Effizientes und nachhaltiges intelligentes Energiemanagementsystem mit Echtzeitüberwachung und -optimierung für eine grünere und intelligentere ZukunftThares2020/AdobeStock (mit KI generiert)

KI-gestützte Anwendungen in dezentralen Stromsystemen

sprungmarken_marker_4448

Thematischer Hintergrund

Der wachsende Anteil erneuerbarer Energien führt zu einem zunehmend dezentralen Stromsystem, in dem eine Vielzahl kleiner Erzeuger, Speicher und Verbraucher flexibel gesteuert werden muss. Um die Flexibilität und Resilienz des Stromsystems zu fördern, werden verstärkt KI-gestützte Anwendungen entwickelt und erprobt. Hier sind insbesondere Methoden (Verfahren, Algorithmen bzw. Modelle) des maschinellen Lernens wie künstliche neuronale Netze, Random Forests oder Clustering relevant. Mit diesen Methoden können große Datenmengen effizienter analysiert werden, um Vorhersagen zu verbessern und die Steuerung dezentraler Anlagen zu optimieren. Die Anwendungsbereiche von KI-Methoden in dezentralen Stromnetzen mit einem hohen Anteil erneuerbarer Erzeugung sind dabei sehr vielfältig. KI-Methoden können z.B. dazu beitragen, Anlagen vorausschauend zu warten, Anomalien in Netzen zu erkennen, Last- und Einspeiseprognosen zu verbessern oder flexible Lasten zu steuern. Viele KI-Methoden werden bereits im Stromsystem angewendet. Es ist allerdings zu erwarten, dass ihre Bedeutung durch die zunehmende Digitalisierung und insbesondere durch den angestrebten Ausbau der Smart-Metering-Infrastruktur in den nächsten Jahren weiter steigt.

Mit dieser Entwicklung sind auch Risiken verbunden. So wurden im TAB-Foresight-Report Trends im Zusammenhang mit der Digitalisierung durchweg als Faktoren für erhöhte Verletzlichkeit eingestuft. Ein zentrales Thema ist die Cybersicherheit, die sowohl (beabsichtigte) Cyberangriffe als auch (unbeabsichtigte) Ausfälle, z. B. aufgrund von Softwarefehlern, umfasst. Darüber hinaus spielen auch ökonomische und geopolitische Abhängigkeiten eine Rolle. Je mehr KI-gestützte Anwendungen mit Bezug zu oder in privaten Haushalten eingesetzt werden, desto höhere Risiken bestehen für die Privatsphäre, Datensicherheit und Selbstbestimmung der Verbraucher/innen.

Ziele und Vorgehensweise

Ziele des Projekts sind eine Bestandsaufnahme des aktuellen und perspektivischen Einsatzes von KI im Stromsystem, eine Abschätzung der Potenziale von KI-gestützten Anwendungen sowie die Identifikation von mit der Anwendung von KI verbundenen Risiken.

Das Projekt wird in zwei Phasen durchgeführt. In der ersten Phase erfolgt eine überblicksartige Bestandsaufnahme sowie eine erste Potenzial- und Risikoabschätzung der Anwendung von KI-Methoden in Stromsystemen, wobei die Untersuchung auf drei Anwendungsebenen eingegrenzt wird:

  • KI-gestützte Anwendungen mit Bezug zu Verbrauchern bzw. Prosumern, die auf eine effizientere und flexiblere Integration von kleinen und mittleren Erzeugungs- und Speicheranlagen sowie eine Anpassung des Verbrauchs an die Verfügbarkeit von erneuerbarem Strom bei gleichzeitiger Stabilisierung des Netzbetriebs abzielen. Beispiele dafür sind Demand-Response-Programme, die Aggregation von kleinen Erzeugungs- und Speicheranlagen zu virtuellen Kraftwerken sowie Vehicle-to-Grid-, Vehicle-to-Home- und Smart-Charging-Anwendungen.
  • KI-gestützte Anwendungen auf Quartiersebene mit dem Ziel, den Verbrauch an die Verfügbarkeit von erneuerbarem Strom anzupassen und damit lokal erzeugten erneuerbaren Strom möglichst auch lokal zu verbrauchen. Beispiele hierfür sind gemeinschaftlich genutzte Batteriespeicher (sog. Quartierspeicher) oder Photovoltaikanlagen.
  • KI-gestützte Anwendungen auf Verteilnetzebene, die gezielt auf den Umgang mit systemischen Risiken zur Erhöhung der Resilienz ausgerichtet sind. Hier sind insbesondere Prognosen von potenziellen Schäden und Ausfällen durch Extremwetterereignisse sowie die Identifikation von Anomalien zur Erkennung und zum Schutz vor Cyberangriffen relevante Anwendungen.

In der zweiten Phase werden ausgewählte Anwendungen, die[BS1] [CM2]  sich auf Grundlage der ersten Potenzial- und Risikoabschätzung in Phase 1 als besonders untersuchungsbedürftig herausgestellt haben, im Detail diskutiert: hier wurde entschieden, den Fokus auf KI-Anwendungen im Netzbetrieb im Bereich der Verteilnetze zu legen. Von Interesse sind insbesondere Anwendungen zur Überwachung von Mittel- und Niederspannungsnetzen, für Prognosen von Lastverhalten und Netzzustand und für die Netzbetriebsführung.

Stand der Projektbearbeitung

Im Rahmen von Phase 1 ist ein Gutachten in Arbeit, das einen Überblick über KI-Methoden und  KI-gestützte Anwendungen für dezentrale Stromsysteme auf der Verbraucher-/Prosumer-, Quartiers- und Verteilnetzebene erarbeitet und deren Potenziale abschätzt.

Für Phase 2 ist ein Gutachten zu vergeben, das Potenziale und Risiken des Einsatzes von KI-Anwendungen im Netzbetrieb im Bereich der Verteilnetze analysieren soll. Der Fokus liegt dabei auf regulatorischen Rahmenbedingungen und Hemmnissen, auf dem aktuellen Stand der Technik und Anwendung in Deutschland, auf den Potenzialen basierend auf Anwendungserfahrungen in Deutschland sowie auf (systemischen) Risiken.

Zur Ausschreibung