ERA-Net AISOP

AISOP zielt darauf ab, ein KI-gestütztes Entscheidungsunterstützungssystem für die Betreiber elektrischer Verteilernetze (DSO) zu schaffen, um die Dekarbonisierung voranzutreiben, das durch fortschrittliche digitale Technologie unterstützt wird. Das entscheidungsunterstützende System erfasst, verarbeitet, interpretiert und nutzt Daten auf sichere und private Weise zum Nutzen der Betriebsplanung der DSO. In diesem Zusammenhang erweitert AISOP die datengesteuerten Techniken für eine verbesserte Betriebsplanung in Verteil-/Lokalnetzen mit hohem DER-Anteil durch die Integration von KI/ML-basierten Lösungen, verbessertem Situationsbewusstsein und Marktanreizen. Im Rahmen des vorgeschlagenen Projekts kombinieren wir

(i) Datenzugang und -eingabe,

(ii) Situationsbewusstsein im Verteilernetz,

(iii) Entscheidungsunterstützung für das Verteilernetzmanagement,

(iv) dynamische Tarife, und

(v) Integration der digitalen Plattform mit Nutzung durch Test- und Schulungsumgebungen

Die Rolle der FEN: Co-Leitung des Konsortiums mit der HSLU. Leitung der Aktivitäten in WP4 zu "Lösungen zur Entscheidungsunterstützung" mit Schwerpunkt auf der Entwicklung ML-basierter Identifizierung dynamischer Tarife für Prosumer und Verbraucher.

Entscheidungsunterstützungssysteme für den Betrieb von Verteilernetzen wurden in der Literatur bereits 1995 vorgeschlagen. Sie umfassten einen modularen Ansatz, der eine Fehlerdiagnose und eine numerische Analyse der Lastflüsse beinhaltete. Heute werden in einigen Projekten Konzepte oder Werkzeuge für die Entscheidungsunterstützung bei der Planung von Verteilernetzen entwickelt (z. B. NREL), aber die Werkzeuge für die Betriebsplanung konzentrieren sich auf die Anwendungsfälle der ÜNB, einschließlich Spannungsregelung, transiente Stabilität, Regelkreissteuerung und Frequenzereignisse (Electra). Sie berücksichtigen weder die Systemkapazität oder die Fehlererkennung noch die Anwendungsfälle der VNB. Es gibt einige vorkommerzielle Mehrzweck-Tools, die auf angewandter Forschung beruhen (GridOPTICS CORE), die aber noch nicht weit verbreitet sind. Die Forschung zu Entscheidungsunterstützungssystemen, die auf an Niederspannungsnetzen angeschlossene verteilte erneuerbare Energien abzielen, ist weiter verbreitet, einschließlich der Berücksichtigung der Anzahl, des Standorts, des Typs und der Größe von DG, Heizung, Strom, Transport und Kombinationen von erneuerbaren Energien und Batteriesystemen, um einen Ausgleich zwischen Last und Erzeugung zu erreichen. Zu den Tests gehörten grundlegende Pilotversuche in Mikronetzen, ohne dass diese in eine DSO-Plattform integriert wurden.

Das AISOP-Konzept des Digitalen Prozesszwillings ist ein innovativer Ansatz, um die einzelnen Datensilos entlang der verschiedenen Prozesse innerhalb der Betriebsplanung für eine DSO zu verbinden und zu verwerten. In anderen Domänen gibt es bereits vergleichbare Ansätze in der Kombination von Datensilos, jedoch nicht in Bezug auf integrierte Ansätze zur Datennutzung für die DSO im Rahmen der Betriebsplanung. Im Rahmen des ERA-Net-geförderten Projekts EPC4SES liegt der Fokus auf Digital Buidling Twins für Smart Energy Systems, während DiGriFlex eine Echtzeit-Verteilnetzsteuerung und Flexibilitätsbereitstellung ohne Integration in DSO-Prozesse entwickelt.

