Das FUSE-Projekt untersucht und demonstriert die Anwendung von SoA-KI-Technologie, um die Widerstandsfähigkeit und Stabilität des zukünftigen Energienetzes zu erhöhen, das einen stark wachsenden Anteil an erneuerbaren Energiequellen integrieren muss. Dieses zukünftige Netz wird eine zellulare Struktur mit Erzeugern in Verbrauchernähe aufweisen, wobei die Infrastruktur in den Zellen von intelligenter IKT überwacht und gesteuert wird. Hauptziel von FUSE ist die Entwicklung und Demonstration innovativer IKT-basierter Lösungen für Demand Side Management, Condition Monitoring und Predictive Maintenance, welche die Implementierung einer zellularen Struktur unterstützen. FUSE erreicht dieses Ziel durch Entwicklung einer hierarchischen, hochgradig skalierbaren IKT-Architektur, KI-basiertem verteiltem Datenmanagement auf allen Hierarchieebenen sowie dezentraler intelligenter Steuerung von Verbrauchern und Netzinfrastruktur.

SENSE bringt in das FUSE-Projekt Expertise und Know-how in den Bereichen Energienetze und Demand Side Management mit Schwerpunkt auf Modellierung, Simulation und Optimierung ein. Das SENSE Smart Grid Labor dient als Entwicklungs- und Validerungsumgebung sowie als Demonstrator der FUSE-Pilotimplementierung.

Schwerpunkt des Vorhabens ist das intelligente Verbrauchermanagement: hierfür werden aufbauend auf einem zunächst zu erstellenden Anforderungskatalog aus Sicht des Niederspannungsnetzes spezifische Modelle flexibler Verbraucherlasten entwickelt und implementiert, die für das smarte DSM genutzt werden können. Im zweiten Arbeitsschwerpunkt unterstützt SENSE die Entwicklung des KI-basierten Datenmanagements: es werden Szenarien erstellt und zeitintensive Messreihen im Smart Grid Labor durchgeführt, die den von DFKI entwickelten Algorithmen für maschinelles Lernen die benötigten Trainingsdaten bereitstellen. Nach der Anlernung werden die ML-Algorithmen in der realen Infrastrukturumgebung des Smart Grid Labors auf Wirksamkeit getestet.

Im Zuge des Projekts werden folgende Funktionalitäten entwickelt:

• Entwicklung einer Methodik zur Berücksichtigung netzspezifischer Größen im FUSE-DSM-Konzept
• Entwicklung Funktionaler Modelle ("Digital Twins") für die flexiblen Lasten in der deutschen Pilotimplementierung, aufbauend auf den DSM-Algorithmen
• Implementierung und Demonstration des FUSE-Pilots im SENSE Smart Grid Labor für den Niederspannungsbereich
• Testen der entwickelten Algorithmen des Maschinellen Lernens im FUSE-Piloten
• Testen der entwickelten DSM-Algorithmen im Zusammenspiel mit der Mittelspannungs-Pilot-Implementierung in Finnland