2024
- EnergyOS: Designing a Multi-Application EMS Platform. The 15th ACM International Conference on Future and Sustainable Energy Systems, ACM, 2024, 237-255 mehr…
Bearbeiter | Ehimare Okoyomon |
Gitlab | gitlab.lrz.de/energy-management-technologies-public/energy-os-core |
Die Herausforderungen der Energiewende erfordern den Einsatz von Energiemanagementsystemen (EMS) auf verschiedenen Netzebenen (Geräte, Gebäude, Verteilungs- und Übertragungsnetzen) durch unterschiedliche Akteure (Hardware-OEMs, Prosumer, Aggregatoren, Verteilnetzbetreiber (DSOs), Übertragungsnetzbetreiber (TSOs)), die oft gegensätzliche Ziele verfolgen. Optimierungen und Betriebspläne sind entscheidende Aspekte von EMS, die Planungs- und Prognosemethoden einsetzen, um auf das dynamische und schwankende Umfeld, in dem sie arbeiten, zu reagieren. Wenn mehrere EMS-Anwendungen gleichzeitig versuchen, dieselbe Energieinfrastruktur zu steuern, entstehen Herausforderungen aufgrund der engen Abhängigkeit zwischen Optimierungsparametern, widersprüchlichen Systemzielen und Unsicherheiten in ihrer Umgebung. Allerdings sind führende proprietäre und Open-Source-EMS nicht in der Lage, diese Probleme zu lösen. Das unterstreicht die Notwendigkeit anspruchsvoller EMS-Designs, die den zeitlichen und räumlichen Datenaustausch für gemeinsame Optimierungen zwischen vernetzten Systemen ermöglichen.
Da die meisten aktuellen EMS monolithische Systeme sind, verfolgen sie nur ein einziges Ziel und haben nur eine begrenzte Sicht auf ihre Umgebung. Jedoch werden sie oft parallel zu anderen EMS-Systemen eingesetzt, die dieselben Ressourcen nutzen, relevante Informationen enthalten und/oder widersprüchliche Systemziele haben. EnergyOS ist eine vernetzte EMS-Plattform, die es mehreren EMS-Anwendungen ermöglicht, miteinander zu kommunizieren, zu planen und diese Arten von Konflikten nativ zu lösen, indem sie Funktionen für das verteilte Ressourcenmanagement und die Steuerung von EMS-Komponenten bereitstellt. Das Design von EnergyOS wird durch einen Open-Source-Prototyp sowie Fallstudien gestützt, die seine Vorteile dort aufzeigen, wo andere Systeme möglicherweise versagen.