Spotlights beleuchten Wege zu intelligenten Energiesystemen

Digitale Postersession (alle Poster-PDFs -ca. 10MB)
Spotlights
  • Im Rahmen des Projektes wurde die Robustheit eines KI-basierten Windleistungsprognosemodells gegenüber vorsätzlich aber unmerklich veränderter Eingangsdaten untersucht, welche auf eine Verfälschung der Ausgangsdaten abzielten. Der Einsatz von KI-Methoden in kritischen Infrastrukturen wie dem Energiesektor kann zu potenziell sicherheitskritischen Zuständen [...]

  • In diesem Projekt wird mittels Deep Reinforcement Learning (DRL) ein optimierter Betrieb eines an das Stromnetz angeschlossenen Systems bestehend aus einem Windpark und einem Batteriespeicher ermittelt. Dabei soll der Mehrwert von probabilistischen Prognosen gegenüber deterministischen Prognosen für den Folgetag [...]

  • Bestimmung der Netzimpedanz und des Netzzustandes Netzbetreiber kennen oft nicht den genauen Netzzustand überall in ihrem Netz. Sie messen nur an wenigen Stellen und kennen daher nur dort ihren Netzzustand. Aus Sicht der dezentral verteilten Stromrichter ist die Netzimpedanz [...]

     

  • Inselnetze im Verbundnetz sind eine echte Herausforderung. Denn das gesamte Verbundnetz funktioniert grundsätzlich als Einheit. In Folge von Netzfehlern können sich jedoch einzelne Abschnitte abtrennen. Wenn darüber hinaus ein lokales Leistungsgleichgewicht vorliegt, kann es zur Bildung von ungewollten Inselnetzen [...]

  • Fehler können passieren – wichtig ist nur, dass man sie erkennt. Das gilt auch für den Betrieb von Windenergieanlagen. Größere Schäden und Ausfälle können für die Betreiber solcher Anlagen fatal sein. Die von Überwachungssystemen erkannten Anomalien zeigen oft nur [...]

  • Wasserstoff ist ein Multitalent und gilt als Missing Link der Energiewende. Seine Herstellung benötigt allerdings zunächst einmal sehr viel Energie. Daher besteht der Anspruch für die Elektrolyse vorwiegend überschüssigen Strom aus Solar- und Windenergieanlagen zu nutzen. Dazu werden Power-to-Gas-Anlagen [...]

  • Kann Reinforcement Learning die Regelungstechnik revolutionieren? Das Projekt Cognitive Train/Test System for Reinforcement Learning using Labs (CTRL) baut eine Infrastruktur für eine selbständige Regelung im Verteilnetz auf. Das Projekt bietet eine Infrastruktur zum Trainieren von Regelungskonzepten für dezentrale Anlagen. [...]

  • KI-basierte Verbrauchsprognosen basierend auf Smart-Meter-Daten mit dem 1. Platz in der Data4Grid-Challenge der dena ausgezeichnet Bisher wird das Verhalten von Verbrauchen durch Netzbetreiber und Energieversorger mithilfe von Standard-Lastprofilen modelliert und prognostiziert. Allerdings verändert sich das Verhalten u.a. durch E-Kfz, [...]

  • Handel mit Energie ist bisher eine Liga für Profis. Mit maschineller Unterstützung kann sich das ändern. Dann könnte auch für andere Akteure das Interesse an der Börse steigen. Im Projekt Deep Energy Trade zeigt ein Demonstrator wie ein intelligenter [...]

  • In dem Projekt werden gefährdete Vogelarten automatisiert erkannt, wodurch Flächen für den Ausbau von EE artenschutzrechtlich schneller und sicherer erschlossen werden können und somit der Ausbau beschleunigt werden kann. Für den Bau von Windrädern sowie den späteren Betrieb der [...]

  • Disaggergation von Leistungsflüssen an den Abgängen von Ortsnetzstationen in ihre Erzeugungs- und Verbrauchsbestandteile zur Identifikation von einzelnen Verbrauchsvorgängen. Das Verbrauchs- und Erzeugungsverhalten in der Mittel- und Niederspannung hat sich durch neue Technologien und politische Rahmenbedingungen teilweise bereits dramatisch geändert. [...]

