Verbundvorhaben: GNN4GC - Graph Neuronale Netze für die Netzsteuerung; Teilvorhaben: Entwicklung eines Empfehlungssystems basierend auf Graph Neuronalen Netzen und Reinforcement Learning
Zeitraum
2023-12-01 – 2026-11-30
Bewilligte Summe
1.159.300,76 EUR
Ausführende Stelle
Förderkennzeichen
03EI6117A
Leistungsplansystematik
Stromspeicher - Systemintegration [EA2382]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI4)
Förderprogramm
Energie
Übertragungsnetze spielen eine entscheidende Rolle in der Stromverteilung zwischen Staaten, Ländern und Kontinenten. Sie sind das Rückgrat der Stromversorgung und werden immer wichtiger, da die Elektrifizierung zur Erreichung einer emissionsfreien Gesellschaft zunehmend vorangetrieben wird. Allerdings stehen Übertragungsnetzbetreiber durch dezentral erzeugte erneuerbare Energien, Elektromobilität und begrenzte Investitionen in neue Infrastrukturprojekte vor Herausforderungen. Diese Faktoren führen zu Engpässen im Netz, die durch notwendige Instandhaltungsmaßnahmen im Netz zusätzlich verschärft werden können. Zur Behebung, weisen die Netzbetreiber Erzeugungsanlagen an, die Leistungsabgabe hoch- oder runterzufahren. Eine kostengünstige Alternative besteht im Ändern der Netztopologie im Netzbetrieb. Bisher wird dies kaum genutzt, da die hohe Anzahl an Schaltoptionen für Menschen schwer zu überblicken ist. Hier bieten KI-Methoden, insbesondere Graph Neural Networks (GNNs), eine Lösung. Ein Projektziel des Fraunhofer IEE ist es, durch den Einsatz von GNN-Modellen die Lastflussberechnungen zu beschleunigen und damit einen vorausschauenden Netzbetrieb durch schnellere Analysen der Netzzustände zu ermöglichen. Mit der entwickelten GNN-Lastflussapproximation will das Fraunhofer IEE als zweites Ziel einen Deep Reinforcement Learning Agenten entwickeln, der Topologieaktionen vorschlägt, um konkrete Schalthandlungen im Netz durchzuführen. Die fertigen Agenten werden dann in ein Empfehlungssystem für Netzbetreiber integriert und bei den Industriepartnern in realen Anwendungsfällen getestet. Durch den Einsatz von Explainable-AI-Methoden stellt Fraunhofer zudem sicher, dass die Methoden erklärbar und verständlich sind. In GNN4GC wird das Fraunhofer IEE gemeinsam mit den Partnern KI-Lösungen für das Energiesystem der Zukunft entwickeln, die dazu beitragen, die Energiewende zuverlässig und kosteneffizient zu bewältigen. Das Fraunhofer übernimmt die Leitung des Projektkonsortiums.