SmartB4P. Smarte Batteriesteuerung für die Produktion

Produzierende Unternehmen stehen aufgrund hoher Preise für elektrische Energie großen Herausforderungen gegenüber. Ein Batteriespeichersystem kann die energiewirtschaftliche Optimierung der Betriebe durch verschiedene Anwendungsfälle unterstützen, beispielsweise durch den gezielten Einsatz zur Kappung von Lastspitzen, oder zur Erhöhung der Eigenverbrauchsquote. Voraussetzung dafür sind vorausschauende Betriebsstrategien, die die Be- und Entladezeitfenster des Batteriespeichersystems unter Berücksichtigung technischer und wirtschaftlicher Einflussgrößen festlegen. In der Praxis kommen dazu überwiegend fest definierte Grenzwerte zum Einsatz. Diese regelbasierten Ansätze stoßen bei einer hohen Komplexität durch kombinierte betriebswirtschaftliche Anwendungsfälle sowie Wechselwirkungen zwischen Batteriespeichern und flexiblen Erzeugungs- und Verbrauchanlagen an ihre Grenzen.
Im Rahmen des von der Bayerischen Forschungsstiftung geförderten Forschungsprojekts "SmartB4P" wurde an der Entwicklung einer künstlichen Intelligenz (KI) für eine optimale Betriebsstrategie gearbeitet, die den Herausforderungen der hohen Komplexität entgegentreten soll. Dazu wurde ein Multiagentensystem mit Reinforcement Learning aufgebaut, um das automatisierte Lernen einer kostenoptimierten Betriebsstrategie für Produktionsstandorte zu ermöglichen. In die KI-basierte Betriebsstrategie fließen u.a. Energiemarkt- und Produktionsdaten ein, um die Stromkosten durch den gezielten Einsatz des Batteriespeichers und energieflexibler Verbraucher (z. B. Druckluftkompressor) zu senken. Der entwickelte Multiagentenansatz wurde am Beispiel eines Batteriespeichers am Standort eines Automobilzulieferers angewendet und konnte die Amortisationszeit des Batteriespeichersystems um rund neun Prozent gegenüber einem regelbasierten Ansatz reduzieren.