17.01.2023 | Campus-Meldung

Künstliche Intelligenz im Stromnetz

Datenanalysen und künstliche Intelligenz (KI) im Stromnetz können nicht nur einen großen Mehrwert für Netzbetreiber und das Gesamtsystem liefern, sondern sind für das Gelingen der Transformation zu einer nachhaltigen Energieversorgung notwendig. Im Projekt Data4Grid mit Beteilgung der Uni Kassel haben Verteilnetzbetreiber mit Start-ups zusammengearbeitet, um konkrete Anwendungsfälle für Datenanalysen und KI im Stromnetz in der Praxis voranzubringen.

Das deutsche Stromverteilnetz befindet sich in einem rasanten Umbruch. Zum einen steht der Ausbau von dezentralen Erzeugungsanlagen im Fokus und zum anderen hat die zunehmende Elektrifizierung von PKW und Heizsystemen Lastspitzen zu bestimmten Zeitpunkten zur Folge. Für einen sicheren, wirtschaftlichen und effizienten Netzbetrieb muss der aktuelle Netzzustand künftiger Stromverteilnetze bekannt sein. Mithilfe neuer Messgeräte, die z. B. in Ortsnetzstationen installiert werden, kann die erforderliche Transparenz hergestellt werden. Allerdings mangelt es an geeigneten technischen Ansätzen, um den Entscheidungsprozess über die Platzierung der Messgeräte zu bewerten.

Für das Projekt „Data4Grid – Datenanalysen und künstliche Intelligenz im Stromverteilnetz“ haben Projektpartner konkrete Anwendungsfälle für Datenanalysen und KI im Stromnetz in der Praxis untersucht. Die Universität Kassel wurde vertreten vom Fachgebiet Energiemanagement und Betrieb elektrischer Netze (e²n). Die Erfahrungen und Erkenntnisse aus dieser Zusammenarbeit wurden nun in einem Abschlussbericht veröffentlicht.

Im Rahmen des praktischen Projektteils wurden zudem drei Challenges für Datenanalysen und KI definiert, die in enger Zusammenarbeit mit Netzbetreibern und Teams, bestehend aus Data Scientists und Softwareentwicklern, bearbeitet wurden. Das Team reto4KI setzt sich aus einer Kooperation zwischen der retoflow GmbH, der Universität Kassel und dem Fraunhofer IEE zusammen und konnte in der Challenge „Evaluierung relevanter Messstellen zur Erhöhung der Netztransparenz in Niederspannungsnetzen“ den ersten Platz erzielen. Das Team hat ein iteratives Verfahren entwickelt, um eine optimale Positionierung von Messtechnik für Niederspannungsnetze auf Basis künstlicher neuronaler Netze zu berechnen.

Link zur Veröffentlichung des Abschlussberichts:

https://www.dena.de/newsroom/publikationsdetailansicht/pub/abschlussbericht-datenanalysen-und-kuenstliche-intelligenz-im-stromverteilnetz