Projekt DABESI gestartet: Branchenakteure bündeln Know-how zur Optimierung von Energiespeichersystemen für Industriebetriebe

DABESI: Datengetriebene Auslegung und Betriebsführung von dezentralen Elektrischen Speichern in produzierenden mittelständischen Industriebetrieben

Die Projektpartner Fraunhofer ISE, Solandeo GmbH, EDF Distributed Solutions GmbH und der BVES Bundesverband Energiespeicher Systeme e.V. erarbeiten im BMWi-geförderten Projekt „DABESI“ unter der Konsortialleitung der Ernst Knoll Feinmechanik GmbH Lösungen zur besseren Integration von Energiespeichersystemen in der Industrie. „DABESI“ steht für „Datengetriebene Auslegung und Betriebsführung von dezentralen Elektrischen Speichern in produzierenden mittelständischen Industriebetrieben“.

Energiespeichersysteme bieten eine Vielzahl an Optionen zur verbesserten Integration von erneuerbaren Energien sowie zur Hebung der Energieeffizienz, sodass eine stabile und gleichzeitig grüne Energieversorgung ermöglicht wird. Speziell im Bereich der Industrie ist das Potenzial  zur CO2-Reduktion durch den Einsatz von Energiespeichern enorm. Die Identifikation und Realisierung von Optimierungspotenzialen in diesem Segment ist gerade für kleine und mittelständische Unternehmen noch eine Herausforderung. Die individuellen Produktionsprozesse sowie energetischen Anforderungen, die variierenden unternehmerischen Rahmenbedingungen und auch die zahlreichen sowie komplexen regulatorischen Vorgaben erschweren noch die Integration von Energiespeichern.

Hier setzt das Projekt „DABESI“ an und hat sich zum Ziel gesetzt, die betriebswirtschaftliche Optimierung des Stromverbrauchs in mittelständischen Industriebetrieben durch den Einsatz von Speichersystemen zu erleichtern. Hierfür sollen Dimensionierung und Betrieb unterschiedlicher Speichertechnologien für relevante Anwendungsfälle untersucht und der Einsatz dieser Speicher unter Berücksichtigung unternehmensspezifischer Lastgänge optimiert werden.

In fünf aufeinander aufbauenden Projektphasen werden Methoden der Messdatenanalyse, Modelle zur Speicherdimensionierung, selbstlernende Regelalgorithmen („Künstliche Intelligenz“) für Speicherbetrieb und skalierbare Speichersystemarchitekturen untersucht, entwickelt und anschließend in ausgewählten Industriebetrieben installiert und erprobt.

Nach Sammlung der für eine betriebswirtschaftliche Bewertung der Anwendungsfälle notwendigen Messdaten werden – mit Hilfe künstlicher neuronaler Netze (KNN) – Algorithmen zur automatischen Auswahl und Dimensionierung sowie zur Betriebsführung von Speichersystemen entwickelt. Parallel dazu wird der Prototyp eines flexibel einsetzbaren, modularen Hybrid-Energiespeichers entwickelt, der die jeweiligen Vorteile der Lithium- und Redox-Flow-Speichertechnologie vereinbaren soll.

Weitere Informationen sind über die DABESI-Webseite erhältlich unter https://dabesi.de/.