KIT will mit Künstlicher Intelligenz die Übertragungskapazität von Freileitungen erhöhen

Teilen

Nicht nur der Ertrag von Photovoltaik-Anlagen und Windrädern hängt vom Wetter ab – auch die Übertragungskapazität von Freileitungen, wenn auch in deutlich geringerem Maße. Bei niedrigen Umgebungstemperaturen oder einem kühlenden Wind können die Leitungen mehr Strom übertragen, weil sie sich nicht so stark ausdehnen. Doch wie groß ist der Effekt genau? Und in wie weit erhöht sich damit die mögliche Übertragungskapazität? Das Karlsruher Institut für Technologie (KIT) arbeitet nun im Verbundvorhaben „PrognoNetz“ an selbstlernenden Sensornetzwerken, welche die Kühlwirkung des Wetters anhand realer Daten modellieren sollen. Damit lässt sich bei günstigen Bedingungen mehr Strom durch die Leitung schicken – die Kapazität steigt um 15 bis 30 Prozent, erwarten die KIT-Forscher. Solche Instrumente zur besseren Auslastung der Stromnetze sind ein zentrales Element  des Aktionsplan Stromnetz, den CDU-Bundeswirtschaftsminister Peter Altmaier im vergangenen August vorgelegt hat.

Je nach Witterungsbedingungen wie Umgebungstemperatur, Sonneneinstrahlung, Windgeschwindigkeit und Windrichtung lässt sich mit einem verbesserten Freileitungsmonitoring deutlich mehr Strom transportieren, sagt Wilhelm Stork, Leiter der Mikrosystemtechnik am Institut für Technik der Informationsverarbeitung (ITIV) des 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 komme dabei dem von der lokalen Topografie und Vegetation beeinflussten, kühlend wirkenden Wind zu.

In „PrognoNetz“ entwickeln die Forschungs- und Industriepartner flächendeckende Netzwerke mit intelligenten Sensoren, die – anders als herkömmliche Wetterstationen – in geringen Abständen zueinander und in Nähe von Freileitungen platziert sind, um die Witterungsbedingungen präzise zu erfassen. Die Sensornetzwerke sollen auch harschen Umgebungsbedingungen standhalten und kritische Daten drahtlos an die Leitzentrale liefern. Neu zu erstellende Algorithmen sollen den Sensoren eine selbstlernende Funktion verleihen, so dass 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. Die 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. Die Installation und Wartung der Wettersensoren auf den Strommasten soll mithilfe unbemannter Drohnen erfolgen, deren Entwicklung ebenfalls Teil des Projektes ist.

Das in „PrognoNetz“ entwickelte selbstlernende meteorologische Netzwerk soll zunächst an bestehenden Hochspannungsleitungen und an Betriebsmitteln von TransnetBW eingesetzt werden. An dem Projekt sind neben dem KIT und TransnetBW auch der Wetterdienst Ubimet, das IT-Unternehmen unilab und die Firmen GWU-Umwelttechnik und Wilmers Messtechnik beteiligt. Das vom Bundesministerium für Wirtschaft und Energie geförderte Vorhaben ist Anfang 2019 gestartet und läuft drei Jahre.

Dieser Inhalt ist urheberrechtlich geschützt und darf nicht kopiert werden. Wenn Sie mit uns kooperieren und Inhalte von uns teilweise nutzen wollen, nehmen Sie bitte Kontakt auf: redaktion@pv-magazine.com.