Verbundvorhaben: GNN4GC – Graph Neuronale Netze für den Einsatz in der Netzsteuerung; Teilvorhaben: Spezifikation und Erprobung eines Empfehlungssystems mit Graph Neuronalen Netzen für das Übertragungsnetz von TenneT TSO GmbH
Zeitraum
2023-12-01 – 2026-11-30
Bewilligte Summe
243.024,35 EUR
Ausführende Stelle
Förderkennzeichen
03EI6117C
Leistungsplansystematik
Stromspeicher - Systemintegration [EA2382]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI6)
Förderprogramm
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 mit dem Aufkommen verteilter und wetterabhängiger erneuerbarer Energien, der Elektromobilität und der zunehmenden Energieerzeugung von Haushalten vor enormen 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. Ziel des Projektes für die TenneT TSO GmbH ist es vor allem zu untersuchen, inwieweit KI-Methoden, insbesondere Deep Reinforcement Learning und Graph Neural Networks, für die Empfehlung von Netztopologien eingesetzt werden können, um Alternativen zur klassischen Berechnung zu entwickeln. Dazu werden verschiedene Agenten entwickelt, die Topologieaktionen auf das Netz der TenneT vorschlagen. Die Agenten sollen in ein Empfehlungssystem überführt werden, das von TenneT in einem internen Anwendungsfall eingesetzt und evaluiert wird. Parallel zur Agentenentwicklung soll in GNN4GC auch eine GNN-Lastflussapproximation entwickelt werden, welche für die Analyse von Netzzuständen und die vorausschauende Netzbetriebsführung benötigt wird. Mittelfristig plant die TenneT TSO GmbH, die Projektergebnisse im Schattenbetrieb einzusetzen und zu verwerten.