Optimierung und Machine Learning für integrierte Klima- und Energiesystemmodelle

Das Forschungsprojekt iKlimEt schließt die beschriebene Lücke durch die Demonstration von Simulationstools zur integralen Energiesystemplanung basierend auf Optimierung, Machine Learning (ML) & Energy Analytics.

Konkrete wissenschaftl. Beiträge in iKlimEt sind:
Erstellung kohärenter Klima- & Energieszenarien zur Abbildung von Klimaprojektionen und Klimawandelfolgen auf die Erzeugungs- & Bedarfsseite; Analyse der Auswirkungen von Extremereignissen auf die Energieinfrastruktur; volkswirtschaftliche Folgeanalysen (AP3)
Übersetzung der Klimaszenarien in Zeitreihen der Erzeugungsseite (Kapazitätsfaktoren, Temperatur, Zuflüsse) sowie Entwicklung von ML-Methoden zur Erstellung von Bedarfszeitreihen aus Energieszenarien (beides räumlich und zeitlich hochaufgelöst und automatisiert) (AP4)
Erweiterung eines sektorgekoppelten Energiesystem-Optimierungsmodells (ESM) [09] um die endogene Formulierung der Sektoren Wärme/Kälte & Verkehr, Demand-side Management und stochastische Methoden (hoher Modularitäts- & technischer Detailgrad) (AP5). Durch die endogene Integration von Wärme/Kälte ins ESM und den Detailgrad der entwickelten Bedarfszeitreihen spannt iKlimEt den Bogen zu Ausschreibungsschwerpunkt 3.
Die Simulationstools sind universell gestaltet, um auf jegliches reales Energiesystem anwendbar zu sein. Die Validierung erfolgt in einer Fallstudie im Energiesystem der Energienetze Steiermark (AP6) im Sinne der Klimaneutralität Österreichs 2040 und im Kontext eines europäischen Rahmenszenarios.