LONG ISLAND / LONDON (IT BOLTWISE) – Alfred University und der Startup Ranial Systems bauen einen KI-gestützten Battery-Storage- und Microgrid-Controller. Der neue System-on-Chip-Ansatz startet im Juni mit der Arbeit am Energy-Management- und Battery-Management-System und soll im November fertig werden. Im Projekt koppelt das Team Sensorik und Software mit strengen Hardware-in-the-Loop-Tests, um die Leistung unter realitätsnahen Netzbedingungen zu validieren. Ranial Systems liefert dabei CognitEMS als edge-natives, agentisches KI-Backend für verteilte Energiesysteme.
Die nächste Generation von Microgrids hängt nicht nur an besseren Akkus, sondern vor allem an der Steuerung, die Lastflüsse und Schutzfunktionen in Echtzeit beherrscht. Genau hier setzt eine Kooperation zwischen der Inamori School of Engineering der Alfred University und dem clean-tech Startup Ranial Systems an: Beide Parteien entwickeln einen KI-gestützten Battery-Storage- sowie Microgrid-Controller, der für netzskalierende Batteriespeicher genauso gedacht ist wie für gewerbliche und industrielle Microgrids. Das Ziel wirkt dabei weniger wie ein reines Software-Add-on, sondern eher wie ein durchgängiges Energiemanagement-System, das bis in die Hardware hinein optimiert wird.
Technisch beginnt das Projekt im Juni mit der Arbeit an einem „System-on-Chip“-Energy-Management- sowie Battery-Management-System-Controller. Diese Trennung ist zwar aus der Praxis vieler Betriebs- und Schutzkonzepte bekannt, wird hier aber in einem gemeinsamen Baustein zusammengeführt, um Datenströme und Steuerlogik effizienter zu koppeln. Die Entwicklung soll bereits im November abgeschlossen werden, was für ein überschaubares Zeitfenster spricht und damit besonders hohe Anforderungen an die Entwicklungsdisziplin stellt. Im Kern arbeitet das Team daran, KI-Modelle zu bauen und zu testen, Sensoren zu integrieren und das Ergebnis anschließend in eine verifizierbare, testbare Systemarchitektur zu überführen.
Entscheidend wird in diesem Setting die Validierung unter realistischen Randbedingungen. Dafür nutzt das Projekt Hardware-in-the-Loop-Tests (HIL), bei denen physische Hardware mit einer Echtzeit-Simulation gekoppelt wird, um die Systemleistung unter kontrollierten, aber realitätsnahen Netzbedingungen zu prüfen. Solche Tests sind in der Energie- und Automatisierungstechnik wichtig, weil reine Modellrechnungen typische Abweichungen aus der Sensorik, Signalverarbeitung und Laufzeit berücksichtigen müssen. In Alfreds Umgebung findet das in einem klar auf Energieanwendungen ausgelegten Labor statt: Das GE Vernova Advanced Power Grid Lab stellt mit Advanced Energy Management System (AEMS) und Advanced Distribution Management Solutions (ADMS) Softwareplattformen Werkzeuge bereit, um die Controller-Performance zu simulieren, gegen Mess- und Modellkriterien zu benchmarken und die HIL-Ergebnisse vergleichbar zu machen.
Für die „edge-nativen“ KI-Ansätze liefert Ranial Systems dabei die Grundlage über CognitEMS, seine proprietäre edge-agentic KI-Plattform. Damit zielt das Projekt auf eine durchgängige Zusammenführung von Batterie- und Energiemanagement für verteilte Energieressourcen, also genau den Bereich, in dem zentrale Leitwarten oft an Grenzen stoßen: zu viele Kommunikationsschnittstellen, zu heterogene Erzeuger- und Speicherprofile, zu unterschiedliche Betriebsmodi. Die technische Idee dahinter passt zur breiteren Entwicklung in der KI-Entwicklung: Statt Modelle rein im Cloud- oder Serverumfeld zu betreiben, werden sie näher an Sensorik und Aktorik gebracht, um Latenzen zu senken und Entscheidungen näher am Betriebsgeschehen zu treffen. Dass ein Startup hier eine Plattform-Komponente beisteuert, kann außerdem die Brücke zwischen Forschungsprototyp und produktionsnaher Umsetzung verkürzen.
Im Projektteam übernimmt Chandan Kumar die Leitung; er ist Assistant Professor für Informatik an Alfred University. Unterstützung kommt sowohl durch einen Graduate Student als auch durch Dr. Xingwu Wang, Professor für Elektrotechnik, der als Co-Principal Investigator genannt wird. Inhaltlich setzt das Vorhaben auch auf die Lern- und Transferdimension: Die Beteiligten sollen praxisnah an der Schnittstelle aus Machine Learning, Sensorintegration und Hardwarevalidierung arbeiten. In einem Bereich wie intelligenter Energieinfrastruktur ist das mehr als ein akademisches Übungspaket, weil die Anforderungen an Robustheit, Testbarkeit und Systemverhalten im Feld schnell über Erfolg oder Misserfolg von Piloten entscheiden. Das Projekt soll zudem demonstrieren, wie sich unüberwachtes Lernen aus dem reinen Laborumfeld in die Steuerung von Stromnetzen übertragen lässt.
Finanziert wird das Vorhaben über einen Zuschuss in Höhe von 65.000 US-Dollar von New Energy New York (NENY), einem Zusammenschluss zwischen Binghamton University und dem New York Battery and Energy Storage Technology Consortium (NY-BEST). Für den Kontext der Region ist auch relevant, dass NENY im Mai fast 315.000 US-Dollar an vier Empfänger ausgegeben hat, um Batterietechnologien weiterzuentwickeln und Speicherinnovationen in Upstate New York auszubauen. Für Unternehmen und Entwickler im Energiesektor bedeutet das: Förderprogramme dieser Art reduzieren das Risiko beim Einstieg in Testumgebungen und beschleunigen die Verfügbarkeit von Hardware-nahem Know-how. Gleichzeitig bleibt offen, wie schnell aus dem Controller-Prototyp ein Produkt für mehrere Einsatzszenarien wird, denn die HIL-Ergebnisse müssen später in Feldtests und mit unterschiedlichen Netz- und Nutzerprofilen reproduzierbar bleiben.
Auch für die Wettbewerbsdynamik ist das Timing bemerkenswert. Während viele Marktakteure ihren Fokus auf bessere Akkuzellen, Leistungselektronik oder Cloud-Analytik legen, verlagert dieses Projekt den Schwerpunkt sichtbar auf das Zusammenspiel von KI-Logik, Energiemanagement und Hardwarevalidierung. Der Ansatz, Battery Management und Energy Management in einem Controller-Design zusammenzudenken und dabei mit edge-agentic KI zu arbeiten, könnte sich besonders dann auszahlen, wenn Microgrids zunehmend dynamische Anforderungen aus Dreiphasennetzen, Frequenzhaltung und variablen Einspeiseprofilen erfüllen müssen. Für die nähere Zukunft ist deshalb weniger die reine Modellgüte der wichtigste Messpunkt, sondern die Frage, wie stabil sich Entscheidungen in Echtzeit unter realen Störeinflüssen umsetzen lassen – und genau dafür sind die HIL-Tests bereits ein zentraler Schritt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Controller für Microgrids: Alfred University und Ranial Systems starten HIL-Tests" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Controller für Microgrids: Alfred University und Ranial Systems starten HIL-Tests" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Controller für Microgrids: Alfred University und Ranial Systems starten HIL-Tests« bei Google Deutschland suchen, bei Bing oder Google News!