Auswirkungen des Klimawandels auf die Energieinfrastruktur

Die durch den Klimawandel verursachten steigenden Temperaturen und die Zunahme von Kälteperioden erhöhen die Nachfrage nach Strom für Klimaanlagen und elektrische Heizsysteme. Gleichzeitig nimmt die Auslastung der Infrastruktur durch die Elektrifizierung vieler Sektoren zu. Erneuerbare Energiequellen sind ein wichtiges Instrument im Kampf gegen den Klimawandel. Ihre Erzeugungskapazität ist jedoch von den Wetterbedingungen abhängig. Dies führt zu ständig wachsenden Herausforderungen für die Energieinfrastruktur: hohe und schnell wechselnde Auslastung der Betriebsmittel, mögliche Verletzungen des vorgegebenen Spannungsbandes oder Abweichungen der Netzfrequenz.

Notwendigkeit eines umfassenden Monitorings in Niederspannungs-Verteilnetzen

Ein umfassendes Monitoring der Infrastrukturauslastung, präzise Erzeugungs- und Verbrauchsprognosen und die Kenntnis des Flexibilitätspotenzials der Teilnehmer sind Grundvoraussetzungen für die Aufrechterhaltung eines belastbaren Netzbetriebs. Allerdings werden die meisten Niederspannungs-Verteilnetze derzeit nicht oder nur in geringem Umfang durch eine Messinfrastruktur überwacht, und Smart-Meter-Daten von Kunden oder lokale Informationen über Erzeugung und Verbrauch sowie relevante physikalische Größen sind nur in begrenztem Umfang verfügbar.

Potenzial der künstlichen Intelligenz im Energiesystem

Aufgrund der Komplexität des Systems, der hohen Anzahl der Teilnehmer, ihrer Volatilität und der großen Datenmengen stellen insbesondere Methoden aus dem Bereich der künstlichen Intelligenz (KI) ein enormes Potenzial für den Einsatz im Energiesystem dar. Sie können helfen, zusätzliche Informationen für Betriebs- und Steuerungsvorgaben in Echtzeit zu generieren und so die Effizienz und Zuverlässigkeit des Systems zu verbessern, den Einsatz erneuerbarer Technologien zu erhöhen und die Elektrifizierung verschiedener Sektoren zu unterstützen.

KI-basierte Methoden zur Optimierung der Verteilungsnetze

INFRADAPT entwickelt auf maschinellem Lernen basierende Methoden zur optimalen bzw. maximalen Ausnutzung vorhandener Kapazitäten in Niederspannungs-Verteilungsnetzen. Dabei werden die Auswirkungen des Klimawandels auf die Energieinfrastruktur und eine gerechte Verteilung der Kapazitäten berücksichtigt. Die Verfahren werden für den universellen Einsatz in Echtzeit entwickelt und trainiert und können somit unabhängig von der Netztopologie eingesetzt werden. Dies umfasst die Entwicklung und Validierung (technisch und wirtschaftlich) von Methoden für i) die optimale Platzierung und Dimensionierung von Messinfrastruktur in Niederspannungsnetzen und ii) ein topologieunabhängiges Kapazitätsmanagement, das die verfügbaren Netzressourcen auf der Grundlage von Messverfahren, KI-basierten Schätzungen und KI-basierten Lastflussmethoden zuweist.

Dieses Projekt wird vom Klima- und Energiefonds gefördert und im Rahmen des Programms „Energieforschung 2022“ durchgeführt.