Künstliche Intelligenz zur Untersuchung der Versorgungssicherheit mit Elektrizität
Ansprechpartner: Justin Münch
Laufzeit: 3,5 Jahre (01.06.2020 bis 30.11.2023)
Fördergeber: öffentlich finanziert vom Projektträger Jülich (PtJ) im Auftrag des Bundesministeriums für Wirtschaft und Energie
Projektpartner: Juniorprofessur für Energieressourcen- und Innovationsökonomik (JERI) an der RWTH Aachen
Assoziierte Partner: 50Hertz Transmission GmbH, Amprion GmbH, TenneT TSO GmbH & TransnetBW GmbH
Kurzbeschreibung:
Vor dem Hintergrund des fortschreitenden Klimawandels und der damit einhergehenden Energiewende vollzieht das Energiesystem in Deutschland zurzeit einen starken Wandel. Dieser wird vor allem geprägt durch: Kernenergieausstieg, Kohleausstieg, Ausbau der Erneuerbaren Energien und zunehmender Sektorenkopplung. Für das künftige Energiesystem Deutschlands ergeben sich hieraus eine Vielzahl an möglichen Szenarien und damit verbunden ein großes Maß an Unsicherheit.
Um eine verlässliche Grundlage für Entscheidungsträger in der Politik und Industrie liefern zu können, müssen hochkomplexe Energiesystemmodelle Anwendung finden. Die Modelle müssen dabei eine Bewertung der möglichen Szenarien hinsichtlich der Umweltverträglichkeit, der Wirtschaftlichkeit des Systems sowie der Versorgungssicherheit für ganz Deutschland ermöglichen. Insbesondere die Bewertung der Versorgungssicherheit gewinnt, aufgrund der Zunahme fluktuierender erneuerbarer Energie bei gleichzeitiger Reduktion von steuerbarer konventioneller Energie, zunehmend an Bedeutung.
Probabilistische Modelle zur Beurteilung der Versorgungssicherheit unter Einbeziehung der Wetterabhängigkeit von regenerativer Einspeiseleistung und Last sowie potenzieller Ausfälle bzw. Nichtverfügbarkeiten von steuerbaren Kraftwerksblöcken und der zur Verfügung stehenden Importleistung aus Nachbarländern stellen sich als sehr komplex dar. Die Detailtiefe der Analyse wird aufgrund der Komplexität des Modells und mit der damit einhergehenden erhöhten Rechenzeit eingeschränkt. Eine Kompromissfindung zwischen Detailtiefe der Analyse und Komplexität des Modells musste hierbei stets getroffen werden.
An diesem Punkt setzt das Forschungsvorhaben Künstliche Intelligenz zur Untersuchung der Versorgungssicherheit mit Elektrizität (KIVi) an. Mit Hilfe von Methoden aus dem Bereich der Data Science, insbesondere aus den Bereichen der künstlichen Intelligenz und der Metamodellierung, sollen die Zusammenhänge zwischen Modelleingangsgrößen und Modellergebnissen abgebildet werden, um die Beschränkungen durch Rechenressourcen aufzuheben. Darüber hinaus können moderne Methoden der Data Science ebenfalls genutzt werden, um die nötigen Eingangsdaten aufzubereiten.
Veröffentlichungen:
