Projekte

Das Projekt AGISTIN (Advanced Grid Interface for innovative Storage Integration) treibt die Entwicklung von Netzintegrationsarchitekturen für Energiespeicher mit am gleichen Standort befindlicher Erneuerbarer Erzeugung und DC-Endverbrauch voran. Dies schließt den Ansatz der DC-Kopplung ein, der bei aktuellen PV+Speicher-Hybridsystemen zum Einsatz kommt, erweitert ihn um Endnutzer und Systemintegratoren sowie hybride Netzkopplungs-Ansätze. Mit einer optimierten gemeinsamen Netzkopplung können industrieller Netznutzer von verringertem Hardwareeinsatz, verringerten Kosten, verbesserter betrieblicher Effizienz und Flexibilität im Vergleich zu reinem AC-Parallelbetrieb profitieren.

Weitere Informationen zum Projekt:

• Projektwebseite
• Pressemitteilung zum Projektstart
• The Influence of Grid-Forming Loads on Transient Stability
  Dieses Paper wurde auf dem 22nd Wind & Solar Integration Workshop (2023) vorgestellt und im Tagungsband des Workshops veröffentlicht.

Der Umfang von AI4REALNET umfasst die Perspektive KI-basierter Lösungen für kritische Systeme (Strom-, Eisenbahn- und Flugverkehrsmanagement), die durch Netzwerke modelliert werden, die simuliert werden können und traditionell von Menschen betrieben werden, und bei denen KI-Systeme die menschlichen Fähigkeiten ergänzen und erweitern. Es verfolgt zwei strategische Hauptziele: 1) die Entwicklung der nächsten Generation von Entscheidungsmethoden auf der Grundlage von Supervised und Reinforcement Learning, die auf Vertrauenswürdigkeit bei der KI-gestützten menschlichen Kontrolle mit erweiterter Kognition, hybridem Mensch-KI-Co-Learning und autonomer KI abzielen; und 2) Förderung der Entwicklung und Validierung neuartiger KI-Algorithmen durch das Konsortium und die KI-Gemeinschaft durch bestehende digitale Open-Source-Umgebungen, die in der Lage sind, realistische Szenarien des Betriebs physischer Systeme und der menschlichen Entscheidungsfindung zu emulieren.
Die Kernelemente sind: a) KI-Algorithmen, die hauptsächlich aus Supervised und Reinforcement Learning bestehen und die Vorteile bestehender Heuristiken, physikalischer Modellierung dieser komplexen Systeme und Lernmethoden vereinen, sowie eine Reihe ergänzender Techniken zur Verbesserung von Transparenz, Sicherheit und Erklärbarkeit und menschliche Akzeptanz; b) Human-in-the-Loop Entscheidungsfindung für gemeinsames Lernen zwischen KI und Menschen unter Berücksichtigung der Integration von Modellunsicherheit, menschlicher kognitiver Belastung und Vertrauen; c) autonome KI-Systeme, die auf menschlicher Aufsicht basieren und in menschliches Wissen und Sicherheitsregeln eingebettet sind.
Das AI4REALNET-Framework wird in 6 Anwendungsfällen validiert, die auf Branchenanforderungen basieren, und zwar über 3 Netzwerkinfrastrukturen mit gemeinsamen Eigenschaften. Die Anwendungsfälle konzentrieren sich auf kritische Herausforderungen und Aufgaben von Netzbetreibern unter Berücksichtigung strategischer langfristiger Ziele wie Dekarbonisierung, Digitalisierung und Widerstandsfähigkeit gegenüber Störungen und werden in einem einheitlichen sequentiellen Entscheidungsproblem formuliert, das viele KI- und Nicht-KI-Algorithmen erfüllen können angewendet und bewertet werden.

Weitere Informationen zum Projekt:

• Projektwebseite

Ziel des Projekts ANaPlanPlus ist die Identifikation von Optimierungspotenzialen im Bereich der Energienetze unter Berücksichtigung neuer Freiheitsgrade aus der sparten- und sektorenübergreifenden Betrachtung. Kernelement ist eine Methodik zur integralen Infrastrukturplanung, um die Anpassung von Versorgungsnetzen für Strom, Erdgas sowie Biomethan und Wasserstoff an komplexe Zukunftsszenarien mit digitaler Unterstützung beherrschbar zu machen.

