KI-basierte Modulare Batteriesysteme für Gewerbe- und Netzanwendungen
Im Kontext der Energiewende auf dem Weg zu einer 100% erneuerbaren Stromversorgung werden neben einem massiven Ausbau von Photovoltaik und Windkraft sowie von Stromnetzen zukünftig insbesondere Batteriespeicher eine wesentliche Rolle spielen.
Während Heimspeichersysteme und Großspeicheranlagen zwischenzeitlich mitunter wirtschaftlich betreibbar sind, hinkt die Zahl der installierten Systeme im mittleren Größenbereich bei Gewerbe- und Industriekunden stark hinterher. Trotz großer Ambitionen zur CO2-Footprint Reduktion zahlreicher Gewerbeunternehmen werden gerade in Bayern bis heute vornehmlich Photovoltaik-Anlagen und BHKWs installiert, das Potential von Batteriespeichern wird in diesem Anwender-Segment jedoch nur selten gehoben.
Gib hier deine Überschrift ein
Gib hier deine Überschrift ein
Gib hier deine Überschrift ein
Gib hier deine Text ein
Gib hier deine Text ein
Gib hier deine Text ein
Batteriespeichersysteme sinnvoll für die Industrie
Im Fokus des Forschungsvorhabens KI-M-Bat steht der Aufbau eines modularen und hocheffizienten Hardware- und Regler-Konzeptes für bereits heute und in Zukunft relevante Netz-Anwendungsfälle durch neue und gebrauchte („Second-Life“) Batteriespeichersysteme, sowie die Ansteuerung über eine geeignete Softwareschnittstelle, welche für Anwender frei verfügbar gestellt werden soll. Die Software-Toolkette umfasst einen Digitalen Zwilling der Batterie sowie eine auf maschinellem Lernen basierende Ansteuerungs-Strategie. Diese wird mit bestehenden open-Source Entwicklungen der Projektpartner verknüpft und ebenso für Nutzer frei verfügbar sein – für eine Anpassung an individuelle Bedürfnisse.
Die im Projekt an Industriespeichersystemen entwickelten Konzepte sind auch übertragbar: Von Großspeichersystemen bis hin zu den zukünftig zur Netzstützung im Hochspannungsnetz geplanten „Netzbooster“-Konzepten.
Warum sind Batteriespeicher sinnvoll für Industrie und Gewerbe?
Batteriespeichersysteme sinnvoll für die Industrie Insbesondere bei Gewerbe- und Industriekunden im mittleren Größenbereich hinkt die Zahl der installierten Speichersysteme bisher noch hinterher. Neben der Netzstabilisierung und der Reduktion von CO2, ist auch die Abdeckung von Lastspitzen ein Argument für die Installation eines Batteriespeichers im Industriebereich. STABL Energy hat bereits Erfahrungen mit der Integration gebrauchter E-Auto Batterien und hat eine Technologie entwickelt, die ausrangierten E-Auto Batterien ein zweites Leben ermöglicht. Da immer mehr Elektrofahrzeuge auf Deutschlands Straßen rollen, warden bereits in wenigen Jahren eine große Menge an alten Batterien erwartet, die als Second-Life Speicher insbesondere im Gewerbebereich sinnvoll eingesetzt werden können.
Scientific technical concept as a basis for practice
Der Lehrstuhl für Elektrische Energiespeichertechnik (EES) der Technischen Universität München verfügt über fundiertes Wissen im Bereich der Batteriecharakterisierung und -modellierung und beschäftigt sich mit dem Aufbau, dem Betrieb, und der technisch-ökonomischen Anwendungsmodellierung von Batteriesystemen. Prof. Dr. Holger Hesse leitete die dortige Gruppe zu stationären Batteriespeichersystemen und hat sich in zahlreichen Forschungsvorhaben und Publikationen mit dem Betrieb von stationären Batteriespeichern in energiewirtschaftlichen Anwendungsfällen befasst. Zum 1. September 2022 wurde Prof. Dr. Hesse an die Hochschule Kempten (HS-K) berufen, um dort die Forschungsprofessur „Smarte Energiesysteme“ einzurichten und zu leiten. Ziel der neuen Forschungsgruppe ist es, mittels stochastischer Optimierung und Machine Learning Methoden die Ansteuerung von Energiesystemen mit Energiespeichern in Funktionalität, Effizienz und Flexibilität zu optimieren.
Beteiligte Industriepartner & Forschungsinstitutionen
STABL GmbH
FENECON GmbH
Technische Universität München
HS Kempten- Smarte Energiesysteme
Der Lehrstuhl für Smarte Energiesysteme an der Hochschule Kempten, geleitet von Prof. Dr. Hesse, legt den Schwerpunkt seiner Forschungsaktivitäten auf die eingehende Untersuchung stochastischer Optimierungstechniken, Algorithmen zur effektiven Verwaltung von Leistungsressourcen sowie Reinforcement Learning im Kontext stationärer Batteriesysteme. Die Forschungsprojekte der Gruppe widmen sich der ganzheitlichen Analyse der Leistungsfähigkeit dieser Systeme unter Berücksichtigung ökonomischer Gesichtspunkte mit dem Ziel optimierte Steuerungsstrategien für Speichersysteme zu entwickeln.
5. Partner
Platzhalter
Gefördert von der Bayerischen Forschungsstiftung
The Bavarian Research Foundation was founded in 1990. In addition to state research funding, it supports cooperation projects between research institutions (universities or non-university institutions) and companies that are important for the scientific and technological development of Bavaria or the Bavarian economy. Since its foundation, the Bavarian Research Foundation has approved about 627 million euros for 1030 projects. Together with the co-financing shares of Bavarian industry, a total project volume of 1.379 billion euros has thus been initiated.
