Student präsentierte Projektarbeit zu Spannungsstabilisierung im Niederspannungsnetz bei Smart Grids Herbsttreffen
10. Oktober 2025
Ziel der Arbeit von Florian Liszt, Student des Master-Studiengangs Renewable Energy Engineering, ist es, dabei zu helfen durch maschinelles Lernen die Netzstabilität trotz dezentraler Einspeisung zu sichern.
Im Rahmen des Smart Grids Herbsttreffens 2025 präsentierte Florian Liszt, Student des Master-Studiengangs Renewable Energy Engineering, ein Poster zu seiner Forschungsarbeit rund um die Spannungsstabilisierung im Niederspannungsnetz. Begleitet wurde er dabei von David Fellner, Studiengangsleiter Bachelor und Master Renewable Energy Engineering.
Die präsentierte Arbeit entstand im Rahmen einer Projektlehrveranstaltung unter der Supervision von David Fellner und wurde gemeinsam mit den Studierenden Michael Waldher, Hans Baumgartner und Andreas Dietmeier erarbeitet. Das Thema ist außerdem in das Forschungsprojekt GridEdge eingebunden – ein Beispiel für die forschungsgetriebene Lehre an der FH Technikum Wien.
KI-gestützte Spannungsstabilisierung im Niederspannungsnetz
Ziel der Arbeit ist es, dabei zu unterstützen neue datengetriebene Methoden zu entwickeln, um Fehlkonfigurationen bei PV-Wechselrichtern zu erkennen und die Spannungsstabilität in Niederspannungsnetzen zu verbessern. Die zunehmende Einspeisung von Photovoltaikanlagen führt häufig zu Spannungsanstiegen, während fehlerhaft konfigurierte netzstützende Funktionen (z. B. Q(U)-Regelungen) zusätzliche Probleme verursachen können.
Um diese Herausforderungen zu adressieren, wurde im EnergyBase-Labor ein Framework zur Simulation von Niederspannungsnetzszenarien entwickelt. Dieses ermöglicht es, Messdaten für das Training und die Validierung von Machine- und Deep-Learning-Modellen zu generieren.
Erfasst werden reale Messdaten zu Spannung, Strom, Frequenz sowie Wirk-, Blind- und Scheinleistung, sowohl bei korrekt als auch bei fehlerhaft konfigurierter Q(U)-Regelung. Der Aufbau des Laborframeworks umfasst Transformator, Smart Meter und Wechselrichter, die über Python-Schnittstellen und Bibliotheken wie pyVISA und pyModbusTCP eingebunden wurden.
Langfristig soll das System erweitert werden, um weitere Fehlerszenarien zu simulieren und eine umfassende Datengrundlage für KI-gestützte Netzanalysen zu schaffen.
Forschung trifft Lehre
Die Präsentation zeigt eindrucksvoll, wie Studierende der FH Technikum Wien aktiv an praxisnaher Forschung mitwirken und auch aus dieser lernen. Durch die enge Verknüpfung von Lehre und laufenden Forschungsprojekten – wie im Fall von GridEdge – entsteht ein wertvoller Wissenstransfer zwischen akademischer Ausbildung und technologischer Innovation.
Weiterführende Informationen:
Forschungsprojekt GridEdge
Bachelor-Studiengang Erneuerbare Energien
Master-Studiengang Renewable Energy Engineering
Poster zu Forschungsarbeit von Florian Liszt: „Spannungsstabilisierung im Niederspannungsnetz“:
