Aus Zusammenarbeit von Christian Utama und Prof. Christian Meske mit Ass.-Prof. Johannes Schneider der Universität Lichtenstein, sowie Dr. Carolin Ulbrich des Helmholtz-Zentrum Berlin erschien der Artikel „Reactive power control in photovoltaic systems through (explainable) artificial intelligence“ in der Fachzeitschrift Applied Energy (IF: 9,7). Der Artikel zeigt auf, wie Künstliche Intelligenz (KI) eine wichtige Rolle spielen kann, um das Potential erneuerbarer Energie zu realisieren und die Energiewende voranzutreiben.

Im Laufe des letzten Jahrzehnts gewann das Thema der erneuerbaren Energie angesichts der Klimakrise stetig an Relevanz, die mit Blick auf die aktuelle Energiekrise erneut in den Fokus der öffentlichen Wahrnehmung gerückt ist. Allein in Deutschland stieg der Anteil der erneuerbaren Energie von 17,1% in 2021 auf 45,2% im Jahr 2020 an. Im Kontext weltweiter Projekte steigt insbesondere die Anzahl von Photovoltaik Systeme rasant. Photovoltaik Systeme sind somit als zentraler Bestandteil für eine erfolgreiche Energiewende unabdingbar. Jedoch bestehen aufgrund teilweise wechselnder und unbeständiger Stromflüsse bislang Herausforderungen, Photovoltaik Anlagen effizient in das Stromnetz einzubinden. 

Im Kontext dieser Problemstellung untersucht das Autoren-Team den Einsatz eines künstlichen neuronales Netzwerks (ANN) zur optimierten Blindleistungsregelung im Netz. Im Rahmen ihrer Studie zeigen die Autoren auf, wie ANNs die optimale Blindleistung eines Stromnetzes prognostizieren können. Zudem untersuchen die Autoren wie die Berechnung von Shapley Additive Explanations (SHAP) – eine Technik der erklärbaren Künstlichen Intelligenz (xAI) – genutzt werden kann, um zusätzliche Erkenntnisse hinsichtlich der durch das ANN durchgeführte Optimierung zu generieren. Diese zusätzlichen Erkenntnisse können zur weiteren Verbesserung zukünftiger Regelungslösungen für Photovoltaik Anlagen genutzt werden.

Aktuelles

Übersicht