Graduiertenkolleg Energiezustandsdaten

 

 

Graduiertenkolleg 2153 Energiezustandsdaten – Informatik-Methoden zur Erfassung, Analyse und Nutzung

Thomas Dengiz, Hasan Ümitcan Yilmaz, Patrick Jochem

Die Ausgestaltung zukünftiger Energiesysteme, die auch mit fluktuierender Einspeisung und flexibler Nachfrage gut umgehen können, ist ein wichtiges gesellschaftliches Anliegen. Ein grundlegender Aspekt ist der Energieverbrauch, und zwar der komplexer Systeme, beispielsweise von Industrieanlagen oder IT-Infrastrukturen. Wichtig sind u. a. seine Flexibilisierung, so dass mehr nachhaltig und lokal erzeugte Energie genutzt wird, die Resilienz der Versorgung oder die Effizienz neuer Energiesysteme. Eine Voraussetzung für all dies ist eine strukturierte Erfassung und Auswertung von Energiezustandsdaten. Diese Daten beschreiben die Energiebereitstellung, -speicherung, -übertragung und -nutzung in Form von Messwerten, abgeleiteten Größen wie z. B. Grad der Abnutzung von Batterien und Einflussfaktoren wie Strompreisen.

Besonders an unserem Forschungsprogramm, das Graduierte als Teil ihrer Ausbildung durchlaufen werden, ist die übergreifende Betrachtung des Lebenszyklus von Energiezustandsdaten, bestehend aus den Phasen Erfassung, Analyse und Nutzung. Daraus ergibt sich erheblicher Mehrwert verglichen mit Einzelpromotionen, die den gesamten Zyklus abdecken: Dissertationsprojekte, die frühen Phasen des Lebenszyklus entsprechen, können z. B. Verfahren zur Erfassung der Daten maßschneidern, wenn die Art ihrer Nutzung bekannt ist; Projekte der Phase ‚Nutzung’, die datengestützt Energiesysteme entwerfen wollen, können mit Daten in genau der erforderlichen Qualität arbeiten. (Quelle: http://www.energiezustandsdaten.kit.edu/)

Der Schwerpunkt der Doktoranden am IIP liegt in folgenden Themen:

  • Quantifizierung und Nutzung von Lastflexibilitätspotenzialen in Deutschland mit besonderem Fokus auf Power-To-Heat
  • Modellierung der fluktuierenden Stromproduktion durch Erneuerbare Energien im Europäischen Energie System unter Berücksichtigung der Modellkomplexität