Das Verbundprojekt GridAssist verfolgt das Ziel, Assistenzsysteme für eine optimierte automatisierte Systemführung in Verteilnetzen zu entwickeln. Dies soll eine höhere Integration von erneuerbaren Erzeugern in das Stromnetz ermöglichen. Hierbei werden auf die Spannungsebenen individuell zugeschnittene Lösungen entwickelt. Die Übertragbarkeit dieser Lösungen und die Erprobung der Assistenzsysteme im Feld sind zentrale Bestandteile des Projekts.
Eine ausreichende Beobachtbarkeit, stellt die Grundlage jeglicher Automatisierung in den Verteilnetzen dar. Je niedriger die Spannungsebene ist, desto geringer ist auch die Kenntnis über den aktuellen Netzzustand. In GridAssist soll daher zunächst die notwendige Beobachtbarkeit hergestellt werden. Neben der Installation von Messtechnik sind entsprechende Konzepte zu erarbeiten, wie die Messdaten am sinnvollsten bei den jeweiligen Netzbetreibern und deren Prozessen integriert werden können. Bei ausreichend installierter Mess- und Kommunikationstechnik, also gegebener Beobachtbarkeit, kann der jeweilige Netzzustand analysiert werden. Neben analytischen sollen auch datenbasierte Methoden eingesetzt werden. Aufbauend auf der Analyse des Netzzustands müssen dann durch die Assistenzsysteme Entscheidungen vorgenommen werden. Diese können von Handlungsempfehlungen für den Systemführer bis hin zu dem voll automatisierten Flexibilitätsabruf reichen.
Ein Schwerpunkt des Lehrstuhls liegt auf der Entwicklung einer embedded KI der Stationsleittechnik für das prognosebasierte Engpassmanagement in Ortsnetzstationen. Weitere Themen sind automatisiertes Engpass- und Störungsmanagement auf Basis maschineller Lernverfahren in Verteilnetzen sowie die Entwicklung eines Assistenzsystems für den Netzwiederaufbau. Außerdem beteiligt sich der Lehrstuhl für Mustererkennung (Pattern Recognition Lab) am Aufbau einer Graphendatenbank zur Vereinheitlichung hetereogener Daten.
Ansprechpartner
David Riebesel
Lehrstuhl für Elektrische Energiesysteme