Die Abschaltung von Windenergieanlagen aufgrund von Netzengpässen ist im Vergleich zum Vorjahr um bis zu 69 Prozent gestiegen. Zu diesem Ergebnis kommt die Ecofys Studie 'Abschätzungen der Bedeutung des Einspeisemanagements nach EEG 2009', die im Auftrag des Bundesverbandes WindEnergie e.V. (BWE) erstellt wurde. Im Jahr 2010 sind bis zu 150 Gigawattstunden Windstrom verloren gegangen, weil die Netzbetreiber Anlagen abgeschaltet haben. Auch zahlenmäßig nahmen diese als Einspeisemanagement (EinsMan) im Erneuerbaren Energien Gesetz geregelten Abschaltungen massiv zu. Gab es 2009 noch 285 sogenannte EinsMan-Maßnahmen, waren es 2010 bereits 1085. Der durch Abschaltungen verlorengegangen Strom entspricht dabei einem Anteil von bis zu 0,4 Prozent an der in Deutschland im Jahr 2010 insgesamt eingespeisten Windenergie. Ursachen für EinsMan waren im Jahr 2010 überwiegend Überlastungen im 110 kVHochspannungsnetz und an Hochspannungs-/ Mittelspannungs-Umspannwerken, selten auch im Mittelspannungsnetz. In den nächsten Jahren ist von einem weiteren Anstieg der Ausfallarbeit bei Windenergieanlagen auszugehen, insbesondere weil sowohl 2009 mit 86Prozent als auch 2010 mit nur 74Prozent vergleichsweise sehr schlechte Windjahre gewesen sind. Mit dem Ziel, die Transparenz der EinsMan-Maßnahmen und deren Auswirkungen auf die Einspeisung aus Windenergieanlagen und anderer Anlagen zur Erzeugung von Strom aus Erneuerbaren Energien zu verbessern, sollte für jeden Einsatz von EinsMan ex-post im Internet in einem einheitlichen Datenformat aufgeschlüsselt nach Energieträgern - der Zeitpunkt und die Dauer, - die betroffene Netzregion inklusive der installierten und zum Zeitpunkt tatsächlich eingespeisten Leistung, die maximale Reduzierung je -Std. Zeitraum sowie - die Netzregion übergreifenden Korrekturfaktor, Ausfallarbeit und Entschädigungszahlungen und - der Grund für die Maßnahme veröffentlicht werden.
Das Projekt wird unter anderem durch den stetig steigenden Kostendruck aufgrund der Anreizregulierung und die zunehmende Verknappung von materiellen sowie personellen Ressourcen, insbesondere im Zuge des Fachkräftemangels, motiviert. Deshalb muss der Einsatz der vorhandenen Ressourcen für Netzerneuerung, -ausbau und -instandhaltung möglichst effizient gestaltet werden. Gleichzeitig gewinnt im durch die Energiewende eingesetzten Transformationsprozess der Energielandschaft die Digitalisierung zunehmend an Bedeutung - wie auch aus dem gleichnamigen Gesetz zur Digitalisierung der Energiewende hervorgeht. Dabei besteht großes Potenzial, die in den letzten Jahren stetig verbesserten Fähigkeiten der Künstlichen Intelligenz (KI) im Kontext der Energiewende zu nutzen. Bisher ist der Einsatz von Methoden aus dem Bereich der KI und maschinellem Lernen auf der Ebene des Asset Managements für die weitere Optimierung von Instandhaltungs- sowie Erneuerungsstrategien jedoch, mit Ausnahme des Forschungsprojektes 'Predictive Asset Management' (PAM), wenig erforscht. Daher soll das Forschungsprojekt hier ansetzen und Methoden der KI umfassend auf die Ebene des Asset Managements für Betriebsmittel der gesamten Mittelspannungsebene übertragen. Im Zuge des Forschungsprojektes sollen gemeinsam mit der BUW zentrale normative Kennzahlen erarbeitet werden, welche als Grundlage für das Trainingsmodell der KI dienen sollen. Durch die Implementierung vorausschauender Wartungsstrategien für Assets wird eine erhöhte Planungssicherheit erwartet. Darüber hinaus sollen erhebliche Potenziale im Bereich der nachhaltigen Netzwirtschaft erschlossen werden. Die proaktive Wartung von Assets trägt zur Reduzierung der Treibhausgasemissionen, der Netzverluste und des Eigenverbrauchs der Liegenschaften bei. Diese Maßnahmen dienen als Indikatoren, sowohl für den Klimaschutz der Organisation als auch für das Ziel der Klimaneutralität bis 2045.
