Ziel des Projekts ist die Entwicklung von innovativen Regelungsstrategien und Geschäftsmodellen sowie die Entwicklung einer selbstlernenden Steuerung für Biogasanlagen (BGAs) zur Vermeidung kurzfristiger, tageszeitlich auftretender Netzüberlastung im ländlichen Verteilnetz. Die Steuerung soll die lokalen Bedürfnisse des Verteilnetzes mit hohem Anteil fluktuierender Energieerzeuger ins Zentrum der vorausschauenden Fahrplanerstellung für BGAs rücken. Die Steuerung soll auf Schwankungen von Photovoltaikanlagen (PV) kurzfristig und selbstlernend reagieren. Hierzu werden laufend Wetterprognosen aus Modellen und modernen Nowcasting-Verfahren sowie PV-Strom-Einspeiseprofile, realer am Stromnetz angeschlossener PV-Anlagen, in den Steuerungsablauf integriert. Es werden Verbesserungen bisher verfügbarer Wetterprognosen hinsichtlich kleinräumiger und kurzfristiger Schwankungen bei sehr kurzen Vorhersagehorizonten auf Basis hochaufgelöster Satelliten- und Wetterkameradaten integriert. Die Stromerzeugung und die gleichzeitige Versorgung von Wärmenetzen durch BGAs werden untersucht. Zusätzlich soll die Steuerung der BGA Zellerfeld auf Netzbedürfnisse sensibilisiert und verbessert sowie das bestehende Monitoring weitergeführt werden.
Kürzestfristvorhersagen der Wind- und Photovoltaik(PV)-Leistung sind wichtige Parameter für die optimale Betriebsführung von Kombikraftwerken (KB). Im Rahmen des Vorhabens sollen die notwendigen Kürzestfristvorhersagen für den Zeitbereich von 0 bis 60 Minuten mit hoher zeitlicher Auslösung entwickelt werden. Nach Entwicklung und Erprobung der neuen Verfahren wird ein mehrmonatiger Onlinetest mit realen Wind- und PV-Anlagen in einem Testgebiet durchgeführt, in dem Anlagenbetreiber und regionale Energieversorger eingebunden sind. Für die Windleistungsvorhersagen wird ein Long-Range-LiDAR (Light-Detection-and-Ranging) mit einer Reichweite von bis zu 10 Kilometern eingesetzt und erprobt. Windleistungs-Vorhersagen über den Zeithorizont hinaus werden mit Maschinellen-Lernen-Verfahren erstellt.
Ziel des Projekts ist die Entwicklung von innovativen Regelungsstrategien und Geschäftsmodellen sowie die Entwicklung einer selbstlernenden Steuerung für Biogasanlagen (BGAs) zur Vermeidung kurzfristiger, tageszeitlich auftretender Netzüberlastung im ländlichen Verteilnetz. Die Steuerung soll die lokalen Bedürfnisse des Verteilnetzes mit hohem Anteil fluktuierender Energieerzeuger ins Zentrum der vorausschauenden Fahrplanerstellung für BGAs rücken. Die Steuerung soll auf Schwankungen von Photovoltaikanlagen (PV) kurzfristig und selbstlernend reagieren. Hierzu werden laufend Wetterprognosen aus Modellen und modernen Nowcasting-Verfahren sowie PV-Strom-Einspeiseprofile, realer am Stromnetz angeschlossener PV-Anlagen, in den Steuerungsablauf integriert. Es werden Verbesserungen bisher verfügbarer Wetterprognosen hinsichtlich kleinräumiger und kurzfristiger Schwankungen bei sehr kurzen Vorhersagehorizonten auf Basis hochaufgelöster Satelliten- und Wetterkameradaten integriert. Die Stromerzeugung und die gleichzeitige Versorgung von Wärmenetzen durch BGAs werden untersucht. Zusätzlich soll die Steuerung der BGA Zellerfeld auf Netzbedürfnisse sensibilisiert und verbessert sowie das bestehende Monitoring weitergeführt werden.
Die Zunahme von Wärmepumpen bei der Realisierung einer klimaneutralen Wärmeversorgung führt zu einer signifikaten Zunahme und Änderung der elektrischen Lasten in den Verteilnetzen. Daher gilt es, Wärmepumpen so zu steuern, dass sie Verteilnetze wenig belasten oder sogar unterstützen. Im Projekt sollen Wärmepumpen, die gemeinsam mit PV-Anlagen betrieben werden, durch prädiktive Algorithmen in Kombination Wolkenkamera-basierte Kürzestfristvorhersagen für die PV-Erzeugung netzdienlich gesteuert werden. Auf Basis realer Betriebserfahrungen sollen das Potential aus Netzsicht abgeschätzt und Erkenntnisse für eine flächendeckende Nutzung abgeleitet werden (Details im Rahmenplan). Die Beiträge des Instituts für Energiesystemtechnik (INES) der HSO sind neben der (0) Projekt-koordination (1) die Bereitstellung der prädiktiven Algorithmen, die zuvor aus Basis einer Analyse historischer Betriebsdaten ausgelegt wurden, (2) die Implementierung von Vorhersagesystem und Algorithmen in die Realumgebung sowie (3) die Skalierung und Bewertung der Ergebnisse auf Netzebene.
