Forschungsprojekt GNN4GC

Übertragungsnetze spielen eine entscheidende Rolle in der Stromverteilung zwischen Staaten, Ländern und Kontinenten. Sie sind das Rückgrat der Stromversorgung und werden immer wichtiger, da die Elektrifizierung zur Erreichung einer emissionsfreien Gesellschaft zunehmend vorangetrieben wird. Allerdings stehen Übertragungsnetzbetreiber durch dezentral erzeugte erneuerbare Energien, Elektromobilität und begrenzte Investitionen in neue Infrastrukturprojekte vor Herausforderungen. Diese Faktoren führen zu Engpässen im Netz. Um diese zu lösen, setzen die Netzbetreiber auf teures Redispatching, bei dem sie Energie von Anlagen abregeln und bezahlen müssen. Eine kostengünstige Alternative besteht im Ändern der Netztopologie im Netzbetrieb. Bisher wird dies kaum genutzt, da die hohe Anzahl an Schaltungspunkten und Schaltoptionen für Menschen schwer zu überblicken ist. Hier bieten die Digitalisierung und KI-Methoden, insbesondere Graph Neural Networks (GNNs), eine Lösung. Das Projekt GNN4GC (Graph Neural Networks for Grid Control) zielt darauf ab, den Netzbetrieb zu unterstützen, indem es Lastflussberechnungen beschleunigt und netzdienliche Schalthandlungen für die Netztopologie bewertet und auswählt. GNNs sind für Netzstrukturen geeignet und stellen damit eine geeignete Methode dar, um die Energiewende zuverlässig und kosteneffizient zu bewältigen. Durch die Zusammenarbeit mit Industriepartnern eröffnet das Projekt die Möglichkeit, diese Methode in die Anwendung zu bringen und so Herausforderungen gemeinsam zu meistern.