FH Bielefeld
University of
Applied Sciences

KI-on-the-edge für eine sichere und autonome Verteilnetzsteuerung mit einem hohen Anteil an erneuerbaren Energien (AI4DG)

AI in Power Systems, KI in elektrischen Netzen, automatic power system control, Cognitive-Edge-Computing


Fachhochschule Bielefeld
Fachbereich Ingenieurwissenschaften und Mathematik
Interaktion 1
33619 Bielefeld

Projektbeteiligte

Universität Bielefeld
Westfalen Weser Netz GmbH
Université Grenoble Alpes
Atos Worldgrid


Laufzeit
01.10.2021 – 30.09.2024

Projektförderung   

Förderung von deutsch-französischen Projekten zum Thema Künstliche Intelligenz  

bmbf Logo 2011

                

Kurzbeschreibung

Um auf allen Ebenen elektrischer Stromnetze die Spannungsqualität sowie den sicheren und zuverlässigen Betrieb des Netzes zu gewährleisten und dabei einen kostspieligen Ausbau der elektrischen Netzinfrastrukturen zu vermeiden, müssen die volatilen erneuerbaren Energien, verteilten Batteriespeicher und steuerbare Lasten intelligent miteinander verbunden werden. Ein solches System ist sehr komplex und der Einsatz von KI kann hier die Verfügbarkeit und Zuverlässigkeit sowie die Wirtschaftlichkeit verbessern.

Ziel des Projekts AI4DG ist die Erforschung und Entwicklung einer dezentralen KI-Plattform für eine sichere und autonome Steuerung des Verteilnetzes mit einem hohen Anteil an erneuerbaren Energien. Zur Unterstützung der lokalen Netzstabilität benötigt das komplexe System den Einsatz von KI zur Abschätzung des aktuellen Netzzustands, zur Vorhersage der Stromerzeugung aus erneuerbaren Energien und zur Unterstützung von Netzsystemdiensten, die das Laden und Entladen von Batterien nutzen. Ein komplexes System, in dem die Komponenten eines zukünftigen Stromnetzes miteinander verbunden sind, ist störanfällig, insbesondere wenn die Steuerung der Komponenten an einer zentralen Stelle erfolgt. Um einen sicheren und zuverlässigen Netzbetrieb zu gewährleisten, muss die Kommunikation ausfallsicher sein. Damit die KI sicher arbeitet, wird ein verteilter KI-Ansatz untersucht. Wenn eine dezentrale KI-Einheit ausfällt, können die andere Einheit ihre Aufgabe weiter ausführen. Für diesen dezentralen KI-Ansatz wird Cognitive-Edge-Computing zur effizienten Steuerung, zur Verringerung der benötigten Ressourcen (Energie, Datenspeicher, Kommunikationsdaten) und zur Datensicherheit verwendet. Die KI-Methoden und die Cognitive-Edge-Architektur werden in einem Netz-Simulationslabor, dem SEAP Lab der AG Netze und Energiesysteme validiert und im Feld von Verteilnetzbetreibern evaluiert. Durch die Kooperation mit Frankreich können verschiedene Verteilnetzstrukturen für eine Übertragbarkeit der KI-Methoden auf das europäische Energiesystem betrachtet und die etablierten, nationalen KI-Strategien bereichert werden.

weitere Informationen