SmartB4P

Smarte Batteriesteuerung für die Produktion

Die Stromkosten für Industriekunden in Deutschland sind in den vorangegangenen Jahren signifikant gestiegen. Demgegenüber sind die Kosten für die Stromeigenerzeugung, beispielsweise durch Photovoltaik-Anlagen, sowie für Batteriespeicher stark gesunken. Batteriespeicher sind daher zunehmend im Fokus, um die Stromkosten produzierender Unternehmen durch die Vermeidung von Spitzenlasten sowie durch die Erhöhung des Eigenverbrauches zu reduzieren. In Anbetracht von begrenzter Speicherkapazität, Batteriealterungseffekten, sowie fluktuierender Last und Erzeugung, stellt die Betriebsstrategie des Speichers dabei eine zentrale Herausforderung dar. Das Konsortium aus Forschungsinstituten und Industriepartnern hat sich daher im Rahmen von SmartB4P die Weiterentwicklung existierender Betriebsstrategien für Batteriespeicher in produzierenden Unternehmen zum Ziel gesetzt. Ein besonderer Fokus liegt dabei auf den folgenden Aspekten:

  • Modellierung der Batteriealterung, um einen wirtschaftlichen Betrieb hinsichtlich der resultierenden Batterielebensdauer zu ermöglichen
  • Erforschung von Methoden der künstlicheren Intelligenz, insbesondere von Reinforcement Learning, zur Steuerung von Batteriespeichern
  • Integration von steuerbaren Lasten und industriellen Wärmespeichern in die Betriebsstrategie, unter Berücksichtigung aller relevanten produktionsseitigen Randbedingungen

Im Rahmen des Projektes werden dazu eine Softwareumgebung und geeignete Speichermodelle entwickelt, um einen Reinforcement-Learning-Agenten unter Berücksichtigung der obengenannten Punkte zu konfigurieren. Durch die neuartige Betriebsstrategie soll die Amortisationszeit von Batteriespeichern in der Produktion im Vergleich zu bestehenden Betriebsstrategien signifikant gesenkt, die Reaktionsfähigkeit der Steuerung erhöht und der erforderliche Rechenaufwand um eine Vielfaches zu reduziert werden. Der Fokus des Lehrstuhls für Elektrische Energiespeichertechnik liegt Rahmen des Projektes, neben der Entwicklung und Validierung der Betriebsstrategie, insbesondere auf der Modellierung des Speichersystems.

 

Danksagung

Dieses Forschungsprojekt wird mit Mitteln der Bayerischen Forschungsstiftung gefördert (Förderkennzeichen: AZ-1376-19).
Die komplette Liste der Kooperationspartner lässt sich der untenstehenden Pressemitteilung entnehmen:
www.stmfh.bayern.de/internet/stmf/aktuelles/pressemitteilungen/23937/index.htm

Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei dem Autor.

 

Projekt Mitglieder
Collath, Nils; M.Sc. +49 (89) 289 - 26925 nils.collath@tum.de Raum 3019 kein Bild