Dekarbonsiert, dezentral und digital!

Prozesse in Echtzeit und autonome Entscheidungen – erst mit Künstlicher Intelligenz wird ein dezentrales Energiesystem darstellbar. Denn die Stromerzeugung aus Solar- und Windanlagen macht das Versorgungsystem deutlich kleinteiliger und wetterabhängiger als der Betrieb von konventionellen Kraftwerken. Zudem muss sich der Verbrauch flexibel am Stromangebot orientieren. Um das zu leisten, wird eine andere Infrastruktur benötigt.

Parallel zur Energiewende haben sich digitale Kompetenzen wie Advanced Machine Learning, Data Science und Decision Support so weit entwickelt, dass sie anwendbar für die Bereiche Energiewirtschaft, Energiesystemtechnik und Energienetze sind. Nun kommt es darauf an, diese noch vorwiegend wissenschaftliche Exzellenz in die Wirtschaft zu transportieren.

Die Vorteile der kognitiven Methoden für die Aufgaben einzelnen Wertschöpfungsstufen oder innerhalb des Stromsektors sind immens. Darüber hinaus wird es mit Künstlicher Intelligenz sogar möglich, unterschiedliche Sektoren wie Strom- und Wärmeversorgung sowie die Mobilität unmittelbar zu verbinden.

Innerhalb des Ökosystems für Kognitive Energiesysteme wird für die verschiedenen Marktrollen der Zugang zu KI erleichtert. Die Aufgaben von Anlagen-, Messstellenbetreibern, Bilanzkreisverantwortlichen und Direktvermarktern werden so weit automatisiert, dass sie selbstständig ablaufen. Das Modell des „Energie-Avatar“ (siehe oben) veranschaulicht, wie einfach ein „Häuslebauer“ mit seiner Solaranlage am Energiemarkt teilnehmen kann, wenn alle Prozesse automatisiert sind. Der Energie-Avatar wird derzeit in Zusammenarbeit der Fraunhofer-Institute IEE und IOSB-AST entwickelt.

Schon heute kommt KI in der Energiewirtschaft zum Einsatz:

Im Energiehandel entscheiden Algorithmen über Kauf oder Verkauf.

Auch bei der Stromerzeugung ist KI beteiligt: Das kognitive System optimiert den Einsatz von Photovoltaik- und Windkraftanlagen, Ladestationen und Elektrolyseuren. Dadurch werden Stillstände vermieden und die Lebensdauer der Anlagen erhöht.

Im Netzbereich hilft kognitive Technologie, um die Vielzahl von Informationen auszuwerten, kritische Situationen zu erkennen und zu managen.

Im nächsten Schritt geht es darum, dass Maschinen den Zustand ihrer Assets autonom bestimmen und lernen, vorgegebene energiewirtschaftliche Ziele zu erreichen.

Dazu beschäftigen sich die Experten des K-ES mit Unterstützung des Fraunhofer IEE damit, die Disziplinen Intelligent Autonomus Systems, Self-Supervised Learning und Deep Learning für den Bedarf von Energieunternehmen weiterzuentwickeln.

Jede Aufgabe der Bereiche Wirtschaft, Netze und Technik wird künftig kognitiv über ein Digital Innovation Management gelöst.

Kognitive Energiewirtschaft

Lösungen, die den Handel und Vertrieb von Energie effizienter und sicherer machen. Typische Fragen sind:

  • Wie lassen sich Handelsgeschäfte mit KI optimal gestalten?

  • Wie lässt sich durch KI der Einsatz von Erzeugern und Verbrauchern koordinieren?

Kognitive Energienetze

Lösungen, die Betrieb, Wartung und Planung von elektrischen Netzen sicherer und zuverlässiger machen. Typische Fragen sind:

  • Wie kann KI Netzbetreiber bei der Informationsauswertung und Vermeidung von kritischen Situationen unterstützen?

  • Wie wird der Betrieb von Energienetzen durch kognitive Entscheidungsunterstützung sicherer?

Kognitive Energiesystem-technik

Lösungen, die Betrieb, Wartung und Aggregation von Erzeugungsanlagen und Großverbrauchern effizienter und nachhaltiger machen. Typische Fragen sind:

  • Wie kann die Zuverlässigkeit von Energieanlagen durch KI verbessert werden?

  • Wie kann KI den Betrieb von Energieanlagen optimieren?