Machine-Learning für Lastverschiebung
Auf einen Blick
- Projektleiter/in : Dr. Aksornchan Chaianong
- Co-Projektleiter/in : Dr. Christian Winzer
- Projektvolumen : CHF 81'200
- Projektstatus : abgeschlossen
- Drittmittelgeber : SNF (SNF-Projektförderung / Projekt Nr. 196304)
- Kontaktperson : Aksornchan Chaianong
Beschreibung
In vielen Ländern werden Investitionen in erneuerbare Energien auch ohne Förderung zunehmend wirtschaftlich. Dies kann zu einem erheblichen Netzausbaubedarf führen, um die steigende Menge an erneuerbarem Strom aufzunehmen. Eine vielversprechende Lösung für dieses Problem ist der Einsatz von Lastmanagement (Lastverschiebung und Lastbegrenzung). Um Lastmanagement zu nutzen, ist es wichtig, die Kundenpräferenzen für die Anpassung der Stromnachfrage an das Stromangebot zu verstehen. Eine herkömmliche Methode besteht darin, die Bereitschaft der Verbraucher, Lastmanagement zuzulassen, durch Umfragen abzuschätzen und ihre Flexibilität unter der Annahme konstanter Präferenzen einzusetzen. Statische Schätzungen, die auf Umfragen beruhen, sind jedoch wahrscheinlich ungenau, da die Verbraucher nur begrenzte Erfahrungen mit Nachfragebeschränkungen haben und sich die Verbraucherpräferenzen im Laufe der Zeit ändern werden. Automatische Aktualisierungen der Verbraucherpräferenzen auf der Grundlage ihrer Übersteuerungsaktionen und anderer Datenquellen könnten daher den Bedarf an statischen Abschätzungen der Bereitschaft der Kunden zur Laststeuerung verringern und die Art und Weise, wie das Stromsystem betrieben wird, revolutionieren.