Grundlagenlabor: Energieinformatik - Lab on Energy Informatics

Umgesetztes Projekt

Ziele

1. Studierende erlangen im Laufe der Lehrveranstaltung Kompetenzen in den Bereichen Photovoltaik-Systeme, Kleinwindkraftanlagen, Smart Metering und in der Anwendung von Konzepten der Künstlichen Intelligenz in Energienetzen.

 

2. Ein wichtiges Ziel der Lehrveranstaltung ist es, Studierende in Kontakt mit aktueller Forschung an Erneuerbaren Energien zu bringen, um dadurch ein Grundverständnis für deren Möglichkeiten und Anwendungen zu schaffen.

 

3. Studierende erlernen wie Konzepte aus dem Bereich KI in Energienetzen eingesetzt werden können, um beispielsweise den Ertrag von PV Anlagen vorhersagen zu können.

 

4. Studierenden soll nachhaltig in einer ausgewogenen Mischung von Frontalunterricht, Gruppenarbeiten und Hands-On Erfahrungen Wissen vermittelt werden.

Kurzzusammenfassung

Die Energiewende baut zu einem beträchtlichen Teil auf die verstärkte Integration von Computertechnologie in Energieerzeugung und Stromnetz. Ein nicht zu unterschätzender Faktor für den Erfolg der Energiewende und einer relevanten Milderung des Klimawandels ist die Menge an Menschen mit facheinschlägigen Kompetenzen, die den Wandel aktiv vorantreiben und diese Veränderungen erst möglich machen. Durch die intensive Beschäftigung der Forschung mit diesem Thema ist der Fortschritt an neuen Methoden und Algorithmen besonders groß. Unsere Lehrveranstaltung zur Energieinformatik baut daher stark darauf, aktuelle Forschungsergebnisse einzubeziehen und diese den Studierenden in praktischen Übungen so zu vermitteln, dass ein gutes Verständnis und die Fähigkeit zur Anwendung des Gelernten erreicht wird. In mehreren Modulen beschäftigen sich Studierende mit Photovoltaik, Windkraft, Smart Metering, Künstlicher Intelligenz und der Simulation von intelligenten Stromnetzen, wobei Studierende in jedem Modul themenspezifische Aufgabenstellungen bearbeiten und praktische Experimente durchführen. Das Besondere an unserer Herangehensweise ist die Kombination von bewährten Lehrsystemen mit Resultaten weltweiter als auch eigener Forschung. Dadurch bieten wir Studierenden ein möglichst breites Spektrum an Kompetenzen zur Lösung von akuten globalen Problemen.

Summary

The enhancement of the traditional power grid with elements of information and communication systems plays an important role in the ongoing energy transition. A key factor with regard to the success of this transition is the number of Smart Grid specialists in research and industry, which actively drive change. As a result of highly active research in the domain of Smart Grids and Energy Informatics, a plethora of novel methods and algorithms are being introduced and evaluated every year. Therefore, our innovative university class “Energy Informatics” combines the latest findings of international and domestic research with approved hands-on teaching material. Our university class consists of several modules that focus on photovoltaics, wind power, smart metering, artificial intelligence for power grids, and simulation of smart grids. In every module, students work on specific hands-on tasks and perform relevant experiments that serve to deepen their understanding of core issues. Thereby, we ensure excellent and sustainable teaching at the pulse of time.

Nähere Beschreibung

Das Grundkonzept der Lehrveranstaltung ist es, die Studierenden direkt Lösungen für die Energiewende erarbeiten und ausprobieren zu lassen. Durch diesen Hands-On-Ansatz wird es einerseits leichter, komplexe Konzepte zu begreifen und andererseits steigert es die Motivation der Studierenden, sich mit dem Stoff auseinanderzusetzen. Neben der Vermittlung von technischen Inhalten wird den Studierenden dabei vor allem auch ein Einblick in aktuelle Forschung gegeben, insbesondere zu Themen, die einen direkten Einfluss auf zukünftige Lösungsansätze zur Abschwächung des Klimawandels haben. Die diskutierten technischen Lösungen werden hier nicht als Allheilmittel gesehen, den Studierenden wird aber vermittelt, was aktuelle Forschungsthemen sind, wo deren Chancen und Probleme liegen und wie Studierende selbst zu diesen Themen beitragen können.

