Forschungsprojekt eKI4DS

Das Projekt eKI4DS zielt darauf ab, Methoden der erklärbaren Künstlichen Intelligenz (KI) zu entwickeln, zu validieren und zu demonstrieren, um die dynamische Sicherheit von Stromnetzen effizient und transparent zu analysieren. Diese Ansätze ermöglichen eine optimierte Nutzung und Planung der Netze, wodurch unnötige und kostspielige Ausbauprojekte vermieden werden können.

Die dynamische Sicherheit ist von zentraler Bedeutung, da Stromnetze ständig geplanten und ungeplanten Störungen ausgesetzt sind. Eine wesentliche Aufgabe der Netzplanung und des Betriebs besteht darin, sicherzustellen, dass das Netz auch im Falle von Störungen stabil bleibt. Es ist entscheidend, dass das Netz nach einer Störung einen stabilen Betriebspunkt aufrechterhält und alle technischen Grenzen der Netzakteure eingehalten werden, um eine Kaskade von Fehlern und möglicherweise einen Systemkollaps zu verhindern.

Aktuell werden die Systeme oft konservativ gefahren, was bedeutet, dass die Kapazitäten nicht vollständig ausgeschöpft werden, um Puffer für mögliche Störungen bereitzuhalten. Eine rechtzeitige Bewertung der dynamischen Sicherheit des sich ständig verändernden Netzstatus ist notwendig, um proaktive Maßnahmen gegen Sicherheits- und Stabilitätsrisiken ergreifen zu können. Dadurch könnte die bestehende Infrastruktur effizienter genutzt werden.

Dynamische Stabilitätsaspekte werden dabei häufig nur stichpunktartig behandelt. Derzeit erfolgt eine Untersuchung der statischen Eigenschaften eines Netzes durch Lastflussanalyse, gefolgt von der Auswahl weniger Worst Cases für die dynamische Stabilitätsanalyse, wobei aufgrund des hohen Rechenaufwands nicht alle möglichen Szenarien berücksichtigt werden können. Die zunehmende Volatilität erneuerbarer Energien und die schnellen Dynamiken leistungselektronischer Anlagen machen es jedoch notwendig, mehr Szenarien detailliert zu analysieren und systematisch zu bewerten, um den dynamischen Anforderungen gerecht zu werden.

Erklärbare KI-Methoden, wie maschinelles Lernen, ermöglichen es, aus empirischen oder synthetischen Daten neue Zusammenhänge zu lernen und Vorhersagen für unbekannte Situationen zu treffen. Dabei ist es entscheidend, die Gründe hinter den Vorhersagen zu verstehen, um Vertrauen in die Ergebnisse zu schaffen. KI hat in vielen Bereichen das Potenzial, die Leistungen von menschlichen Experten zu erreichen oder zu übertreffen. Für den Einsatz in Stromnetzen wurden bereits verschiedene Architekturen getestet, wobei Graph Neural Networks (GNNs) hervorgehoben werden, da sie die Netzwerkstruktur von Stromnetzen direkt berücksichtigen können. In diesem Projekt wird der Fokus speziell auf die Anwendung von KI zur Analyse der Stabilität von Stromnetzen gelegt.