AI skyddar elnätet mot obalans skapad av elbilar och förnybar energi

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. Det beror på att slumpmässiga variationer i tillgång och efterfrågan sätter press på nätets kapacitet att upprätthålla en stadig spänningsnivå.  

– Det är denna påfrestning som en AI-lösning baserad på öppen källkod har utvecklats för att hantera, säger Qianwen Xu, forskare på avdelningen för Elkraftteknik vid KTH.   

– 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. 

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.  

– 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. 

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.  

– Lösningens decentraliserade hantering skulle upprätthålla spänningsnivåerna inom vissa nödvändiga gränser. Utöver denna marginal riskerar spänningsfluktuationer att ha en skadlig effekt på den elektriska utrustningens prestanda och på nätets övergripande stabilitet. Vårt syfte är att förbättra kontrollstrategierna för kraftomvandlare genom att göra dem mer adaptiva och intelligenta för att stabilisera komplexa och föränderliga kraftnät, säger Qianwen Xu.

Detta arbete 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.   

Vetenskaplig publicering:

"Data Driven Decentralized Control of Inverter based Renewable Energy Sources using Safe Guaranteed Multi-Agent Deep Reinforcement Learning", IEEE Transactions on Sustainable Energy, DOI: 10.1109/TSTE.2023.3341632

För mer information kontakta: 

Qianwen Xu, docent vid avdelningen för Elkraftteknik vid KTH, tel. 08-790 63 56, eller qianwenx@kth.se