf für das Verständnis und die Nutzung von QML als Instrument zur Verbesserung der Prognosen für erneuerbare Energien.

Warum ist eine genaue Vorhersage wichtig?

Genaue Prognosen sind für die Einführung erneuerbarer Energien von zentraler Bedeutung, da sie die Netzstabilität gewährleisten, indem sie eine präzise Vorhersage von Schwankungen in der Stromerzeugung ermöglichen. Genaue Vorhersagen ermöglichen eine effizientere Nutzung der Ressourcen, stärken das Vertrauen der Investoren durch vorhersehbare Erträge und helfen bei der Formulierung politischer Anreize für erneuerbare Energien. Diese Effizienz und Zuverlässigkeit der Vorhersagen macht die Solarenergie wirtschaftlich rentabler und fördert grössere Investitionen und die Integration in den Energiemix, wodurch der Übergang zu einer nachhaltigen Energiezukunft beschleunigt wird.

«Unsere innovativen hybriden Quantenmodelle sind nicht nur theoretische Konstrukte, sondern praktische Werkzeuge, die die Genauigkeit und Zuverlässigkeit von Solarstromprognosen erheblich verbessern», sagte Markus Pflitsch, CEO von Terra Quantum. «Dieser Fortschritt ist ein entscheidender Moment auf unserem Weg in eine nachhaltige Energiezukunft und stellt einen wesentlichen Sprung gegenüber herkömmlichen Prognosemethoden dar.»

Weitere Informationen zu den in der Studie verwendeten Methoden finden Sie hier.