Beschreibung
<p>Das von der Jade Hochschule beantragte Projekt zielt darauf ab, die Netzmodellierung, Engpassprognose und Optimierung im Stromnetz durch den Einsatz von künstlicher Intelligenz (KI), semantischer Graphenanalyse und Retrieval-Augmented Generation (RAG) zu verbessern. Im Fokus stehen die Verbesserung der Datenqualität und Interoperabilität von CGMES-Modellen, die automatische Erkennung und Behebung von Netzengpässen sowie die Transformation von Netzmodellen für verschiedene Simulationsplattformen.<br>Eine Analyse bestehender CGMES-Datensätze wird durchgeführt, um Syntax- und semantische Fehler sowie Inkompatibilitäten zu identifizieren. Durch den Einsatz von Ontologie-Reasoning, Graph Neural Networks (GNNs) und Large Language Models (LLMs) mit RAG-Techniken werden automatisierte Validierungs- und Korrekturmechanismen entwickelt. Parallel dazu wird eine semantische Graphenanalyse implementiert, um Netzstrukturen als Wissensgraphen zu modellieren und die Effizienz von Netzplanung zu steigern.<br>Ein zentrales Element ist die praxisnahe Umsetzung in Kooperation mit emsys Grid Services GmbH, wodurch eine enge Verzahnung mit realen Netzbetreiber-Anforderungen gewährleistet wird. Zudem ermöglicht eine modellgetriebene Architektur die nahtlose Transformation von CGMES-Daten in operative Simulationswerkzeuge. Durch den Einsatz von erklärbaren KI kann das Projekt regulatorische und technische Anforderungen automatisiert berücksichtigen und so eine effiziente, benutzerfreundliche und vertrauensvolle Netzsteuerung unterstützen.<br>Für die Durchführung des Projektes wurden aus dem Europäischen Fonds für Regionale Entwicklung (EFRE) Drittmittel in Höhe von 135.242,01 Euro und durch das Land Niedersachsen 133.739,43 Euro als Sondermittel bewilligt (in Summe 268.981,44 Euro). Die Jade Hochschule trägt zusätzlich einen Eigenanteil.</p>