Das Projekt RISE hat im Jänner 20204 gestartet, mit dem Ziel durch den Einsatz von Machine Learning Methoden, im speziellen Reinforcement Learning, MPC-Algorithmen für die Regelung von erneuerbaren Energiegemeinschaften (EEGs) robuster gegen Prognoseunsicherheiten zu machen. MPC ist das Mittel der Wahl, um den Betrieb von immer komplexer werdenden Energiesystemen zu optimieren. Dafür sind genaue Prognosen unabdingbar, da die Prognosegüte sich unmittelbar auf die Qualität der Regelung auswirkt. Die Herausforderungen bei Erzeugungs- und Lastprognosen für erneuerbare Energiegemeinschaften sind der hohe Anteil an volatilen Energiequellen und ein hoher stochastischer Anteil in Lastprognosen für einzelne bis wenige Haushalte.

Reinforcement Learning für Regelungszwecke im Energiesektor einzusetzen ist wenig erforscht und birgt viele Risiken in der praktischen Umsetzung. Dementsprechend wurden mögliche Ansätze Reinforcement bzw. Machine Learning Methoden zur Unterstützung bzw. als Ersatz von MPC einzusetzen ausführlich diskutiert und konkrete aufeinander aufbauende Umsetzungsschritte definiert.

Projektpartner sind Fraunhofer Austria, welche die Expertise zu Reinforcement Learning liefern, wüsterstrom, ein Energieversorger und Netzbetreiber, die Data Intelligence Offensive als Experten für Dataspaces und Datenmanagement sowie die Gemeinde Wieselburg-Land.

Das Projekt bietet uns weiters die Möglichkeit die Zusammenarbeit der Areas 2.2 und 2.3 weiter zu forcieren. Die Optimierungsalgorithmen für Microgrids werden in das BEST-EMS integriert und die Infrastruktur des Microgrid Forschungslabors in Zukunft Area übergreifend genutzt.

2024-05-27