5G und Machine Learning

Bis zum avisierten Start der fünften Mobilfunkgeneration ist noch viel zu tun. Im Projekt »5Gain« stehen 5G Infrastrukturen für zellulare Energiesysteme im Mittelpunkt. Entwickelt wird mit Methoden des Machine Learnings. Denn 5G ist mehr als ein neuer Funkstandard.

5Gain – 5G Infrastrukturen für zellulare Energiesysteme mit KI

Das vom BMWi-geförderte Projekt »5Gain – 5G Infrastrukturen für zellulare Energiesysteme unter Nutzung künstlicher Intelligenz« startete im Dezember 2019 mit dem Ziel, 5G Konzepte für zellulare Energiesysteme zu entwickeln und zu evaluieren.

Ziele des Projektes 5GAIN

Im Fokus von »5Gain« steht die Entwicklung und Evaluierung von zellularen Energiesystemen. Mittels maschineller Lernverfahren (Machine Learning/ML) wird deren regionales Entnahme- und Erzeugungsverhalten optimiert.

Bedingt durch den Ausbau dezentraler, erneuerbarer Energiequellen sowie steuerbarer Lasten und Speicher (z.B. Elektromobilität) wird die Kontrolle von Energiesystemen immer komplexer. Gleichzeitig soll der Ausbaubedarf des Stromnetzes auch möglichst gering gehalten werden. Ein Lösungsansatz zur Bewältigung dieser Herausforderung ist die Einteilung des Energienetzes in eigene Zellen, innerhalb derer ein dezentrales, weitgehend autonomes Last- und Einspeisemanagement durchgeführt wird.

5G-gestützte Anwendungsszenarien von Cyber physikalischen Produktionssystemen
© Fraunhofer ITWM
5G-gestützte Anwendungsszenarien von Cyber physikalischen Produktionssystemen

Die Abrechnung in solchen autonomen Energiezellen erfolgt direkt zwischen den involvierten Einheiten (Smart Contracts). Weiterhin wird die Machbarkeit zusätzlicher, erst durch 5G-Netze ermöglichter Dienste, wie z.B. die Datenraten-intensive, automatisierte Fernwartung verteilter Infrastrukturen durch Drohnen, analysiert.

Dazu ermöglichen neuartige 5G-Mobilfunknetze über den Einsatz von Network Slicing eine dynamische, dedizierte Zuweisung von ortsbezogenen Übertragungsressourcen auf Basis geteilter Kommunikationsinfrastrukturen (Regional Network Slices) für Energiesystemanwendungen.

 

Unsere Kompetenzen und Expertise im Projekt

Wir entwickeln im Projekt ein generisches ML-Verfahren für die verteilte Netzregelung zellulärer Energiesysteme. Durch dieses sollen die Kommunikationsanforderungen bedarfsabhängig prognostiziert werden, damit die benötigen Ressourcen im 5G-Netz zugesichert werden können.

Projektpartner

  • adesso AG
  • Dortmunder Energie- und Wasserversorgung GmbH
  • urban ENERGY
  • PHYSEC
  • Stadt Dortmund
  • RWTH Aachen
  • Technische Universität Dortmund (TUDo), Fakultät für Elektrotechnik und Informationstechnik
  • Innogy SE
BMWi gefördert
© BMWi
Angewandte nichtnukleare Forschungsförderung im 7. Energieforschungsprogramm Innovationen für die Energiewende vom 01.10.2018.