Mit künstlicher Intelligenz zum stabilen Stromnetz

Teilen

Frequenz, Spannung, Phasenwinkel – für ein sicheres Stromnetz müssen viele Parameter überwacht werden. Forschern des Fraunhofer IOSB-AST zufolge reicht vor allem wegen des zunehmenden Ausbaus erneuerbarer Energien konventionelle Messtechnik für diese Überwachung häufig nicht mehr aus und wird immer mehr mit hochpräzisen, zeitsynchronisierten Phasormessungen (PMU) ergänzt. Diese hochauflösende Sensorik führe jedoch schnell zu großen Datenmengen. Die Forscher haben jetzt ein Verfahren entwickelt, um mit Hilfe künstlicher Intelligenz (KI) diese Daten deutlich zu verkleinern und sie zudem zur automatisierten Anomalie- und Fehlererkennung im Netzbetrieb einzusetzen.

Um die Massendaten in einem ersten Schritt effizient zu erfassen und zu verarbeiten, hat das Fraunhofer IOSB-AST Komprimierungsalgorithmen entwickelt. Diese reduzieren den Speicherbedarf zur Archivierung der Daten, indem sie etwa 80 Prozent der Datenmenge einsparen. Weiterer Vorteil der Komprimierung sei, dass sie die nachfolgende Datenanalyse beschleunige. Denn in einem zweiten Schritt haben die Forscher die PMU-Messwerte verwendet, um Anomalien im Netzbetrieb zu erkennen und bestimmte Betriebsstörungen in Echtzeit zu identifizieren. Bei dieser automatischen Auswertung der Messwerte helfen demnach Verfahren aus dem Bereich der künstlichen Intelligenz. Mittelfristiges Ziel der Forscher ist es, den Automatisierungsgrad im Bereich der dynamischen Netzbetriebsführung weiter zu erhöhen und einen stabilen Betrieb auch mit hohem Anteil von erneuerbaren Energien sicher zu gewährleisten.