BD4NRG

 

BD4NRG geht Herausforderungen des Big Data Managements im Energiesektor an, um Konkurrenzfähigkeit europäischer Stakeholder zu erhalten, Entscheidungsfindung zu verbessern und gleichzeitig neue Märkte zu erschließen.

 

Ansatz

BD4NRG beabsichtigt ein inkrementelles, dezentrales, datengesteuertes Energieökosystem sowie ein kollaboratives Datenhoheitsgeleitetes Ökosystem zu ermöglichen. Dies mit dem Ziel, das ökonomische Potenzial von Big Data zu nutzen und den Akteuren des Energiesektors die Möglichkeit zu geben, ihre Betriebsleistung zu optimieren.

Um dies zu erreichen, und um sich den zunehmenden Herausforderungen in Big Data Management zu stellen, wird das BD4NRG Framework entwickelt, angepasst und eingesetzt. Es besteht aus:

• Verteilten intelligenten Nodes, den BD4NRG Data Hubs
• Eine grafisch aufbereitete Open Modular Big Data Analytics Energy Toolbox
• Einer skalierbaren Big-Data Analyseumgebung

BD4NRG wird DLTs und Blockchain-Technologien mit Edge Processing, Federated Machine Learning und KI verbinden, um das datengeleitete Energieökosystem zu steuern. Das Projekt wird außerdem vorrangig Open-Source Technologiekomponenten und Open APIs zum Einsatz bringen.

BD4NRG Architektur

Das BD4NRG Framework wird aus vier horizontalen und einer vertikalen (Cyber Security) Schicht bestehen:

   

Data Governance Layer

Eine notwendige Middleware für die Moderation zwischen Nutzern von Daten, und Data Providern die selbst einzeln entscheiden können sollen, wer Zugriff auf ihre bekommt. State-of-the-Art-Lösungen werden eingesetzt um Nachverfolgbarkeit und Ursprungsklarheit sowie Vertraulichkeit zu garantieren.

Scalable Big Data Management & Processing Layer

Ein intelligenter “Information Broker”, verantwortlich für Smart Management und Datenverarbeitung. Der Inhalt von vielen Datenquellen wird in den Datenmanagementsystemen und Data Hubs der unterschiedlichen Akteure generiert, verwaltet und gespeichert.

Applications Layer

Eine Zusammenstellung von Analyse-Applikationen für verbesserte funktionale Entscheidungsfindung in Energienetzen. Sie sollen Zuverlässigkeit in Netzen optimieren, das Management von flexiblen Komponenten unterstützen, und Energiemanagement auf Gebäudelevel sowie dynamische Risikobewertung ermöglichen.

1. Open Modular Smart Grid Big Data Analytics Toolbox: Nutzerfreundlich, mit einer modernen Vision der Data Analytix Toolbox, soll eine Arbeitsumgebung für Self-Service Tools sein, die dem Endnutzer autonome Kombinierung von Daten aus unterschiedlichen Quellen ermöglicht.
2. Data / Models / Resources Marketplace: Eine virtuelle Werkbank mit einer Zusammenstellung von Daten, Services, Machine-Learning Modellen, Rechenressourcen und Speicher. Diese können gehandelt werden um Tools „von der Stange“, wiederverwendbare KI-basierte modelle, externe datasets und wiederverwendbare datengesteuerte Analysetools bereitzustellen.Cyber Security - Data Privacy Layer

Eine vertikale Schicht, die Nutzerauthentifizierung und Autorisierung ermöglicht, um die nicht-öffentlichen Transaktionsdaten zu schützen sowie die EC-Regulierungen zum Datenschutz einzuhalten.

   

12 Large-Scale Pilots

Das übergreifende BD4NRG Service-, Analyse- und Referenzframework wird in 12 groß angelegten Demonstrationsprojekten in 10 Staaten implementiert, angewendet und validiert.

12 groß angelegte Pilotprojekte (LSPs) haben das Ziel, den Übergang zu predictive und prescriptive Analyse durchzuführen, und die Nutzung von Daten aus mehreren verschiedenen Quellen für ein breites Spektrum an Anwendungen zu ermöglichen.

Die geografische Verteilung der Pilotstandorte hat das Ziel, EU-weite Reproduzierbarkeit und Marktakzeptanz von Services und Lösungen in unterschiedlichen Sozioökonomischen Kontexten zu unterstützen, um den Einfluss von BD4NRG Lösungen in Europa zu maximieren.

• BD-4-NET LSPs nutzen vorausschauende Analyse, um Forecasting und erhöhte Effizienz und Verlässlichkeit des Stromnetzes zu ermöglichen.
• BD-4-DER LSPs haben das Ziel, das Management von Assets im Netz zu optimieren.
• BD-4-ENEF LSPs sind auf erhöhte Effizienz und Komfort in Gebäuden fokussiert, sowie darauf die Risiken für Investitionen in Energieeffizienz zu verringern.

Partner

Das Projektkonsortium besteht aus 35 Partnern aus elf Ländern und involviert Organisationen mit sich ergänzenden Kompetenzen aus den Forschungs- und Industriebranchen Europas.

Innerhalb des Konsortiums leitet das ACS die Aufgabe „Pilot planning, requirements and KPIs“, sowie das Arbeitspaket 2 „System Requirements and Specification“, welches das Ziel hat eine Referenzarchitektur für das BD4NRG-System zu entwickeln.

 

Danksagung

Dieses Projekt wird im Rahmen der Fördervereinbarung Nr. 872613 aus dem Forschungs- und Innovationsprogramm der Europäischen Union Horizon 2020 gefördert.

 

Newsmeldungen

Die zweite Vollversammlung von BD4NRG fand am 26. und 27. Oktober statt. Das zweitägige Treffen wurde ausschließlich online abgehalten und von allen 35 Partnern besucht. Der erste Tag war auf die 12 Piloten zugeschnitten, die in ihre Use Cases sowie ihren aktuellen Fortschritt mit Blick auf die kommende Pre-Pilot Phase vorstellten. Am zweiten Tag wurde die vom ACS-geleiteten Arbeitspaket 2 entwickelte Referenzarchitektur vorgestellt und die Fortschritte sowie die kommende Arbeit in den technischen Arbeitspaketen 3, 4 und 5 diskutiert.