Vattenfall Wasserkraft Deutschland betreibt Pumpspeicherkraftwerke mit einer Gesamtleistung von mehr als 2,5 GW in einem Energiemarkt, der sich inzwischen im Sekundentakt bewegt. Mit Databricks auf Azure entwickelte das Team HySBAP, die Hydro Strategic Business Analytics Platform, um SCADA-Echtzeit-Streams, Marktsignale, Prognosen und Betriebsdaten zusammenzuführen. Das Ergebnis ist eine gesteuerte Intelligence-Plattform, die Teams dabei hilft, strategische Fragen in Tagen statt in Jahren zu beantworten.
Das Ende der „ausreichend guten“ Prognosen
Vor 15 Jahren wurden Energieprodukte noch Wochen oder Monate im Voraus gehandelt. Heute hat sich der Energiemarkt grundlegend verändert. „Wir haben uns von Wochenprodukten über Tages- und 15-Minuten-Produkte bis hin zu Abrechnungen im Sekundentakt entwickelt“, erklärt Philipp Cüppers, Head of Data Innovation bei Vattenfall Wasserkraft Deutschland.
Die Wasserkraftwerke von Vattenfall lassen sich zwar flexibel steuern, agieren jedoch in einem Markt, der von Unsicherheit geprägt ist. Das Team musste verstehen, wie Hunderte von Echtzeit-Sensor-Streams, Wettermuster in ganz Europa und Strompreise aus Dutzenden von Gebotszonen zusammenspielen. „Dashboards beantworten normalerweise die Fragen von gestern, weil es Zeit braucht, sie zu erstellen“, so Cüppers. „Wir mussten Antworten für morgen liefern. Die Möglichkeit, Fragen in natürlicher Sprache zu stellen, verändert grundlegend, wie Unternehmen Daten für Entscheidungen nutzen.“
Ein Lakehouse für die Energiewende
Die Plattform erfasst Daten aus Kafka-Echtzeitstreams, die SCADA-Maschinendaten und Handelssignale liefern, REST-APIs mit Prognosen für erneuerbare Energien und Preiskurven, operativen Messdatenbanken, Historian-Systemen für hydrologische Daten sowie europaweiten Transparenzplattformen.
Alle Daten durchlaufen eine Medaillon-Architektur mit Bronze-, Silver- und Gold-Layer, werden über Unity Catalog verwaltet und in Delta Lake gespeichert. So entsteht eine vertrauenswürdige Datengrundlage für Dashboards, Abfragen in natürlicher Sprache und individuelle Anwendungen. Die qualifizierte Ebene wendet Geschäftslogik, Deduplizierung und Interpolation im Subsekundenbereich an; die kuratierte Ebene erzeugt verwertbare Erkenntnisse für die strategische Entscheidungsfindung. Die Datenqualität wird durch automatisierte Prüfungen auf der Grundlage von DQX überwacht, die die Daten auf Aktualität, domänenspezifische Ausreißer und Lücken überprüfen. Täglich verarbeitet die Plattform nahezu 3 Mrd. Datenzeilen, die sämtliche Ebenen der Medallion-Architektur durchlaufen.
Die Plattform läuft auf einer ausgereiften DTAP-Infrastruktur mit mehreren VNET-integrierten Databricks Workspaces auf Azure, automatisierten CI/CD-Pipelines und einer eigens entwickelten Core Library mit mehr als 40 Modulen. Diese bilden domänenspezifische Logik ab – von der Protobuf-Deserialisierung bis zur Szenariomodellierung für Reservoir-Szenarien.
Aus Komplexität wir Zugänglichkeit
Das Team hält die technische Komplexität verborgen und macht gleichzeitig die Erkenntnisse für alle zugänglich. Databricks Lakehouse und AI/BI Dashboards stellen Erkenntnisse über produktive Dashboards bereit. Über hundert automatisierte Lakeflow-Jobs orchestrieren Streaming- und Batch-Jobs mit intelligenter Wiederholungslogik. Nicht-technische Anwender können Daten mit Genie einfach in natürlicher Sprache abfragen.
Strategische Fähigkeiten: Antworten auf die Fragen von morgen
Digitaler Zwilling & Anlagensimulation: Ein vollständiger digitaler Zwilling der Pumpspeicherkraftwerke bildet das physische Verhalten jeder Turbine ab – von Rampenverhalten und Reaktionen auf Marktsignale bis hin zu Betriebseigenschaften. So können Handels- und Optimierungsteams neue Algorithmen zunächst an einem virtuellen Anlagenportfolio testen, bevor sie auf reale Anlagen ausgerollt werden.
Analyse der CO₂-Auswirkungen: Durch die Kombination europäischer Strommixdaten mit Messdaten auf Anlagenebene im Sekundentakt quantifiziert das Team den CO₂-Fußabdruck des Anlagenbetriebs. So lässt sich beurteilen, ob die bereitgestellte Flexibilität tatsächlich zur Dekarbonisierung des Energiesystems beiträgt.
Modellierung von Reservoir-Szenarien: Simulationen projizieren die Entwicklung des Wasserstands prognostizieren die Entwicklung der Wasserstände unter verschiedenen Einsatzstrategien. Dadurch lassen sich Umsatzziele mit betrieblichen und ökologischen Anforderungen in Einklang bringen.
Forschung zur Netzfrequenz: Machine-Learning-Modelle untersuchen, wie vorhersehbare Ereignisse der Netzfrequenz mit Veränderungen am Strommarkt korrelieren. Dadurch gewinnt das Team ein besseres Verständnis der tatsächlichen Auswirkungen auf den Netzbetrieb.