Energie: Digital & Dezentral

Forschungsthemen

Shamim Ahmed erforscht Last- und Produktionsschwankungen in Netzen mit Virtual Power Plant (VPP). Insbesondere interessiert er sich für die Arbeit an den Vorhersagemodellen für das Mittelspannungsnetz.

Martin Möhring erforscht in seinem Promotionsprojekt, wie sich die Rolle von lokalen Energieunternehmen (local power organization, LPO) im Zuge von Digitalisierungs- und Dezentralisierungsprozessen verändert. Dabei interessiert besonders, wie der Fluss von Information und Elektrizität in diesen Energieunternehmen verschmilzt und im Zuge der Entwicklung von Energy-as-a-service Anbietern und Energieplattformen neue Marktarrangements entstehen.

Katja Müller untersucht, ob und wie VPPs bestehende Stromerzeugungs- und Steuerungssysteme herausfordern und inwieweit die Dezentralisierung der Erzeugung und die ökonomische, gemeinschaftliche oder ökologische Motivation dahinter sich in der konkreten Ausgestaltung und Umsetzung – der Programmierung des Energy Management Systems mit seinen Zugriffsberechtigungen – wiederfindet. Wichtig ist hierbei, die Umstellung auf erneuerbare Energien, die digital gesteuert werden, nicht nur als eine klimapolitisch-technische Notwendigkeit, sondern im Sinne einer Doppelwende als einen weitreichenden Transformations- und Entscheidungsprozess zu verstehen, in dem neue Infrastrukturen den Rahmen für zukünftige energietechnische Steuerungen und daraus induzierte gesellschaftliche Kontrollmechanismen setzen. (EnergieDigital)

Kolja Schumacher untersucht im Kontext des datenbasierten Energiehandels die Veränderungen heterogener Daten externer Quellen. Sein Fokus liegt auf der Erkennung von Veränderungen in Struktur und Bedeutung dieser Daten sowie darauf, die eigenen Anwendungen automatisch oder semi-automatisch anzupassen. Das Ziel ist, trotz dieser Veränderungen eine kontinuierliche und fehlerfreie Datenverarbeitung sicherzustellen. Um diese Herausforderungen zu meistern, beschäftigt er sich in seiner Forschung mit der Frage, welche automatisierten Methoden am effektivsten für die Anpassung an Daten-Schema-Änderungen bei externen Datenquellen sind. Dabei untersucht er insbesondere, ob große Sprachmodelle die Erkennung und Anpassung an sich ändernde Daten verbessern können. Diese Ansätze vergleicht und kombiniert er beispielsweise im Webkontext mit traditionellen Methoden wie strukturellen HTML-Vergleichen, Differenzanalysen und Mustererkennungsverfahren.

Förderung

Das Vorhaben wird aus Mitteln der Europäischen Union (JTF) gefördert.