Mit steigendem Anteil der erneuerbaren Energien und durch die Zunahme der Elektromobilität wird das Mittelspannungsnetz in Deutschland zunehmend belastet und muss dementsprechend ausgebaut werden. In diesem Kontext spielen Schaltanlagen als zentrales Element für die Energieverteilung und den Netzschutz eine entscheidende Rolle. Aufgrund der hohen Anforderungen an Zuverlässigkeit und mit einer Lebensdauer von mehr als 30 Jahren kann die Auslegung und das Design dieser Komponenten bisher als konservativ und vor allem Funktionsgetrieben angesehen werden; Aspekte der Nachhaltigkeit spielen abgesehen vom Ersatz von SF6 als Isoliergas bisher keine relevante Rolle. Ziel des Projects GreEner Tech ist es, Schaltanlagen im Mittelspannungsnetz grundlegend neu zu denken und nachhaltig zu gestalten. Dazu sollen unter anderem bessere und nachhaltigere Materialien gefunden, Konstruktionen verbessert und der Einsatz von Rohstoffen verringert werden. Insbesondere soll im Projekt ein neuer integrierter Ansatz gewählt werden, der das Design und die Materialauswahl mit wissenschaftlichen Methoden der Nachhaltigkeitsforschung verknüpft und den gesamten kooperativen Wissens- und Datengewinn in einer gemeinsamen digitalen Optimierungsplattform bündelt. So kann in Zusammenarbeit zwischen Industrie, Forschung und Netzbetreibern eine bessere Infrastruktur für das deutsche Mittelspannungsnetz entwickelt werden.
Mit steigendem Anteil der erneuerbaren Energien und durch die Zunahme der Elektromobilität wird das Mittelspannungsnetz in Deutschland zunehmend belastet und muss dementsprechend ausgebaut werden. In diesem Kontext spielen Schaltanlagen als zentrales Element für die Energieverteilung und den Netzschutz eine entscheidende Rolle. Aufgrund der hohen Anforderungen an Zuverlässigkeit und mit einer Lebensdauer von mehr als 30 Jahren kann die Auslegung und das Design dieser Komponenten bisher als konservativ und vor allem Funktionsgetrieben angesehen werden; Aspekte der Nachhaltigkeit spielen abgesehen vom Ersatz von SF6 als Isoliergas bisher keine relevante Rolle. Ziel des Projects GreEner Tech ist es, Schaltanlagen im Mittelspannungsnetz grundlegend neu zu denken und nachhaltig zu gestalten. Dazu sollen unter anderem bessere und nachhaltigere Materialien gefunden, Konstruktionen verbessert und der Einsatz von Rohstoffen verringert werden. Insbesondere soll im Projekt ein neuer integrierter Ansatz gewählt werden, der das Design und die Materialauswahl mit wissenschaftlichen Methoden der Nachhaltigkeitsforschung verknüpft und den gesamten kooperativen Wissens- und Datengewinn in einer gemeinsamen digitalen Optimierungsplattform bündelt. So kann in Zusammenarbeit zwischen Industrie, Forschung und Netzbetreibern eine bessere Infrastruktur für das deutsche Mittelspannungsnetz entwickelt werden.
Mit steigendem Anteil der erneuerbaren Energien und durch die Zunahme der Elektromobilität wird das Mittelspannungsnetz in Deutschland zunehmend belastet und muss dementsprechend ausgebaut werden. In diesem Kontext spielen Schaltanlagen als zentrales Element für die Energieverteilung und den Netzschutz eine entscheidende Rolle. Aufgrund der hohen Anforderungen an Zuverlässigkeit und mit einer Lebensdauer von mehr als 30 Jahren kann die Auslegung und das Design dieser Komponenten bisher als konservativ und vor allem Funktionsgetrieben angesehen werden; Aspekte der Nachhaltigkeit spielen abgesehen vom Ersatz von SF6 als Isoliergas bisher keine relevante Rolle. Ziel des Projects GreEner Tech ist es, Schaltanlagen im Mittelspannungsnetz grundlegend neu zu denken und nachhaltig zu gestalten. Dazu sollen unter anderem bessere und nachhaltigere Materialien gefunden, Konstruktionen verbessert und der Einsatz von Rohstoffen verringert werden. Insbesondere soll im Projekt ein neuer integrierter Ansatz gewählt werden, der das Design und die Materialauswahl mit wissenschaftlichen Methoden der Nachhaltigkeitsforschung verknüpft und den gesamten kooperativen Wissens- und Datengewinn in einer gemeinsamen digitalen Optimierungsplattform bündelt. So kann in Zusammenarbeit zwischen Industrie, Forschung und Netzbetreibern eine bessere Infrastruktur für das deutsche Mittelspannungsnetz entwickelt werden.
