Reinforcement Learning basiertes Lastmanagement zur Flexibilisierung von Wohnheimen – ReLLFloW

Zur Anpassung der Stromlast in Niederspannungsnetzen an die volatile Erzeugung erneuerbarer Energieträger wird in ReLLFloW ein Studierendenwohnheim durch elektrische Speicher pro Wohneinheit (Schwarmspeicher) zum Reallabor für die Erprobung auf Machine Learning basierender Steuerverfahren umgerüstet. Sogenannte Reinforcement-Learning-Verfahren werden zu einer autonomen Steuerungslösung zur intelligenten Be- und Entladesteuerung der Batterien weiterentwickelt. Über diese Verfahren wird ein autonomes, datensicheres, skalierbares und praxistaugliches Lastmanagementsystem entwickelt. Die Überwachung des Steuersystems durch den für das Niederspannungsnetz zuständigen Netzbetreiber wird durch die Entwicklung einer Monitoring-Anwendung ermöglicht. Zusammengefasst sollen in dem Projekt folgende Aufgabenstellungen gelöst werden:

• Flexibilisierung des Stromnetzes durch digitale Stromzähler, Gateways und intelligentes Lastmanagement in Wohnheimen und Mehrfamilienhäusern
• Erprobung eines Schwarmspeichers zur Glättung der volatilen Stromlasten in Niederspannungsnetzen und Einhaltung der normativen Auflagen
• Entwicklung eines autonomen Systems zur eigenständigen, automatisierten Verwaltung der elektrischen Verbräuche bei Stromnetzkunden
• Entwicklung eines Monitoring- und Kontrollsystems für Netzbetreiber zur Kontrolle autonomer Lastmanagementsysteme