Sie sind hier: HomeThemenSmart EnergySmart Grid

DFKI und PPC AG: Netzzustandsüberwachung mit Big Data und KI

Mehr Erneuerbare, mehr Elektro-Autos: Eine Herausforderung für Netzbetreiber. Das Forschungsprojekt »Fühler im Netz 2.0« ermittelt Optimierungspotentiale für die Netzzustandsüberwachung aus Daten verschiedener Versorgungsgebiete mittels Künstlicher Intelligenz und Big Data Analysis.

FiN Bildquelle: © PPC AG

Bei »Fühler im Netz« wurde der Netzzustand zweifach erfasst: mit der BPL-Datenübertragung (Ebene A) und einfacher Messsensorik im Nieder- und Mittelspannungsbereich (Ebene B). Die BPL Kanaleigenschaften generierten dabei belastbare Zustands- und Betriebsinformationen über die Netze.

Im ersten, 2017 abgeschlossenen Projekt »Fühler im Netz« (FiN) wurden unter Leitung der auf Smart Meter Gateways und Kommunikationstechnik spezialisierten PPC AG zentrale Herausforderungen der Netzüberwachung adressiert und erste praxistaugliche Lösungen demonstriert.

Die drei Herausforderungen des Netzbetriebs sind zum einen der systematische Ausbau der Netzzustandsüberwachung, die Zustandserfassung von Netzbetriebsmitteln sowie die Errichtung einer effizienten Kommunikationsinfrastruktur. Mit dem FiN-Ansatz konnten Synergien bei der Bewältigung dieser Problematiken genutzt und kostengünstige Methoden zur Netzüberwachung bereitgestellt werden.

Das BMBF-geförderte Projekt »Fühler im Netz 2.0« nutzt diese gewonnenen Erkenntnisse um die Möglichkeiten zur Anlagen- und Netzzustandsüberwachung auszuweiten. Zudem sollen Optimierungspotenziale genutzt werden, die sich aus der Erfassung und der automatisierten Analyse von Massendaten ergeben. Dafür werden Erkenntnisse über Spannungsverläufe und „Fingerprints“ im Breitband-Powerline (BPL)-Spektrum vertieft und Big Data-Analysen ebenso wie Methoden der Künstlichen Intelligenz (KI) angewendet.

Über 3.500 BPL-Sensormodems werden im Rahmen des Projekts in den Netzgebieten der Netze BW, der Mainzer Netze und der EVL Energieversorgung Leverkusen installiert. Diese messen in einer hohen zeitlichen Auflösung den lokalen Netzzustand, insbesondere die Spannung, und den Zustand von Kabeln und Anlagen.

Die großen Datenmengen, die dabei innerhalb kürzester Zeit anfallen, werden mithilfe von Massendatenverarbeitungsmethoden erfasst und mittels KI-Algorithmen auf Muster und Auffälligkeiten untersucht. Dazu werden Machine Learning- und Deep Learning-Ansätze aus dem DFKI eingesetzt. Die Algorithmen analysieren die Datenströme, erkennen Auffälligkeiten, lernen daraus und leiten so Vorhersagen oder eigene Strategien ab. Damit kann eine Vorhersage des Spannungsverlaufs und der Asymmetrie zwischen den Phasen ermittelt werden.

Diese Erkenntnisse werden in Zukunft bei der Integration von E-Mobilität in den Verteilnetzen relevant. Prof. Dr. Andreas Dengel, Standortleiter und Leiter des Forschungsbereichs Smarte Daten und Wissensdienste am DFKI in Kaiserslautern sieht in selbstlernenden KI-Methoden das Potenzial einer Schlüsseltechnologie für eine erfolgreiche Energiewende: 

„Selbstlernende Algorithmen eignen sich hervorragend für die Analyse großer Datenmassen und darauf aufbauender Prognosemethoden für Energieerzeugung und Verbrauch. Diese bilden die Grundlage für ein intelligentes Netzwerküberwachungs- und Netzmanagement-System und sind somit Wegbereiter für das intelligente Energiesystem der Zukunft.“

Ingo Schönberg, Vorstandsvorsitzender der PPC, erklärt: „Mit Fühlern im Netz leisten wir einen wichtigen Beitrag zum sicheren und effizienten Betrieb der durch Energiewende und Sektorkopplung beanspruchten Verteilnetze.“

Fabian Karl, Projektleiter bei PPC, fügt hinzu: „Die groß angelegten Feldtests in den Netzgebieten der Projektpartner werden aufschlussreiche Erkenntnisse über den Einsatz der entwickelten Methode zur Netzüberwachung in der Masse bringen. Durch den Einsatz der Breitband-Powerline- Technologie mit integrierter Messsensorik werden wir zahlreiche netzdienliche Mehrwerte generieren können.“

Die Mitglieder des Projektkonsortiums unter der Leitung von PPC sind neben dem DFKI die Netze BW, die Mainzer Netze und die Energieversorgung Leverkusen (EVL) aus dem Bereich Netze sowie die Bergische Universität Wuppertal.