02.07.2024 – Das Forschungsprojekt SyLas-KI hat eine neue KI-Anwendung entwickelt, mit der sich hochaufgelöste synthetische Lastzeitreihen für unterschiedliche Verbraucherprofile erstellen lassen. So kann die durch Prosumer und Lastenverschiebungen ausgelöste steigende Komplexität der Netzprozesse besser abgebildet werden.
Das Forschungsprojekt SyLas-KI zeigt den Nutzen KI-basierter synthetischer Lastzeitreihen für die Netzzustandsschätzungen. (Bild: Das Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE)
Egal ob Netzregelung und -planung, Betriebsführung von Photovoltaikanlagen oder Speicherauslegung: Alle diese Aufgaben verlangen Lastzeitreihen, die den zunehmend dynamischen Verbrauch vieler Haushalte weitaus genauer abbilden als die gängigen Standardlastprofile. Hier versucht das Forschungsprojekt SyLas-KI – eine Kooperation des Fraunhofer IEE, der Universität Kassel, der Universität Göttingen, dem Unternehmen Green Excellence sowie Avacon Netz und Stromnetz Hamburg – eine praktikable Lösung anzubieten.
Reaktion auf Lastverschiebungen, PV und Speicher
Mit dem Umstieg auf Elektrofahrzeuge und Wärmepumpen nimmt die Zahl flexibler Verbraucher im Energiesystem stark zu. Dynamische Tarife und regulatorische Vorgaben sorgen zudem dafür, dass die Lasten mehr und mehr in Zeiten niedriger Strompreise verschoben werden. Zeitgleich wächst die Zahl der Haushalte mit Photovoltaikanlagen – wobei viele PV-Besitzer:innen ihre Solarsysteme mit einem Batteriespeicher ergänzen.
Die Folgen dieser Entwicklungen sind absehbar: Das reale Verbrauchsverhalten solcher Haushalte weicht immer weiter von denjenigen Standardlastprofilen ab, die derzeit noch für die Netzregelung oder die Betriebsführung von Erneuerbare-Energien-Anlagen verwendet werden. Die gängigen Standardlastprofile basieren auf aggregierten generischen Verbrauchern – und können daher die zunehmend variablen Nutzerverhalten vieler Haushalte nicht mehr angemessen abbilden.
„Angesichts der wachsenden Verbreitung von Photovoltaikanlagen, Speichern, Wärmepumpen und Wallboxen kommen die Standardlastprofile an ihre Grenzen.“, bestätigt Dominik Jost, Projektleiter am Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik (IEE). „Hier setzt unser Forschungsprojekt an: Unsere KI-gestützten Verfahren generieren die nötige Datenbasis für zahlreiche Optimierungs- und Prognoseaufgaben – und das strikt DSGVO-konform.“, führt Dominik Jost weiter aus.
KI-Test erfolgreich
Die vom Projekt SyLas-KI entwickelte Anwendung erstellt realistische synthetische Lastzeitreihen für eine Vielzahl unterschiedlicher Haushaltstypen. Die für zahlreiche Aufgaben eingesetzten Prognose- und Optimierungsverfahren erhalten somit eine bessere Datenbasis, die der Dynamik bei den Verbräuchen eher gerecht wird.
Trainiert wurde das vom SyLas-KI-Team entwickelte System unter anderem mit Daten der Datenplattform openMeter, die eine große Anzahl an Messungen des Verbrauchs deutscher Haushalte enthalten. Die auf dieser Datenbasis erzeugten synthetischen Lastzeitreihen ermöglichen daher keine eindeutige Rückidentifizierung einzelner Verbraucher und sind somit DSVGO-konform.
Abschließend haben die Expertinnen und Experten die Qualität des Verfahrens am Beispiel einer Netzzustandsschätzung überprüft. Anstatt der bisher verwendeten Standardlastprofile wurden im konkreten Anwendungsfall (use case) synthetische Lastzeitreihen als Input für die KI-gestützte Netzzustandsschätzung verwendet. Im Resultat konnte so eine deutlich höhere Genauigkeit gegenüber der herkömmlichen Vorgehensweise erzielt werden. (cp)