Das zukünftige Energienetz wird eine auf Zellen basierende Systemarchitektur haben. Die Zellen werden jeweils verschiedene Infrastrukturkomponenten (Energieerzeuger, -wandler, -speicher, -nutzer) beinhalten. Diese können die Betreiber durch intelligente Informations- und Kommunikationstechnologie überwachen und steuern. Diese zellulare Struktur soll lokale Produktion und Verbrauch ausgleichen, bidirektionale Energieflüsse zwischen und innerhalb von Netzzellen lenken und Systemausfälle minimieren. Um das zu ermöglichen, hat das deutsch-finnische Forschungsprojekt Future Smart Energy (FUSE) eine hierarchische und auf künstlicher Intelligenz (KI) basierende Datenflussarchitektur entwickelt. Diese Architektur ermöglicht eine verteilte Datenverarbeitung in den Zellen.

Durch einen hohen Anteil erneuerbarer Energiequellen an der Energieversorgung der Zukunft entstehen hohe Anforderungen hinsichtlich der Flexibilität und Stabilität der Versorgungs- und Übertragungsnetze. Daher war es das Ziel des deutsch-finnischen Verbundvorhabens FUSE Methoden und Technologien zu entwickeln, die Energienetze widerstandsfähiger und beständiger machen. Dabei hat das Team verstärkt auf Methoden der künstlichen Intelligenz zurückgegriffen.

Die neuen Netztopologien und immer mehr erneuerbare Energiequellen fordern das Energiesystem heraus. Das FUSE-Team hat daher konkret untersucht, wie sich diese Herausforderungen durch eine intelligente Nachfragesteuerung und die Integration von mehrfach nutzbare Energie-Infrastrukturen im Rahmen der Sektorkopplung bewältigen lassen.

Deutsch-finnische Partner bündeln Know-how

In dem vom Bundeswirtschaftsministerium geförderten Projekt haben Fachleute aus Deutschland und Finnland zusammengearbeitet und gemeinsam ihr breites interdisziplinäres Know-how in den Bereichen Elektrotechnik, Künstliche Intelligenz und Informationstechnologien in das Vorhaben eingebracht. Konkret waren vier deutsche und drei finnische Forschungspartner beteiligt. Das Vorhaben ist aus einer bilateralen Förderinitiative hervorgegangen (weitere Informationen: siehe Infobox rechts).

Als binationales Verbundprojekt stand FUSE vor der Herausforderung, trotz Corona-bedingter Reisebeschränkungen die Zusammenarbeit aller Projektpartner aufrecht zu erhalten. Trotz dieser Herausforderungen konnten die beteiligten Fachleute das Projekt erfolgreich zu Ende bringen.

Förderinitiative

Mit der zweiten bilateralen Förderinitiative „Finnish-German Funding Call supporting the European SET Plan“ haben Finnland und Deutschland gemeinsam Forschungs-, Entwicklungs- und Innovationsprojekte im Energiebereich gefördert. Die Maßnahme sollte die Entwicklung innovativer Produkte, Verfahren und technische Dienstleistungen aus allen Technologie- und Anwendungsbereichen vorantreiben und den Wissenstransfer stärken.

Die Projekte waren an den Zielen des European Strategic Energy Technology Plan (SET-PLAN) der Europäischen Union ausgerichtet. Die deutschen Zuwendungsempfänger hat das Bundeswirtschaftsministerium gefördert. Die finnische Förderagentur für Innovation (TEKES, jetzt Business Finnland) hat die Zuwendungsempfänger aus Finnland unterstützt.

Intelligentes Überwachen und Vorausschauen

Zukünftige Energienetze werden komplexe und oft dezentrale Netzstrukturen aufweisen, in denen bidirektionale Energieflüsse und ein unregelmäßiges Energieangebot zur Tagesordnung gehören. Um diese Netze besser zu warten und zu betreiben, haben die Fachleute KI-basierte Ansätze für Zustandsüberwachung (Condition Monitoring) und vorausschauende Wartung (Predictive Maintenance) für das Mittel- und Niederspannungsnetz entwickelt. Um die Flexibilität von Verbrauch für den Lastenausgleich innerhalb eines Netzes nutzen zu können, haben die Forscherinnen und Forscher einen innovativen, dezentralen Kontrollansatz weiterentwickelt und mit KI-getriebenen Kontrollmechanismen ergänzt. Diese smarte Steuerung der Nachfrage (Demand Side Management) erhöht die Netzstabilität. Dieses Verfahren soll zudem Wartungs- und Instandhaltungskosten im Energiesektor reduzieren.

Für das verteilte Demand Side Management wurden bereits in Ansätzen bestehende sogenannte Controller umfangreich weiterentwickelt und mit KI-basierten (Maschinelles Lernen) Methoden für die adaptive Vorhersage von Verbrauch und Erzeugung ergänzt.

„Für das Condition Monitoring von räumlich verteilten Anlagen beziehungsweise Energienetzen haben wir passgenaue embedded, sprich integrierte, Hardware als Pilotanwendung entwickelt und erprobt. Diese ermöglicht, komplexe KI-basierte Algorithmen vor Ort zur Vorverarbeitung massiver Rohdaten einzusetzen“, erklärt Projektkoordinator Dr. Thomas Vögele, Senior Researcher und Head of International Business Development beim DFKI Robotics Innovation Center in Bremen. „Unser Fokus lag auf datengetriebenen KI-Methoden. Dadurch war eine unserer größten Herausforderungen geeignete Basisdaten zu bekommen. Für verschiedene Anwendungsfälle waren beispielsweise keine oder nur wenige Daten vorhanden. Aus rechtlichen Gründen hatten wir auf einige Informationen zudem nur einen eingeschränkten Zugriff. Wir konnten das lösen, indem wir auf simulierte Daten unserer Projektpartner aus dem SenseLab der Technischen Universität Berlin und von der University of Vaasa zurückgegriffen haben.“

Effizientes Management durch drei Ebenen

Um bestimmte Störungen in Mittel- (wie beispielsweise Teilentladungen, Störungen in Schutzrelais) und Niederspannungsnetzen erkennen zu können, hat das Team KI-Algorithmen erprobt.