Was die AISOP-Bausteine für die Erkennung von Anomalien betrifft, so befindet sich die Fehlererkennung mit Hilfe von Netzmessungen und KI auf TRL5. Eine kleine Anzahl von Pilotprojekten wurde abgeschlossen (z. B. eBalance, SYNAPS, FORESIGHT), die auf frühen kommerziellen Produkten basieren (z. B. GSmart, Kelvatek, VoltNet). Die meisten bestehenden akademischen Arbeiten konzentrieren sich auf die Fehlererkennung in MS-Netzen und auf Fehler, die für NS-Netze nicht charakteristisch sind. Algorithmen für die Erkennung von Anomalien bei der Einspeisung und der Nachfrage wurden in Forschungsprojekten nur begrenzt eingesetzt. Im Rahmen des EPR-Projekts (European Pattern Recognition) konzentrierte sich eine praktische Anwendung auf den Bereich der Mustererkennung im Verbrauchsverhalten. Der zukünftige Einfluss von Prosumern und abweichenden Anomalien wurde jedoch nicht untersucht. Darüber hinaus wird im Projekt Netz-Patron die Identifikation von Netzanomalien untersucht, inwieweit sich Industriekunden ohne DSO-Prozessintegration netzdienlich regulieren können. Die Koordination zwischen den Erzeugungseinheiten des Verteilnetzes und der Strom- und Wärmenachfrage sollte verbessert werden, insbesondere mit Hilfe von KI-Techniken, um das Verbraucherverhalten und die Produktionsmuster besser zu verstehen.

Heute ist die ML für DER-Prognosen (Nachfrage, erneuerbare Erzeugung, Strompreise, Alterung der Anlagen) ausgereift und wird von der Branche genutzt. ML für die integrierte Klassifizierung der Systemsicherheit oder des Situationsbewusstseins wird jedoch von einigen wenigen Pionieren unter den Übertragungsnetzbetreibern eingesetzt, vor allem von RTE (dem französischen Übertragungsnetzbetreiber). Sensoren für Niederspannungsnetze, z. B. von Depsys, befinden sich in einem frühen Stadium der kommerziellen Nutzung und werden in DSO-Netzen nicht in großem Umfang für die Netzsituationserkennung eingesetzt.

Wenn der VNB ein verbessertes Lagebild des Netzes erhält, kann er über digitale Plattformen für lokale Energiemärkte (LEM) korrigierend eingreifen. LEMs haben das Potenzial, das Verhalten in Verteilungsnetzen zu beeinflussen und können so in der Folge Engpässe beeinflussen. Auch die Netztarife können das Verhalten der Prosumenten und damit das Netz beeinflussen, u. a. durch eine Verringerung der Leistungsspitzen um bis zu 11 % (auf Verbraucherebene) und 7 % (auf Nachbarschaftsebene). Die Forschung hat ergeben, dass dynamischere Netztarife im Vergleich zur derzeitigen Praxis (d. h. räumlich und zeitlich variierende Netztarife) ein Signal an Prosumer sein könnten, unerwünschtes Verhalten zu ändern, das zu unerwünschten Folgen in lokalen Netzen führt. Während digitale Plattformen in verschiedenen Projekten (COORDINET, INTERRFACE) entwickelt werden, ist ihre Integration in die Entscheidungsunterstützung für die Betriebsplanung jedoch neu.

Um den Stand der Technik in den beschriebenen Bereichen voranzutreiben, ist eine zunehmende Menge an Daten erforderlich. Die gesammelten Daten führen zu Silos, die oft isoliert sind, was bedeutet, dass sie in ihren Datensilos als unabhängig interpretiert und nicht auf mögliche Korrelationen oder Nutzung analysiert werden. Im Zusammenhang mit der Digitalisierung gibt es außerdem erhebliche Einschränkungen in Bezug auf den Datenzugriff und die Datennutzung, was den Bedarf an datenschutzfreundlichen Ansätzen für die Datennutzung erhöht. Föderiertes Lernen ist ein neuer Bereich und wurde bisher nur in sehr begrenztem Umfang in Verteilungssystemen angewandt, und auch seine Umsetzung in den Randbereichen ist höchst innovativ.