Chytré řízení fotovoltaiky má domácnostem šetřit peníze i stabilizovat síť

Obrázek: Vygenerováno AI
Thursday 8 October 2026, 8:00 – Text: Šárka Chovancová

Matematici z Přírodovědecké fakulty Univerzity Palackého se podílejí na vývoji systému, který bude pomocí matematické optimalizace a strojového učení automaticky rozhodovat, kdy má domácnost elektřinu z fotovoltaické elektrárny spotřebovat, uložit do baterie nebo dodat do sítě. Výsledkem projektu OLAF má být chytré řízení domácí energetiky, které sníží náklady majitelů fotovoltaik a zároveň pomůže stabilnějšímu fungování elektrizační soustavy. Systém nyní odborníci testují na 150 lokalitách a v pěti energetických společenstvích.

Na projektu spolupracuje Technologická platforma katedry matematické analýzy a aplikací matematiky (TP KMA) Přírodovědecké fakulty UP se společnostmi OLC Systems a AgreFlex. Univerzitní tým vyvíjí optimalizační metody a modely strojového učení, které budou tvořit rozhodovací část systému.  „Fotovoltaika sama o sobě vyrábí tehdy, když má vhodné podmínky. To ale nemusí být okamžik, kdy je výhodné elektřinu spotřebovat nebo poslat do sítě. A tento nesoulad se snažíme řešit,“ uvedl Jakub Dostál ze společnosti AgreFlex.

Za přírodovědeckou fakultu vede odbornou část projektu člen TP KMA, statistik Ondřej Vencálek. Do týmu jsou zapojeni také zakladatelka a vedoucí platformy Jitka Machalová, doktorští studenti Filip Malíček, Michaela Michalcová a Stanislav Škorňa a absolvent magisterského studia Jáchym Jelínek. Mladí členové týmu pracují s reálnými provozními daty ze stovek domácností a podílejí se na vývoji algoritmů pro budoucí produkt.

Data ze skutečných domácností

„Práce se skutečnými daty je odlišná od práce s učebnicovým datasetem zejména kvůli chybějícím měřením, která je nutné vhodně imputovat. Pro tento projekt je také typické hledání a ověřování různých přístupů, od těch, které už známe ze školy, až po zcela nové postupy a řešení. Naším úkolem tedy není jen úspěšně implementovat jednu metodu, ale najít a implementovat tu nejlepší možnou,“ řekla Michaela Michalcová z přírodovědecké fakulty.

„Naším úkolem tedy není jen úspěšně implementovat jednu metodu, ale najít a implementovat tu nejlepší možnou.“ Michaela Michalcová

Systém OLAF využívá zařízení OLAF Box umístěné přímo u zákazníka, které komunikuje se střídačem fotovoltaické elektrárny a baterií. Cloudová část propojuje údaje o aktuálním stavu domácnosti s předpovědí počasí a výroby, očekávanou spotřebou a cenami elektřiny.

Na základě těchto dat algoritmus plánuje hospodaření s energií na hodiny až dny dopředu. Rozhoduje například o tom, kdy baterii nabít či vybít, kdy odložit spotřebu a kdy omezit dodávku přebytků do sítě. Zohledňuje přitom také budoucí hodnotu uložené energie, která může být kvůli kolísajícím cenám za několik hodin vyšší než v okamžiku výroby.

Chytré řízení může pomoci domácnostem i síti

Vývoj systému reaguje na rychlé rozšiřování domácích fotovoltaických elektráren a bateriových úložišť. Na konci roku 2025 bylo v Česku připojeno více než 239.000 fotovoltaických elektráren a celková kapacita bateriových úložišť přesáhla 2500 MWh. Naprostá většina této kapacity připadala na domácnosti. S rostoucím počtem decentralizovaných zdrojů se zvyšují nároky na řízení energetické soustavy. Domácí elektrárny vyrábějí podle podmínek slunečního svitu, nikoliv podle aktuální nabídky a poptávky. Bez chytrého řízení proto mohou tisíce elektráren dodávat přebytky ve stejnou dobu, kdy ceny elektřiny mohou klesat až do záporných hodnot, nebo naopak odebírat elektřinu v období vysoké poptávky.

Chytré řízení může podle odborníků pomoci nejen majitelům domácích elektráren, ale také elektrizační soustavě. Při přebytku energie může domácnost například nabíjet baterii nebo zvýšit vlastní spotřebu, při nedostatku naopak odběr snížit nebo dodat uloženou elektřinu do sítě.

Vývojáři počítají také s dalším rozšiřováním systému. V budoucnu by mohl řídit nabíjení elektromobilů nebo provoz tepelných čerpadel a umožnit agregaci flexibility, tedy koordinované řízení většího množství menších zdrojů a spotřebičů.

Zapojení studentů

Zapojení studentů přírodovědecké fakulty do projektu podle Jitky Machalové odpovídá dlouhodobému zaměření Technologické platformy KMA. Na projektu začali pracovat ještě v posledním ročníku studia. „Chceme, aby si talentovaní studenti mohli už během studia vyzkoušet práci na skutečných výzkumných a firemních projektech. Pokud se osvědčí a mají zájem pokračovat, snažíme se pro ně najít uplatnění také po absolvování studia,“ uvedla Jitka Machalová.

Projekt propojuje tři oblasti odbornosti. AgreFlex přináší znalost energetiky a přístup k pilotním zákazníkům, OLC Systems zajišťuje softwarové inženýrství, infrastrukturu, komunikaci se střídači a kybernetickou bezpečnost. Univerzitní tým vyvíjí optimalizační metody a modely strojového učení. „Těší mě zapojit se do projektu, který má ambici přispět ke zlepšení situace v oblasti energetiky. Pracujeme na řešení, které by přineslo jednotlivcům finanční úspory a elektrizační soustavě větší predikovatelnost i stabilitu,“ uvedl Ondřej Vencálek.

Výzkumně-vývojový projekt Vývoj systému OLAF ve společnosti OLC Systems s.r.o. běží od května 2025 do května 2027 s podporou programu OP TAK Ministerstva průmyslu a obchodu. Univerzita Palackého se do jeho řešení zapojila v únoru 2026. Systém má být technologicky nezávislý na cloudových rozhraních výrobců střídačů. OLAF využívá vlastní český hardware a software, což má provozovateli zajistit větší kontrolu nad daty i celým řídicím řetězcem.

Back

Privacy settings

We use cookies and any other network identifiers on our website that may contain personal data (e.g. about how you browse our website). We and some of the service providers we use have access to or store this data on your device. This data helps us to operate and improve our services. For some purposes, your consent is required to process data collected in this way. You can change or revoke your consent at any time (see the link at the bottom the page).

(Essential cookies enable basic functions and are necessary for the website to function properly.)
(Statistics cookies collect information anonymously. This information helps us to understand how our visitors use our website.)
(They are designed for promotional purposes, measuring the success of promotional campaigns, etc.)