GridPredict
„GridPredict” – KI-gestützte Zählpunktprognosen für die netzdienliche Nutzung von Flexibilitäten
| Programm / Ausschreibung | IWI 24/26, IWI 24/26, Basisprogramm Ausschreibung 2026 | Status | laufend |
|---|---|---|---|
| Projektstart | 01.12.2025 | Projektende | 30.11.2026 |
| Zeitraum | 2025 - 2026 | Projektlaufzeit | 12 Monate |
| Keywords | |||
Projektbeschreibung
Das Ziel von GridPredict ist die Entwicklung und Erprobung von innovativen KI-basierten probabilistische Prognosemodelle für Strom-Zählpunkte (Netzzugänge), welche Last, Einspeisung und deren Prognoseunsicherheit präzise vorhersagen.
Zentrale Zielsetzung:
Durch belastbare Forecasts mit quantifizierter Unsicherheit soll erstmals die sichere Mehrfachnutzung bestehender, heute oft unausgelasteter Netzanschlusspunkte für den vorausschauenden, netzdienlichen und wirtschaftlich optimierten Betrieb dezentral steuerbarer Batteriespeicher-Schwärme ermöglicht werden und das ohne zusätzliche Netzanschlüsse und jahrelange Genehmigungsverfahren.
Kern-Ziele des Projekts:
Anforderungserhebung und Modellentwicklung: Aufbau robuster probabilistischer KI-Verfahren für Verbrauchs- & Einspeiseprognosen auf Einzel-Zählpunkt-Ebene
Risikobewertung: Entwicklung eines methodischen Bewertungskonzepts, das Prognosegüte + Unsicherheitsqualität objektiv beurteilt und damit Entscheidungssicherheit schafft
Prototypische Umsetzung: Umsetzung eines skalierbaren, modularen Minimal-Prognosesystems, welches sich automatisiert und skalierbar auf viele (>10.000 Stück) heterogene Netzzugänge anwenden lässt (ohne zusätzliche Anlagenparameter)
Validierung: Praxis-Rollout an Hand einer Modellregion in Niederösterreich mit mehreren Industriespeichern (100 kVA / 200 kWh) zur Überprüfung der Netz- & Forecast-Praxistauglichkeit mit Gesamtleistung ≥1 MVA
Nachweis-Zielgrößen:
≥20 % größeres, sicheres Nutzungsfenster bestehender Netzkapazität (statistisch abgesichert, Backtesting-validiert)
Skalierungskonzept für 10.000+ Einzelsysteme mit 48–72 h Forecast-Horizont
Erwartete Projektergebnisse:
Ein oder mehrere validierte KI-Prognose-Modelle inkl. Bewertungs- und Architekturkonzept, welche die sichere Integration und Verwertung dezentraler Speicherflexibilität anhand risikobewertbarer Zählpunkt-Vorhersagen ermöglicht.