AISOP – KI-assistierte Stromnetz Situationserkennung und Betriebsplanung

• Forschungsstelle: BFE
• Projektnummer: SI/502314
• Projekttitel Englisch: AISOP – AI-assisted grid situational awareness and operational planning

Kurzbeschreibung (Deutsch)

AISOP entwickelt ein KI-basiertes Entscheidungsunterstützungswerkzeug für Verteilnetzbetreiber (VNB) welches auf fortgeschrittener digitaler Technologie abgestützt ist, um die Dekarbonisierung voranzutreiben. Das Entscheidungsunterstützungswerkzeug akquiriert, verarbeitet, interpretiert und verwertet Daten zugunsten von VNBs Betriebsplanung. In diesem Zusammenhang erweitert AISOP datengesteuerte Methoden für verbesserte Betriebsplanung, Situationserkennung und Marktanreiz in lokalen Verteilnetzen mit hohen Anteilen von dezentralen Energieressourcen durch KI/ML basierte Entscheidungsunterstützung. Im geplanten Projekt werden (i) Datenzugriff und -aufnahme, (ii) Verteilnetz Situationserkennung, (iii) Entscheidungsunterstützung für Verteilnetzbetrieb, (iv) dynamische Tarife, (v) Integration einer digitalen Plattform mit Auswertung via von Test- und Trainingsumgebungen vereint. Die entwickelten Lösungen werden in EXPERA verbreitet und in drei Demo Felder und Living Labs in CH, DE und DK validiert.

Kurzbeschreibung (Englisch)

AISOP aims to create an AI-assisted decision support system for the electric distribution system operators (DSOs) to drive decarbonisation that is underpinned by advanced digital technology. The decision-support system securely and privately acquires, processes, interprets, and exploits data for the benefit of DSO operational planning. In this context, AISOP expands data-driven techniques for improved operational planning in distribution/local grids with high shares of DERs by integrating AI/ML-based solutions, enhanced situational awareness and market incentives. Within the proposed project we combine (i) data access and ingestion (ii) distribution grid situational awareness, (iii)decision-support for distribution grid management (iv) dynamic tariffs, (v) digital platform integration with exploitation through test and training environments. The developed solutions will be disseminated within EXPERA and validated using the three demo-sites and living labs in CH, DE and DK.

URL-Adressen (Englisch)

AISOP : AI-assisted decision support for operational planning in distribution systems
AISOP · GitHub

Schlussbericht (Deutsch)

Getrieben von den Zielen der Energiestrategie 2050 investieren die Schweizer Energieversorger in fortschrittliche Planungs-, Steuerungs- und Flexibilitätslösungen, um dezentrale erneuerbare Energien kosteneffizient zu integrieren und den steigenden Strombedarf durch die Elektrifizierung von Wärmeversorgung und Mobilität zu decken. Digitalisierung und Intelligenz in der Betriebsplanung spielen eine wesentliche Rolle, um den Anschluss erneuerbarer Erzeugung und neuer Verbraucher zu gewährleisten und gleichzeitig übermässige Netzverstärkungen zu vermeiden. Damit sich der Einsatz dieser Technologien beschleunigt, sind Analyse- und Betriebsplanungswerkzeuge erforderlich, die über die GIS-Integration hinausgehen.

Im Rahmen des AISOP-Projekts wird ein Digitaler Prozess Zwilling (DPT) entwickelt, um die datengetriebene Entscheidungsfindung für VNB zu unterstützen. Wie in dieser Arbeit skizziert, wird im Rahmen des AISOP-Projekts ein DPT-Konzept vorgeschlagen, um die datengetriebene Entscheidungsfindung für VNB zu unterstützen. Der DPT erleichtert die Integration und systematische Verwaltung von Messdaten und Simulationsausgaben durch dedizierte Workflows, die Stromnetz-Überwachung, genaue Schätzungen der aktuellen als auch der prognostizierten Spannungs- und Lastbedingungen im Verteilnetz ermöglichen.

Neben aktiven Netzmanagementstrategien stellen nicht-invasive Flexibilitätsmechanismen wie dynamische Stromtarife eine vielversprechende Alternative dar, um das Verhalten der Endnutzer zu beeinflussen. Diese Tarife können Anreize für Verbraucher und Prosumenten schaffen, ihre Verbrauchs oder Erzeugungsprofile an die Netzbedingungen anzupassen. Zu diesem Zweck wird im Rahmen des AISOP-Projekts ein dynamischer Tarifsimulationsansatz entwickelt, der auf der DPT-Workflows aufbaut und Techniken des maschinellen Lernens einbezieht, um die Netznutzungstarife sowohl für die Last als auch für die Erzeugung nahezu in Echtzeit zu aktualisieren. Ein solcher Ansatz ist besonders wertvoll in Szenarien, in denen ein flexiblerer, adaptiverer und nutzerbewussterer Verteilnetzbetrieb einen Mehrwert schafft und traditionelle Netzverstärkungsmassnahmen ergänzt.

