Das Forschungsprojekt Q-NextGrid verfolgt das Vorhaben, die Transformation des deutschen Stromnetzes hin zu einem dezentralen, von erneuerbaren Energien dominierten System zu gewährleisten. Das Projekt Q-NextGrid entwickelt dabei Quantenoptimierungs-Methoden für zwei zentrale Anwendungen von Verteilernetzbetreibern (DSO): Zum einen für Korrekturmaßnahmen („Redispatch“), um Netzengpässe zu beseitigen und vor Überlastungen zu schützen. Zum anderen soll der Anwendungsfall „Netzausbau” untersucht und unterstützt werden, damit Investition in neue Leitungen mit den dabei anfallenden Kosten, Ausfallsicherheit und Flexibilität in Einklang gebracht werden. Neben der Integration realistischer DSO-Daten entwickelt Q-NextGrid zentral Quantenalgorithmen für diese Multi-Objective-Optimierungsprobleme mit Nebenbedingungen. Weiterhin ist ein Ziel des Projektes, die Lücke zwischen theoretischer Quantenforschung und industrieller Anwendung zu schließen. Durch die Fokussierung auf die Energiewende leistet das Projekt einen direkten Beitrag zur Versorgungssicherheit und Klimaneutralität, da effizientere Netze eine höhere Integration erneuerbarer Energien ermöglichen.
Die E.ON Digital Technology GmbH hat seit 2019 ein spezialisiertes Quantencomputing-Team mit dem Ziel aufgebaut, industrierelevante Quantenanwendungen zur Unterstützung der Energiewende zu entwickeln. Zu den zentralen Meilensteinen gehören die Koordination des BMFTR-geförderten Projekts Q-GRID (2022–2025) sowie der Zuschlag für das Projekt QMPC (2024–2026), gefördert durch DLR-QCI/BMWK. E.ON unterstützt das Projekt Q-NextGrid in der Implementierung der End-to-End-Quantenworkflow-Pipeline für den Redispatch und Netzplanungs-Use-Case. Ziel ist die Entwicklung anwendungsspezifischer Lösungen, die reale Netzdaten in Optimierungsmodelle mit Nebenbedingungen überführen und sowohl auf Simulatoren als auch auf realer Quantenhardware ausgeführt werden können.
Die Ludwig-Maximilians-Universität München (LMU) ist eine Exzellenzuniversität mit ausgewiesener Expertise im Bereich Quantencomputing und Optimierungsverfahren. Im QAR-Lab am Lehrstuhl für Mobile und Verteilte Systeme wird seit 9 Jahren an Quantenanwendungen in den Domänen Machine Learning und Optimierung, sowie der Simulation klassischer physikalischer Systeme geforscht. Im Konsortium übernimmt die LMU die wissenschaftliche Verantwortung für die Entwicklung und Evaluierung neuer Multi-Objective-Optimierungsalgorithmen sowie deren prototypische Umsetzung im QC-NextGrid Stack.
Die Aqarios GmbH ist ein Deep-Tech-Startup mit Sitz in München, wurde 2021 als Ausgründung der Ludwig- Maximilians-Universität (LMU) München und ihres QAR-Labs gegründet, und besteht inzwischen aus einem interdisziplinären Team von Experten mit Hintergrund in Informatik, Physik, Mathematik oder Ingenieurwissenschaften. Der Unternehmensfokus liegt darauf, Quantencomputing für industrielle Anwendungen zugänglich zu machen und Spitzenforschung in praktische Werkzeuge zu transformieren.
Nüßlein, J., Roch, C., Gabor, T., Stein, J., Linnhoff-Popien, C., & Feld, S. (2023, July). Black Box Optimization Using QUBO and the Cross Entropy Method. In International Conference on Computational Science (pp. 48-55).
Anfragen an das Konsortium bitte an:
E-Mail: qar-lab@mobile.ifi.lmu.de
Telefon: +49 89 2180-9153
QAR-Lab – Quantum Applications and Research Laboratory
Ludwig-Maximilians-Universität München
Oettingenstraße 67
80538 München
Förderung durch:
Copyright © Q-NextGrid