Die Zunahme von Wärmepumpen bei der Realisierung einer klimaneutralen Wärmeversorgung führt zu einer signifikaten Zunahme und Änderung der elektrischen Lasten in den Verteilnetzen. Daher gilt es, Wärmepumpen so zu steuern, dass sie Verteilnetze wenig belasten oder sogar unterstützen. Im Projekt sollen Wärmepumpen, die gemeinsam mit PV-Anlagen betrieben werden, durch prädiktive Algorithmen in Kombination Wolkenkamera-basierte Kürzestfristvorhersagen für die PV-Erzeugung netzdienlich gesteuert werden. Auf Basis realer Betriebserfahrungen sollen das Potential aus Netzsicht abgeschätzt und Erkenntnisse für eine flächendeckende Nutzung abgeleitet werden (Details im Rahmenplan). Die Beiträge des Instituts für Energiesystemtechnik (INES) der HSO sind neben der (0) Projekt-koordination (1) die Bereitstellung der prädiktiven Algorithmen, die zuvor aus Basis einer Analyse historischer Betriebsdaten ausgelegt wurden, (2) die Implementierung von Vorhersagesystem und Algorithmen in die Realumgebung sowie (3) die Skalierung und Bewertung der Ergebnisse auf Netzebene.
Das Ziel des Projektes mobileVIEW ist die Kombination von Sensordaten aus fahrenden KFZ mit stationsgebundenen Daten sowie Radardaten zur Erfassung von Niederschlag und Satellitendaten. Die wesentliche Aufgabe liegt darin, aus den erfassten Einzelinformationen (Big Data) eine Gesamtinformation zu erzeugen, die einen Mehrwert gegenüber den Einzeldaten aufweist (Smart Data). Im Ergebnis werden Kürzestfristvorhersagen für Niederschlagsereignisse erzeugt, die der Wasserwirtschaft für Prognosen dienen und im Fall von Starkregen auch Feuerwehr und Katastrophenschutz wertvolle Informationen liefern können. Im Zusammenhang mit weiteren - z.B. beim BMVI vorliegenden - Echtzeitdaten im Bereich Verkehr sollen die so erfassten Informationen auch zur unmittelbaren Verkehrsinformation eingesetzt werden. Zusätzlich zu den obigen Aspekten sollen die Ergebnisse für EGLV eine Verdichtung von Niederschlagsinformationen und damit eine bessere Vorhersage von Abflussereignissen liefern. Hierauf aufbauend soll die Steuerung wasserwirtschaftlicher Anlagen optimiert werden. Außerdem soll eine Einbeziehung der Bevölkerung in relevante Prozesse der Wasserwirtschaft (Akzeptanz/Sensibilisierung) und eine Wechselwirkung zwischen Wasserwirtschaft, Verkehrswirtschaft und weiteren Bereichen (z.B. Energiewirtschaft) erreicht werden.
Fuer den 2-Stunden-Bereich der Wettervorhersage ('Nowcasting') sowie den 12-Stunden-Bereich ('Very Short-Range Forecasting') liegen nur wenige objektive Methoden vor. Mit Hilfe von automatisch auszuwertenden Wetterdaten (Beobachtungen, Radiosonden, Radar, Satelliten) wird Monitoring (Zustandserfassung) betrieben; diese Ergebnisse werden mit numerischen Wetterprognosen verglichen, angepasst und Stunde fuer Stunde verlagert. Die einzelnen Wetterelemente (Regen, Schnee, Gewitter, Boeen usw.) werden mittels z.T. empirisch gewonnenen Fluss-Schemata (Flow Charts) daraus entnommen und dienen einer nahezu automatischen (jedoch von Menschen kontrollierten) und objektiven Prognose.
| Organisation | Count |
|---|---|
| Bund | 31 |
| Kommune | 5 |
| Land | 10 |
| Wissenschaft | 16 |
| Type | Count |
|---|---|
| Förderprogramm | 31 |
| License | Count |
|---|---|
| Offen | 31 |
| Language | Count |
|---|---|
| Deutsch | 26 |
| Englisch | 12 |
| Resource type | Count |
|---|---|
| Keine | 13 |
| Webseite | 18 |
| Topic | Count |
|---|---|
| Boden | 14 |
| Lebewesen und Lebensräume | 19 |
| Luft | 25 |
| Mensch und Umwelt | 31 |
| Wasser | 13 |
| Weitere | 31 |