Energiesysteme
effizient planen und betreiben

Erneuerbare Energie intelligent erzeugen, speichern und verbrauchen

Der Ausbau Erneuerbarer Energien ist ein integraler Bestandteil der internationalen Klimaschutzpolitik. Die Einbindung der Erneuerbaren Energien in die bestehenden Versorgungsstrukturen ist eine große Herausforderung, da die Gesamtkomplexität des Energiesystems rasant ansteigt.

Die naturgemäß auftauchenden Schwankungen bei Wind- und Solarenergie müssen durch eine flexible Regelung anderer Erzeuger oder Verbraucher sowie durch einen gezielten Einsatz von Speichertechnologien kompensiert werden.

Neben den notwendigen energietechnischen Anpassungen müssen neue Methoden entwickelt werden, um das Energiesystem besser zu planen und zu betreiben. Hierbei spielt parallel zu einer umfassenden Digitalisierung der Prozesse die Entwicklung neuer Steuerungsalgorithmen eine wichtige Rolle.

Unser Algorithmus

Qantic hat einen Algorithmus auf der Basis innovativer Verfahren im Bereich der Künstlichen Intelligenz (KI) entwickelt. Dieser ist auf die Besonderheiten der Optimierungsaufgaben im Energiebereich zugeschnitten, um vielfältige anspruchsvolle Steuerungsaufgaben übernehmen zu können und Vorschläge für die optimale Auslegung von Energiesystemen zu ermitteln. Wesentliche Bestandteile sind:

Neuronales Netz

Ein auf die Steuerung von Energiesystemen spezialisierter „Agent“, der zur Entscheidungsunterstützung über ein tiefes künstliches neuronales Netz verfügt (Deep Learning).

Lernverfahren

Ein spezielles Lernverfahren, um den Agenten für komplexe Steuerungsaufgaben im Energiebereich zu trainieren und somit Erzeugung, Speicherung und Verbrauch besser aufeinander abzustimmen.

Simulation

Eine technisch detaillierte und flexibel erweiterbare Simulationsumgebung für Energiesysteme, in welcher der Agent trainiert werden kann und sein künstliches neuronales Netz selbstlernend anpasst.

Künstliche Intelligenz zur Planung von Energiesystemen

Unser Softwareprodukt Q-System ermöglicht die Modellierung und Bewertung komplexer energietechnischer Systeme. Hierbei werden die physikalischen Eigenschaften der eingesetzten Technologien detailliert abgebildet (z. B. Windkraftanlagen, Photovoltaik, Batteriespeicher, konventionelle Erzeuger, KWK). Der Algorithmus ermittelt die bestmöglichen Betriebspunkte aller Komponenten, um das Energiesystem unter Berücksichtigung der spezifischen Restriktionen zu steuern.

Hierzu wird insbesondere der Einsatz von Speichern, konventionellen Energieerzeugern und sonstigen Flexibilitäten koordiniert. Ein höherer Anteil erneuerbarer Energien wird hierdurch nutzbar, die Anlagen werden mit einem besseren Wirkungsgrad betrieben und es fällt ein geringerer Verschleiß und Wartungsaufwand an. Q-System hält zudem die nötigen Reserven zur Kompensation von Netzschwankungen und ungeplanten Komponentenausfällen in kostenoptimaler Weise vor.

Unter Berücksichtigung aller projektbezogenen Anforderungen kann Q-System das jeweils bestmögliche Energiesystem aus einer Vielzahl alternativer Konfigurationen ermitteln und Komponenten optimal dimensionieren. Das Produkt eignet sich somit besonders für die Planung von Microgrids sowie dezentraler Erzeugungslösungen und Eigenversorgungskonzepte im Industrie und Gewerbebereich. Q-System ist flexibel erweiterbar und kann kundenspezifische Besonderheiten differenziert einbeziehen.

Q-System unterstützt Sie mit folgenden Features bei der Planung und Bewertung Ihrer Energiesysteme:

  • Detailliertes technisch-ökonomisches Modell für eine Vielzahl von Erzeugungs- und Speichertechnologien
  • Umfangreiche Möglichkeiten zur Parametrierung der Komponenten
  • Hochauflösende dynamische Simulation des System- und Komponentenverhaltens
  • Detaillierte Abbildung von Reserveanforderungen, stochastischen Schwankungen und Komponentenausfällen
  • Ermittlung der optimalen Systemauslegung und Komponentendimensionierung

Energiesysteme mit künstlicher Intelligenz kostengünstiger und klimaschonender betreiben

Die intelligente Koordination von Erzeugern, Speichern und Verbrauchern ist ein Schlüssel zum klimaschonenden und kostengünstigen Betrieb der Energieinfrastruktur. Neben der steigenden technischen Komplexität der Systeme ist eine wachsende Menge an Messdaten und Echtzeitinformationen zu berücksichtigen. Aktuelle Informationen zu Marktdaten und Netzengpässen müssen kurzfristig in die Optimierung einfließen können.