Mit steigendem Anteil der erneuerbaren Energien und durch die Zunahme der Elektromobilität wird das Mittelspannungsnetz in Deutschland zunehmend belastet und muss dementsprechend ausgebaut werden. In diesem Kontext spielen Schaltanlagen als zentrales Element für die Energieverteilung und den Netzschutz eine entscheidende Rolle. Aufgrund der hohen Anforderungen an Zuverlässigkeit und mit einer Lebensdauer von mehr als 30 Jahren kann die Auslegung und das Design dieser Komponenten bisher als konservativ und vor allem Funktionsgetrieben angesehen werden; Aspekte der Nachhaltigkeit spielen abgesehen vom Ersatz von SF6 als Isoliergas bisher keine relevante Rolle. Ziel des Projects GreEner Tech ist es, Schaltanlagen im Mittelspannungsnetz grundlegend neu zu denken und nachhaltig zu gestalten. Dazu sollen unter anderem bessere und nachhaltigere Materialien gefunden, Konstruktionen verbessert und der Einsatz von Rohstoffen verringert werden. Insbesondere soll im Projekt ein neuer integrierter Ansatz gewählt werden, der das Design und die Materialauswahl mit wissenschaftlichen Methoden der Nachhaltigkeitsforschung verknüpft und den gesamten kooperativen Wissens- und Datengewinn in einer gemeinsamen digitalen Optimierungsplattform bündelt. So kann in Zusammenarbeit zwischen Industrie, Forschung und Netzbetreibern eine bessere Infrastruktur für das deutsche Mittelspannungsnetz entwickelt werden.
Dieses Projekt wird u.a. durch den steigenden Kostendruck infolge der Anreizregulierung und die Verknappung materieller sowie personeller Ressourcen, insbesondere im Kontext des Fachkräftemangels, motiviert. Der Einsatz vorhandener Ressourcen für die Netzerneuerung, den -ausbau und die -instandhaltung muss effizient gestaltet werden. Gleichzeitig gewinnt die Digitalisierung im Transformationsprozess der Energielandschaft an Bedeutung. Hier besteht Potenzial, die verbesserten Fähigkeiten von Künstlicher Intelligenz (KI) zu nutzen. Der Einsatz von KI-Methoden zur Optimierung von Instandhaltungs- und Erneuerungsstrategien im Asset Management ist bisher jedoch unzureichend erforscht. In diesem Teilvorhaben wird ein KI-basiertes System zur Optimierung von Strategien im Mittelspannungsnetz für Asset Manager entwickelt. Methoden des Reinforcement Learning werden auf ein zu entwickelndes Simulationsmodell angewandt, welches das Ausfallrisiko der Mittelspannungs-Komponenten sowie deren wirtschaftliche Kosten und Erlöse über den gesamten Lebenszyklus abbildet. Dadurch können Asset Manager verschiedene Szenarien in ihrem Mittelspannungsnetz simulieren und für ihre Unternehmensziele optimieren.
Dieses Projekt wird unter anderem durch den stetig steigenden Kostendruck aufgrund der Anreizregulierung und die zunehmende Verknappung von materiellen sowie personellen Ressourcen insbesondere im Zuge des Fachkräftemangels motiviert. Der Einsatz vorhandener Ressourcen für Netzerneuerung, -ausbau und -instandhaltung muss daher möglichst effizient gestaltet werden. Gleichzeitig gewinnt im Transformationsprozess der Energielandschaft die Digitalisierung zunehmend an Bedeutung. Hier besteht großes Potential, die stetig verbesserten Fähigkeiten der Künstlichen Intelligenz (KI) zu nutzen. Bisher ist der Einsatz von Methoden aus dem Bereich der KI und dem Machine Learning (ML) auf der Ebene des Asset Managements für die Optimierung von Instandhaltungs- sowie Erneuerungsstrategien jedoch nur wenig erforscht. Hier setzt das Forschungsprojekt an, um KI-Methoden umfassend auf die Ebene des Asset Managements für Betriebsmittel der gesamten MS-Ebene zu übertragen. Konkret werden in diesem Teilvorhaben dazu basierend auf einer bereits für Ortsnetzstationen entwickelten Systematik ereignisbezogene Zustandsbewertungssystematiken für MS-Kabel, MS-Freileitungen und MS-Betriebsmittel wie Leistungsschalter in Umspannwerken entwickelt, die als Basis für die Modellierung relevanter Ereignisse im Lebenszyklus dieser Betriebsmittel dienen. Über die ereignisbezogene Zustandsbewertung aller Betriebsmittel der MS-Ebene und der u.a. auf Störungsdaten und Instandhaltungshistorie basierenden Analyse der Wirkzusammenhänge zwischen Zustand und Ereigniswahrscheinlichkeit, werden somit Prognosemodelle unterstützt durch ML-Methoden für strategierelevante Ereignisse entwickelt. Diese Modelle dienen als Grundlage für das übergeordnete auf Reinforcement Learning basierende System, das zur ganzheitlichen Optimierung von Asset Management Strategien auf Basis der Unternehmenswerte der Netzbetreiber dient.
