Startseite » Forschung » KI für Energiesysteme

KI für Energiesysteme

Immer performantere Rechensysteme, effizientere Algorithmen und große Datenmengen in der zunehmend digitalisierten Industrie eröffnen neue Potenziale zur Nutzung Künstlicher Intelligenz. Industrielles Energiemanagement ist komplex und wird mit steigenden Energieeffizienzvorgaben zunehmend schwieriger. Unsere Vision: Smarte Software-Systeme assistieren dem Menschen bei optimaler Auslegung, Überwachung, Betrieb und Wartung von (Energie-)Systemen in der Produktion. Deshalb forschen wir an folgenden Themenstellungen:

1 | Energieflexible Betriebsstrategien

Nicht nur die Energieeffizienz des unternehmensinternen Systems ist für die gesamtwirtschaftliche Betrachtung relevant. Auch der Strommix bzw. der Anteil erneuerbarer Energien spielt eine entscheidende Rolle für die wirtschaftliche und ökologische Effizienz. Um möglichst dann Energie zu verbrauchen, wenn viel günstige erneuerbare Energie verfügbar ist, entwickeln und erproben wir energieflexible Betriebsstrategien für die Industrie.

2 | Modellprädiktive Regelung

Klassische Reglersysteme können den zunehmenden Ansprüchen hinsichtlich Versorgungssicherheit auf der einen Seite und Energieeffizienz auf der anderen Seite nicht mehr gerecht werden. Insbesondere wenn Energiesysteme flexibel betrieben werden, sind starre Regler in vielen Fällen ineffizient. Durch prädiktive Regelung mittels mathematischen Modellen oder Ansätzen der künstlichen Intelligenz kann die Regelstrategie flexibler an aktuelle und zukünftige Systemzustände angepasst werden.

3 | Optimale Einsatzplanung

Die optimale Einsatzplanung hat in der Produktionsforschung eine lange Geschichte. Energetische Zielgrößen wurden dabei nicht berücksichtigt. Aus diesem Grund erforschen wir in der ETA-Fabrik Methoden zur energieeffizienten und energieflexiblen Produktionsplanung und –steuerung.

4 | Recommender Systeme für Effizienzmaßnahmen

In den vergangenen Jahrzehnten wurden unzählige Energieeffizienzmaßnahmen in der Industrie weltweit umgesetzt. Dennoch sind die Kosten zur Identifizierung dieser Maßnahmen oft extrem hoch. Durch den Einsatz von Recommender Systemen können die Erfahrungen aus bereits abgeschlossenen Umsetzungen genutzt werden, um softwaregestützt und automatisiert Maßnahmen aus Energiedaten abzuleiten.

5 | Auslegungsoptimierung

Die größten Energieeinsparungen entstehen nicht bei der Optimierung des Anlagenbetriebs, sondern bei der Planung des Energiesystems. Hierfür erforschen wir Methoden zur optimierten Auslegung von Energiewandlern und energetischen Betriebsmitteln.

6 | Sichere und erklärbare KI

Energiesysteme gehören zur kritischen Infrastruktur vieler Unternehmen, weshalb die Bereitschaft diese Infrastruktur durch undurchsichtige bzw. unsichere Algorithmen steuern zu lassen verständlicherweise gering ist. Wir erforschen deshalb den Einsatz robuster, sicherer und erklärbarer Optimierungsverfahren, um den Sprung aus der Forschung in die Praxis zu ermöglichen.

Überblick

kuenstliche_intelligenz

Kontakt