AI kan skydda elnätet mot obalans
När förnybara energikällor och elfordon kombineras med elnätet kan de destabilisera strömtillförseln och orsaka en rad problem, från bärbara datorer som inte fungerar till regionala strömavbrott. För att förhindra strömavbrott har KTH-forskare utvecklat AI-algoritmer som ska reagera snabbt när nätets spänningsbalans är hotad.
De nya DRL-algoritmerna (deep reinforced learning) med öppen källkod är utformade för att lösa denna utmaning. Detta genom att leverera intelligens för kraftomvandlare djupt inne i nätet, där de optimerar storskalig samordning av energikällor på ett säkert sätt under snabba fluktuationer utan realtidskommunikation.
DRL tillhandahåller en ny datasynkroniseringsstrategi för att hantera kommunikationsfördröjningar för datadrivna algoritmer.
– Vindkraft och solstrålning är inte konsekventa energikällor från timme till timme, och efterfrågan på laddning av elbilar baseras på personliga behov och vanor. Det innebär en hög nivå av stokastik och osäkerhet. Integrationen av förnybar el och elfordon med elnätet kommer att leda till spänningsfluktuationer, avvikelser och till och med utmaningar när det kommer till elleveransen, säger Qianwen Xu, forskare på avdelningen för elkraftteknik vid KTH.
Forskarna demonstrerade detta i en verklig hårdvaruplattform för smarta mikronät på KTH. Programvarupaketet med öppen källkod publiceras i Github, och forskningsartikeln rapporteras i tidskriften IEEE Transactions on Sustainable Energy.
– Centraliserad styrning är inte kostnadseffektivt eller snabbt under kontinuerliga fluktuationer av förnybar energi och elfordon. Vårt mål är en AI-baserad självkontroll för varje distribuerad energikälla som är sammankopplad med kraftomvandlare.
Arbetet är en del av Digital Futures, ett KTH-baserat forskningscenter som utforskar och utvecklar digital teknik, tillsammans med forskare från University of California, Berkeley och Stockholms universitet.
Källa: KTH
