details_view: 1 von 5741

 

Verbundvorhaben: AISOP – KI-gestütztes Situationsbewusstseins- und Betriebsplanungssystem für Verteilnetze; Teilvorhaben ZEDO: Anomaliedetektion

Zeitraum
2022-05-01  –  2025-04-30
Bewilligte Summe
195.298,63 EUR
Ausführende Stelle
Förderkennzeichen
03EI6071A
Leistungsplansystematik
Digitalisierung der Energiewende [EB1830]
Verbundvorhaben
01246610/1  –  AISOP
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI6)
Förderprogramm
Energie
 
AISOP zielt darauf ab, ein KI-gestütztes Entscheidungsunterstützungssystem für die Betreiber elektrischer Verteilernetze (VNBs) zu schaffen, um die Dekarbonisierung voranzutreiben, das durch fortschrittliche digitale Technologie unterstützt wird. Das Entscheidungsunterstützungssystem erfasst, verarbeitet, interpretiert und verwertet Daten auf sichere und private Weise zum Nutzen der Betriebsplanung der VNBs. In diesem Zusammenhang erweitert AISOP die datengesteuerten Techniken für eine verbesserte Betriebsplanung in Verteil-/Lokalnetzen mit hohem Erneuerbaren Energien-Anteil durch die Integration von KI/ML-basierten Lösungen, verbessertem Situationsbewusstsein und Marktanreizen. Im Rahmen des vorgeschlagenen Projekts kombinieren wir (i) Datenzugang und -aufnahme, (ii) Situationsbewusstsein im Verteilnetz, (iii) Entscheidungsunterstützung für das Verteilnetzmanagement, (iv) dynamische Tarife, (v) Integration digitaler Plattformen mit der Nutzung durch Test- und Schulungsumgebungen. Die entwickelten Lösungen werden im Rahmen von ERA-Net EXPERA verbreitet und mit Hilfe der beiden Demosites und Living Labs in der CH und DE validiert. Von Seiten des deutschen Teilprojektes liegt der Fokus auf der Entwicklung eines Entscheidungsunterstützungssystems auf der projektspezifischen Definition für einen 'Digital Process Twin'. Hierbei steht im Mittelpunkt die Verschneidung einzelner Datensilos aus unterschiedlichen Quellsystemen zu einem einheitlichen Datenraum als Data Lake. Somit kann für die darauf ansetzenden ML-Modelle sichergestellt werden, dass diese auf einer einheitlichen Datenbasis mit hoher Datenqualität basieren. Die dabei gewonnen Erkenntnisse wiederum werden in die operativen Nutzsysteme des Verteilnetzbetreiber integriert und zugänglich gemacht. Das ZEDO übernimmt die Konsortialführen für den deutschen Teil des Konsortiums und ist zuständig für die Untersuchung der wissenschaftlichen Fragestellungen im Rahmen des deutschen Teilprojektes.