Stromnetze mit KI effizienter betreiben

Ziel des Forschungsprojektes „GNN4GC“ (Graph Neural Networks for Grid Control) ist es, den Betrieb von Übertragungsnetzen durch KI-Methoden effizienter zu gestalten und damit zur Stabilität der Stromversorgung beizutragen, teilte die Universität Kassel am 26. September mit. 

In Zusammenarbeit mit dem Fraunhofer IEE und den Übertragungsnetzbetreibern Tennet und 50 Hertz wollen die Forschenden neue KI-basierte Ansätze zur Optimierung der Stromnetzsteuerung entwickeln. „Unser Ziel ist eine enge Zusammenarbeit zwischen Forschung und Industrie, um praxistaugliche Lösungen für diese Herausforderungen der Energiewende zu entwickeln“, erklärt Christoph Scholz, Leiter des Projekts an der Universität Kassel.
 Dabei kommen unter anderem „Graph Neural Networks“ (GNN) und Deep „Reinforcement Learning“ (DRL) zum Einsatz. Graph Neural Networks, ein spezialisierter Typ neuronaler Netzwerke, sind laut den Forschenden besonders leistungsfähig bei der Analyse von Netzwerkstrukturen, wie sie auch in Stromnetzen vorkommen. Ziel der Forschung ist es, mithilfe von GNN die Berechnung von Netzlasten zu beschleunigen und Möglichkeiten zur dynamischen Anpassung der Netztopologie während des Betriebs zu untersuchen.

Parallel dazu wird im Projekt „Deep Reinforcement Learning“ (DRL) KI eingesetzt, um selbstlernende Agenten zu entwickeln, die netzdienliche Zustände identifizieren können. Diese Modelle sollen zunächst in Simulationen trainiert werden, um potenzielle Lösungen für die Steuerung und Optimierung der Stromnetze zu erforschen.