 

 

Motivation

Eine möglichst effektive Milderung des fortschreitenden Klimawandels gehört laut Meinung vieler Experten wohl zu einer der größten Herausforderungen unserer Zeit. Um einen erwähnenswerten Effekt erreichen zu können, wird vielerorts eine großflächige Installation von erneuerbaren Energietechnologien wie PV und Windkraft nahezu unumgänglich sein. Dieser Übergang von wenigen zentral gelegenen Kraftwerken hin zu einer Kombination von traditionellen Kraftwerken und einer Vielzahl von dezentralen Erneuerbaren Energien bringt auch viele Herausforderungen mit sich. Beispielsweise bedarf es bei einer steigenden Zahl von dezentralen Erzeugern an Umstrukturierungen im Energienetz als auch verstärktem Monitoring, um die Stabilität des Energienetzes garantieren zu können. Eine weitere Herausforderung ist, dass es bei klimaneutralen Kraftwerken wie beispielsweise Photovoltaik-Systemen oder Windkraftanlagen nur bis zu einem gewissen Grad möglich ist, die gewonnene Energie zu planen, wie es etwa bei Kohlekraftwerken der Fall ist. Allerdings lassen sich mit Hilfe von Konzepten der Künstlichen Intelligenz regionsspezifische Modelle generieren, die es erlauben, die gewonnene Energie eines klimaneutralen Kraftwerks über einen gewissen Zeitraum hinweg vorherzusagen. Dies erleichtert es Netzbetreibern eine unterbrechungsfreie Energieversorgung zu ermöglichen und ist Paradebeispiel dafür, wie bewährte Konzepte der Informationsverarbeitung in Energienetzen Anwendung finden. In einschlägigen Fachkreisen als auch Expertenrunden werden solch kommende Herausforderungen und Lösungsansätze seit einiger Zeit eifrig diskutiert. Damit entscheidende Klimaziele rechtzeitig erreicht werden können, wird es jedoch ein Vielfaches an Ingenieur/innen, Forscher/innen, kundigen Fachkräften und Spezialisten dafür benötigen. Bei der (Aus-)Bildung von jungen Menschen wird technischen Fachschulen, Fachhochschulen, und Universitäten eine wichtige Rolle zuteil, denn neben fachlichen Kompetenzen schaffen solche Institutionen es ebenfalls, eine besondere Denkweise zu vermitteln. Mit dem kürzlich etablierten Grundlagenlabor Energieinformatik intendiert unsere Forschungsgruppe „Smart Grids“ im Rahmen des Möglichen dieser Rolle gerecht zu werden und interessierten Studierenden neben fachlichen Kompetenzen in den Bereichen Erneuerbare Energien, Smart Grid, Smart Metering, und Künstlicher Intelligenz auch die universitäre Denkweise zu vermitteln.

 

 

Modus

Bei dem beschriebenen Grundlagenlabor handelt es sich um eine jährlich stattfindende Lehrveranstaltung an der Universität Klagenfurt, die sich in 5 verschiedene Module unterteilt. Jedes Modul behandelt ein konkretes Thema und besteht aus theoretischen Grundlagen, themenspezifischen Aufgabenstellungen und praktischen Experimenten. Studierende finden sich zu Beginn des Semesters in Kleingruppen zusammen und absolvieren Module sukzessive. Die Studierenden bekommen vor jeder Einheit umfassende Unterlagen zu den geplanten Inhalten, welche vor der Einheit durchzulesen sind. In der Einheit werden danach Experimente durchgeführt, deren genereller Ablauf vorgegeben ist, ohne das Messergebnis vorwegzunehmen. Die Studierenden sind daher im Laufe der Einheit forschend tätig um Messergebnisse selbst zu erarbeiten und danach im Plenum zu diskutieren. Zum erfolgreichen Abschluss eines jeden Moduls muss ein Laborprotokoll eingereicht werden, in dem Studierende über das Gelernte reflektieren, ihre Lösungen präsentieren und über den Ausgang von Experimenten berichten. Auf eine klassische schriftliche oder mündliche Prüfung des Inhalts wird bewusst verzichtet, da zuvor durch die eigene Mitarbeit am Erforschen der Lehrinhalte ein persönlicher Bezug zum Thema entsteht welcher mit einer positiven Lernerfahrung und einem hinreichenden Lernergebnis einhergeht.

 

 

Modul 1 – Photovoltaik

Photovoltaik beschreibt die direkte Umwandlung von Sonnenlicht in elektrische Energie und gehört zu den weit verbreitetsten Formen der Stromerzeugung im Bereich der erneuerbaren Energien. Typischerweise kommen bei dieser Form von Energiegewinnung Solarmodule zum Einsatz. Das erste Modul unserer Lehre widmet sich den Kennlinien von Solarmodulen, dem Verhalten von Solarsystemen bei Teilabschattung, der Wirkungsweise von Bypassdioden, der Verschaltung von Solarmodulen, der Installation von PV Anlagen als auch dem Aufbau und dem Test von PV im Inselbetrieb. Somit erhalten Studierende eine umfassende Einführung in diese Thematik und vertiefen sich mit Hilfe von ausgewählten Experimenten weiter. Um neben theoretischen Konzepten und Auswertungen in Simulationsumgebungen Studierende auch mit praktischem Wissen ausstatten zu können, wurde ein Photovoltaik Lehrsystem der Marke Lucas-Nülle angeschafft (Typ: EPH 2 Photovoltaik Advanced).

