Dezentrale Netzautomatisierung

In den letzten 20 Jahren sich die Erzeugung elektrischer Energie von konventionellen, zentralen Großkraftwerken in der Höchstspannung zu dezentralen, erneuerbaren Kleinkraftwerken (Wind, PV, Biogas) in den Verteilnetzen hinbewegt. Dadurch hat sich auch das Verständnis des Netzbetriebs von einer zentralen, vertikalen Energieverteilung von oben nach unten (von Höchst- zu Niederspannung) hin zu einer dezentralen und teilweise horizontalen Verteilung geändert.

Dies bringt nun insbesondere für Nieder- und Mittelspannungsnetze ganz neue Herausforderungen. Nachdem diese Netzebenen überwiegend passiv und ohne tiefgreifende Messinfrastruktur betreiben werden konnte, kommt ihnen nun eine aktive Rolle mit sehr vielen dezentralen Erzeugern und Verbrauchern zu. Speziell sind hier Hausdach-PV-Anlagen, Speichersysteme, Wärmepumpen und die Elektromobilität zu nennen. Diese Erzeuger und Verbraucher beherbergen ein enormes Potenzial, um die stark wetterabhängige, wechselhafte Erzeugung von Wind und PV bedarfsgerecht zu verbrauchen, zu speichern oder die Energie in Zeiten ohne erneuerbare Erzeugung wieder in das Netz einzuspeisen.

Um dieser Aufgabe gerecht zu werden, müssen diese Netzebenen beobachtbar und steuerbar gemacht werden. Die Gruppe dezentrale Netzautomatisierung beschäftigt sich in ihren Arbeiten mit den verschiedenen Möglichkeiten, vorhandene Betriebsmittel und Geräte optimal und effizient zu nutzen und diese im Sinne einer Betriebsführung zu automatisieren.

Mit dem Einsatz moderner KI-Methoden lassen sich beispielsweise mit einem Bruchteil der Messwerte herkömmlicher Methoden Netzzustände bestimmen. Diese bilden dann die Grundlage, um die einzelnen Komponenten des Systems miteinander zu koordinieren. Hierzu werden klassische Verfahren der Optimierung und Regelung, aber auch innovative Ansätze mithilfe von KI und probabilistischen Methoden verwendet.

Themen:

• Zustandsbestimmung und -prognose
• Koordinierung und Optimierung von dezentralen Erzeugung- und Verbraucheinheiten
• Anwendungsorientierte Nutzung von KI- und ML Methoden
• Mathematische Optimierungs- und Regelungsverfahren
• Automatisierung von Betriebsführungen