
Bild: malp / Fotolia
STROMSPEICHER:
Big Data für das Speicher-Management
Die volatile Erneuerbaren-Erzeugung erfordert mehr Stromspeicher. Wie diese sich übergreifend regeln lassen, erforscht die Hochschule Landshut.
Weniger Netzverluste durch eine intelligente Steuerung von Energiespeichern − das ist Ziel des Forschungsprojekts "iGridControl" an der Hochschule Landshut. Es soll das Problem lösen, dass die einzelnen auf dem Markt
verfügbaren Speicherkonzepte über unterschiedliche Managementsysteme verfügen und es bisher keine Lösung gibt, verschiedene
Speicher intelligent miteinander zu vernetzen.
Darüber hinaus ist es bisher nicht möglich, die Speichersysteme im Zusammenhang mit der aktuellen und zukünftigen Netzauslastung zu betrachten und so die Leistungsflüsse intelligent zu steuern. Aus diesem Grund wollen die Forschenden unter Leitung der Professoren Alfons Haber und Mona Riemenschneider eine auf Big Data basierte, netzübergreifende Regelung entwickeln und dadurch Spitzenlasten sowie Netzverluste reduzieren.
Für die Netzbetreiber hätte die neue Technologie erhebliche Vorteile, erklärt Haber: Mithilfe der intelligenten Regelung von Energiespeichern könnten die Kosten in die Netzinfrastruktur deutlich reduziert werden. Gleichzeitig bestehe für die Betreiber die Möglichkeit, die Photovoltaik- und Windkraftanlagen flexibler zu regulieren und damit wirtschaftlicher zu betreiben.
Big Data und Machine Learning
Im ersten Schritt planen die Wissenschaftler, in eigens dafür entwickelten Messstationen die Lastzustände der Netze zu erfassen. Anschließend führen sie diese Messdaten mit Metadaten sowie mit Erzeuger- und Verbrauchermodellen zusammen und entwickeln mithilfe von Big-Data-Analysen und maschinellem Lernen eine intelligente Netzregelung. Diese soll dann Regelanweisungen für Erzeuger und Speicher liefern.
„Wir denken, dass das Marktpotenzial für eine solche Technologie auf unteren und mittleren Spannungsebenen äußerst hoch ist“, so Haber, „denn nach dem aktuellen Stand der Technik existieren bisher auf dem Markt keine netzübergreifenden Messsysteme mit einem solchen Regelalgorithmus.“
Darüber hinaus ist es bisher nicht möglich, die Speichersysteme im Zusammenhang mit der aktuellen und zukünftigen Netzauslastung zu betrachten und so die Leistungsflüsse intelligent zu steuern. Aus diesem Grund wollen die Forschenden unter Leitung der Professoren Alfons Haber und Mona Riemenschneider eine auf Big Data basierte, netzübergreifende Regelung entwickeln und dadurch Spitzenlasten sowie Netzverluste reduzieren.
Für die Netzbetreiber hätte die neue Technologie erhebliche Vorteile, erklärt Haber: Mithilfe der intelligenten Regelung von Energiespeichern könnten die Kosten in die Netzinfrastruktur deutlich reduziert werden. Gleichzeitig bestehe für die Betreiber die Möglichkeit, die Photovoltaik- und Windkraftanlagen flexibler zu regulieren und damit wirtschaftlicher zu betreiben.
Big Data und Machine Learning
Im ersten Schritt planen die Wissenschaftler, in eigens dafür entwickelten Messstationen die Lastzustände der Netze zu erfassen. Anschließend führen sie diese Messdaten mit Metadaten sowie mit Erzeuger- und Verbrauchermodellen zusammen und entwickeln mithilfe von Big-Data-Analysen und maschinellem Lernen eine intelligente Netzregelung. Diese soll dann Regelanweisungen für Erzeuger und Speicher liefern.
„Wir denken, dass das Marktpotenzial für eine solche Technologie auf unteren und mittleren Spannungsebenen äußerst hoch ist“, so Haber, „denn nach dem aktuellen Stand der Technik existieren bisher auf dem Markt keine netzübergreifenden Messsysteme mit einem solchen Regelalgorithmus.“
© 2025 Energie & Management GmbH
Dienstag, 19.01.2021, 14:47 Uhr
Dienstag, 19.01.2021, 14:47 Uhr
Mehr zum Thema