Das wissenschaftliche Ziel des Vorhabens DeV-KopSys-2 ist es, vor dem Hintergrund der Wechselwirkungen der Dekarbonisierung in des Verkehrssektors mit anderen Entwicklungen die Rolle einzelner Technologieoptionen (z. B. Elektromobilität, PtX-Kraftstoffe) zur Erreichung der Klimaziele im Verkehr mithilfe modellbasierter Szenarien zu untersuchen. Von besonderem Interesse sind Bandbreiten globaler PtX-Exportpotenziale bis zum Jahr 2045/2050, Rahmenbedingungen des Strom- und Gasmarktes auf europäischer Ebene und der Ausbau der Stromnetze in Deutschland in Hinblick auf Elektromobilität und den Ausbau Erneuerbarer Energien auf regionaler Ebene.

Weitere Informationen zum Projekt:

• Projektwebseite

Der technische Fortschritt bei der Produktion von elektrischer Energie in Offshore-Anlagen führt zu deutlich niedrigeren Bau- und Betriebskosten. In der geplanten Dissertation werden verschiedene Aspekte und Optionen für die zukünftige Nutzung des Offshore-Energiepotenzials der Nordsee untersucht. Der technische Umfang des Projekts wird die Erzeugung elektrischer Energie, den Transport über Gleichstromnetze und die Umwandlung in Wasserstoff umfassen. Konkret werden das technische Potenzial und die wirtschaftlichen Rahmenbedingungen für die folgenden Szenarien untersucht und verglichen. Anschließend werden die einzelnen Szenarien vergleichend bewertet und Empfehlungen für den weiteren Ausbau der bestehenden Energiesysteme und den Forschungs- und Entwicklungsbedarf abgeleitet.

Das Projekt InterACDC zielt ab, potenzielle unerwünschte Wechselwirkungen zwischen wechselrichtergekoppelten Energieerzeugungsanlagen (EZA), Synchronmaschinen (SM), und Gleichstromübertragungssystemen (HGÜ) unter Berücksichtigung der bidirektionalen dynamischen AC-DC-Kopplung von HGÜ zu identifizieren, indem es:

1. ein vollständigeres Systemmodell erstellt,
2. die Anwendbarkeit bestehender Stabilitätsanalysemethoden für die Stabilitätsbewertung zukünftiger hybrider AC/DC-Netze untersucht,
3. die erforderlichen Verbesserungen an der vielversprechendsten Analysemethode entwickelt,
4. die Stabilitätsauswirkungen verschiedener HGÜ- und EZA-Regelungsverfahren untersucht, die in netzfolgende, netzbildende usw. eingeteilt werden können und
5. bidirektionale dynamische AC-DC-Kopplungsindikatoren entwickelt und ihre Auswirkungen auf die Stabilität analysiert. Die Analyseergebnisse werden durch Zeitbereichsstimulationen und Labortests validiert.

In diversen Studien zur Analyse und Planung von Energiesystemen, Netzen, Erneuerbare-Energien-Anlagen, Betriebsführungsstrategien und Energiemärkten werden Wettermodelldaten als Eingang für Simulationsmodelle benötigt. Die eingesetzten Daten und ihre Genauigkeit haben somit einen direkten Einfluss auf die Ergebnisse, anschließende Maßnahmen und energiewirtschaftliche Entwicklungspfade. Oftmals werden verschiedene Wettermodelldaten und Verarbeitungsmethoden eingesetzt, was dazu führt, dass systemanalytische Ergebnisse nur bedingt interpretierbar, transparent, nachvollziehbar und untereinander vergleichbar sind. Zudem haben verschiedene Studien und Experteninterviews gezeigt, dass die aktuell eingesetzten Modelldaten aus Anwendersicht noch deutliche Schwachstellen aufweisen.
Das übergeordnete Ziel des Projektes umfasst die Erstellung eines neuen, anwenderfreundlichen, offenen, optimierten und hochaufgelösten meteorologischen Datensatzes für Deutschland sowie dessen Etablierung als meteorologischer Standarddatensatz innerhalb der Systemanalyse und Energiewirtschaft. Die Daten sollen 15-Jahres-Zeitreihen in einer Auflösung von 250 x 250 m umfassen und alle für die Systemanalyse relevanten Größen (Wind, Globalstrahlung, Temperatur usw.) beinhalten. Zusätzlich wird eine Bereitstellung von Informationen der zeitlichen und räumlichen Unsicherheit der meteorologischen Zeitreihen angestrebt.
Durch eine frühzeitige Nutzereinbindung wird die Entwicklung des Datensatzes entsprechend der Nutzeranforderungen sichergestellt. Für die technische Umsetzung werden neue Ansätze aus dem Bereich des Wettermodell-Reanalyse-Ensembles, aber auch die Anwendung von strömungsmechanischen, statistischen und Machine-Learning-Verfahren eingesetzt. Projektabschließend wird der neue Datensatz von erfahrenen Systemanalytikern evaluiert, um dessen Nutzen zu demonstrieren und ein Verständnis für die Sensitivität von systemanalytischen Fragestellungen hinsichtlich der Wetterdaten zu analysieren.

Das übergeordnete Ziel des "OASES" Projekts ist die Entwicklung und Demonstration eines nachhaltigen AU-EU-Ökosystems für die Modellierung von Energiesystemen auf der Grundlage von Open-Source-Software und frei zugänglichen Daten. Das Projekt wird benutzerfreundliche Modellierungsabläufe für verschiedene räumliche Maßstäbe entwickeln. Die Arbeitsabläufe werden die im Projekt entwickelten EE-Daten sowie Daten und Werkzeuge aus anderen etablierten Vorhaben (z. B. die Initiative "PyPSA meets Africa") nutzen. Die Arbeitsabläufe werden in sechs energiewirtschaftlichen Fallstudien mit unterschiedlichem Umfang demonstriert, die mit dem Code, den Daten, den Tutorials und der Dokumentation des Projekts repliziert werden können. Auf diese Weise ermöglicht das Projekt lokalen Akteuren, die für ihre Bedürfnisse relevanten Analysen von Energiesystemen zu erlernen und selbstständig durchzuführen.
Das Fachgebiet e2n der Universität Kassel werden frei zugängliche Tools entwickeln, um (1) bereits installierte Windenergie- und Photovoltaik-(PV)-Anlagen mithilfe von Satellitenbildern, digitalen Orthofotos und Machine-Learning-Ansätzen zu erkennen und (2) um die Ressourcenbewertung, die räumliche Verteilung neuer Wind- und PV-Anlagen und die Erstellung von Zeitreihen zu unterstützen.

Das Projekt "OwnPV-Outlook - PV-Eigenstrom als effizientes, nachhaltiges und robustes Element des zukünftigen Energiesystems" soll die Einbindung und Entwicklung von PV-Eigenstromsystemen in das zukünftige Energiesystem untersuchen und bewerten. Das Projekt dient als Evaluation der möglichen und wahrscheinlichen Ausgestaltung der zukünftigen Rahmenbedingungen, des wirtschaftlich nutzbaren Potenzials und den Auswirkungen von PV-Eigenstromsystemen unter Beachtung der aktuellen politischen Diskussion. Ziel ist es, diese Bandbreite einzugrenzen durch Ermittlung einer energetisch und ökonomisch effizienten und damit nachhaltigen Einbindung von PV-Eigenstrom in das Energiesystem unter Berücksichtigung der technologischen Innovationskraft in den verschiedensten PV-Anwendungsfällen.

