Data-driven Analysis and Optimization of Low Voltage Networks

Der verstärkte Einsatz erneuerbarer Energieträger und der Wandel zur Elektromobilität führen zu einer größeren Volatilität im Energiesystem. Netzbetreiber stehen vor der Herausforderung, dass hochaufgelöste Echtzeitinformationen zur Netzauslastung fehlen. Prognosen basieren oft auf unvollständigen oder fehlerhaften Daten – insbesondere im Zusammenhang mit PV-Anlagen, Ladestationen und Batteriespeichern. Dies führt zu ineffizientem Ressourceneinsatz und vermeidbaren Kosten.

Ziel des Projekts DAWN ist es, durch die Digitalisierung und gezielte Datennutzung eine qualitativ hochwertige Datengrundlage zu schaffen. Diese soll sowohl Netzberechnungen verbessern als auch Optimierungspotenziale aufzeigen. Darüber hinaus werden erste datengetriebene Prognosemodelle entwickelt, die sowohl für Netzbetreiber als auch Energieversorger von Bedeutung sind.

Im Fokus unseres Arbeitspaketes steht die Analyse realer Verbrauchs- und Erzeugungsdaten. Wir untersuchen dabei zentrale Fragestellungen:

- Automatisierte Ermittlung von Kund*innendaten: Wie lassen sich aus Smart Meter-Daten Informationen über PV-Anlagen, Ladepunkte für Elektrofahrzeuge oder den Einsatz von Wärmepumpen gewinnen?
- Verbesserung synthetischer Lastprofile: Welche repräsentativen Verbrauchs- und Erzeugungsprofile lassen sich für unterschiedliche Kund*innengruppen erstellen?
- Bestimmung der Flexibilität: In welchem Ausmaß könnten Kund*innen mit Batteriesystemen das Netz stabilisieren und welche Kapazitäten wären dafür erforderlich?

Vorgehen und Methodik

- Datenerhebung und Sicherstellung der Datenqualität: Definition der erforderlichen Daten sowie deren Visualisierung und Qualitätsprüfung.
- Datenanalyse: Ermittlung von Verbrauchsprofilen und Kund*innenstammdaten mittels innovativer Klassifikationsverfahren.
- Simulation und Optimierung: Entwicklung und Test verschiedener Batteriestrategien sowie die Bestimmung ihrer netztechnischen Auswirkungen.