2023-12-01  –  2026-11-30

646.824,09 EUR

Universität Kassel - Fachbereich 16 Elektrotechnik/Informatik - Fachgebiet Intelligente Eingebettete Systeme, Kassel, Hessen

03EI6117B

Stromspeicher - Systemintegration [EA2382]

01259384/1  –  GNN4GC

Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)

Forschungszentrum Jülich GmbH (PT-J.ESI6)

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 zentrales Ziel der Universität Kassel im Projekt GNN4GC ist die methodische Weiterentwicklung der GNN-Lastflussapproximation und deren Pandapower-Integration. Dabei sollen die Berechnungen im Vergleich zur konventionellen Optimierung beschleunigt und gleichzeitig eine praxistaugliche Genauigkeit erreicht werden. Da GNNs auf Netzstrukturen zugeschnitten sind, eignen sie sich besonders für Stromnetze. Das zweite Hauptziel ist die Entwicklung eines Deep Reinforcement Learning (DRL) Agenten, der lernt, netzdienliche Schalthandlungen vorherzusagen. Hier wird insbesondere die methodische Entwicklung der Trainingsumgebung und des Agenten vorangetrieben. Der Agent soll in ein Empfehlungssystem überführt und in realen Anwendungsfällen bei den Industriepartnern evaluiert werden. Mit diesen Methoden will die Universität Kassel einen Beitrag zur Energiewende leisten, indem KI-Methoden entwickelt werden, die eine Anpassung an die neuen Gegebenheiten im Stromnetz ermöglichen.