FIAS-Doktorand Chen Li sprach als geladener Sprecher auf dem „Strommarkttreffen“ in Berlin. Er präsentierte seine Ergebnisse zur Optimierung des Energieeinsatzes mit Hilfe von maschinellem Lernen. Forschende des FIAS haben ein hochmodernes KI-System entwickelt, das wetterabhängigen Schwankungen im Stromnetz ausgleicht und so eine effiziente und zuverlässige Verteilung von Strom aus Quellen wie Sonne und Wind gewährleistet (https://fias.news/aktuelles/ki-verhindert-wetterabhaengige-schwankungen-im-stromsystem/).

Unter dem Motto „Künstliche Intelligenz & Maschinelles Lernen im Strommarkt“ lud das Future Energy Lab zu Vorträgen ein, wie Strommärkte effizienter, flexibler und nachhaltiger gestaltet werden können. Als Teil des Thinktanks der Deutschen Energie-Agentur (dena) vereint das Future Energy Lab mehrere Tausend Mitglieder aus Digital- und Energiewirtschaft zur Erprobung digitaler Energie- und Klimatechnologien.

Beim „Strommarkttreffen“ Ende Mai in Berlin sprachen vor 40 Zuhörenden aus Wissenschaft, Politik und Wirtschaft neben Chen Li vom FIAS:

• Martin Palovic (Constructor University, Bremen) zum maschinellen Lernen bei der Beschaffung von Netzdienstleistungen
• Florian Marquardt (Technische Hochschule Brandenburg) über die Verwendung von Large Language Models im Kundenservice der deutschen Energiewirtschaft
• Nick Harder (INATECH, Université de Fribourg) zu verstärkendem Lernen in der Modellierung des Elektrizitätsmarkts.

In seinem Vortrag führte Li in das Problem der Optimierung des Energieeinsatzes im modernen Energiesystem ein. Er diskutierte Einsatzmöglichkeiten von KI-Methoden zur Lösung des Problems. Dazu stellte er seinen Ansatz für künstliche neuronale Netze vor, einschließlich Ergebnissen, die die Leistung veranschaulichen. Er nannte auch weitere Anwendungsszenarien, etwa die Unterstützung und den Ersatz konventioneller Ansätze sowie Grundlagen für wirtschaftliche Optimierung und Marktanalyse.

In der anschließenden lebhaften Diskussion bestätigte Li auf Nachfragen, dass der KI-Ansatz zudem eine nahezu optimale Lösung liefern kann für konventionelle Optimierer. In der Diskussion wurde auch deutlich, dass bereits trainierte neuronale Netze nur mit einem Stromversorgungssystem umgehen können, das eine feste Struktur hat. Bei Änderungen muss ein weiterer Datensatz aus dem neuen System vorbereitet und das neuronale Netz erneut trainieren werden.

Li fand die Konferenz sehr anregend – auch wenn die deutsche Sprache für ihn eine Diskussionshürde darstellte. „Es ist sehr spannend, dass sich neben Forschenden auch Industrie und Politik mit KI-Anwendungen für das Energiesystem und den Energiemarkt beschäftigen, was das große Potenzial der KI zeigt“. Er sei davon überzeugt, dass neue Anwendungsszenarien für KI im Energiebereich eine effizientere, wirtschaftlichere und grünere Zukunft ermöglichen werden.

weitere Informationen