Microsofts neues KI-Modell verhindert Stromausfälle
GridSFM erkennt physikalische Instabilitäten im Netz schneller als jedes andere bisherige Verfahren.
Microsoft Research präsentiert mit GridSFM ein spezialisiertes Foundation Model für die Energiewirtschaft. Dieses KI-Modell bestimmt komplexe AC-OPF-Berechnungen in Wechselstromnetzen innerhalb von Millisekunden und beschleunigt damit Prozesse, die bei klassischen Verfahren deutlich mehr Rechenzeit beanspruchen.
Enorme Zeitersparnis bei der Netzstabilität
Netzbetreiber müssen Erzeugung und Verbrauch unter Berücksichtigung physikalischer Grenzen kontinuierlich neu koordinieren. Da herkömmliche mathematische Verfahren für großflächige Übertragungsnetze enorme Rechenkapazitäten fordern, griffen Experten bislang oft auf vereinfachte Näherungen zurück. GridSFM fungiert hierbei als leistungsstarke Ergänzung, die in bestimmten Benchmarks etwa 1.000-mal schneller als ein klassischer AC-Solver arbeitet.
Bei sehr großen Systemen verweist Microsoft auf die Premier-Version, die für Netze mit bis zu 80.000 Knotenpunkten ausgelegt ist. Neben der Schätzung von Kosten liefert die KI vollständige Systemzustände inklusive Spannungen, Phasenwinkeln, Wirk- und Blindleistung. So lassen sich Engpässe und Stabilitätsrisiken deutlich schneller untersuchen, was Planungsprozesse in einem wirtschaftlich sehr relevanten Bereich verbessern könnte.
Quelle: Microsoft
Physikalisches Verständnis durch neuronale Netze
Hinter der Technologie verbirgt sich ein Graph-basiertes neuronales Netz, das die Struktur des Stromnetzes direkt abbildet. Während der Trainingsphase fütterten die Entwickler das Modell mit einem breiten Korpus aus rund einer halben Million AC-OPF-Szenarien. Durch die Kombination von Referenzlösungen und physikalisch motivierten Regeln erlernt das KI-Modell zentrale Zusammenhänge der Netzphysik, darunter auch die Kirchhoffschen Regeln.
Dank dieser fundierten Basis zeigt GridSFM eine bemerkenswerte Anpassungsfähigkeit bei neuen Netzstrukturen. Für belastbare Ergebnisse ist in der Regel jedoch ein Fine-Tuning auf die jeweilige Region oder spezifische Bedingungen nötig. In Tests erreichte die Erkennung machbarer und nicht machbarer AC-OPF-Szenarien je nach Klasse Werte im Bereich von rund 90 bis 96 Prozent.
Quelle: Microsoft
Hybride Workflows für die Forschung
GridSFM lässt sich flexibel in bestehende Systeme integrieren, indem es als präziser Startpunkt für traditionelle numerische Solver dient. Ein solcher »Warm-Start« kann die notwendige Rechenzeit klassischer Methoden verkürzen, da diese bereits nahe an einer passenden Lösung beginnen. Microsoft berichtet je nach Benchmark von Beschleunigungen im Bereich von 1,45- bis 1,66-fach gegenüber einem klassischen Cold Start.
Für die wissenschaftliche Gemeinschaft stehen die Open Weights der Variante »GridSFM-Open« zur Verfügung, welche Netze mit bis zu 4.000 Knotenpunkten unterstützt. Größere industrielle Anwendungen bedient das Unternehmen hingegen mit der leistungsfähigeren Premier-Version. Diese Veröffentlichung stellt einen wichtigen Schritt dar, um die Integration erneuerbarer Energien durch schnellere und physikalisch plausiblere Planungsprozesse zu unterstützen.
