Wir wollen ein Cluster von Windenergieanlagen unter Berücksichtigung der gegenseitigen Beeinflussung der Turbinen (hauptsächlich Nachlaufströmungen) möglichst optimal betreiben. In Abhängigkeit von den Einflussfaktoren (z.B. Strompreis, Anströmbedingungen, Anlagenzustand) werden verschiedene Optimierungsziele formuliert:

• Maximieren der Gesamtleistung
• Management der Lebensdauer unter Berücksichtigung der strukturellen Belastung aller Windkraftanlagen
• Bereitstellung von Hilfsdiensten für das Stromnetz

Außer den Turbinen selbst sind keine Messungen der Windverhältnisse zwischen den Turbinen verfügbar. Dies führt zu Unsicherheiten, z.B. in Bezug auf die Lage des Nachlaufs und die Größe des Geschwindigkeitsdefizits, die Windgeschwindigkeit und die Turbulenz. Die Verringerung der Unsicherheiten ist von entscheidender Bedeutung, um letztendlich einen optimierten Betriebszustand des gesamten Windparks im Vergleich zu einem Modus zu erreichen, bei dem die Turbinen einzeln betrieben werden.

Mit den neuesten Forschungsergebnissen haben wir einen digitalen Zwilling entwickelt, der die Strömungsverhältnisse in einem Windpark auf der Grundlage der Daten der Turbinen berechnet. Die digitalen Zwillinge werden auf unserer e-TWINS-Plattform bereitgestellt und können an jeden beliebigen Windpark angepasst werden.

Mit unseren Partnern aus Industrie und Wissenschaft haben wir im Rahmen des e-TWINS-Projekts den digitalen Zwilling für Windparkströme getestet.

Um jederzeit ein Gleichgewicht zwischen Stromerzeugung und -verbrauch zu gewährleisten, ist die Energiewirtschaft in Bilanzkreisen organisiert. Jede Ein- und Ausspeisung von Strom aus dem Netz muss einem bestimmten Kreis zugeordnet werden. Die sogenannten Bilanzkreisverantwortlichen koordinieren das Angebot und die Nachfrage durch Aggregation und entsprechende Markttransaktionen vor dem Übergabepunkt.

• Höhere Einnahmen aufgrund einer verstärkten Marktteilnahme
• Gesicherte Einnahmen durch genauere Prognosen
• Geringere Strafen/Netzdienstanforderungen aufgrund realisierbarer Kraftwerkserzeugungs-Sollwerte

Bei der Vermarktung von Strom aus Erneuerbare-Energien-Anlagen besteht die Herausforderung darin, dass der Strom im Vorfeld vermarktet werden muss, z.B. auf dem Day-Ahead-Markt, mit Prognoseunsicherheiten aufgrund der wetterabhängigen Erzeugung. Ein Teil der auftretenden Prognoseabweichungen kann durch Transaktionen auf den Kurzfristmärkten korrigiert werden. Sehr kurzfristige Änderungen der Prognose können jedoch nur durch eine aktive Steuerung der Anlagenkapazitäten ausgeglichen werden.

Im Szenario Economic Dispatch wird die optimale Vermarktungsstrategie für einen Anlagenpool gesucht, der aus wetterabhängigen Erneuerbare-Energien-Anlagen und flexiblen Batteriespeichern besteht. Die Batteriespeichersysteme werden sowohl für den Arbitragehandel als auch für den kurzfristigen Ausgleich von Prognoseabweichungen eingesetzt. Für die gestaffelten Vermarktungsoptionen im Day-Ahead- und Intraday-Markt werden die aktuellsten Zustands- und Prognosedaten der Anlagen verwendet, um den optimalen Kraftwerkseinsatz zu bestimmen. Die Unsicherheit der Prognosen wird über probabilistische Prognosen in die Optimierung einbezogen. Zur Betriebszeit werden zunächst die optimalen Sollwerte an die Anlagen verteilt. Die Einhaltung der Sollwerte wird dann vom Kraftwerksbetreiber anhand von Live-Dateneinspeisungen aus den Blöcken und Komponenten sichergestellt.

