KI-basiertes Forecasting und Microforecasting von Energieerzeugung und -verbrauch in dezentralen Strukturen
Fördermittelgeber*in
Gesellschaft für Energie und Klimaschutz Schleswig-Holstein GmbH (EKSH)
Fördersumme
148.139 €
Kurzbeschreibung
Die Modellierung zukünftiger Netzlasten erweist sich in Anbetracht einer Vielzahl von determinierenden Größen als ein äußerst komplexes, jedoch zugleich bedeutendes Forschungs- und Anwendungsgebiet für Wissenschaft und Praxis. Basierend auf einer möglichst exakten Prognose sollen Netze geeigneter ausgelegt und geschaltet, Kraftwerkskapazitäten effizienter geplant und Stromspeichertechnologien sinnvoller eingesetzt werden. Das derzeitige Netzmanagement sowie die verwendeten Prognosemodelle stoßen angesichts eines sich schnell ändernden Energiemarktes oftmals an ihre Grenzen. Künstliche neuronale Netze (KNN) bieten ein enormes Potenzial, die Prognosegüte im Forecasting zu verbessern.
Im Gegensatz zu herkömmlichen Prognosemodellen sind sie in der Lage, lineare und nicht-lineare Zusammenhänge auch von Interaktionseffekten der eingespeisten Größen zu detektieren. Das zu realisierende Forschungsprojekt hat es sich zum Ziel gesetzt, leistungsstärkere KNN Typen, wie Long Short-Term Memory (LSTM), sowie hybride Lösungen aus KNN und klassischen Prognoseverfahren zu konzipieren und anzuwenden. Hierfür werden am Beispiel eines regionalen Niederspannungsnetzes Modelle entwickelt, welche an die speziellen örtlichen Gegebenheiten anpassbar sind.
Mit derartigen Lösungen soll die Prognosegüte gesteigert und somit ein effizienteres Netzmanagement ermöglicht werden. Zur Realisierung des Projektes wird ferner der Aufbau einer modernen IT-Infrastruktur angestrebt, welche es erlaubt, alle notwendigen Daten serverseitig zu verarbeiten.
Ansprechpartner*innen
Projektpartner*innen
Unternehmen:
SWKiel Netz GmbH
Gemeindewerke Heikendorf GmbH