Praxisbeispiel: Innovation – Intelligente Optimierung – Netzstabilität durch innovative E-Mobilität
Institutsteil Wirtschaftsinformatik des Fraunhofer-Instituts für Angewandte Informationstechnik (FIT) und Ingenieurbüro Steinbacher-Consult
Das bayerisch geförderte Vorhaben "Marktorientierte Anreize für ein netzdienliches und intelligentes Lastmanagement in Ladeparks (MAniLa)" entwickelt ein intelligentes Energiemanagementsystem für Ladeparks, das den Ladebetrieb mit Hilfe fortschrittlicher KI-Modelle vorausschauend optimieren soll.
Mit der anvisierten Klimaneutralität im Jahr 2045 gehen große Veränderungen für das Stromnetz einher. Dieses steht vor einem Umbruch – denn die Abkehr von fossilen Energieträgern hin zu erneuerbaren Energien in der Stromerzeugung bringt hohe Erzeugungsschwankungen mit sich. Auch auf der Seite der Verbraucher gibt es Veränderungen. Hier findet der Wandel durch den Umstieg auf Wärmepumpen und E-Autos statt. Daraus resultieren nicht nur ein erhöhter Strombedarf, sondern auch zunehmend hohe, schwer zu prognostizierende Lastspitzen, die das Stromnetz vor Herausforderungen stellt.
Durch den §14a EnWG werden Verteilnetzbetreibende mit ersten Mitteln ausgestattet, netzschädliche Lastspitzen durch Ladeprozesse von E-Fahrzeugen oder den Wärmepumpenbetrieb durch Leistungsdrosselung zu begegnen. Kritiker wünschen sich einen stärkeren Fokus auf marktorientiere Anreize und Freiwilligkeit in der Verhaltensanpassung, anstelle des regelbasierten Eingriffs durch den Netzbetreiber.
Solch eine Entwicklung, weg von starren Stromtarifen und Entgelten, hin zu dynamischeren Bepreisungen bringt hohe Optimierungspotentiale mit sich. Preissignale können bspw. dazu genutzt werden, um die Nachfrage mit dem volatilen Angebot der erneuerbaren Energien in Einklang zu bringen. So können Lastzeitfenster effizienter genutzt und die Stromabnahme optimiert werden. Dadurch kann der Stromverbrauch nicht nur besser auf die Zeiten hoher Verfügbarkeit abgestimmt, sondern auch die lokale Netzsituation berücksichtigt werden. Mithilfe von Daten zur Netzauslastung, örtlicher Stromerzeugungs- und Verbrauchslasten und weiterer externer Daten, wie bspw. Wetterprognosen, können intelligente Vorhersage- und Optimierungsmodelle eingesetzt werden, um die Lastverteilung bei flexiblen Stromverbrauchern zielgerichtet umzusetzen.
Das bayerisch geförderte Vorhaben "Marktorientierte Anreize für ein netzdienliches und intelligentes Lastmanagement in Ladeparks (MAniLa)" entwickelt ein intelligentes Energiemanagementsystem für Ladeparks, das den Ladebetrieb mit Hilfe fortschrittlicher KI-Modelle vorausschauend optimieren soll.
Mit der anvisierten Klimaneutralität im Jahr 2045 gehen große Veränderungen für das Stromnetz einher. Dieses steht vor einem Umbruch – denn die Abkehr von fossilen Energieträgern hin zu erneuerbaren Energien in der Stromerzeugung bringt hohe Erzeugungsschwankungen mit sich. Auch auf der Seite der Verbraucher gibt es Veränderungen. Hier findet der Wandel durch den Umstieg auf Wärmepumpen und E-Autos statt. Daraus resultieren nicht nur ein erhöhter Strombedarf, sondern auch zunehmend hohe, schwer zu prognostizierende Lastspitzen, die das Stromnetz vor Herausforderungen stellt.
Durch den §14a EnWG werden Verteilnetzbetreibende mit ersten Mitteln ausgestattet, netzschädliche Lastspitzen durch Ladeprozesse von E-Fahrzeugen oder den Wärmepumpenbetrieb durch Leistungsdrosselung zu begegnen. Kritiker wünschen sich einen stärkeren Fokus auf marktorientiere Anreize und Freiwilligkeit in der Verhaltensanpassung, anstelle des regelbasierten Eingriffs durch den Netzbetreiber.
Solch eine Entwicklung, weg von starren Stromtarifen und Entgelten, hin zu dynamischeren Bepreisungen bringt hohe Optimierungspotentiale mit sich. Preissignale können bspw. dazu genutzt werden, um die Nachfrage mit dem volatilen Angebot der erneuerbaren Energien in Einklang zu bringen. So können Lastzeitfenster effizienter genutzt und die Stromabnahme optimiert werden. Dadurch kann der Stromverbrauch nicht nur besser auf die Zeiten hoher Verfügbarkeit abgestimmt, sondern auch die lokale Netzsituation berücksichtigt werden. Mithilfe von Daten zur Netzauslastung, örtlicher Stromerzeugungs- und Verbrauchslasten und weiterer externer Daten, wie bspw. Wetterprognosen, können intelligente Vorhersage- und Optimierungsmodelle eingesetzt werden, um die Lastverteilung bei flexiblen Stromverbrauchern zielgerichtet umzusetzen.