Die Technologie des digitalen Zwillings spielt in Energiesystemen eine wichtige Rolle, da sie eine kontinuierliche Kommunikation zwischen Prognosen, Bilanzkreisoptimierern und Anlagensteuerungssystemen (SCADA) ermöglicht. Sie erhöht die Genauigkeit durch die Einbeziehung standortspezifischer Daten, einschließlich historischer und Erzeugungsdaten. Vollständig modulare digitale Zwillinge, die die dem Energiesystem innewohnende Hierarchie berücksichtigen. Wir verwenden digitale Zwillinge auf Netz- und Anlagenebene, u.A. zur:

• probabilistischen Erzeugungsprognose
• Stochastischen Optimierung für die Erzeugung von Dispatch-Sollwerten
• Überprüfung der Marktgebote
• Optimaler Kraftwerksbetrieb

Wir wollen einen zuverlässigen und intelligenten Betrieb des künftigen Stromsystems mit einem hohen Anteil an erneuerbaren Energieanlagen, wie z.B. Windkraftanlagen, ermöglichen. Aufgrund der geringeren Anzahl synchron rotierender Massen, benötigt das zukünftige Stromsystem System eine Trägheitsemulation für umrichterbasierte Ressourcen. Neue Wechselrichter-Regelungsmethoden mit Trägheitsemulation und Netzformungsfähigkeit unterstützen die Netzfrequenz und -spannung. Strategien zur Leistungsbeschränkung können zusätzliche Leistungsreserven bereitstellen. Die Überwachung und Vorhersage der Netzstützungsfähigkeit ist entscheidend, um die erneuerbare Stromerzeugung zu maximieren und Netzstabilität zu gewährleisten.

Immer mehr umrichterbasierte Ressourcen ersetzen direkt ans Netz angeschlossene Synchronmaschinen. Letztere sorgen für die Trägheit des Stromnetzes und bilden die Netzspannung im Gegensatz zur herkömmlichen netzbildenden Wechselrichter Steuerung. Gleichzeitig führt die Installation zusätzlicher Übertragungskapazitäten, wie z.B. HGÜ-Systeme, zu potenziell höheren Leistungsungleichgewichten bei sogenannten Systemsplit-Szenarien. Sowohl die abnehmende Trägheit und das zunehmende Leistungsungleichgewicht im ungünstigsten Fall sind große Herausforderungen für die zukünftige Netzstabilität.

Mit den neuesten Forschungsergebnissen haben wir mit Hilfe digitaler Zwillinge Verfahren entwickelt, die die Netzstützungsfähigkeit von Wind- und Batterieanlagen ermitteln. Bei Windkraftanlagen hängt der Betriebspunkt von der Windgeschwindigkeit und dem Leistungssollwert ab. Darüber hinaus werden die Betriebsbedingungen wie Leistung, Drehmoment und Drehzahl berücksichtigt, um das Verhalten von Windkraftanlagen für den ungünstigsten Fall einer Frequenzänderung (RoCoF) zu bewerten. Der numerische Optimierungsalgorithmus iteriert mit verschiedenen virtuellen Trägheitskonstanten H_v, um den maximal erreichbaren Wert H_(v,max) zu finden, der den höheren Ebenen das Reporting Module verfügbar gemacht wird. So kann der Netzbetreiber auf der Grundlage der Trägheitsüberwachung und -prognose aller Erzeugungseinheiten den tatsächlichen Bedarf an virtueller Trägheit ermitteln und die virtuelle Trägheitskonstante Referenz H_(v,ref) für das reale Kontrollmodul festlegen. Die digitalen Zwillinge werden auf unserer e-TWINS-Plattform eingesetzt und können an jeden beliebigen Windpark angepasst werden.

Mit unseren Partnern aus Industrie und Wissenschaft haben wir im Rahmen des e-TWINS-Projekts die netzbildenden Regelungsmethoden, die Leistungsbegrenzungsstrategien und die digitalen Zwillinge zur Trägheitsüberwachung und Vorhersage getestet.

Wir präsentieren ein hochmodernes Softwaremodul, das Zustands- und Structural Health Monitoring-Systeme auf die nächste Stufe hebt. Diese Innovation fügt sich nahtlos in das Framework des digitalen Zwillings ein und erweitert dessen Fähigkeiten, indem es Echtzeitbewertungen ermöglicht. Es ermittelt die komplexen Belastungen, die auf die verschiedenen mechanischen Komponenten des Antriebsstrangs wirken. Diese KI-gestützte Analyse ergibt sich aus einer Kombination verschiedener verfügbarer Messwerte, die ein vollständiges Abbild dessen liefern, was unter der Oberfläche vor sich geht.

Die Installation von Beschleunigungssensoren und Dehnungsmessstreifen an kritischen Stellen und Hotspots im Antriebsstrang kann manchmal eine Herausforderung darstellen. Der Gedanke, mit diesen Sensoren präzise Daten zu sammeln, ist zwar attraktiv, aber es gibt oft praktische Einschränkungen. Dazu gehören Probleme wie begrenzter Platz für die Platzierung der Sensoren, Umweltfaktoren, die sich auf die Sensorleistung auswirken, und finanzielle Erwägungen bei der Sensorintegration, so dass ein Gleichgewicht zwischen der Datenpräzision und der Praktikabilität der Implementierung gefunden werden muss.