Das Projekt „Redispatch 3.0“ soll die Integration von Anlagen aus der Niederspannung sowie die Zusammenarbeit und den Informationsaustausch zwischen VNB und mit ÜNB verbessern und den Redispatch 2.0 weiterentwickeln. Ziele sind höhere Anteile erneuerbarer Energien durch eine höhere Auslastung in den Stromnetzen, Senken von Betriebs- und Investitionskosten bei VNB sowie die Förderung netzdienlicher Beiträge dezentraler Anlagen, insbesondere in der Bereitstellung von Systemdienstleistungen. Dazu gehört auch die Erforschung von echtzeitfähigen und resilienten Digitalisierungskonzepten als Voraussetzung für reaktive Netzführung. In dem Rahmen des Teilprojekts entwickelt das Fachgebiet Energiemanagement und Betrieb elektrischer Netze (e2n) der Universität Kassel für die reaktive Netzbetriebsführung in Echtzeit geeignete Optimierungswerkzeuge. Diese sollen zum Einsatz kommen, wenn ein Engpass aufgrund von Prognoseunsicherheiten noch nicht von der Betriebsplanung präventiv behoben werden konnte. Dafür müssen für jede Spannungsebene jeweils geeignete Optimierungsalgorithmen entwickelt werden, wobei der Schwerpunkt auf der Nieder- und Mittelspannungsebene liegen soll. Die Optimierungen auf den einzelnen Spannungsebenen sind effizient spannungsebenenübergreifend zu koordinieren mit möglichst geringem Datenaustausch zwischen den Spannungsebenen.

Ziel des Vorhabens ist die Analyse und Verbesserung der Robustheit (=Resilienz) des verteilten, multimodalen und intelligenten Energiesystems. Betrachtungsfokus ist das elektrische Energiesystem, das in seinem Betrieb stark von Informations- und Kommunikationslösungen abhängt und das mit dem Gas- und Wärmeversorgungsnetz gekoppelt ist. Die Modellierung dieses komplexen Systems muss möglichst effizient umgesetzt werden, indem nur die besonders relevanten Aspekte der Resilienz berücksichtigt werden. Dies ist notwendig, damit die Computergestützten Simulationen mit ihrer hohen Rechenkomplexität durchgeführt werden können. Deshalb schlagen wir folgende methodische Ansätze vor: Beschreibung der Subsysteme und Verbindungsglieder als Services, Abstrahierung in "stoachastic activity networks", Modellierung als interoperable Agenten, sowie der Einsatz von Mehrebenenoptimierung zur analytischen Identifikation von Resilienz-relevanten Modellierungsparametern sowie von Herausforderungen.

Zu den Zielen des Projektes RobustPlan zählen zum einen, Rückkopplungen zwischen regionaler Erzeugung, Energiemärkten und Netz iterativ bewerten zu können. Dies umfasst auch Rückkopplungen zwischen dem Einsatz von Flexibilitäten am Strommarkt und deren Opportunitätskosten. Die Modellierung betrieblicher Maßnahmen zur Berücksichtigung dieser Freiheitsgrade in der Netzausbauplanung stellt ein weiteres Kernziel des Projektes dar. Bestehende Ansätze zum Einsatz maschinellen Lernens sollen dafür weiterentwickelt und mit den Inputs der Partner zusammengebracht werden. Auch im Bereich der netzplanerischen Freiheitsgrade sollen bestehende Ansätze erweitert und in das im Rahmen von RobustPlan entstehende Optimierungsframework integriert werden. Um den Anlageneinsatz und Netzbetrieb optimal aufeinander abzustimmen, sollen standardisierte Schnittstellen entstehen, die eine kombinierte Optimierung ermöglichen. Die gekoppelte Markt- und Netzsimulation soll außerdem für verschiedenen Szenarien und den Abgleich von Ergebnissen mit öffentlich verfügbaren Daten geeignet sein.

