Reisinger, T. (2023, October 9). AI-flex – Autonomous AI for cellular energy systems in-creasing flexibilities provided by sector coupling and distributed storage [Presentation]. Herbsttreffen der Technologieplattform Smart Grids Austria (TP SGA) - AI & Cyber Security, Wien, Austria.
E384-01 - Forschungsbereich Software-intensive Systems
-
Datum (veröffentlicht):
9-Okt-2023
-
Veranstaltungsname:
Herbsttreffen der Technologieplattform Smart Grids Austria (TP SGA) - AI & Cyber Security
en
Veranstaltungszeitraum:
9-Okt-2023
-
Veranstaltungsort:
Wien, Österreich
-
Keywords:
AI; RL; Energy Communities
en
Abstract:
Der zellulare Ansatz befasst sich mit dezentralen, selbstverwalteten Energiezellen auf
allen hierarchischen Netzebenen. Jede Zelle kann Strom-, Gas- und Fernwärmenetze
umfassen, die aufgrund von Sektorkopplungs- und Energiespeicherlösungen wie
Batterien und Power-to-X-Systemen einen hohen Wirkungsgrad und eine hohe
Flexibilität erzielen. Im Vergleich zum konventionellen Netzbetrieb wird die Erzeugung
aus erneuerbarer Energie, der Energieverbrauch und Speicherung von
Überschussenergie für jede Zelle optimiert. Dadurch ergibt sich ein viel feineres
Granularitätsniveau und eine viel höheren Komplexität der Optimierung aufgrund der
im Vergleich zum klassischen Netzbetrieb größeren Anzahl an aktiven Teilnehmern.
Um dieser Herausforderung zu begegnen, wird ein autonomer AI-basierter
Zelloptimierer für das effiziente Energiemanagement einer Vielzahl von
Energiespeichern aus Sicht einer Energiezelle entwickelt. Die AI-basierte Steuerung
wird unter realen Bedingungen mithilfe eines digitalen Zwillings des Energiesyste ms
integriert und demonstriert, der als kohärente Informations- und Interaktionsschicht
für alle Marktteilnehmer dient.
de
Projekttitel:
Autonomous AI for cellular energy systems increasing flexibilities provided by sector coupling and distributed storage: 46131654 (European Commission)
-
Weitere Information:
Eine Präsentation über die aktuellen Ergebnisse des Cell Optimierers basierend auf einem Reinforcement Learning Ansatzes.
-
Forschungsschwerpunkte:
Energy Active Buildings, Settlements and Spatial Infrastructures: 10% Computer Engineering and Software-Intensive Systems: 30% Computational System Design: 60%