FIAS-Forschende entwickeln Technologie, um den Einsatz erneuerbarer Energien im Netz zu stabilisieren.
Die zunehmenden Anteile von Sonnen- und Windenergie erschweren eine stabile Stromversorgung. Diese wetterabhängigen Schwankungen gleicht ein hochmodernes KI-System aus, das Forschende des FIAS entwickelten. Es gewährleistet eine effiziente und zuverlässige Verteilung von Strom aus Quellen wie Sonne und Wind, um den Energiebedarf auch bei veränderlichen Wetterbedingungen zu decken und gleichzeitig die Kosten zu minimieren.
In einer bahnbrechenden Studie präsentiert Doktorand Chen Li unter Leitung von FIAS-Fellow Kai Zhou eine neue KI-Technologie, die den Einsatz erneuerbarer Energien in das Stromnetz revolutionieren könnte, denn die Integration erneuerbarer Energiequellen wie Wind- und Sonnenenergie ist nicht ganz einfach. Wetterveränderungen wirken sich schnell auf die Stromerzeugung aus und machen häufige Anpassungen des Stromnetzes erforderlich.
Beispielsweise verursacht schon eine einzige Wolke über einer Photovoltaik-Anlage starke Stromschwankungen innerhalb kürzester Zeit. Herkömmliche Anwendungen sind von dieser Variabilität überfordert, insbesondere große Energiesysteme.
Das FIAS-Forschungsteam entwickelte eine hochmoderne, physikalisch fundierte Methode des maschinellen Lernens, die sich schnell an veränderte Bedingungen anpassen kann und damit ideal für Echtzeitanwendungen ist. Auf der Grundlage von Stromnachfrage und Wettermuster bietet das System eine Lösung zum umgehenden Ausgleich der Schwankungen.
Grundlage sind neuartige neurale Netzwerke, die auf grafischen Daten zu Wetter und Energiebedarf beruhen, die »Graph-Attention-Networks«. Sie identifizieren die Schlüsselknoten im Stromnetz, die das Muster der Stromabgabe maßgeblich beeinflussen.
Die aktuelle Veröffentlichung zeigt die Überlegenheit dieser Methode gegenüber bestehenden datengesteuerten Techniken in zwei unterschiedlich großen Szenarien für erneuerbare Energiesysteme. Der neue Ansatz liefert nicht nur schnelle und praktikable Lösungen, sondern ermöglicht auch die Interpretierbarkeit, die für Verständnis und Vertrauen in KI-basierte Systeme entscheidend ist.
Noch befindet sich diese Technologie in einem frühen Stadium. Sie wurde hauptsächlich in kleinen und mittelgroßen Stromnetzen getestet. „Sie kann die modernen Energiesysteme verändern“, ist Chen Li überzeugt: „Sie ermöglicht die nahtlose Integration von dezentralen Energiequellen ins Netz, also vor allem Solarzellen und Windturbinen“. Dadurch werden erneuerbare Energien zuverlässiger und leichter einsetzbar.
Das System verbessert die Effizienz, Zuverlässigkeit und Nachhaltigkeit der Stromverteilung und ermöglicht ein intelligentes Management sowie eine regelmäßige Anpassung des Stromnetzes. Darüber hinaus schafft es die Grundlage für eine wirtschaftliche Optimierung, indem es physikalische Faktoren und die Dynamik des Energiemarkts berücksichtigt.
Publikation: Chen Li, Alexander Kies, Kai Zhou, Markus Schlott, Omar El Sayed, Mariia Bilousova, Horst Stoecker, Optimal Power Flow in a Highly Renewable Power System Based on Attention Neural Networks, Applied Energy 359 (2024) 122779, https://doi.org/10.1016/j.apenergy.2024.122779
Abbildung: Stromerzeugung und Stromübertragung im europäischen Stromnetzmodell mit 33 Verteilungsknoten. Der KI-Ansatz von Chen Li et al. verknüpft die Stromerzeugung aus verschiedenen Quellen, einschließlich konventioneller und erneuerbarer Ressourcen (Tortendiagramme an verschiedenen Orten), sowie die Stromübertragung (Pfeile, die die Tortendiagramme miteinander verbinden) und stellt umgehend sicher, dass der Strombedarf überall auf der Grundlage der eingegebenen Wetterbedingungen gedeckt ist.
