Aufbau einer KI-basierten Betriebsstrategie zur Optimierung des Wärmenetzes
Ziel
Entwicklung und Implementierung von optimierten Betriebsstrategien für sektorenübergreifende Versorgungssysteme.
Lösung
Entwicklung prädiktiver Betriebsstrategien mittels Lastprognosen und KI im Rahmen des Forschungsprojekts "Optinetz Bosbüll".
Ergebnis
Im Endergebnis soll durch die prädiktive Betriebsstrategien in Kombination mit KI die Eigennutzung des erzeugten Stromes sowie der Nutzungsgrad der Wasserstoffproduktion um bis zu 20% gesteigert werden.
Ausgangssituation
Grüne und nachhaltige Energie – ein wichtiges Thema unserer Zeit. Die norddeutsche Gemeinde Bosbüll zeigt seit mehreren Jahren, wie das möglich sein kann. Der Ort betreibt zwei durch das Erneuerbare-Energien-Gesetz (EEG) geförderte Windkraftanlagen mit einer Leistung von jeweils 2 MW und mehrere Photovoltaik-Anlagen, die eine Höchstleistung von 170 kW erzeugen. Im Wärmenetz des Ortes ist zur Sicherung der Versorgung bei Spitzenlasten ebenfalls ein Gaskessel mit einer Leistung von bis 500 kW verortet. Die Förderung der Windkraft- und Photovoltaikanlagen wird jedoch Ende 2029 auslaufen. Daher bemüht sich die Gemeinde um weitere Konzepte, um das bestehende Netz wirtschaftlich zu betreiben .
Mit diesem Ziel ist das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Verbundprojekt „Optinetz Bosbüll“ entstanden. An dem Gemeinschaftsprojekt sind – neben der VIVAVIS AG und eoda – mehrere Gesellschaften und Träger beteiligt: Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE, die GP JOULE Think GmbH & Co. KG, ARGE Netz GmbH & Co. KG sowie die YADOS GmbH.
Ziel
Um auch in Zukunft die existierenden Windkraft- und Photovoltaik-Anlagen wirtschaftlich und ökologisch zu betreiben, liegt der Fokus des Verbundprojekts auf der Entwicklung und Implementierung von optimierten Betriebsstrategien für das sektorenübergreifende Versorgungssystem in Bosbüll. Mit Hilfe simulationsgestützter und prognosebasierter Regelungssysteme und unter Berücksichtigung technischer, wirtschaftlicher und regulatorischer Aspekte soll eine prädiktive Betriebsführung realisiert werden.
Unterstützt durch intelligente und lernende Software soll das System selbstständig Bedarfs- und Erzeugungsprognosen abgleichen und entsprechend ausgewählter Führungsgrößen (Emissionen, Wirtschaftlichen etc.) das System dahingehend optimieren und weitestgehend eigenständig betreiben. Die entwickelten Lösungen sollen so flexibel sein, dass sie gut auf dynamische Entwicklungen und Ereignisse eingehen können.
Lösung
Zunächst wurden in dem Projekt alle relevanten Informationen, Aspekte, Kriterien und Technologien gebündelt und eine allumfassende Datenbank generiert. Im weiteren Verlauf finden dann unterschiedliche erstellte Softwarelösungen hinsichtlich systemischer Simulationen und Prognosen Anschluss, um die Datensätze (Wettervorhersagen, Hydraulische Situationen, Bedarfs- und Verbrauchsanalysen,…) live und aktuell für die prädiktive, betriebsführende Software bereitzustellen. Auf Basis historischer Datenreihen und der Überführung des Versorgungssystems in eine virtuelle Umgebung können die erstellten Softwarelösungen live validiert oder auch unabhängig der realen Situation trainiert werden. So wird eine möglichst schnelle Prüfung und Implementierung sichergestellt und das Risiko von Fehlentscheidungen der Betriebsführung entscheidend minimiert.
Ein wesentlicher Schritt besteht darin, die Energieerzeuger und -konsumenten über Schnittstellen in eine eigens von VIVAVIS für das Projekt entwickelte Softwareplattform einzubinden. In dieser Plattform werden die unterschiedlichen Daten strukturiert, um Redundanzen sowie Anomalien und Inkonsistenzen zu vermeiden. Anschließend werden diese wiederum den Systempartnern zur Verfügung gestellt. Auf dieser Basis entwickelt eoda intelligente Algorithmen, um KI-basierte Auswertungen sowie (Bedarfs-)Prognosen zu erstellen. Gleichzeitig wurden von eoda Modelle für die Betriebsführung entwickelt, die die Leistung sowie Effizienz des Systems im Zuge der Qualitätssicherung überwachen. Die entwickelten Algorithmen sind auf Flexibilität ausgelegt, um auf dynamische Entwicklungen und Ereignisse individuell reagieren zu können.