Wir haben einen innovativen datengestützten Algorithmus entwickelt, der die Erkenntnisse der physikbasierten Mehrkörpersimulation mit der Anpassungsfähigkeit datengetriebener und maschineller Lernverfahren kombiniert. Diese Synergie macht sich die Vielfalt der verfügbaren Daten zunutze, um einen "virtuellen Lastsensor" zu schaffen. Dieser Sensor macht sich die Stärken beider Welten zunutze - das tiefe, in der Physik verwurzelte Verständnis und die dynamischen Fähigkeiten der datengesteuerten Methoden.

Die von uns entwickelte Technologie wurde in verschiedenen Betriebsszenarien einer strengen Validierung unterzogen und hat dabei eine bemerkenswerte Präzision bei der Abschätzung von Belastungen und potenziellen Schäden an den Komponenten des Antriebsstrangs bewiesen. Dieses Validierungsverfahren wurde unter verschiedenen Betriebsbedingungen durchgeführt, denen die Windturbinen nach weithin anerkannten industriellen Normen und Standards ausgesetzt sind.

Entwurf, Implementierung, Anwendung und Demonstration einer Softwareplattform zur Unterstützung der ganzheitlichen Anwendung digitaler Zwillinge auf das zukünftige Energiesystem unter Berücksichtigung von Skalierbarkeit, Modularität, Erweiterbarkeit und Übertragung auf große überregionale Systeme.

Ein Digitales Zwillingssystem beinhaltet fünf wesentliche Elemente:
Es gibt das Physische System (1), das von einzelnen Komponenten bis hin zu ganzen Kraftwerken oder Netzen reichen kann. Dazu gehören auch Systeme wie Steuerung und SCADA/FPGA/DSP für die Verbindung mit dem Digitalen Zwilling.
Parallel zur physischen Anlage existiert das virtuelle Modell (2) und dient als digitales Abbild. Es erzeugt virtuelle Messungen, die Aufgaben wie Fehlererkennung und Optimierung erleichtern.
Daten (3) spielen eine entscheidende Rolle und umfassen reale und virtuelle Messungen, inklusive Historie und Prognose. Die Datenverwaltung gewährleistet einen nahtlosen Datenaustausch zwischen den verschiedenen Teilen des Digitales Zwillingssystems.
Dienste (4) erweitern das Digitales Zwillingssystem durch die Bereitstellung einer Reihe von Funktionen. Diese Dienste werden in zwei Kategorien eingeteilt: intrinsische Dienste, die für den Betrieb des Digitalen Zwillingssystems unerlässlich sind (z.B. Datenkoordination) und extrinsische Dienste, die zusätzliche Möglichkeiten bieten (z.B. Zustandsüberwachung).
Verbindungen (5) dienen als Kommunikationskanäle innerhalb des Digitalen Zwillingssystems und ermöglichen den Austausch von Daten und Steuerbefehlen zwischen physischen Anlagen, Daten, virtuellen Modellen und Diensten.
Zusammenfassend lässt sich sagen, dass Digitale Zwillinge physische Anlagen mit ihren digitalen Gegenstücken verbinden, indem sie Daten, Dienste und Verbindungen nutzen, um die Leistung zu optimieren und Entscheidungsprozesse zu unterstützen.

