EDISON

EDISON entwickelt KI-gesteuerte Algorithmen zur Optimierung der Verwaltung dezentraler Batteriespeichersysteme innerhalb eines virtuellen Kraftwerks. Ziel ist es, die Nutzung erneuerbarer Energien zu maximieren, die Netzstabilität zu verbessern und nachhaltige Energiepraktiken durch Reinforcement Learning, Federated Learning und Validierung in der Praxis voranzutreiben.

Im Rahmen von EDISON entwickeln und demonstrieren wir KI-gestützte Lösungen für das effiziente Management verteilter Energiespeichersysteme. Wir entwerfen dedizierte Protokolle und Datenmanagementsysteme, die es Batteriespeichern ermöglichen, innerhalb von Virtual-Power-Plant (VPP) Strukturen zu arbeiten. Wir definieren die folgenden zentralen Projektziele:

  1. Entwicklung einer adaptiven, KI-gestützten VPP-Managementlösung: Wir bauen eine intelligente, interoperable Plattform auf, die verteilte Batteriespeichersysteme in Echtzeit koordiniert. Edge-basierte KI-Algorithmen übernehmen Monitoring und Optimierung lokal, während sichere Kommunikationsprotokolle und standardisierte Schnittstellen die Systemvernetzung gewährleisten. Auf lokaler Ebene erlernen Deep-Reinforcement-Learning (RL) Agenten optimale Lade- und Entladestrategien direkt aus der Interaktion mit der Energieumgebung, wodurch manuell erstellte Steuerungsregeln entfallen. Für die standortübergreifende Koordination setzen wir Multi-Agent RL (MARL) ein, sodass der Agent jedes Standorts kooperative Strategien erlernen kann und dabei lokale Randbedingungen berücksichtigt. Zum Schutz der Datenprivatsphäre integrieren wir Federated Learning (FL) und Federated Distillation (FD), die eine kollektive Modellverbesserung über Standorte hinweg ermöglichen, ohne dass sensible Betriebsdaten übertragen werden müssen. Die Plattform passt sich dynamisch an wechselnde Netzbedingungen und Umgebungsfaktoren an, wobei Shielding-Mechanismen sicherstellen, dass RL-Agenten stets innerhalb sicherer Betriebsgrenzen bleiben.
  2. Aufbau eines KI-basierten Batterielebenszyklusmanagements: Wir entwickeln intelligente Methoden zur Schätzung des Batteriegesundheitszustands (State of Health, SoH) und der Restnutzungsdauer (Remaining Useful Life, RUL) mithilfe eines selbstadaptiven Ansatzes, der physikbasierte Batteriemodelle mit datengetriebener KI kombiniert. Diese hybriden SoX-Schätzer verfeinern ihre Vorhersagen kontinuierlich mit zunehmenden Betriebsdaten und extrahieren zuverlässige Gesundheitsindikatoren aus Felddaten, ohne störende Vollentladezyklen zu erfordern. FL wird eingesetzt, um Schätzmodelle über verteilte Standorte hinweg zu verbessern und den Wissenstransfer zwischen heterogenen Batteriesystemen zu ermöglichen, während die kommerzielle Vertraulichkeit gewahrt bleibt.
  3. Ermöglichung einer intelligenten Marktintegration: Wir entwickeln Werkzeuge, die es VPPs ermöglichen, effizient an Energiemärkten teilzunehmen, einschließlich Day-Ahead-, Intraday- und Regelenergiemärkten.
  4. Systemintegration und Validierung: Wir bauen und testen die vorgeschlagenen Lösungen sowohl durch virtuelle Simulationen als auch durch reale Labordemonstratoren. Eine dedizierte VPP-Simulationsumgebung dient als Testumgebung für die Evaluierung von RL-Algorithmen und FL-Koordinationsprotokollen unter realistischen Netzbedingungen vor dem physischen Einsatz.

Projektkonsortium

Das EDISON-Konsortium vereint zwei Forschungseinrichtungen und zwei KMU mit komplementärer Expertise in KI, Energiemanagement und Batterietechnologie.

  • Silicon Austria Labs GmbH (SAL, Projektleiter) ist Österreichs führendes Forschungszentrum für elektronikbasierte Systeme und betreibt anwendungsorientierte Forschung in den Bereichen Mikrosysteme, Sensorsysteme, Leistungselektronik und Embedded AI. In EDISON entwickelt SAL die RL-basierten Energiemanagement-Algorithmen und das Federated-AI-Koordinationsframework für die VPP-Plattform.
  • Virtual Vehicle Research GmbH (ViF) ist Europas größtes F&E-Zentrum für virtuelle Fahrzeugtechnologie mit Spezialisierung auf Simulation, digitale Zwillinge und modellbasierte Entwicklung in den Bereichen Automobil, Schienenverkehr, Energie und weiteren Domänen. In EDISON entwickelt ViF das Batterielebenszyklusmanagement-Framework mit hybriden SoX-Schätzern und trägt durch Bedrohungs- und Risikobewertung zu Cyber-Resilienz-Strategien bei.
  • CISC Semiconductor GmbH ist ein in Klagenfurt ansässiges KMU, das Hardware- und Softwareprodukte für Design, Verifikation und Test vernetzter eingebetteter mikroelektronischer Systeme anbietet, mit Stärken in Edge-Hardware, Systemintegration und Cybersecurity. In EDISON ist CISC für die Gesamtsystemarchitektur und das Lösungsdesign verantwortlich und leitet die Integration der VPP-Plattformkomponenten.
  • PIADENO Green Energy Management GmbH ist ein in Klagenfurt ansässiges KMU, das sich auf den Betrieb virtueller Kraftwerke und Asset Management spezialisiert hat und seinen Kunden über eine All-in-One-Softwareplattform die Teilnahme an Energiemärkten ermöglicht. In EDISON stellt PIADENO reale Infrastruktur für die Validierung bereit und bringt Expertise im Energiehandel und in Regelenergiemärkten ein.

Projektfakten

Titel: Edge-AI-based Decentralized Storage Optimization for Smart Energy Networks (EDISON)

Programm: Energieforschung Potenziale nutzen & Zukunft gestalten

Fördergeber: FFG-finanziertes Forschungsprojekt

Projektleiter: Silicon Austria Labs GmbH

Laufzeit: 36 Monate

Projektstart: September 2025

Ihr Ansprechpartner

Dr. Gleb Radchenko

Staff Scientist

E-mail: contact@silicon-austria.com

Forschungsprogramm

Dieses Forschungsprojekt wird durch das Programm „Energieforschung Potenziale nutzen & Zukunft gestalten“ des Klima- und Energiefonds der Republik Österreich finanziert, der vom Bundesministerium für Klimaschutz, Umwelt, Energie, Mobilität, Innovation und Technologie verwaltet wird (Projektnummer 926774).

Member Area
Login