Till innehåll på sidan

AI skyddar elnätet mot obalans skapad av elbilar och förnybar energi

portrait photo Qianwen Xu
AI-algoritmer med öppen åtkomst har utvecklats för att skydda elnät från slumpmässiga fluktuationer som orsakas av förnybar energi och elbilar. Docent Qianwen Xu i sitt labb vid institutionen för Elkraft och energisystem, KTH. Foto: David Callahan.
Publicerad 2024-02-28

Elektrifieringen av samhället sker i allt högre utsträckning med hjälp av variabla elkällor som sol och vind. För att förhindra strömavbrott i ett sådant samhället rapporterar KTH-forskare om utvecklingen av algoritmer för artificiell intelligens som är avsedda att reagera snabbt när nätets spänningsbalans är hotad.

När förnybar 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 stress som en AI-lösning baserad på öppen källkod har utvecklats för att hantera, säger Qianwen Xu, forskare på avdelningen Elkraftteknik vid KTH.  

Inkonsekvent behov

Vindkraft och solstrålning är inte konsekventa energikällor från timme till timme, berättar Qianwen Xu. Efterfrågan på laddning av elbilar baseras därtill på människors personliga behov och vanor. Samhället står därmed inför 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. 

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. 

Snabbt och kostnadseffektivt

– 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, säger Qianwen Xu.

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, säger Qianwen Xu.

Kan skada nätinfrastrukturen

Spänningsavvikelser kan leda till ineffektiv drift av elektriska apparater, förkorta deras livslängd och i extrema fall orsaka skador på nätinfrastrukturen, enligt Qianwen Xu. Mer alarmerande är att spänningsavvikelser kan leda till strömavbrott eller behov av nödåtgärder, såsom lastfördelning eller användning av reservgeneratorer, för att upprätthålla nätstabiliteten.

– 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.  

Text: David Callahan ( callahan@kth.se ) / Redigering: Peter Asplund ( p3t3r@kth.se )

För mer information, kontakta Qianwen Xu på 08 - 790 63 56 eller qianwenx@kth.se.

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

Innehållsansvarig:redaktion@kth.se
Tillhör: Om KTH
Senast ändrad: 2024-02-28