Wolkenkamera-Netzwerk Eye2Sky
Mit Eye2Sky können Kurzfristvorhersagen zur Sonneneinstrahlung in einzigartiger räumlicher und zeitlicher Auflösung erstellt werden. Diese Daten können u.a. zur Stabilisierung der Stromnetz genutzt werden.
Optimierte Verfahren zur Prognose vertikaler Netzlast unter Nutzung von maschinellem Lernen
Der stabile Betrieb von Stromnetzen ist komplex, da die Belastung einzelner Stromleitungen aufgrund der eingesetzten fluktuierenden erneuerbaren Energiequellen nur schwer vorherzusagen ist. Dies kann dazu führen, dass erneuerbare Energieanlagen in unnötig hohem Maße abgeregelt oder teure Kraftwerkskapazitäten kurzfristig eingeschaltet werden müssen, um das Netz stabil zu halten (sog. Redispatch, also systemstabilisierende Anpassung des Kraftwerkseinsatzes). Vor diesem Hintergrund setzt das vom Bundesministerium für Wirtschaft und Energie geförderte Forschungsprojekt Opti-VNL auf eine verbesserte Prognose der vertikalen Netzlast, also der Auslastung der Transformatoren, die die verschiedenen Spannungsebenen des Stromnetzes miteinander verbinden (VNL = Vertikale Netzlast). Damit leistet das Projekt einen Beitrag zur effizienteren Nutzung erneuerbarer Energien und zur Stabilisierung des Stromnetzes.
Forschungsprojekt Opti-VNL | |
|---|---|
Laufzeit | April 2025 bis März 2028 |
Förderung durch | Bundesministerium für Wirtschaft und Energie |
Projektbeteiligte |
|
Konkret geht es im Projekt Opti-VNL um die Entwicklung neuartiger Methoden des maschinellen Lernens zur Kurzfrist-Prognose der vertikalen Netzlast mit integrierter Unsicherheitsmodellierung. Ziel ist es, nicht nur auf Einspeisefluktuationen, sondern auch auf Strukturumschaltungen und Fehlerzustände schnell reagieren zu können und somit unnötige Abregelung erneuerbarer Energiequellen zu vermeiden. Zu Beginn des Projekts werden Referenzmodelle entwickelt, die die Grundlage für die vergleichende Gegenüberstellung der entwickelten Lösungsansätze für die Modellierung und Prognose der vertikalen Netzlast darstellen. Im Anschluss geht es darum, bestehende Prognosemethoden auf ihre Erweiterbarkeit um Unsicherheitsmodelle hin zu untersuchen und neue Methoden zur Quantifizierung von Unsicherheiten, insbesondere solcher aufgrund von Wetterszenarien, zu erarbeiten und zu implementieren.
Reale Ausgangsdaten, die die Projektbeteiligten aus der Industrie zur Verfügung stellen, werden unter Berücksichtigung der Unsicherheitsbewertung und -propagation in die Zustandsbewertung des Netzes einbezogen. Dabei wird untersucht, welche Auswirkungen die Einspeisung fluktuierender erneuerbarer Energiequellen im betrachteten Netzgebiet auf die VNL-Prognose haben könnte. In einer Fallstudie soll der erweiterte Nutzen der so verbesserten VNL-Prognose für eine Engpassprognose demonstriert werden. Im letzten Schritt erfolgt die anwendungsnahe Implementierung der erarbeiteten Methoden in einer Toolbox, die Netzbetreiber zukünftig bei der Netzführung und in ihren Redispatch-Prozessen unterstützen soll.
Die Bewertung des Betriebs in den Netzebenen erfolgt maßgeblich durch das Institut für Vernetzte Energiesysteme. Die Arbeiten liegen zum einen in der Modellierung und Simulation zur Vorhersage von Engpässen in vorgelagerten 110-kV-Netzen und der optimierten Abregelung von Erneuerbare-Energie-Anlagen. Zum anderen geht es darum, meteorologische Daten aufzuarbeiten, Anpassungen der Methodik zu bearbeiten und die Simulationsergebnisse für die Verwendung in der VNL-Prognose zu analysieren. In Zusammenarbeit mit den Industriebeteiligten im Projekt soll zudem ein Monitoringsystem zur VNL-Prognose in sich ändernden Wetterlagen entwickelt werden. Dazu optimiert das Projektteam des Instituts kamerabasierte und Satellitenbild-gestützte Methoden und vergleicht diese mit herkömmlichen, auf Wettermodellen basierenden Prognosen. Der Vergleich fokussiert dabei die Wettersituationen, die anfänglich als relevant für den Redispatch identifiziert wurden. Für die Bewertung des technischen und ökonomischen Nutzens der neuen Prognosen wird das Institut für Vernetzte Energiesysteme abschließend geeignete Metriken definieren, aus denen sich der Einfluss von Kürzestfrist-Vorhersagen der PV-Erzeugung auf darauf basierende VNL-Prognosen ableiten lässt.