Am 16.04.2024 findet in Aachen der Workshop "Integration von dezentralen Ressourcen ins Niederspannungsnetz – Vorgehensweisen und Handlungsempfehlungen" statt.

Zum anstehenden Workshop hat Andrea Schröder, Leiterin der Akademie, den Workshopleiter Dr.-Ing. Daniel Schacht interviewt. Daniel Schacht leitet bei der FGH die Abteilung Netz- & Systemanalysen. 

Andrea Schröder: Wo genau liegen deiner Ansicht nach die Herausforderungen bei der Integration von dezentralen Ressourcen ins Niederspannungsnetz?

Daniel Schacht: Die aktuellen Herausforderungen bei der Integration von dezentralen Ressourcen liegen insbesondere in den Unsicherheiten. Welche Szenarien für die Durchdringung mit dezentralen Einheiten sollten angenommen werden? Wie und wann sollten die Anschlussanfragen in der Planung berücksichtigt werden? Wie können Planungs- und Betriebsgrundsätze angepasst werden, um der Weiterentwicklung der Niederspannungsnetze gerecht zu werden? Auf diese Fragen liefert der Workshop Antworten. 

Andrea Schröder: Im Workshop werden Vorgehensweisen und Handlungsempfehlungen zur Integration von dezentralen Ressourcen ins Niederspannungsnetz gegeben. Was genau dürfen die Teilnehmer erwarten?

Daniel Schacht: Im Workshop werden wir zum einen Themen aus der Praxis der Verteilnetzbetreiber direkt beleuchten, wie den Umgang mit Anschlussanfragen, Berechnungsfragen und die Anpassung von Planungsgrundsätzen. Wir werden aber auch darüber hinaus gehen und einen Blick auf die Möglichkeiten der Prozessautomatisierung und die generelle Weiterentwicklung der Niederspannungsnetze werfen. Es geht also neben der Praxis auch um den Ausblick auf zukünftige Prozesse. 

Andrea Schröder: Wie kann KI zukünftig bei diesen Herausforderungen die Netzbetreiber unterstützen? 

Daniel Schacht: Für das Training von KI werden in der Regel große Datenmengen benötigt. Diese Datenmengen stünden in den Verteilnetzen in den nächsten Jahren wahrscheinlich zur Verfügung. Ob diese dann aber für die Netzplanung oder den Netzbetrieb eingesetzt werden können, müsste je Anwendungsfall noch einmal im Detail geprüft werden. Hierbei geht es insbesondere um die Fragestellung ob Trainingsdaten aus der Vergangenheit auch für eine Prognose von Zuständen in der Zukunft geeignet sind.