  • Prognosen der Ladeleistung von Elektroautos für den Betrieb von Verteilnetzen auf Basis von Fahrzeugdaten mithilfe Künstlicher Intelligenz Die Elektromobilität erfährt derzeit ein starkes Wachstum und führt zu hohen Leistungsbedarfen insbesondere in den Verteilnetzen. Dabei verfügen die Verteilnetzbetreiber jedoch kaum [...]

  • Zur Überwachung von Windenergieanlagen werden oft Anomalie-Erkennungsverfahren eingesetzt, welche auf Basis von SCADA-Daten frühzeitig ungewöhnliches Verhalten der Anlage erkennen sollen und einen optimalen Betrieb ermöglichen. Für solche Verfahren hat sich im Bereich der erneuerbaren Energien bisher aber kein einheitliches [...]

  • Steuerung des Stromnetzes mithilfe von Graph Neural Networks und Reinforcement Learning Die Steuerung des Stromnetzes ist hochkomplex, jedoch gleichzeitig von essenzieller Bedeutung für nahezu alle Lebensbereiche. Aufgrund der großen Menge regulatorischer Handlungsmöglichkeiten, die dem Stromnetzbetreiber dabei zur Verfügung stehen, [...]

  • Aufgrund der begrenzten Anzahl an Fernwärmeversorgungssystemen in Deutschland und ihrer Individualität sind deren Daten für Forschungszwecke schwer nutzbar und unpublizierbar. Denn anhand der sensiblen Daten ist die Zugehörigkeit zu bestimmten Versorgern erkennbar, sodass die Gefahr von Missbrauch besteht. Unter [...]

  • Eine der größten Herausforderungen bei der Leistungsprognose von nahezu vollständig wetterabhängigen erneuerbaren Energiequellen wie Wind und PV ist die Ungenauigkeit der verwendeten Wetterprognosen (Numerical Weather Prediction - NWP). Für den Energiemarkt sind diese Prognosen – insbesondere die Prognosehorizonte 0-4h [...]

  • Die deutsche Industrie muss ihren CO2 Ausstoß verringern – da sind sich fast alle einig. Aber wie?  Vor dieser Frage stehen unter anderem die Werke von Bosch. Sie reduzieren bereits ihren CO2 Ausstoß, wollen diesen aber noch weiter verringern. [...]

  • Die Bedeutung von Stromrichtern in der Energieversorgung nimmt stetig zu. Für lukrative als auch umweltschonende Aspekte hat die Erhöhung des Wirkungsgrades bei gleichzeitiger Senkung der Investitionskosten und entsprechender Lebensdauer für diese Systeme die höchste Priorität. Die Neuentwicklung von Stromrichtern [...]

  • Selbstfahrende Staubsauger sind keine Überraschung mehr. Aber ein autonomes Stromnetz ist noch nicht ganz so selbstverständlich. Im Rahmen des internationalen Wettbewerbs "L2RPN Challenge“ („Learn to Run a Power Network") wurde eine automatisierte Fahrweise simuliert. Auf Initiative des französischen Übertragungsnetzbetreibers [...]

  • Vom Akteur zum System: Um eine Vielzahl von Stromerzeugern und flexiblen Nachfragern unter einen Hut zu bringen, brauchen Netzbetreiber komplexe Rechenmodelle. Derzeit verwendete mathematische Modelle für Netzoptimierung, die ein stabiles und kosten-effizientes Stromnetz gewährleisten, stoßen immer mehr an ihre [...]

  • Mithilfe der Kenntnis der Netzzustandsverteilung lassen sich gezielte Optimierungsmaßnahmen identifizieren und die Netzzustände so realisieren, dass diese robust gegenüber Abweichungen in der Prognose sind. Die meistens von Netzbetreibern eingesetzten Prognosen zur Vorhersage von Erzeugung und Verbrauch sind Erwartungswertprognosen ohne [...]

  • Wie wird das Wetter? Für Betreiber von Photovoltaikanlagen ist das kein Smalltalk sondern Produktionsplanung. Denn eine exakte Prognose von Sonneneinstrahlung und Wolkenverhalten ist zentral für die zu erwartende Stromerzeugung, den Energiehandel und den sicheren Betrieb von Stromnetzen. Das Projekt [...]

     

  • Energiehandel am kontinuierlichen Intraday Stommarkt ist ein hochkomplexer Prozess, der sich durch die Kurzlebigkeit und Volatilität der Handelsprodukte deutlich von anderen Märkten unterscheidet. Im Rahmen PDET wurde ein erster Handelsagent auf Basis von Deep Reinforecement Learning erarbeitet, der in [...]