SENERGY NETS zielt darauf ab, die technische und wirtschaftliche Fähigkeit von Multi-Energie-Systemen zur Dekarbonisierung der Sektoren Wärme und Kälte, Strom und Gas durch lokal erzeugte erneuerbare Energiequellen sowie die Sektorintegration zu demonstrieren, indem es sich vor allem auf vielversprechende Infrastruktur- und Geschäftsmodelle konzentriert.
Zu diesem Zweck wird SENERGY NETS eine Reihe von Instrumenten und Plattformen (bis TRL7/8) entwickeln, die darauf abzielen, die Planung von Fernwärme und Fernkälte sowie von Verteilnetzen unter Berücksichtigung der Sektorkopplung zu optimieren und die Bereitstellung von Flexibilitätsdiensten für Verteiler- und Übertragungsnetzbetreiber zu ermöglichen.
Diese Lösungen werden an drei Pilotstandorten in Mailand (IT), Ljubljana (SI) und Paris (FR) implementiert und ihre Replizierbarkeit in zwei weiteren realen Fallstudien getestet, die alternative klimatische, wirtschaftliche und geografische Bedingungen in Västerås (SW) und Cordoba (ES) vorstellen.
Die SENERGY NETS-Lösungen werden an die Hauptakteure in den verschiedenen Phasen der Projektentwicklung mit Sektorkopplung angepasst: Langfristige Planung, Design und Simulation, Betriebsplanung, Valorisierung, Bewertung und Replikation.
Das Projekt wird den Nutzen durch eine konsolidierte Methodik bewerten, die entwickelt wurde, um den Gesamtwert der Sektorintegration auf der Grundlage der aktuellen Wirtschafts-, Regulierungs- und Marktregeln abzuschätzen und die Auswirkungen auf das europäische Stromsystem zu bewerten.
SENERGY NETS stützt sich auf ein starkes transdisziplinäres Konsortium aus 17 Organisationen in sieben europäischen Ländern, an denen renommierte Experten von Behörden, Infrastrukturanbietern, Forschungseinrichtungen, Unternehmern und Verbraucherverbänden beteiligt sind.
Insgesamt werden sie das notwendige Wissen, die Expertise und die Kapazitäten bereitstellen, um die entwickelten Instrumente und Dienstleistungen zu demonstrieren und zu bewerten, die die Integration von Multi-Energie-Systemen ermöglichen, um dem Stromsystem Flexibilität zu verleihen und letztendlich die Dekarbonisierung des Energiesystems zu ermöglichen.

Weitere Informationen zum Projekt

• Projektwebseite

Ziel der Universität Kassel Fachgebiete e2n ist es ein KI-OPF zu entwickeln, welcher die Flexibilitätsbestimmung mit Berücksichtigung von Unsicherheiten aus Prognosen/Fahrplänen, Anlagen mit lokaler Q-Regelung, regulatorischer/netztechnischer Bedingungen wie z.B. N-1 Netzsicherheit, Schutzkonfigurationen und ggf. Kosten von Q-Beschaffungsprozessen realisieren kann. Der OPF soll in der Lage sein, den Q-Flexibilitätsbereich seitens VNB zu bestimmen als auch bei Q-Bedarf an den Netzverknüpfungspunkten die Q-Vorgaben sowie die Kennlinien Parameter für einzelnen Anlage bzw. Netzcluster zu bestimmen.  Die Unsicherheit aus day-ahead/kurzfristigen Prognosen und Messungen wird durch einer zu entwickelnder KI-basierten Methode bewertet werden und wird mit dem KI-OPF gekoppelt. Die Funktionalität der entwickelten Methode wird ferner in Simulation und Feldtest-Kontext zu verifizieren und in den Onlinebetrieb der Flexibilitätsplattform zu bringen sein.

Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z. B. Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Die Universität Kassel fokussiert sich im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Langzeitkorrektur von Kurzzeitwindmessungen mittels Methoden von künstlicher Intelligenz und die verbesserte Abschätzung der Designwindbedingungen.

Das BMBF-Leitprojekt TransHyDE verfolgt das gemeinsame, übergeordnete Ziel, konsistente modellbasierte Beschreibungen möglicher Wasserstofftransport-Entwicklungsperspektiven mit Hilfe von Szenarien abzubilden. Hierzu werden zwei komplementäre Ansätze verfolgt: Ein Stakeholder-getriebener Ansatz und ein unabhängiger systemischen Ansatz, der die Infrastrukturentwicklung mit Schwerpunkt auf grünen Wasserstoff aus dem Ansatz einer volkswirtschaftlichen Kostenminimierung betrachtet.
Die Arbeiten des Fachgebiets e²n konzentrieren sich auf die Analyse von systemischen Wechselwirkungen zwischen der Wasserstoff- und Stromnetzinfrastruktur. Insbesondere die Infrastrukturrückwirkungen von Elektrolyseurstandorten werden eingehend mit verschiedenen Optimierungsmodellen untersucht.