 

 

Modul 2 - Windkraft

Windkraftanlagen gewinnen elektrische Energie durch die Nutzung von vorherrschenden Luftströmungen und gelten aufgrund der hohen Verfügbarkeit als auch ihrer niedrigen Kosten als eine der beliebtesten, regenerativen Energiequellen. Neben stattlichen Windparks kommen auch vermehrt Kleinwindkraftanlagen bis 5kW Leistung zum Einsatz. Auf genau solche Anlagen konzentriert sich das zweite Modul, in dem Aufbau und Wirkungsweise moderner Kleinwindkraftanlagen erläutert, die diversen Windkraftkonzepte diskutiert und Studierenden ebenfalls der Aufbau und die Inbetriebnahme eines Kleinwindkraftgenerators nähergebracht werden. Unterstützt wird auch dieses Modul durch ein Lehrsystem der Marke Lucas-Nülle (Typ: EWG 2 – Kleinwindkraftanlagen). Während ausgewählten Experimenten erleben die Laborteilnehmer/innen wie ein stabiler Betrieb mit wechselnden Windstärken ermöglicht werden kann, wie solche Anlagen zu optimieren sind und welche Möglichkeiten zur Energiespeicherung existieren.

 

Modul 3 – Smart Metering

Die fortschreitende Digitalisierung des Stromnetzes - die Installation von intelligenten und vernetzten Messgeräten - wird als notwendige Maßnahme angesehen, um auf Herausforderungen wie die dezentrale Energiegewinnung antworten zu können. Was private Haushalte betrifft, wurde mit der Installation von Smart Metern begonnen, um den Übergang von mechanischen Stromzählern hin zu vernetzten, digitalen Stromzählern zu vollziehen. Das dritte Modul unserer Lehrveranstaltung beschäftigt sich mit den verschiedenen Arten von intelligenten Energiezählern, Datenextraktion und simplen Anwendungen von Machine Learning Methoden, um Anomalien in Datenreihen zu erkennen. Zu Beginn erhalten Studierende eine Einführung in die verschiedenen Arten von Energiezählern, sowie deren Funktionsweise und Anwendungsgebiete. Darauf aufbauend lernen Studierende zum einen zertifizierte Smart Meter kennen, wie sie auch von Energieversorgern installiert werden, und zum anderen neueste Prototypen von next-gen Messgeräten wie sie in unseren Forschungsarbeiten diskutiert werden. Ein weiterer wichtiger Lehrinhalt ist die Fähigkeit, Daten extrahieren und aufbereiten zu können. Dieser Inhalt wird ebenfalls in diesem Modul abgedeckt, bevor es thematisch dazu übergeht, die gewonnen Daten zu analysieren und simple Machine Learning Methoden einzusetzen. Ein konkretes Experiment hat seine Ursprünge in einer unserer Forschungsarbeiten, wo es darum geht Anomalien mit einfachen Korrelationsfiltern in Smart Meter Datenreihen zu finden. Experimente wie diese wurden speziell für die Lehrveranstaltung konzipiert und aufbereitet, um den Studierenden einen möglichst tiefen Einblick in die Thematik zu geben aber auch um ihre Programmierskills nochmals eine Stufe zu verbessern. In diesem aber auch anderen Modulen kommen stets Open-Source Tools zum Einsatz, wie sie auch von renommierten Technologiefirmen verwendet werden.

 

Modul 4 – Künstliche Intelligenz (in Arbeit)

Mit dem Eintritt ins Datenzeitalter hat ein regelrechter Siegeszug von Künstlicher Intelligenz (KI) als Lösungsansatz für Probleme verschiedenster Art begonnen. In publizierten Forschungsarbeiten kann sehr gut beobachtet werden, wie solche Methoden stetig verbessert und herkömmliche Methoden schon demnächst hinter sich gelassen werden. Im Zusammenhang mit Smart Grids wird Künstliche Intelligenz sehr gerne eingesetzt, um den Ertrag von Erneuerbaren Energien oder Lastkurven vorherzusagen, was Netzbetreibern eine gewisse Planungssicherheit bringt. Zudem liegt eine, wenn nicht sogar die größte Stärke von KI, in der Mustererkennung. So können Anomalien erkannt oder ausgewählte Muster mit einer sehr hohen Erfolgsrate identifiziert werden. Im KI Modul dieser Veranstaltung sollen Studierende selbst erleben, welches Potential für Energienetze in dieser Technologie steckt. Der Großteil der Experimente ist inspiriert durch Forschungsarbeiten der letzten Jahre. Dadurch bekommen Studierende Einblick in modernste KI Ansätze und erwerben Kompetenzen im Umgang mit Software Frameworks wie TensorFlow. Die geplanten interaktiven Experimente für dieses Modul umfassen:

