Verbundvorhaben: Windstore - Optimierte Systemintegration von Offshore-Windenergie mittels intelligenter Verknüpfung verschiedener Prognosekonzepte und vorausschauendem Management von verteilten Kaskadenspeichern; Teilvorhaben: Optimales Management von Speicherkaskaden mit Ensemble-Vorhersagen
Zeitraum
2024-01-01 – 2026-12-31
Bewilligte Summe
703.537,99 EUR
Ausführende Stelle
Förderkennzeichen
03EI1065A
Leistungsplansystematik
Querschnittsaufgaben - Systemanalyse [EA3310]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI1)
Förderprogramm
Energie
Der geplante massive Ausbau der Offshore-Windenergie stellt das Energiesystem vor wachsende Herausforderungen. Die großen Offshore-Windparks erzeugen zeitweise enorme Leistungen auf relativ kleiner Fläche. Dies führt bereits heute zu häufigen Engpasssituationen im Stromnetz, da diese vom Stromnetz nicht aufgenommen werden können. Aufgrund der hohen Volatilität und der hohen Leistungsausbeute der Offshore-Windparks führen Prognosefehler sehr häufig zu großen 'Fahrplanabweichungen', die von verschiedenen Akteuren wie Netzbetreibern und Stromhändlern aufwändig und oft kurzfristig mit teurer Reserveleistung ausgeglichen werden müssen. Um diese Schwankungen und Fehler zu glätten, werden zukünftig insbesondere probabilistische Prognosen, die die Unsicherheiten des Wettergeschehens berücksichtigen, eine zentrale Rolle bei der Planung und dem Einsatz verschiedener Flexibilitätsoptionen und Speicherkonzepte spielen. In diesem Teilprojekt wird ein neuartiges Konzept für ein prognosebasiertes Speichermanagement entwickelt und analysiert. Dieses soll große Prognosefehler und großräumige Leistungsschwankungen frühzeitig erkennen, durch verteilte Batteriespeicher und Elektrolyseure ausgleichen und die verbleibende Restunsicherheit für eine optimale Planung der Flexibilitäten quantifizieren. Ziel ist es, die Offshore-Windenergie optimal im Energiesystem zu nutzen und Systemrisiken durch große Fluktuationen zu reduzieren. Erstmals werden Methoden der Künstlichen Intelligenz eingesetzt, um durch Ensemblevorhersagen risikobehaftete Unsicherheiten in der Prognose der Offshore-Windenergie frühzeitig zu erkennen und damit Batteriespeicher und Elektrolyseure optimal zu betreiben, um die Auslastung der Stromnetze zu verbessern. Das Ergebnis ist ein optimiertes Design eines prognosebasierten Kaskadenspeicherkonzepts und Speichermanagements für erneuerbare Energien, dessen Funktionsprinzip in einem Feldtest demonstriert wird.