Zentraler technischer Grundgedanke von FUSE war der Aufbau einer hierarchischen Architektur zur Datengenerierung, -analyse und -verarbeitung. Die Informations- und Kommunikationstechnologie fußt auf einer Drei-Level-Architektur, basierend auf dem Ansatz, dass das Energiesystem in Zellen eingeteilt ist:

  • Level 1: Sammlung von Rohdaten einzelner Energiesysteme, wie etwa von Photovoltaik-Anlagen oder flexible Lasten über integrierte Systeme (Digital Twins) und Datenbereinigung sowie Erkennen von Fehlfunktioinen über intelligente Algorithmen und Maschinelles Lernen
  • Level 2: Fusion und Auswertung von Big Data in Echtzeit für ein dezentrales, sich selbst optimierendes Demand Side Management und eine Zustandsanalyse von einzelnen Netzsegmenten
  • Level 3: Sammlung und Visualisierung der Daten im Kontrollzentrum für die Planung von Wartungs- und Instandhaltungsmaßnahmen

Um technische Netzanlagen zu überwachen, sind auf der untersten Ebene (Level 1) Smart Sensors (intelligente Sensoren) vorgesehen. Diese nehmen vor Ort Messdaten auf. Diese werden mit KI-Methoden vorverarbeitet, die speziell auf die technischen Plattformen der Sensoren angepasst ist. Wenn das System potenzielle Störungen erkennt, leitet es diese (zum Beispiel kabellos per 5G-Verbindung) von Level 1 an die nächsthöhere Ebene (Level 2) weiter. Dort werden die vorverarbeiteten Daten mit Daten anderer Smart Sensors zusammengeführt und ausgewertet. Die Ergebnisse der Auswertung werden anschließend weitergeleitet, bis hin zu einer Leitzentrale (Level 3).

Ergebnisse in der Praxis nutzen

Die in FUSE weiterentwickelten und optimierten Controller für das verteilte Demand Side Management haben durch die Forschungsarbeiten bereits einen hohen Entwicklungsstand erreicht. Die Verbundpartner habe diese zudem erfolgreich in Feldtests und Anwendungsprojekten eingesetzt. Die Controller sind für Netzbetreiber über den Projektpartner Easy Smart Grid (ESG) erhältlich.

Die beim Condition Monitoring eingesetzten Smart Sensors und Digital Twins sind noch im Stadium von Forschungsprototypen, ebenso wie die darauf entwickelten KI-Algorithmen. Sie sollen in anschließenden Forschungsprojekten weiterentwickelt werden. (ml)

Die Ergebnisse auf einen Blick

  • Entwicklung von KI-basierten Ansätzen für Condition Monitoring und Predictive Maintenance für das Mittel- und Niederspannungsnetz
  • Aufbau einer hierarchischen Drei-Level-Architektur zur Datengenerierung, -analyse und -verarbeitung
  • Entwicklung und Erprobung einer integrierten Hardware als Pilotanwendung
  • Entwicklung eines Modellierungs- und Optimierungsrahmen für dezentrale sektorgekoppelte Energiesysteme und Erweiterung um ein dezentrales, intelligentes Demand Side Management

Förderung

Das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) hat das Projekt FUSE im Forschungsbereich Stromnetze gefördert. Den Rahmen für die Forschungsförderung des BMWK bildet das 7. Energieforschungsprogramm. Hier finden Sie weitere Informationen.

Future Smart Energy (FUSE)

För­der­kenn­zei­chen: 0350025A-D

Projektlaufzeit
01.02.2018 31.12.2021 Heute ab­ge­schlos­sen

The­men

Stromnetze

Digitalisierung der Energiewende

För­der­sum­me: rund 1,5 Millionen Euro

Abschlussbericht

Das öffentliche Dokument finden Sie bei der Technischen Informationsbibliothek Hannover.

mehr

Forschungsschwerpunkt

Digitalisierung der Energiewende

Die Digitalisierung umfasst alle Lebensbereiche. Als Kernthema der heutigen Zeit ist sie ein wichtiger Treiber der Energiewende. In Bezug auf neue Energietechnologien ergeben sich zahlreiche vielversprechende Möglichkeiten und Herausforderungen für Forschende. So kann die Digitalisierung dabei helfen, Lösungen bei der Dezentralisierung, Flexibilisierung und Sektorkopplung des Energiesystems zu finden. Auf diese Weise tragen neue digitale Technologien auch dazu bei, Kosten zu senken, CO2 einzusparen und die Energieeffizienz zu steigern.

mehr

Forschungsschwerpunkt

Stromnetze

Fachleute bauen Stromnetze zu modernen Smart Grids um. Das Ziel: Im ländlichen Raum dezentral erzeugten erneuerbaren Strom aus Windrädern und Photovoltaik-Anlagen in die Netze einspeisen und diese über alle Spannungsebenen hinweg optimal miteinander verknüpfen.

mehr
Newsletter

Nichts mehr verpassen:

BMWK/Holger Vonderlind
Grafische Darstellung der Erde mit Lichtern, Globus
©imaginima/iStock

Energieforschung.de

Hier finden Sie aktuelle Infos zur Energieforschungspolitik und zur Projektförderung des BMWK im 7. Energieforschungsprogramm.

mehr