Diese Tools können die Bewertung der verfügbaren Netzkapazität und die Erkennung von Risiken einer Überlastung kritischer Anlagen unterstützen und schlussendlich einen direkten Beitrag zur Betriebsplanung und zu Wartungsstrategien sowie zur langfristigen Infrastrukturplanung leisten, die zukünftige Regulierungs- und Digitalisierungsszenarien berücksichtigt. In zukünftigen Implementierungen hat die DPT-Technologie das Potenzial, als erster Schritt zur Ermittlung optimaler Szenarien für die Netzrekonfiguration zu dienen und so die Flexibilität und Resilienz von Verteilungssystemen zu erhöhen.

Schlussbericht (Englisch)

Driven by the Energy Strategy 2050 targets, Swiss utilities are investing in advanced planning, control, and flexibility solutions to cost-effectively integrate distributed renewable energies and address the rising electricity demand from the electrification of heating and mobility. Digitalization and intelligence in operational planning play a significant role in guaranteeing the connection of renewable generation and new loads while avoiding excessive grid reinforcements. As the deployment of these technologies accelerates, analysis and planning tools are required to offer new capabilities that go beyond the integration of GIS data.

Within the framework of the AISOP project, a Digital Process Twin (DPT) concept is proposed to support data-driven decision-making for DSOs. The DPT facilitates the integration and systematic management of measurement data and simulation outputs through dedicated workflows intended to help distribution system operators run an operational planning process providing accurate estimations of voltage and load conditions to support active network management strategies.

As part of the operational planning process, non-intrusive flexibility mechanisms such as dynamic electricity tariffs, were combined with a grid awareness risk analysis concept by incorporating measurements and simulation data. The integrated analysis presented a promising alternative to influence end-user behavior. These tariffs can incentivize consumers and prosumers to adapt their consumption or generation profiles in alignment with grid conditions. To this end, a dynamic tariff simulation framework is developed within the scope of AISOP project that builds upon the DPT workflows and incorporates machine learning techniques to update grid usage tariffs for both load and generation in near real time. Such an approach becomes particularly valuable in scenarios where more flexible, adaptive, and user-aware distribution grid management creates value, complementing traditional grid reinforcement measures.

These tools can support the assessment of available grid capacity, detection of risks of overloading critical assets, and ultimately provide direct input to operational scheduling and maintenance strategies, and long-term infrastructure planning that considers future regulatory and digitalisation scenarios. In future implementations, DPT technology has the potential to serve as an initial step toward identifying optimal grid reconfiguration scenarios, enhancing flexibility and resilience in distribution systems.

Zugehörige Dokumente

• Final report [PDF] 16'893 kB

Schlussbericht (Französisch)

Motivées par les objectifs de la Stratégie énergétique 2050, les entreprises suisses de services publics investissent dans des solutions avancées de planification, de contrôle et de flexibilité afin d’intégrer de manière rentable les énergies renouvelables distribuées et de répondre à la demande croissante d’électricité liée à l’électrification du chauffage et de la mobilité. La numérisation et l’intelligence dans la planification opérationnelle jouent un rôle important pour garantir le raccordement de la production d’énergie renouvelable et des nouvelles charges, tout en évitant des renforcements excessifs du réseau. À mesure que le déploiement de ces technologies s’accélère, les outils d’analyse et de planification doivent offrir de nouvelles capacités allant au-delà de l’intégration des données SIG.

Dans le cadre du projet AISOP, un concept de jumeau numérique de processus est proposé pour soutenir la prise de décision fondée sur les données pour les gestionnaires de réseaux de distribution. Le jumeau numérique de processus facilite l’intégration et la gestion systématique des données de mesure et des résultats de simulations grâce à des flux de travail dédiés destinés à aider les opérateurs à surveiller leurs actifs et qui fournissent des estimations précises des conditions de tension et de charge afin de soutenir des stratégies de gestion active du réseau.

De plus, des mécanismes de flexibilité non intrusifs tels que les tarifs d’électricité dynamiques constituent une alternative prometteuse pour influencer le comportement des utilisateurs finaux. Ces tarifs peuvent inciter les consommateurs et les prosummateurs à adapter leurs profils de consommation ou de production en fonction des conditions du réseau. À cette fin, une approche de simulation tarifaire dynamique est en cours d’élaboration dans le cadre du projet AISOP. Ce cadre s’appuie sur les DPT workflows et intègre des techniques d’apprentissage automatique pour mettre à jour les tarifs d’utilisation du réseau, tant pour la charge que pour la production, en temps quasi réel. Une telle approche s’avère particulièrement précieuse dans les scénarios où une gestion du réseau de distribution plus flexible, adaptative et axée sur l’utilisateur crée de la valeur, en soutenant les mesures traditionnelles de renforcement du réseau.

Ces outils peuvent faciliter l’évaluation de la capacité disponible du réseau, la détection des risques de surcharge des actifs critiques et fournir des informations directement exploitables pour la planification opérationnelle, les stratégies de maintenance et la planification à long terme des infrastructures, en tenant compte des scénarios réglementaires et de numérisation futurs. Dans les projets futurs, la technologie DPT pourrait permettre d’identifier des scénarios optimaux de reconfiguration du réseau, améliorant ainsi la flexibilité et la résilience des systèmes de distribution.