Technische Universität Hamburg (TUHH)
Institut für Elektrische Energietechnik (ieet)
Harburger Schloßstr. 22 a
21079 Hamburg
Der Ausbau dezentraler erneuerbarer Erzeugungsanlagen und die fortschreitende Elektrifizierung der Sektoren Wärme und Mobilität führen zu starken Schwankungen von Einspeisung, Last und Energieflüssen in Niederspannungsverteilnetzen. Diese wurden ursprünglich nicht für bidirektionale Energietransporte oder hohe gleichzeitige Lasten ausgelegt, sodass künftig vermehrt Leitungsüberlastungen und Spannungsbandverletzungen zu erwarten sind. Ein konventioneller Netzausbau kann dies zwar abmildern, ist jedoch mit erheblichem planerischem, technischem und finanziellem Aufwand verbunden.
Ziel des Projekts ist daher die Entwicklung und simulationsseitige Untersuchung eines autonomen, dezentralen und selbstorganisierten Steuerungskonzepts für eine effiziente, stabile und klimafreundliche Betriebsführung von Niederspannungsnetzen. Das Konzept basiert auf einem Multi-Agenten-System, das mittels Künstlicher Intelligenz (KI) und Maschinellem Lernen eine adaptive Koordination von Erzeugern und Verbrauchern innerhalb lokaler Netzsegmente ermöglicht.
Die Systemarchitektur umfasst zwei Ebenen: Auf Gebäudeebene optimieren lokale Agenten den Eigenverbrauch von Photovoltaik und steuerbaren Nachfragern. Auf Netzebene erfolgt eine selbstorganisierte Abstimmung der angeschlossenen Einheiten zur Maximierung der lokalen Energieverwertung unter Einhaltung technischer Restriktionen. Grundlage bilden KI-gestützte Prognosen von Erzeugung und Verbrauch, die eine vorausschauende und flexible Laststeuerung ermöglichen.
Durch die Reduzierung aktiver Eingriffe seitens der Netzbetreiber wird die Effizienz gesteigert und zugleich die Integration klimafreundlicher Technologien wie Photovoltaik, Wärmepumpen und Elektrofahrzeuge gefördert. Das Konzept stärkt damit die Akzeptanz der Energiewende und beschleunigt die Einbindung erneuerbarer Energien in bestehende Verteilnetze.
Zudem erhöht das System die Resilienz der Energieversorgung, da vorhandene Betriebsmittel optimal genutzt und kostenintensive Netzausbaumaßnahmen verringert oder zeitlich gestreckt werden können. Die entwickelten Methoden schaffen Potenziale für neue Geschäftsmodelle im Flexibilitätsmanagement und bei der netzdienlichen Integration dezentraler Anlagen. Damit leistet das Projekt einen wichtigen Beitrag zur Defossilisierung des Energiesystems, zur Reduktion von Treibhausgasemissionen und folglich zur Erreichung der Klimaziele.