Logo Uni Bremen

Zentrum für Industriemathematik

ZeTeM > Forschung und Anwendungen > Projekte > SmartFarm2

Kontakt Sitemap Impressum [ English | Deutsch ]

SmartFarm2

Arbeitsgruppe:AG Optimierung und Optimale Steuerung
Leitung: Prof. Dr. Christof Büskens ((0421) 218-63861, E-Mail: bueskens@math.uni-bremen.de )
Dr.-Ing. Francesca Jung
Lars Kappertz ((0421) 218-63870, E-Mail: kappertz@uni-bremen.de)
Bearbeitung: Viacheslav Solovievskyi (E-Mail: viacheslav.solovievskyi@stw.de)
Annika Hackenberg ((0421) 218-63624, E-Mail: ann_hac@uni-bremen.de)
Lars Kappertz ((0421) 218-63870, E-Mail: kappertz@uni-bremen.de)
Eva Dierkes (E-Mail: eva.dierkes)
Projektförderung: Bundesministerium für Wirtschaft und Energie
Projektpartner: nD-enerserve GmbH
Q3 ENERGIE GmbH & Co. KG
Laufzeit: 01.02.2021 - 31.08.2024
Bild des Projekts SmartFarm2 Erneuerbare Energien gehören zu den wichtigsten Stromquellen in Deutschland, und ihr Ausbau ist eine zentrale Säule der Energiewende. 2020 wurde erstmals mehr als 50% Strom aus erneuerbaren Energieträgern in die Netze eingespeist. Die Nutzung erneuerbarer Energien geht mit einem hohen Flächenbedarf einher, daher verzeichnet vor allem der ländliche Raum eine Zunahme an EE-Anlagen. Daraus ergeben sich neue Strukturen für die Akteure - Landwirte werden z.B. zu Energiewirten. Für die ersten Photovoltaikanlagen ist jedoch Ende 2020 die gesetzlich garantierte Vergütung nach dem Erneuerbare-Energien-Gesetz (EEG) ausgelaufen, da diese pro Anlage nur für 20 Jahre gilt. Auch für die ersten Windanlagen fällt die Förderung weg. Ein Weiterbetrieb der PV- und Wind-Altanlagen nach Ablauf der gesetzlichen Vergütungspflichten ist jedoch erstrebenswert, nicht allein, um die produzierte Energie nutzen zu können. Für Betreiber solcher Anlagen kann es durchaus lohnend sein, auf Eigenverbrauch umzustellen. Das Projekt SmartFarm2 will Potentiale zur Eigenverbrauchsoptimierung aufzeigen und exemplarisch umsetzen. Dazu soll ein Testfeld mit 101 Realdemonstratoren (Milchhöfe, Schweinemastbetriebe, Gewächshäuser, Schulen, etc.) mit sehr leicht handhabbarer Sensorik der beteiligten mittelständischen Unternehmen (KMU) ausgestattet werden, um die bisher nicht verfügbaren hochaufgelösten tageszeitabhängigen Verbraucher- und Erzeugerdaten zu erfassen. Basierend auf diesen Daten kann mit Hilfe der Methoden der künstlichen Intelligenz (KI) und mathematischer Optimierungsalgorithmen das wirtschaftliche Potenzial einer Eigenverbrauchsoptimierung aufgezeigt werden. Darauf aufbauend wird dann ein hochautomatisiertes Energiemanagementsystem (EMS) entwickelt.

Publikationen

  1. A. Hackenberg, L. Kappertz, S. Rapol, V. Solovievskyi, C. Büskens.
    Optimal photovoltaic plant dimensioning using consumption data.
    GAMM 92nd Annual Meeting of the International Association of Applied Mathematics and Mechanics , 15.08-18.08.2022.
    Proceedings in Applied Mathematics & Mechanics, 23(1), Wiley, 2023.

    DOI: 10.1002/pamm.202200250