News

Mit künst­lich­er In­tel­li­genz zur er­fol­greichen En­er­giewende

Forschungspreisträger der Universität Paderborn präsentieren Ergebnisse

Die notwendigen Voraussetzungen für eine erfolgreiche und nachhaltige Energiewende zu schaffen ist einer der zentralen Aspekte auf dem Weg zur Klimaneutralität. Dr.-Ing. Oliver Wallscheid, Elektrotechniker an der Universität Paderborn, und der Informatiker Prof. Dr. Eyke Hüllermeier, der Anfang des Jahres von Paderborn an die Ludwig-Maximilians-Universität München gewechselt ist, haben sich deshalb 2019 zum Ziel gesetzt, flexible und intelligente Energiesysteme zu entwickeln. Dafür haben sie vor zwei Jahren den Forschungspreis der Universität Paderborn erhalten, der mit einer Summe von 150.000 Euro die höchstdotierte Auszeichnung der Hochschule ist. In einem hochschulöffentlichen Vortrag vor dem Universitätspräsidium sowie der Kommission für Forschung und wissenschaftlichen Nachwuchs präsentierten die beiden Wissenschaftler am Mittwoch, 27. Oktober, die Ergebnisse ihres Forschungsprojekts mit dem Titel „Reinforcement Learning in Micro- und Smartgrids: Sichere, datengetriebene Betriebsstrategien für komplexe Energiesysteme“. Dabei zeigten sie auf, wie durch künstliche Intelligenz (KI) und maschinelle Lernmethoden künftig eine stabile Energieversorgung garantiert werden kann. „Ich freue mich, dass auch in diesem Fall wieder ein hochinnovatives und gesellschaftlich relevantes Projekt eine Realisierungschance erhalten hat“, zeigte sich Prof. Dr. Johannes Blömer, Vizepräsident für Forschung und wissenschaftlichen Nachwuchs, begeistert.

Von Großkraftwerken hin zu Micro- und Smartgrids

Konventionell zeichnet sich die Energieversorgung in Deutschland und Zentraleuropa durch ein sogenanntes „Top-Down“ System aus. Das bedeutet, dass die Endverbraucher ihren Strom in den meisten Teilen von zentralen Großkraftwerken erhalten. Synchrongeneratoren sorgen dabei für eine gleichmäßige Energieverteilung und ein stabiles Netz. „Wenn dieses System in einigen Jahren durch politische Entscheidungen wie etwa den Kohleaussteig wegfällt, brauchen wir Alternativen“, so Hüllermeier. Lösungsansätze für eine nachhaltige und effektive Energiewende bieten sogenannte „Micro- und Smartgrids“ (MSG) – kleine Netze mit regenerativ erzeugtem Strom, einem entsprechenden Speicher und lokalen Abnehmern. „Besitzer eines Elektroautos, die ihr Fahrzeug mithilfe einer eigenen Photovoltaikanlage aufladen, sind ein gutes Beispiel dafür“, erklärte Wallscheid. Der Vorteil hierbei ist, dass die lokale Erzeugung und Nutzung der Energie das Stromnetz entlasten und dementsprechend die Notwendigkeit vom kosten- und ressourcenintensiven Netzausbau verringern. Der Nachteil: MSG sind abhängig von äußeren Einflüssen wie Witterungsbedingungen, weshalb klassische Methoden der Stromverteilung und -regulierung hier nicht effizient genug sind. In Kombination mit schwankenden Energiebedarfen führt das zu einer fehlenden Versorgungssicherheit – die Wahrscheinlichkeit für Stromausfälle steigt, was beispielsweise in der Gesundheitsbranche oder der Industrie fatale Folgeschäden mit sich bringen kann.

Ressourcen- und Energieeffizienz dank maschineller Lernverfahren

Diesem Problem wollten die Wissenschaftler mittels KI entgegenwirken. Das komplexe System mit zahlreichen Daten bietet hierfür grundsätzlich eine gute Ausgangslage. „KI wird mittlerweile in vielen Bereichen erfolgreich angewendet. Im Kontext von Energiesystemen hat es dazu aber bislang nur wenig Forschung gegeben“, führte Hüllermeier weiter aus. Gerade weil es sich bei Stromnetzen um sicherheitskritische Anwendungen handele, sei die Anwendung von datengetriebenen Methoden des maschinellen Lernens, deren Verhalten sich nur mittelbar kontrollieren lässt, eine zentrale Herausforderung des Forschungsprojekts gewesen. Dennoch konnten die Wissenschaftler ihre Fragestellung letztlich erfolgreich beantworten.

Open-Source-Software zur Optimierung von nachhaltigen Energiesystemen

Das Ergebnis ist ein Software-Instrumentarium zur Simulation und Kontrolloptimierung von MSG unter Anwendung von sogenanntem „Reinforcement Learning“ (RL). Bei dieser Methode führt ein Regler, auch Agent genannt, angetrieben von der Sensorik im System verschiedene Aktionen aus, wie etwas das Laden und Entladen des Batteriespeichers. Daraufhin bekommt das System Feedback, ob die jeweilige Aktion gut oder schlecht war. So kann sich die KI mit jeder Ausführung verbessern. Das Risiko: Bereits eine einzige Fehlentscheidung kann zu einem vollständigen Systemversagen führen. Die Projektgruppe hat deshalb eine Simulationsumgebung in Form eines modularen Stromnetzmodells entwickelt, in der KI-Algorithmen innerhalb flexibel veränderlicher Szenarien angelernt und geprüft werden können. So ist es möglich, die optimalen Einstellungen für einen sicheren und intelligenten KI-Betrieb der Energiesysteme herauszustellen. Die Software ist als sogenanntes „Open-Source“-Projekt angelegt worden, sodass sie nicht nur kostenlos nutzbar ist, sondern ihr Quelltext auch von Dritten eingesehen und verändert werden kann. So soll eine stetige Erweiterung und Verbesserung des Systems ermöglicht werden. Zudem legte sie den Grundstein für einen erfolgreichen Praxistransfer ins Labor, bei dem ein skaliertes Inselnetz durch die KI betrieben wurde.  

„Trotz schwieriger Rahmenbedingungen – bedingt durch die Coronapandemie und den Umzug von Herrn Hüllermeier nach München – haben wir das Forschungsprojekt erfolgreich abschließen können. Dafür möchte ich mich beim gesamten Team bedanken“, resümierte Wallscheid.

Kontakt

Dr.-Ing. Oliver Wallscheid

Regelungs- und Automatisierungstechnik (RAT)

Kommissarische Leitung

Zur Person

Foto (Universität Paderborn, Johanna Pietsch): V. l.: Prof. Dr. Eyke Hüllermeier und Dr.-Ing. Oliver Wallscheid haben mit ihrem sechsköpfigen Projektteam eine zukunftsweisende Schnittstelle zwischen den Fächern Elektrotechnik und Informatik geschaffen. Die Ergebnisse haben sie jetzt in einem hochschulöffentlichen Vortrag unter anderem vor Prof. Dr. Johannes Blömer, Vizepräsident für Forschung und wissenschaftlichen Nachwuchs, präsentiert.