Gridhound GmbH
Hüttenstr. 5
52068 Aachen
Die Steuerung der Stromnetze wird für die Netzbetreiber zukünftig durch die Elektrifizierung vieler Technologien, wie E-Autos, Wärmepumpen und einer Reihe industrieller Anwendungen immer schwieriger und birgt die Gefahr von Ausfällen oder Blackouts. Das zeigt sich auch daran, dass kürzlich eine gesetzliche Regel (§14a EnWG) verabschiedete wurde, die es den Netzbetreibern zukünftig erlaubt (Umsetzung bis Ende 2028), elektrische Verbraucher extern drosseln zu können, um Netzausfälle zu verhindern. Dementsprechend wichtig ist es, die Netze sehr viel besser steuern zu können, als es derzeit möglich ist. Einer oder der Hauptbestandteil zur Steuerung ist die Netzzustandsermittlung, die den erwarteten Verbrauch und die voraussichtliche Einspeisung möglichst exakt vorhersagen kann, um frühzeitig eingreifen und regeln zu können.
gridhound hat mit Unterstützung der DBU das KI-unterstütze System zur Netzzustandsschätzung in Mittelspannungsnetzen „Graice“ (Grid-Artificial-Intelligence-Computing-Engine) entwickelt, das in der Lage ist, das Verhalten des Verteilnetzes erlernen und auf Basis sehr weniger Messstellen, die elektrischen Kenngrößen an allen anderen Netzelementen ermitteln zu können. Damit kann künftig die vollständige Beobachtbarkeit im Verteilnetz hergestellt werden.
Im vorliegenden Vorhaben soll nun ein zusätzlicher Batteriesteueralgorithmus zum netzdienlichen Einsatz industrieller Batteriespeicheranlagen entwickelt werden, der in das vorhandene System Graice integriert werden kann.
Der zu entwickelnde Batteriesteueralgorithmus ist technologisch durchaus auch für nicht industrielle Batteriespeicher geeignet. Aktuell ist die Anzahl und Dimensionierung von z.B. Heim- und Quartierbatteriespeichersysteme noch kaum geeignet, Einfluss auf Netzengpässe in der Mittel- und Niederspannung zu nehmen.
Daher ist im nichtindustriellen Bereich eine Validierung in der Praxis im Rahmen des Projekts derzeit nicht umsetzbar. Da Heimspeicher nahezu ausschließlich für die Eigenverbrauchsoptimierung eingesetzt werden, ist der entsprechende Anwendungsfall in der Steuerung für Industriespeicher bereits berücksichtigt.
Die Umsetzung des Lösungskonzepts erfolgt in fünf Arbeitspaketen:
AP 1: Analyse und Definition: mögliche Einsatzziele von Batteriespeichern inklusive netzdienlichem Einsatz
AP 2: Algorithmus für eine Flexibilitätssteuerung von Batteriespeichern
AP 2.1 Entwurf, Implementierung und Test: Prognose netzseitiger Flexibilitätsbedarf
Vorhersage der Netzauslastung auf Basis einer Netzzustandsvorhersage und Berechnung des Flexibilitätsbedarfs auf Basis der ermittelten Engpässe; Ermittlung beim Netzbetreiber
AP 2.2 Entwurf, Implementierung und Test: netzdienliche Steuerung
Steuerung des Batteriespeichers zur Behebung der ermittelten Engpässe; Bedarf wird vom Netzbetreiber empfangen; Steuerung läuft im Batteriespeicher
AP 2.3 Entwurf, Implementierung und Test: Marktprognose
Vorhersage der Marktpreise auf Basis historischer Markt- und Wetterdaten sowie ggf. weiterer hilfreicher Daten
AP 2.4 Entwurf, Implementierung und Test: Marktsteuerung