Die Leistungsbausteine von eoda in diesem zukunftsweisenden Projekt im Überblick:
- Generierung von Lastprognosen für Strom und Wärmeerzeugung unter Verwendung von bestehenden Messdaten
- Erstellung der Lastprognosen für Strom und –Wärmeerzeugung und Validierung der Prognosemodelle
- Validierung der entwickelten Prognosemodelle sowie strukturierter Vergleich mit existierenden Marktlösungen durch Backcasting
- Ableitung von Betriebsparametern zur Optimierung als Grundlage für die Entwicklung einer vorausschauenden Regelung zur Netzentlastung
- Entwicklung prädiktiver Betriebsstrategien mittels Lastprognose und KI in der Simulationsumgebung (Vorhersagen Nutzerverhalten und Wetterprognose)
- Abbildung der Betriebsstrategien des Wärmenetzes in Bosbüll als Referenzvariante basierend auf technischen Daten und dem thermohydraulischen Simulationsmodell
- Analyse von Erzeugung- und Bedarfszeitreihen mit unterschiedlichen Szenarien und Identifikation von Potenzialen zur Sektorenkopplung
- Entwicklung der Ladestrategie in Form eines Fahrplanes für alle Erzeuger für die nächsten 48 Stunden
- Ableitung der technischen und wirtschaftlichen Anforderungen für die Sektorenkopplung
- Identifizierung der technischen und wirtschaftlichen Anforderungen für die Betriebsstrategien
- Berücksichtigung von Flexibilitätspotenzialen durch Möglichkeiten der Zwischenspeicherung von Energie in verschiedenen Sektoren
- Ableitung von Mess- und Monitoring-Konzepten
- Definition der Anforderungen zur stetigen Erfassung der Energieströme und –bedarfe für das operative Energiemanagement
- Entwicklung eines Monitoring-Konzepts zur stetigen Systemüberwachung und –regelung (IoT, Echtzeitfähigkeit, Datenhaltung,…)
- Ableitung von KPIs für das Monitoring des Gesamtsystems
- Schaffung von Kopplungsmöglichkeiten zwischen Optimierung von Betriebsführung des Wärmenetzes mit marktorientierter Nutzung der Anlagen
- Vergleich der KI-basierten prädiktiven Betriebsstrategien mit kanoischer Fahrplanoptimierung
Orange: Strom- bzw. Wärme. Blau: Datenströme
Ergebnis
Mit diesem Verbundprojekt können bestehende sektorengekoppelte Versorgungssysteme in Simulationsumgebungen überführt werden. Durch die von eoda entwickelten Algorithmen kann das System Bedarfs- und Erzeugungsprognosen abgleichen und sich anhand der definierten Leitgrößen, wie Emissionswerte, Wirtschaftlichkeit und Autarkiegrad, selbst optimieren.
Im Endergebnis soll durch die prädiktive Betriebsregelung in Kombination mit KI die Eigennutzung des erzeugten Stromes sowie der Nutzungsgrad der Wasserstoffproduktion um bis zu 20% gesteigert werden. Auch die erzwungene Abregelung der Windkraftanlagen, zu Spitzenzeiten, könnte so um fast 20% verringert werden. Gleichzeitig reduzieren sich die Emissionen bzw. CO2-Equivalente auf bis zu einem Zehntel.
Das gewählte Vorgehen soll durch seine gute Reproduzierbarkeit eine Blaupause für Versorgungssysteme in Deutschland darstellen.
Hintergrund: Leuchtturm im Bereich der erneuerbaren Energien
Nur knapp 300 EinwoherInnen aber im Bereich der erneuerbaren Energien Vorreiter in Deutschland. Zehn Kilometer vom Nordseestrand entfernt hat sich die Gemeinde Bosbüll bis zur Energie-Kommune des Monats entwickelt und ist Vorbild für eine optimierte und gleichzeitig wirtschaftliche Energieversorgung. Erhalten Sie mehr Informationen zu Bosbüll und was die Gemeinde so besonders macht.
Case Study: Wie gelingt die Einführung von Data Science bei einem Energieversorger?
Die Primeo Netz AG erschließt das Potenzial von Künstlicher Intelligenz in der Energiewende – von der Vision zum Produktiveinsatz! Wir haben sie dabei begleitet. Erfahren Sie in unserer Case Study mehr über den Weg, den Primeo gegangen ist, und die konkreten Einsatzfelder von KI zur Planung des Netzausbaus
Forschungsprojekt: Mit Digitalem Zwilling und KI zu smarten Dienstleistungen in der Solarenergie
Die Steigerung der Wirtschaftlichkeit und Nachhaltigkeit von Photovoltaiksystemen durch den Einsatz von Data Science: Das ist das Ziel des BMWi geförderten Verbundvorhabens "Digital-Twin-Solar". Erfahren Sie mehr über dieses wegweisende Projekt.
Case Study: Automatisierung des Fahrplanmanagements mittels KI
In Zeiten immer volatiler werdender Stromproduktion und – nachfrage bei gleichzeitig fortschreitender Digitalisierung der Infrastrukturen kann Künstliche Intelligenz ein zentraler Baustein für das Fahrplanmanagement der Zukunft sein. Die Data-Science-Experten von eoda haben die Entwicklung des KI-Systems für die automatisierte Erstellung des Fahrplans beim Elektrizitätswerk Ursern übernommen.