Optimale Energiesystem Auslegung per Webtool?

Seit April 2024 entwickelt der LTT im Projekt „SuMo4EnSy“ Methoden, um rechenzeitintensive Optimierungsmodelle durch echtzeitfähige Machine-Learning-Ersatzmodelle zu ersetzen. Die Energiewende stellt Betreiber industrieller und gewerblicher Energieversorgungssysteme vor die Herausforderung, ihre Energiesysteme zu dekarbonisieren. Für die Auslegung von Energiesystemen haben sich gemischt-ganzzahlige lineare Optimierungsmodelle (MILP) etabliert. Allerdings erfordern diese Modelle Expertenwissen, detaillierte Eingangsdaten sowie einen erheblichen Rechenaufwand. Daher ist die Auslegung von Energiesystemen oft zeit- und kostenintensiv, insbesondere wenn eine externe Beratung hinzugezogen werden muss. Dies stellt für viele Unternehmen, insbesondere für kleine und mittlere Unternehmen (KMUs), eine erhebliche Barriere da.

Daher fokussiert sich das Projekt „SuMo4EnSy“ darauf, die rechenintensiven MILPs durch echtzeitfähige Ersatzmodelle zu ersetzen. Diese Ersatzmodelle basieren auf Machine-Learning Methoden und ermöglichen Entscheidungsträgern, mit geringem Aufwand verschiedene Transformationskonzepte für ihr Energiesystem zu identifizieren und anschließend ökonomisch und ökologisch zu bewerten. Um eine intuitive und unkomplizierte Nutzung der Ersatzmodelle zu ermöglichen, sollen nur wenige und einfach zu beschaffene Eingabeparameter erforderlich sein. Dies könnten etwa der mittlere und maximale Jahresstromverbrauch sowie Informationen über den Schichtbetrieb sein.

Im Austausch mit den Praxispartnern Rolls-Royce Solutions und REWE werden anwenderbezogene Anforderungen an die Ersatzmodelle erarbeitet. In der Methodenentwicklung arbeitet der LTT eng mit der GFaI (Gesellschaft zur Förderung angewandter Informatik e.V.) zusammen.