• Vorhersage von Lastkurven anhand bereitgestellter Datensätze

• Vorhersage der Produktion einer Photovoltaik Anlage anhand bereitgestellter Datensätze

• Identifikation von ausgewählten Mustern in Energiemessdaten

 

 

Modul 5 – Simulation von Intelligenten Stromnetzen

Simulationsumgebungen erlauben es, komplexe Systeme anhand abstrahierter Modelle zu analysieren und deren Verhalten zu untersuchen. Im Hinblick auf Energienetze erlauben hochspezialisierte Simulationstools beispielsweise zu untersuchen, wie sich das Systemverhalten eines Energienetzes bei der Erweiterung durch regenerative Energiequellen, wie etwa Windkraftanlagen oder PV Anlagen, verändert. Das Modul 5 beschäftigt sich mit der Simulation von mehreren Fallstudien, die solche Szenarien näher untersuchen. Dabei lernen Studierende einerseits mehrere fachspezifische Simulationstools kennen und können andererseits Lösungsansätze für reale Herausforderungen in einer geschützten Umgebung entwickeln. Zum Einsatz kommen hier von der Forschungsgemeinschaft anerkannte Tools wie GridLAB-D oder RAPSim. Letzteres wurde an der Universität Klagenfurt unter Leitung von Professor Elmenreich entwickelt.

 

 

Zusammenfassung & Ausblick

Photovoltaik, Windkraft, Smart Metering, Simulation von Energienetzen und Anwendungen Künstlicher Intelligenz sind wichtige Aspekte im Fachgebiet Smart Grids, die im Zusammenhang mit einer Energiewende hin zu regenerativen Energiequellen eine bedeutende Rolle spielen. Die inhaltliche Konstellation des Grundlagenlabors Energieinformatik ist das Resultat unseres Bestrebens, bewährte Lehrsystemen mit Resultaten weltweiter als auch eigener Forschung zu kombinieren um Studierenden ein möglichst breites Spektrum an Kompetenzen zur Lösung von bedeutenden Problemen unserer Zeit mit auf den Weg zu geben. Solch eine Lehrveranstaltung ist zwar nur ein kleiner Beitrag zur Bewältigung einer großen Aufgabe, jedoch sind wir überzeugt durch hingabevolle Lehre aus uns wenigen viele zu machen, die sich der Sache widmen können werden.

Die Lehrveranstaltung wurde im Wintersemester 2018/19 zum ersten Mal in dieser Form an der Universität Klagenfurt abgehalten. Die Besucher/innen der Lehrveranstaltung wurden in einem anonymen Fragebogen um Rückmeldungen und Verbesserungsvorschläge gebeten. Das Resultat der Befragung ergab eine durchschnittliche Bewertung von 1.1 (Sehr Gut). Abschließend verbleiben wir mit einigen Kommentaren unserer Studierender:

• „Sehr motivierter LV-Leiter und spannende Aufgaben“

• „Freies und stressfreies Arbeiten, genaue Instruktionen, gute Hardware für Experimente“

• „Sehr motivierter LV-Leiter, spannende Aufgaben und viel Praxisbezug“

• „Super LV!“

• „Sehr interessante Themen“

• „Sehr praktische Beispiele mit den Arbeitstischen. Dadurch sind Photovoltaik und Windkraft leicht verständlich.“

Positionierung des Lehrangebots

Die Lehrveranstaltung ist für Studierende des Bachelorstudiums Informationstechnik und des Masterstudiums Information and Communications Engineering (ICE) ausgelegt. Das Grundlagenlabor kann auch von Studierenden anderer Studienrichtungen belegt werden, die Grundkenntnisse in den Bereichen Elektrotechnik und Programmierung vorweisen können. Solche Vorkenntnisse werden benötigt, um die erlernten Konzepte mit Experimenten und Simulationen zu erproben und deren Vor- und Nachteile kennen zu lernen. Durch die Positionierung des Lehrangebots im Fachbereich Informationstechnik können Elemente der Elektrotechnik mit vielversprechenden Konzepten der Informationsverarbeitung (z.B. Machine Learning) verknüpft werden. Dadurch ergeben sich einerseits völlig neue Anwendungsbereiche im Hinblick auf aktuelle Herausforderungen, wie jene der Energiewende, und andererseits haben Studiernde die Möglichkeit, eine Vielzahl von Kompetenzen zu entwickeln und mit Stud. anderer Disziplinen zusammenzuarbeiten

Weiterführende Information


Das Beispiel wurde für den Ars Docendi Staatspreis für exzellente Lehre 2019 in der Kategorie Forschungsbezogene bzw. kunstgeleitete Lehre nominiert.