Verbundvorhaben: NeuralPower - Ein ganzheitlicher Ansatz der Zuordnung und Prognose von Energiebedarfen sowie Steuerung des Verbrauchs unter Nutzung künstlicher Intelligenz; Teilvorhaben: Softwarearchitekturen für die Erklärbarkeit von KI Methoden und Anwendungen in Smart Energy Systemen
Zeitraum
2020-08-01 – 2024-07-31
Bewilligte Summe
543.007,00 EUR
Ausführende Stelle
Förderkennzeichen
03EI6032C
Leistungsplansystematik
Integration von Flexibilitäten [EB1813]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI6)
Förderprogramm
Energie
In dem Projekt Neual Power soll ein ganzheitlicher Ansatz selbstlernender Systeme, basierend auf KI-Technologien, entwickelt werden, der es erlaubt durch interdisziplinäres Zusammenwirken ein Modell einer Platformökonomie aufzubauen. Dazu wird als erstes Anwendungsfeld das dynamische Bündeln von flexiblen Verbrauchern zur Aufwertung virtueller Kraftwerke analysiert. Das InES beschäftigt sich dabei mit der Forschung im Bereich KI und Machine Learning sowie der Entwicklung von Data Science Technologien für IoT-Energieinfrastrukturen. Dabei liegt der Fokus auf der Erforschung und Weiterentwicklung von adaptiven Machine Learning Algorithmen. Adaptive Machine Learning Algorithmen können durch eine hohe Robustheit, auch wenn sehr unterschiedliche Datenbasen vorliegen, optimale Prognosen generieren. Hierbei soll zusätzlich eine hohe Erklärbarkeit der entwickelten Modelle sichergestellt werden, sodass Entscheidungen und Prognosen möglichst genau analysiert und nachvollzogen werden können. Zudem sollen durch Machine Learning Algorithmen die Stromverbräuche disaggregiert werden, wodurch Erkenntnisse über die Verfügbarkeit von Pufferkapazitäten gewonnen werden.