Definition der Kriterien und Prioritäten für das wirtschaftlichste Marktangebot. Analyse der Marktprognose uns Auswahl der wirtschaftlichsten Marktangebote
AP 2.5 Entwurf, Implementierung und Test: übergeordnete Steuerung
Analyse der verfügbaren Steueroptionen bzgl. Wirtschaftlichkeit oder weiteren zu definierenden Regelwerken und Auswahl einer untergeordneten Steuerung für eine festgelegte Zeit
AP 3: Schnittstellen: Batterie, Netz, Markt, Wetter
AP 4: Feldtest
AP 4.1 Vorbereitung Feldtest
AP 4.2 Einrichtung und KI-Training: Prognosen und Batteriesteuerung
AP 4.3 Durchführung des Feldtests
AP 4.4 Auswertung
AP 5: Untersuchung Markt und Regulatorik
AP 5.1 Untersuchung der regulatorischen, rechtlichen und betriebswirtschaftlichen Rahmen-bedingungen in DE (Netz-, und Betreiberseite)
u. A. durch Gespräche mit Stakeholdern und Fachleuten, Sichtung von Fachliteratur, Gesetzestexten, etc.,Erarbeitung möglicher Vergütungsmodelle für Batteriebetreiber
AP 5.2 Untersuchung der regulatorischen, rechtlichen und betriebswirtschaftlichen Rahmen-bedingungen im EU-Ausland (Netz-, und Betreiberseite)
u. A. durch Gespräche mit Stakeholdern und Fachleuten, Sichtung von Fachliteratur, Gesetzestexten, etc.
AP 5.3 Marktbeobachtung
Beobachtung des Marktumfeldes hinsichtlich themennaher Forschungsprojekte, Nachrichten und Neuigkeiten bzgl. rechtlichen und regulatorischen Änderungen, u. Ä.
Im Ergebnis liefert das Projekt ein vollständiges Systemkonzept - von der KI-basierten Netzzu-
standsprognose über das GridRequest-Protokoll und die dynamische Netzentgeltberechnung
bis zur lokalen Batteriesteuerung über OpenEMS - das in einer Simulationsumgebung mit realen
Netz- und Messdaten der Stadtwerke Trier validiert wurde. Die begleitende Analyse des regula-
torischen Rahmens in Deutschland und der EU bestätigt, dass die entwickelten Konzepte mit
den sich entwickelnden Regelungen - insbesondere §14a EnWG Modul 3 und dem AgNes-Verfah-
ren - kompatibel sind.
Projektergebnisse im Überblick:
- Systemkonzept: Konzeptionelle Grundlage für alle Arbeitspakete durch Energieflussmodell aus AP1
- KI-Algorithmen: Funktionsfähige Algorithmen für Prognose, Anreizsignal und lokale Steuerung
- Datenschnittstellen: Alle Schnittstellen implementiert - bereit für Feldversuche und Simulation
- Marktrelevanz: Marktrecherchen bestaätigen Relevanz des KI-gestützten Steuerungsansatzes
- Skalierungspotential: Sinkende Kosten, neue Regulierung und smarte Messtechnik ebnen den Weg zur Skalierung
gridhound hat das Projekt an einer Trianel Flexstore-Veranstaltung im November 2025 vorgestellt. Ferner wird gridhound das Projekt nach Beednigung auch auf seiner homepage ausführlich veröffentlichen.
Das Projekt konnte im vollen geplanten Umfang durchgeführt werden, die Forschungsergebnisse entsprechen den Erwartungen und Zielsetzungen. Nach Projektabschluss konzentrieren sich nun die weiterführenden Arbeiten auf die Skalierung des Ansatzes: die Übertragung auf Home Energy Management Systems (HEMS) und die Schwarmsteuerung verteilter Heimspeicher im Folgeprojekt SWARM, die praktische Erprobung im Feldtest mit dem Projektpartner SWT sowie die Evaluation der Zusammenarbeit mit Aggregatoren für die Bündelung kleiner Flexibilitäten.