Ziel des Projekts MAniLA
Ziel des Projekts MAniLA ist es, ein intelligentes System für den Betrieb von Ladeparks zu entwickeln, welches vorausschauend Netzschwankungen und ökonomische Opportunitäten durch Marktanreize im Energiemanagement berücksichtigen und den Betrieb der Ladeparks ökonomisch optimiert und gleichzeitig netzdienlich steuern soll. Im Vergleich zu privaten Haushalten hat die optimierte Steuerung von Ladeparks aufgrund der viel höheren Leistungsspitzen und flexibler Leistung eine deutlich größere Wirkung auf die Belastung des Stromnetzes.
Zusammenarbeit mit netzbetreier und Wirtschaft
Dafür arbeitet das Projektteam des Institutsteils Wirtschaftsinformatik des Fraunhofer FIT und des Ingenieurbüros Steinbacher-Consult mit der örtlichen Netzbetreiberin swa Netze, einem Ladeinfrastrukturanbieter und dem BBS Brandner Bus Schwaben zusammen. Die Entwicklung und Demonstration eines solchen KI-basierten Energiemanagementsystem speziell für Ladeparkbetreiber soll zeigen, durch welche Marktanreize stark volatile Verbraucher wie E-Fahrzeuge netzdienlich und ökonomisch optimiert beladen werden können. Dazu werden unterschiedlichste Daten des Netzbetreibers sowie Daten zu externen Einflussfaktoren verwendet, um Prognosen über den aktuellen Zustand des Stromnetzes zu erhalten. Die assoziierten Partner stellen Daten und Informationen zu historischen Ladevorgängen unterschiedlicher Ladeparkanwendungen zur Verfügung, die genutzt werden, um das Aufkommen an Ladestationen in verschiedenen Use-Cases abzuschätzen.
Flexibles Steuerungsystem das auf Stromnetz reagiert
Mit den gesammelten Daten soll ein flexibles Steuerungssystem für Ladeparks entwickelt werden, das auf die aktuellen und prognostizierten Bedingungen im Stromnetz reagieren soll. Auf Grund der hohen Anforderungen an die Genauigkeit der Prognosen und die große Komplexität des Gesamtsystems wird im Zuge des Projekts auf KI gesetzt. Die Verarbeitung der Informationen für die Prognosen der Netzauslastung erfolgt auf der Grundlage von KI-basierten Zeitreihenanalysen. Auch das Steuerungssystem, das die Ergebnisse der Prognosemodelle weiter verwertet, soll mit Hilfe von KI die optimalen Steuerungsanweisungen lernen. Erhöht wird die Komplexität der Entscheidungen dabei durch die Berücksichtigung von ökonomischen Faktoren wie dynamischen Preisen und Netzentgelten. Das Steuerungssystem muss zwischen Profit des Ladeparks und der Netzdienlichkeit abwägen können und in der Lage sein, die bestmögliche Entscheidung unter beiden Aspekten zu treffen. Im Idealfall animieren die Marktanreize dazu, die Netzauslastung des Betriebs zu berücksichtigen und fördern ein netzdienliches Verhalten.
Zusammenspiel von KI und modernisierten Regelungen
Im Lichte der aktuellen politischen Diskussion zur dynamischen Verbraucherregelung gegenüber marktorientierten Anreizen, wird im Projekt untersucht, welche aktuellen Regelungen netzdienliches Verhalten befördern können und welche alternativen Ansätze in Frage kämen. Ein mögliches Beispiel könnten Leistungsentgelte auf Lastspitzen sein, deren Zweckmäßigkeit im Zusammenhang mit der volatilen erneuerbaren Erzeugung steht. Durch das Zusammenspiel aus KI und modernisierten Regelungen sollen attraktive Ladepreise für E-Fahrzeuge erzielt, die Netzstabilität erhöht und profitabler Ladeparkbetrieb gewährleistet werden.
Kontakt
Institutsteil Wirtschaftsinformatik des Fraunhofer FIT
Alter Postweg 101
86159 Augsburg
+49 821 480400-36
matthias.kaiser@fit.fraunhofer.de
https://www.wi.fit.fraunhofer.de/
Steinbacher-Consult Ingenieurgesellschaft mbH & Co. KG
Fachbereich Energie
Richard-Wagner-Str. 6
86356 Neusäß
+49 821 46059-147
+49 821 46059-99
b.dietz@steinbacher-consult.com
http://www.steinbacher-consult.com
