Energetika (WP7)
Pracovní balíček WP7 se zaměřuje na výzkum a vývoj pokročilých nástrojů pro energetiku, se zvláštním důrazem na aplikační oblasti teplárenství a přenosových soustav. Výzkum cílí na vývoj inovativních řešení pro dané oblasti za využití metod umělé inteligence, přičemž je kladen důraz na synergii vyvíjených přístupů napříč těmito odvětvími. Klíčovým prvkem je úzká návaznost na reálné aplikační výzvy, které byly identifikovány ve spolupráci s předními průmyslovými partnery.
Pracovní balíček WP7 se v oblasti přenosových soustav zaměřuje na vývoj inovativních řešení, které zásadním způsobem zvýší pozorovatelnost provozu soustavy díky vyvíjeným predikčním řešením. Dále budou vytvořeny nástroje pro detekci nekonzistenci modelů přenosových soustav za účelem zvýšení resilience provozu. V neposlední řadě budou vyvinuty optimalizační nástroje umožňující efektivnější řízení přenosových soustav s ohledem na budoucí požadavky spojené s vysokým podílem obnovitelných zdrojů v energetickém mixu. V oblasti teplárenství je hlavním cílem WP7 vývoj predikčních softwaru, které budou sloužit pro přesný odhad budoucích povětrnostních podmínek, díky kterému bude možno velmi efektivně optimalizovat provoz centrální dodávky tepla.
Jaký problém WP řeší a proč je to důležité?
01
Plánování výroby a distribuce tepla nepružně reaguje na neočekávané výkyvy počasí.
02
Přenosové soustavě hrozí regionální přetížení a dysbalance vedoucí v extrémním případě k nestabilitě.
03
Řešení napříč energetickými sektory jsou roztříštěná, nekoordinovaná a neprovázaná.
04
Mezi akademickým výzkumem a praxí existuje propast
Příklady využití / aplikační oblasti a přínosy
Teplárenství
- Přesné časo-prostorové meteorologické předpovědi
- Optimalizace produkce a řízení tepláren
Přenosná soustava
- Zvýšení pozorovatelnosti a zrobustnění technických modelů vedoucí k vyšší míře předvídatelnosti chování soustavy
- Optimalizace bezpečného a spolehlivého provozu s ohledem na ekonomickou efektivitu
Klíčové osoby
Vedoucí WP
Ing. Martin Střelec, Ph.D.
Laboratoř pokročilých energetických systémů (LAPS), NTIS | FAV ZČU
Zapojené instituce
Použité technologie a postupy
- Analýza charakteru výkonových výměn: Grid Node Observer: metody strojového učení (LSTM, Gradient Boosted Trees etc.)
- Aproximativní optimalizační metody: Deep nRAO – reinforcement learning
- WRF (The Weather Research and Forecasting Model)
- Analýza abnormálních jevů v přenosových soustavách: Grid Consistency Checker: physical based neural networks
- Krátkodobá a ultra-krátkodobá předpověď klíčových meteorologických parametrů
- ICON (Icosahedral Nonhydrostatic Model)
Dosažené a plánované výsledky
2027
Meteorologická předpověď pro teplárenskou síť Českých Budějovic s vysokou časovou frekvencí a místní granualitou
R – software
Grid Node Observer
R – software
2029
Stochastické zhodnocení a empirická evaluace meteorologické předpovědi a klíčových případů pro teplárenskou síť Českých Budějovic
R – software
Grid Consistency Checker
R – software
2031
AI a heuristické modely aplikované na meteorologickou předpověď pro teplárenskou síť s vysokou časovou frekvencí a místní granualitou
R – software
Deep nRAO
R – software