  • Prognose von Leistungsflüssen im elektrischen Netz mit Graph Neural Network: Die Prognose von Leistungsflüssen im elektrischen Netz ermöglicht es Netzbetreibern, vorausschauende Netzberechnungen durchzuführen und dadurch Engpässe rechtzeitig zu erkennen sowie Gegenmaßnahmen zu ergreifen. Machine-Learning Ansätze mit lokalen Prognosemodellen sind [...]

  • Ist noch was frei? Diese Frage stellt sich im Stromnetz immer häufiger, wenn mehr Solar- und Windanlagen bei guten Wetterbedingungen einspeisen wollen. Der Netzbetreiber braucht zur Steuerung daher möglichst sichere Prognosen, um die Situation im Netz richtig einschätzen zu [...]

  • Im Vorhaben ROSALIE wurde untersucht, ob ein historischer Zeitschritt der KI-Agenten-Testumgebung „Grid2Op“, durch Speicherung der Zustandsvariablen der KI-Agenten, wiederhergestellt werden kann.   Ein großes Problem der KI-Agenten-Testumgebung „Grid2op“ ist, dass Entscheidungen der KI-Agenten in Grid2Op nur teils gespeichert und [...]

  • Erprobung von Algorithmen des maschinellen Lernens für das dezentrale intelligente Lademanagement an Unternehmensstandorten. Was ist das Problem? Vermeidung von Lastspitzen zur Reduktion der Lastspitzen und Leistungspreiskosten sowie Erfüllung von Anforderungen des Netzbetreibers. Insbesondere bei Kosten, Flexibilität und Komplexitätsbewältigung stoßen aktuelle [...]

  • Erkennung von Teilentladungsmustern in elektrischen Maschinen: Die Lebensdauer von elektrischen Maschinen hängt wesentlich von dem Zustand der Isolation ab. Die Bewertung dieser Isolation erfolgt händisch anhand von Teilentladungsmessungen. Diese Messungen zeigen das momentane TE Verhalten. Das geschulte Auge kann [...]

  • Der Wind weht, wo er will. Diese Erfahrung machen auch Betreiber von Windparks. Um die Erzeugungsleistung der Anlagen genau einschätzen zu können, reicht es nicht, auf lokale Leistungsmesswerte und Parameter aus Wettermodellen zu vertrauen. KI könnte diese Vorhersagen verbessern [...]

  • Im Projekt TLP4Heat soll ein Digitalisierungsworkflow erarbeitet werden, welcher eine Verwertung der Instandhaltungsinformationen in Fernwärmesystemen für die Entwicklung optimaler Instandhaltungsstrategien ermöglicht. Zur Wirtschaftlichkeit des Fernwärmenetzbetriebs können die Wartungsaktivitäten an den Fernwärme-Übergabestationen (ÜS) durch prädiktive Instandhaltungsstrategien optimaler betrieben werden. Eine [...]

  • Identifizierung und Überwachung der Vegetation entlang von Energieinfrastrukturen und Windenergieflächen auf Basis von Satellitendaten. Kern des Projektes ist das Monitoring von Vegetationsveränderung durch Wachstum, und Impactereignissen wie Baumbruch oder Baumwurf unter Verwendung von Erdbeobachtungsdaten-Daten (EO). Je nach Anwendungsfall erfolgt [...]

  • Unterm Strich muss es Null sein – das gilt für die Einspeisung und den Verbrauch von Strom zu jeder Zeit. Um dieses Gleichgewicht sicherzustellen, berechnen Stromnetzbetreiber Lastflüsse im Voraus für die nächsten Stunden. Besonders herausfordernd ist dabei die Auslastung [...]

     

“Künstliche Intelligenz ist eine Schlüsseltechnologie für die weitere Entwicklung der Energiewende.”

Angela Dorn, Hessische Ministerin für Wissenschaft und Kunst

„Künstliche Intelligenz ist ein zentrales Element der Wirtschaft von morgen – und ein wichtiger Baustein für den nachhaltigen Umbau unseres Energiesystems.“

Kerstin Andreae, Hauptgeschäftsführerin, Bundesverband der Energie- und Wasserwirtschaft