Verbundvorhaben: DISEGO - Critical Components for Distributed and Secure Grid Operation; Teilvorhaben: Integration ML-Verfahren in Smart Grids
Zeitraum
2022-11-01 – 2025-10-31
Bewilligte Summe
93.399,50 EUR
Ausführende Stelle
Förderkennzeichen
03EI6078G
Leistungsplansystematik
Netzführung und Rückwirkungen [EB1824]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI6)
Förderprogramm
Energie
Im Rahmen von DISEGO sollen konkrete Lösungsansätze erarbeitet werden, um dem durch die Ener-giewende induzierten strukturellen Wandel in den Stromnetzen und den damit verbundenen Herausforderungen effektiv zu begegnen. Hierbei fokussiert sich das Konsortium auf vier essenzielle, inei-nandergreifende Komponenten: 1) minimalinvasive Netzzustandsüberwachung, 2) kontinuierliche Verbesserung der im Rahmen der Netzsteuerung erforderlichen Systemmodelle, 3) manipulationssichere und drahtlose Kommunikationsanbindung von dezentralen Energieanlagen über Weitbereichs-funk und 4) Integration der zuvor genannten Komponenten in die vorhandene physische und Software-Infrastruktur mittels einer eIoT-Plattform. Zwecks Evaluierung der zu erarbeitenden Lösungsansätze wird ein mehrstufiges Vorgehen angewandt. Zunächst erfolgt eine Untersuchung im Rahmen von analytischen Validierungen, Simulationen und Labortests. Nachdem hierbei der nötige Reifegrad nachgewiesen wurde, werden die Ansätze auf dem Innovationscampus von Stromnetz Hamburg erprobt. Daran anschließend erfolgt ein Feldtest mit realen Kunden im Netzgebiet der Stadtwerke Norderstedt. Mit Blick auf die Verwertung der Projektergebnisse umfasst das Projekt zudem Arbeiten zur Skalierbarkeit der entwickelten Ansätze, Standardisierungsmaßnahmen und regulatorische Empfehlungen. Die PSI FLS Fuzzy Logik & Neuro Systeme GmbH verfolgt in ihrem Teilvorhaben folgende Teilziele: (Z1) Implementierung Datenexport- und Datenimport-Schnittstelle zur Datenauswertung von Ent-scheidungen (Ergebnissen) aus Netzzustand, Netzsteuerung und netzorientiertem Verhalten (Z2) Integration des ML-Verfahrens in die eIoT-Plattform (Z3) Erprobung des ML-Verfahrens und kontinuierliche Rückkopplung bezüglich der Erfahrungen der Anwender aus der praxisnahen Erprobung