Verbundvorhaben: KonSEnz - Kontinuierlich selbstlernende Vorhersagemethoden und Services in smarten Energiemärkten und -netzen; Teilvorhaben: Entwicklung und Orchestrierung innovativer Methoden als Microservices für Photovoltaik- und Leistungsflussprognosen
Zeitraum
2024-08-01 – 2027-07-31
Bewilligte Summe
1.328.822,74 EUR
Ausführende Stelle
Förderkennzeichen
03EI4087A
Leistungsplansystematik
Netzautomatisierung [EB1825]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI4)
Förderprogramm
Energie
Ziel des Gesamtvorhabens ist es, Methoden des kontinuierlichen, adaptiven Lernens sowie des 'Machine-Learning in Operation' für die Anwendung von Leistungsprognosen zu kombinieren, um den wachsenden Anforderungen eines hochgradig datengetriebenen Energiesystems hinsichtlich Automatisierung, Skalierung und Resilienz im Betrieb von Prognosesystemen gerecht zu werden. In diesem Teilvorhabens liegt der Fokus zum einen auf der Entwicklung und Anpassung kontinuierlich-lernender Machine Learning (ML)-Methoden für die beiden Anwendungsfälle 'Photovoltaikprognosen' und 'Leistungsflussprognosen an Transformatoren', die für Netzbetreiber essenziell für die Planung des Netzbetriebs sind und zugleich durch eine hohe Dynamik im System eine ständige Anpassung und Erweiterung von Planungs- und Prognosemodellen in Echtzeit erfordern. Im Use-Case Photovoltaikprognosen liegt die Herausforderung insbesondere in der großen Zahl und dem schnellen Zubau der zu prognostizierenden Anlagen sowie dem unbekanntem Eigenverbrauchsverhalten. Für den Use-Case der Leistungsflussprognosen spielen vor allem plötzliche Änderungen im Zeitreihenverhalten aufgrund der Netztopologie eine Rolle. Die Verfahren sollen deshalb eine kontinuierliche, automatisierte Anpassung an Änderungen im realen Verhalten der prognostizierten Einheiten und an neue Einheiten ermöglichen. Zum anderen spielt der Aufbau einer geeigneten Microservice-Architektur zur Bereitstellung der automatisierten Prozesse, Dienste und Methoden eine zentrale Rolle. Das Ziel des Teilvorhabens besteht daher darin, die entwickelten Verfahren als Microservices bereitzustellen, in eine skalierfähige Architektur zu integrieren und im Rahmen eines Feldtests für den Anwendungsfall der Leistungsflussprognosen zu demonstrieren, sowie im Anwendungsfall der Photovoltaikprognosen die beteiligten Partner durch Bereitstellung eines Methodenbaukastens sowie der genannten Microservice-Architektur in ihrem Feldtest zu unterstützen.