Die Energiewende hat grundlegende Veränderung der Energieversorgung zur Folge. Die Stromerzeugung basiert zunehmend auf Millionen kleinen, stromrichterbasierten Erzeugern. Entsprechend fallen wesentliche Systemdienstleistungen der Großkraftwerke mit Synchrongeneratoren weg. Im Reallabor Fuchstal wird mittels Praxisversuchen die Frage geklärt, wie in der Praxis ein stabiler Netzbetrieb in einem Netz ohne zentrale Regelungsstruktur, das ausschließlich von Stromrichtern gespeist und belastet wird, möglich ist. Im Teilprojekt 'Erweiterung und Betrieb des stromrichter-dominierten Inselnetzes mit Versorgung der Gemeinde' steht die Inselnetzversorgung der Gemeinde Fuchstal im Fokus. Für die geplanten Feldversuche sind einige Vorarbeiten zu planen und zu vergeben. Zusätzlich ist Presse- und Öffentlichkeitsarbeit zu leisten.
Die EFL übernimmt im Projekt PAMAd zentrale Aufgaben in der Entwicklung eines datengetriebenen und KI-gestützten Asset-Management-Systems für Verteilnetzbetreiber. Der Fokus liegt auf der Modellierung und Analyse von Kostenstrukturen, der Integration unternehmensspezifischer Werte in Entscheidungsprozesse sowie der Validierung und Optimierung KI-basierter Instandhaltungsstrategien. Zu Beginn des Projekts strukturiert und analysiert die EFL die Lebenszykluskosten von Betriebsmitteln in der Mittelspannungsebene. Dabei werden Kostenmodelle entwickelt, die CAPEX, OPEX und Netzregulierungsmechanismen berücksichtigen. Parallel erfolgt die Erarbeitung einer unternehmensspezifischen Wertebasis, die Versorgungssicherheit, Nachhaltigkeit und wirtschaftliche Zielsetzungen der Netzbetreiber integriert. Ein weiterer Schwerpunkt liegt auf der Validierung der entwickelten KI-Modelle. Die EFL analysiert, inwiefern KI-gestützte Strategien im Vergleich zu klassischen Asset-Management-Methoden wirtschaftliche und technische Vorteile bieten. Hierzu werden Szenarien simuliert, Ergebnisse validiert und praxisnahe Entscheidungshilfen für Netzbetreiber abgeleitet. Zusätzlich entwickelt die EFL Methoden zur optimalen Darstellung von Modellergebnissen in Form geeigneter Kennzahlen und Visualisierungen. Diese ermöglichen eine transparente und anwendungsfreundliche Nutzung der Ergebnisse durch Asset Manager. Die Erkenntnisse aus dem Projekt fließen in Empfehlungen für Netzbetreiber ein und werden durch Fachveröffentlichungen sowie Branchenforen einer breiteren Fachöffentlichkeit zugänglich gemacht.
| Organisation | Count |
|---|---|
| Bund | 192 |
| Europa | 1 |
| Land | 15 |
| Weitere | 3 |
| Wissenschaft | 40 |
| Type | Count |
|---|---|
| Ereignis | 1 |
| Förderprogramm | 189 |
| Text | 4 |
| Umweltprüfung | 5 |
| unbekannt | 1 |
| License | Count |
|---|---|
| Geschlossen | 9 |
| Offen | 190 |
| Unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 200 |
| Englisch | 25 |
| Resource type | Count |
|---|---|
| Datei | 2 |
| Dokument | 5 |
| Keine | 70 |
| Webseite | 126 |
| Topic | Count |
|---|---|
| Boden | 35 |
| Lebewesen und Lebensräume | 86 |
| Luft | 47 |
| Mensch und Umwelt | 198 |
| Wasser | 16 |
| Weitere | 200 |