KI-basierte Software-Lösungen für Stromverteilnetze und Batteriespeicher
Für Netzbetreibende stellen zunehmende Schwankungen im Energiefluss eine große Herausforderung dar. Um Netzüberlastungen zu verhindern, sind eine gezielte Steuerung und eine Überwachung der Verteilnetze erforderlich. Dafür sind qualitativ hochwertige Netzzustandsschätzungen notwendig. Eine vollständige Messung aller relevanten Netzgrößen ist aufgrund der aufwendigen Messtechnik jedoch mit hohen Kosten verbunden. Das Start-up gridhound, eine Ausgründung der Rheinisch-Westfälischen Technischen Hochschule (RWTH) Aachen, hat für die digitale Netzzustandsschätzung eine kostengünstige Lösung entwickelt.
Software „Graice“ ermittelt vollständigen Netzzustand
Die geräteunabhängige und flexible Software „Graice“ nutzt künstliche Intelligenz (KI), um das Verhalten eines Verteilnetzes zu erlernen. Auf Basis weniger Messstellen kann sie die elektrischen Größen an den übrigen Netzelementen ermitteln und so einen vollständigen Netzzustand für die Lastflussberechnung bereitstellen. Das entwickelte Systemkonzept wurde in einer Simulationsumgebung mit realen Netz- und Messdaten der Netze BW validiert. Durch den Einsatz von „Graice“ können Einspeisemanagement-Maßnahmen zur Vermeidung von Netzüberlastungen um rund 30 Prozent reduziert und die damit verbundenen CO₂-Emissionen deutlich gesenkt werden.
Vorhersagen für einzelne Anlagen oder ganze Ortnetzstationen möglich
Neben der Erfassung des aktuellen Netzzustands ermöglicht die Technologie auch Prognosen für die künftige Netznutzung. Voraussetzung dafür ist eine möglichst gezielte Platzierung der vorhandenen Messstellen. Um diese zu bestimmen, kombiniert gridhound ingenieurmäßiges Vorgehen mit KI-Algorithmen. Zudem hat Gridhound KI-Prognose-Methoden entwickelt, mit denen sich die Leistung einzelner Erneuerbare-Energien-Anlagen, etwa Photovoltaikanlagen, sowie ganzer Ortsnetzstationen vorhersagen lässt. Dazu wird der Algorithmus mit historischen Daten trainiert und kann anschließend mit aktuellen Daten sowohl kurz- als auch langfristige Leistungsprognosen erstellen. Die Verfahren lassen sich zudem auf andere Netzgebiete übertragen.
Erleichterte Netzanschlussplanung und Redispatch-Maßnahmen
Auf Grundlage dieser KI-basierten Netzzustandsschätzung kann die Auslastung für ganze Netzgebiete vorhergesagt werden kann. So können Redispatch-Maßnahmen – also Eingriffe in die Erzeugungsleistung von Kraftwerken, um Leitungsabschnitte vor einer Überlastung zu schützen – teilweise vermieden werden. Dies ist aktuell sehr relevant, da die geplanten Gesetzesänderungen, beispielsweise im §14a EnWG, diese Maßnahmen auch in der Mittel- und Niederspannung vorsehen. Gleichzeitig kann die Technologie die Netzanschlussplanung erleichtern, etwa für Photovoltaikanlagen, Ladestationen für die Elektromobilität oder Wärmepumpen.
Weiterentwicklung im Folgeprojekt: flexible Batteriespeichersteuerung
In einem Folgeprojekt im Rahmen der Förderinitiative „Speicher und Netze“ wurde „Graice“ nun um die Steuerung von gewerblichen Batteriespeichern erweitert. Damit wurde der Ansatz von der KI-basierten Netzzustandsprognose bis zur lokalen Steuerung von Speichern weiterentwickelt und anschließend auch praktisch im Feld bei den Stadtwerken Trier erprobt. Abhängig von Erzeugungs-, Verbrauchs- und Strompreisprognosen sowie dem vorhergesagten Netzzustand kann der Speicher Strom aus erneuerbaren Quellen aufnehmen oder wieder ins Netz abgeben. Auf diese Weise kann die Batterie als Puffer dienen und dazu beitragen, das Netz zu stabilisieren.
Nächster Schritt: Flexibilität durch Heimspeicher
Die als nächstes geplante Entwicklungsstufe umfasst die Erweiterung der Batteriesteuerung auf die Vielzahl bereits installierter Heimspeicher.
Projektdurchführung
gridhound GmbH
Hüttenstr. 5
52068 Aachen
E-Mail: info@gridhound.de
Internet: www.gridhound.de