Die naturgemäß auftretenden Schwankungen von Energie aus Wind und Sonne können hierdurch äußerst kurzfristig und kostengünstig ausgeglichen werden. Die notwendigen Reserven zum sicheren Betrieb der Energieversorgung werden dynamisch vorgehalten. Qantic konnte bereits im Rahmen zahlreicher Modellrechnungen belegen, dass sich durch den Einsatz von KI bei Planung und Betrieb von Energiesystemen Kosten- und Emissionsreduktionen bis zu 30% im Vergleich zur Optimierung auf der Basis heute verbreiteter Lösungen erzielen lassen.

Unsere individualisierbaren Lösungen auf Basis des KI-Algorithmus ermöglichen es, die relevanten Informationen aus einer Vielzahl verfügbarer Daten zu extrahieren und zuverlässige Vorhersagen über die zu erwartenden Energieflüsse abzuleiten. Nahe Echtzeit können die optimalen Steuerungsoptionen für eine hohe Anzahl dezentraler Anlagen unter Berücksichtigung komplexer technischer, rechtlicher und ökonomischer Restriktionen ermittelt werden. Die naturgemäß auftretenden Schwankungen von Energie aus Wind und Sonne können hierdurch äußerst kurzfristig und kostengünstig ausgeglichen werden. Die notwendigen Reserven zum sicheren Betrieb der Energieversorgung werden dynamisch vorgehalten.

Auf Basis unserer Software Q-System unterstützen wir Sie beim Betrieb Ihrer Energieanlagen mit maßgeschneiderten Lösungen:

  • Detailliertes technisch-ökonomisches Modell Ihres Energiesystems unter Berücksichtigung komplexer individueller Betriebsrestriktionen
  • Fortlaufende Analyse von Echtzeitinformationen zu Verbräuchen, Erzeugungsdaten, Wetterprognosen, Marktdaten und sonstigen Informationen
  • Berücksichtigung stochastischer Schwankungen bei Verbrauch und Erzeugung durch leistungsfähige Predictive Analytics
  • Detaillierte Abbildung von Komponentenalterung und Verschleiß
  • Dynamische Ermittlung der Betriebspunkte zur kostenoptimalen Steuerung des Energiesystems

Vorteile im Überblick

Durch den Einsatz von KI bei Planung und Betrieb von Energiesystemen lassen sich Kosten- und Emissionsreduktionen bis zu 30% im Vergleich zur Optimierung auf der Basis heute verbreiteter Lösungen erzielen. Unser KI-basierter Algorithmus zeichnet sich dadurch aus, dass er folgende Eigenschaften miteinander verbindet.

Sehr kurze Rechenzeit macht Echtzeit-Anwendung in hochkomplexen Systemen möglich. Hierdurch können trotz detaillierter Abbildung z.B. auch sehr kurzfristige Schwankungen bei Erzeugung und Verbrauch optimal ausbalanciert werden. Zudem können Informationen von Netzbetreibern und Handelsplattformen (z.B. Intradayhandel oder Peer-to-Peer) kurzfristig berücksichtigt werden.

Der Algorithmus ist für eine hohe Systemkomplexität geeignet, die typischerweise bei der Zusammenführung vieler unterschiedlicher Erzeugungsanlagen in dezentralen Energieversorgungskonzepten auftritt. Im Vergleich zu konventionellen Methoden ist eine detailreichere Abbildung möglich, weshalb die Potentiale aller Komponenten voll ausgenutzt werden können.

Große Datenmengen und hochaufgelöste Echtzeitinformationen können in die Optimierung einbezogen werden. Hierdurch ist es dem Algorithmus möglich, selbstlernend die relevanten Muster aus den Daten zu extrahieren und Vorhersagen abzuleiten. Q-System kann daher die Schwankungen bei der Verfügbarkeit von Wind und Sonne besonders vorausschauend berücksichtigen.

Smarte Energielösungen profitieren von künstlicher Intelligenz

Parallel zum Ausbau Erneuerbarer Energien wird das Energiesystem zunehmend von Dezentralität und Digitalisierung geprägt. Hieraus entwickeln sich neue Geschäftsmodelle und Versorgungskonzepte. Neben Anwendungen im Bereich der konventionellen Energieerzeugung eigenen sich unsere Produkte besonders für die Geschäftsfelder der neuen Energiewelt:

  • Virtuelle Kraftwerke
  • Microgrids
  • Smart City
  • E-Mobility / Smart Charging
  • Demand Side Management