Künstliche Intelligenz soll helfen die Stromübertragung zu optimieren

| Redakteur: Julia Schmidt

Das Projekt PrognoNetz ist ein selbstlernende Sensornetzwerke zum witterungsabhängigen Freileitungsbetrieb.
Das Projekt PrognoNetz ist ein selbstlernende Sensornetzwerke zum witterungsabhängigen Freileitungsbetrieb. (Bild: ITIV, KIT)

Forscher am Karlsruher Institut für Technologie arbeiten im Verbund „PrognoNetz“ an selbstlernenden Sensornetzwerken. Solche Netzwerke sollen dabei helfen, sogenannte Freileitungen je nach Witterung besser auszulasten. So lässt sich bei günstigen Bedingungen mehr Strom über die Leitung schicken.

Der rasante Ausbau der erneuerbaren Energien – Windenergie im Norden, Photovoltaik im Süden – stellt zusammen mit dem wachsenden internationalen Stromhandel immer höhere Anforderungen an das Stromübertragungsnetz. Um die elektrische Energie von den Erzeugern zu den Verbrauchern zu transportieren, das zeitweilige Abschalten von Anlagen zur Stromerzeugung aus regenerativen Quellen – vor allem bei hohem Windaufkommen – zu vermeiden und insgesamt eine hohe Versorgungssicherheit zu gewährleisten, scheint ein erheblicher Ausbau der bestehenden Netzinfrastruktur erforderlich.

Dies ist jedoch mit langwierigen Genehmigungsverfahren und hohen Kosten verbunden. Der Bedarf an Neubautrassen lässt sich allerdings durch bessere Ausnutzung der vorhandenen Freileitungen deutlich reduzieren. „So ist es möglich, den Stromtransport je nach Witterungsbedingungen wie Umgebungstemperatur, Sonneneinstrahlung, Windgeschwindigkeit und Windrichtung gegenüber dem Standard deutlich zu erhöhen“, erklärt Professor Wilhelm Stork, Leiter der Mikrosystemtechnik am Institut für Technik der Informationsverarbeitung (ITIV) des Karlsruher Institut für Technologie (KIT).

„Diese Erhöhung lässt sich erreichen, ohne die maximal zulässige Leitertemperatur zu überschreiten und ohne die Mindestabstände des Leiters zum Boden oder zu Gegenständen zu unterschreiten.“ Besondere Bedeutung kommt dabei dem von der lokalen Topografie und Vegetation beeinflussten, kühlend wirkenden Wind zu.

PrognoNetz – flächendeckende Sensornetzwerke mit intelligenten Sensoren

Auf ein Freileitungsmonitoring in hoher Auflösung und in Echtzeit zielt das vom ITIV geleitete Projekt „PrognoNetz – Selbstlernende Sensornetzwerke zum witterungsabhängigen Freileitungsbetrieb“. An dem Verbundvorhaben sind auch der Wetterdienst UBIMET GmbH Karlsruhe, der baden-württembergische Übertragungsnetzbetreiber TransnetBW GmbH mit Sitz in Stuttgart, das IT-Unternehmen unilab AG Paderborn, die GWU-Umwelttechnik GmbH Erftstadt und die Wilmers Messtechnik GmbH Hamburg beteiligt. Das vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderte Projekt ist Anfang 2019 gestartet und läuft drei Jahre.

In PrognoNetz entwickeln die Forschungs- und Industriepartner flächendeckende Sensornetzwerke mit intelligenten Sensoren, die – anders als herkömmliche Wetterstationen – in geringen Abständen zueinander und in hinreichender Nähe von Freileitungen platziert sind, um die Witterungsbedingungen präzise zu erfassen. Die Sensornetzwerke sollen auch harschen Umgebungsbedingungen standhalten und kritische Daten drahtlos und zuverlässig an die Leitzentrale liefern.

Neu zu erarbeitende Algorithmen sollen den Sensoren eine selbstlernende Funktion verleihen, sodass sie auf Basis der verteilt gemessenen Wetterdaten automatisiert genauere Strombelastungsprognosen für Stunden oder sogar Tage erstellen können. Anhand historischer Wetterdaten und topografischer Eigenschaften werden intelligente Modelle für jede Leitung des Stromnetzes gebildet.

Ein selbstlernendes meteorologisches Netzwerk

Die Wissenschaftlerinnen und Wissenschaftler des ITIV arbeiten in PrognoNetz unter anderem an den Prognosemodellen auf der Basis Künstlicher Intelligenz sowie an einem laserbasierten Windsensor, der genauer misst als starr montierte konventionelle Sensoren, und an unbemannten Drohnen zur Installation und Wartung der Wettersensoren auf den Strommasten. Das in PrognoNetz entwickelte selbstlernende meteorologische Netzwerk soll zunächst an bestehenden Hochspannungsleitungen und an Betriebsmitteln des Partners TransnetBW eingesetzt werden.

„Mit diesem auf Künstlicher Intelligenz basierenden Netzwerk lassen sich vorhandene Stromnetze durch Anpassen des Betriebs an die Witterungsbedingungen jederzeit optimal ausnutzen und Engpässe überbrücken“, sagt Wilhelm Stork. „So lässt sich der Stromtransport bei günstigen Bedingungen, das heißt niedriger Außentemperatur oder starkem Wind, um 15 bis 30 Prozent erhöhen.“

Molekulares Lego: Mittels KI auf der Suche nach neuen organischen Halbleitern

Molekulares Lego: Mittels KI auf der Suche nach neuen organischen Halbleitern

18.02.19 - Organische Halbleiter sind leicht, flexibel und einfach herstellbar, Energieausbeute und Langlebigkeit sind bisher jedoch enttäuschend. Forscher nutzen jetzt chemische Data-Mining-Verfahren, um aussichtsreiche organische Verbindungen für die Elektronik der Zukunft aufzuspüren. lesen

Photovoltaik-Anlagen mit Drohne überwachen

Photovoltaik-Anlagen mit Drohne überwachen

20.03.19 - Ausfälle einer Photovoltaik-Anlage sind insbesondere für die Betreiber ärgerlich, sie kosten Geld. Wissenschaftler der Hochschule Coburg wollen deshalb ein mobiles Labor entwickeln, um Störungen auf den Anlagen zu erkennen und Leistungseinbußen zu verhindern. lesen

Predictive Maintenance: So überwachen Sensoren Windkraftanlagen in Echtzeit

Predictive Maintenance: So überwachen Sensoren Windkraftanlagen in Echtzeit

30.01.19 - Blitzschläge, defekte Rotorblätter oder Turmbewegungen: Windkraftanlagen müssen permanent in Echtzeit überwacht werden. Predictive Maintenance auf Basis präziser Sensorik spielt dabei eine wichtige Rolle. Sie gewährleistet nicht nur ein rechtzeitiges Abschalten, sondern kann auch die Kosten für Wartung und Instandhaltung reduzieren. lesen

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45882900 / KI/Machine Learning)