Das System Digitaler Zwillingssysteme ist ein Konzept, das entwickelt wurde, um der komplizierten und vernetzten Natur komplexer (Stromversorgungs-)Systeme gerecht zu werden. Es umfasst mehrere wichtige Komponenten:
Es wird eine klare Hierarchie mit vier verschiedenen Systemebenen geschaffen: Komponenten-, Einheiten-, Anlagen- und Netzebene (System). Jede dieser Ebenen umfasst physische Anlagen und ihre jeweiligen Digitalen Zwillinge. Um eine wirksame Kommunikation und Koordination zu gewährleisten, spielen Vernetzungen eine entscheidende Rolle. Sie umfassen sowohl horizontale Verbindungen für den Datenaustausch und automatisierte Steuerungsmaßnahmen auf derselben Ebene als auch vertikale Verbindungen, die hierarchische Abhängigkeiten zwischen verschiedenen Ebenen erfassen.
Der grundlegende Baustein des System Digitaler Zwillingssysteme ist das Digitale Zwillingssystem, das aus einer physischen Anlage, einem virtuellen Modell, Daten, Diensten und internen Verbindungen besteht. Steuerung und Datenfluss innerhalb des System Digitaler Zwillingssysteme werden durch bidirektionale Verbindungen erleichtert, die den Austausch von Befehlen und Messungen zwischen der physischen Anlage und ihrem digitalen Zwilling ermöglichen.
Vertikale Vernetzungen verbessern die Koordinierung und den Datenaustausch zwischen den verschiedenen Systemebenen weiter. Die kaskadierende Struktur des Systems Digitaler Zwillingssysteme spiegelt die natürliche Hierarchie komplexer Systeme wider, bei denen Anlagen auf höherer Ebene, wie z.B. Windparks, aus mehreren Anlagen auf niedrigerer Ebene, wie z.B. einzelnen Windturbinen, bestehen. Direkte Kommunikationsfähigkeiten ermöglichen Digitale Zwillingen auf derselben oder auf verschiedenen Ebenen eine effiziente Interaktion, wodurch Latenzzeiten reduziert und ein schneller Informationsaustausch unterstützt wird.
Schließlich verfolgt das System Digitaler Zwillingssystem einen modularen Ansatz, der es anpassbar und erweiterbar macht, ohne dass umfangreiche Änderungen erforderlich sind, da es auf einzelnen Digitalen Zwillingssystemen aufbaut.
Zusammenfassend lässt sich sagen, dass das System Digitaler Zwillingssysteme einen umfassenden Rahmen für die Darstellung und Verwaltung komplexer Systeme bietet, der die physischen Güter und ihre digitalen Zwillinge in hierarchischen Ebenen organisiert und effiziente Verbindungen, Kontrolle und Datenaustausch ermöglicht.

Für die Implementierung des oben beschriebenen Systems Digitaler Zwillingssysteme wird das Software-Framework MesH REcon vorgestellt. MesH REcon soll eine nahtlose Datenverarbeitung zwischen mehreren Clients ermöglichen, einschließlich physischer Anlagen, virtueller Modelle, Dienste und lokaler Datensätze. Um den Anforderungen des zukünftigen Energiesystems gerecht zu werden, soll MesH REcon Funktionalitäten wie Datenaustausch, Datenpersistenz, Datenkompatibilität, cloudbasierten Zugriff, Datenautorisierung, Datenaggregation und mehr bieten.
Der Kerngedanke von MesH REcon ist es, eine cloudbasierte Plattform zu schaffen, die als zentraler Kommunikationsknotenpunkt und Datenbank für Digitale Zwillinge und die dazugehörigen physischen Anlagen dient. Es speichert Daten in verschachtelten Key-Value-Strukturen, die Things genannt werden, und ermöglicht die Kommunikation und den Datenaustausch zwischen verbundenen Clients.
Zusätzlich stehen in den gängigen Programmiersprachen geeignete Bibliotheken zur Anbindung von Modellen über verschiedene Protokolle zur Verfügung. Um jedoch die Anforderungen von MesH REcon vollständig zu erfüllen, werden zusätzliche Funktionen benötigt, um physische Assets mit MesH REcon zu verbinden. Um den Austausch von virtuellen dynamischen Modellen zwischen verschiedenen Softwareplattformen und Co-Simulationen zwischen den Beteiligten zu ermöglichen, muss eine Schnittstelle zwischen MesH REcon und FMI-basierten Modellen entwickelt werden.
Die Struktur von MesH REcon beinhaltet beispielsweise die Verbindung eines einzelnen Digitales Zwillingssystems, um Interaktionen, Kommunikation und Datenfluss zu demonstrieren. Intrinsische Dienste, wie z.B. der History Service für die Speicherung und den Zugriff auf zeitliche Verlaufsdaten und der Aggregationsdienst für die automatische Datengruppierung und -berechnung, werden von MesH REcon bereitgestellt.
Interaktionen, Datenaustausch und Dienstkonfigurationen erfolgen für alle angeschlossenen Clients über denselben Einstiegspunkt und dieselben APIs. Digitale Zwillingsfunktionalitäten wie z.B. Machine Learning können lokal als externe Dienste implementiert werden. MesH REcon fungiert als Kommunikationsknotenpunkt mit Datenintegration, während die Rechenaufgaben lokal auf jedem Client ausgeführt werden, um die verteilte (Edge-)Rechenkapazität zu optimieren und die Bandbreite der Datenübertragung zu schonen.

Mit unseren Partnern aus Industrie und Wissenschaft haben wir im Rahmen des e-TWINS-Projekts die REcon-Plattform und ihre digitale Zwillingstechnologie in Szenarien wie Strömungsverhältnisse im Windpark, Economic Dispatch und Überwachung der Netzträgheit getestet.