{"id":102117,"date":"2024-09-27T03:02:00","date_gmt":"2024-09-27T01:02:00","guid":{"rendered":"https:\/\/www.sonnenseite.com\/?p=102117"},"modified":"2024-09-26T16:03:21","modified_gmt":"2024-09-26T14:03:21","slug":"forschende-optimieren-stromnetze-mit-ki","status":"publish","type":"post","link":"https:\/\/www.sonnenseite.com\/de\/energie\/forschende-optimieren-stromnetze-mit-ki\/","title":{"rendered":"Forschende optimieren Stromnetze mit KI"},"content":{"rendered":"\n

Ziel des Projekts ist es, den Betrieb von \u00dcbertragungsnetzen durch innovative KI-Methoden effizienter zu gestalten und damit zur Stabilit\u00e4t der Stromversorgung beizutragen.<\/p>\n\n\n\n

Forschende der Universit\u00e4t Kassel arbeiten gemeinsam mit dem Fraunhofer-Institut f\u00fcr Energiewirtschaft und Energiesystemtechnik (IEE) an einem neuen Forschungsprojekt zur Optimierung von Stromnetzen mittels k\u00fcnstlicher Intelligenz (KI). <\/p>\n\n\n\n

Angesichts des steigenden Anteils an erneuerbaren Energien in Deutschland stehen die Stromnetzbetreiber vor neuen Herausforderungen. Erzeugung und Nachfrage unterliegen zunehmenden Schwankungen, da die durch erneuerbare Quellen wie Wind und Sonne gewonnene Strommenge variiert und gleichzeitig immer mehr Haushalte dezentral Strom ins Netz einspeisen. Die Betreiber m\u00fcssen daher eine Vielzahl an Variablen ausbalancieren, um eine konstante und zuverl\u00e4ssige Versorgung zu gew\u00e4hrleisten.<\/p>\n\n\n\n

An diesem Punkt setzt das Forschungsprojekt GNN4GC (Graph Neural Networks for Grid Control) des Fachgebiets Intelligente Eingebettete Systeme der Universit\u00e4t Kassel an. \u201eUnser Ziel ist eine enge Zusammenarbeit zwischen Forschung und Industrie, um praxistaugliche L\u00f6sungen f\u00fcr diese Herausforderungen der Energiewende zu entwickeln\u201c, erkl\u00e4rt Dr. Christoph Scholz, Leiter des Projekts an der Universit\u00e4t Kassel. Das Projektteam der Uni Kassel erg\u00e4nzen au\u00dferdem Pawel Lytaev, Clara Holzh\u00fcter und Mohamed Hassouna.<\/p>\n\n\n\n

In Zusammenarbeit mit dem Fraunhofer IEE und drei \u00dcbertragungsnetzbetreibern \u2013 TenneT TSO GmbH, 50Hertz und TenneT TSO BV \u2013 entwickeln die Forschenden neue KI-basierte Ans\u00e4tze zur Optimierung der Stromnetzsteuerung. Dabei kommen unter anderem Graph Neural Networks (GNNs) und Deep Reinforcement Learning (DRL) zum Einsatz.<\/p>\n\n\n\n

Graph Neural Networks (GNNs) sind besonders leistungsf\u00e4hig bei der Analyse von Netzwerkstrukturen, wie sie auch in Stromnetzen vorkommen. Ziel der Forschung ist es, mithilfe von GNNs die Berechnung von Netzlasten zu beschleunigen und M\u00f6glichkeiten zur dynamischen Anpassung der Netztopologie w\u00e4hrend des Betriebs zu untersuchen.<\/p>\n\n\n\n

Parallel dazu wird im Projekt Deep Reinforcement Learning (DRL) eingesetzt, um selbstlernende Agenten zu entwickeln, die netzdienliche Zust\u00e4nde identifizieren k\u00f6nnen. Diese Modelle werden zun\u00e4chst in Simulationen trainiert, um potenzielle L\u00f6sungen f\u00fcr die Steuerung und Optimierung der Stromnetze zu erforschen.<\/p>\n\n\n\n

In einem ersten Schritt zur praktischen Umsetzung dieser innovativen Ans\u00e4tze konnten die Forschenden bereits vielversprechende Ergebnisse erzielen. In einer aktuellen Publikation<\/a> pr\u00e4sentieren sie einen Algorithmus, der die Identifizierung und Integration solcher Topologien in ein bestehendes Deep Reinforcement Learning Modell erm\u00f6glicht. Die Ergebnisse zeigen, dass diese Zieltopologien eine signifikante Steigerung der Resilienz des Stromnetzes bewirken k\u00f6nnen.<\/p>\n\n\n

Quelle<\/h5>\r\n\n\n\n

Universit\u00e4t Kassel -Sebastian Mense 2024<\/p>\n

Diese Meldung teilen<\/div>