Kontakt Kontakt +49(0)621/40165-100

Kontaktformular

header stromnetz

Fühler im Netz 2.0

Die Fühler im Verteilnetz breiten sich aus

Logo Fuehler im Netz

Was bisher geschah…

Aufbauend auf dem Forschungsvorhaben “Fühler im Netz (FiN)” werden in FiN 2.0 großflächige Lösungen zur Netzzustandsüberwachung mittels Big Data und künstlicher Intelligenz erprobt.

Im Projekt FiN, das 2017 nach einer dreijährigen Laufzeit erfolgreich zu Ende ging, ist es gelungen erste praxistaugliche Lösungen für die drei zentralen Herausforderungen des Netzbetriebs zu demonstrieren:

  • systematischer Ausbau der Netzzustandsüberwachung
  • Zustandserfassung von Netzbetriebsmitteln
  • Errichtung einer effizienten Kommunikationsinfrastruktur

Der FiN-Ansatz – also die Datenübertragung mittels Breitband-Powerline-Kommunikation selbst zu analysieren und gleichzeitig die lokale Spannung zu messen – stellt dabei eine kostengünstige Methode für das Echtzeit-Netzmonitoring sowie die Zustandserfassung von Kabeln und Anlagen dar.

4Nq Netzanalyse

Aufbauend auf den Ergebnissen aus “Fühler im Netz” wurde das Sensor BPL-Modem 4NQ entwickelt, welches die Erfassung des BPL-Spektrums und eine integrierte Sensorik in sich vereint. Hierdurch wird – ganz ohne zusätzliche Messbox – eine flächendeckende Spannungsmessung ermöglicht, mit der sich Netzzustände kontinuierlich erfassen und analysieren lassen. Es erfolgt eine kontinuierliche, dreiphasige Messung von

  • Spannungen
  • Phasenwinkeln (zwischen den Spannungen)
  • THD (Total Harmonic Distortions)
Fühler im Netz 2.0 Logo

So geht es weiter…

“Fühler im Netz 2.0” nutzt die gewonnenen Erkenntnisse des Vorgängerprojekts und legt den Fokus darauf, die Möglichkeiten zur Anlagen- und Netzzustandsüberwachung im großen Feldtest auszuweiten. Dabei sollen Optimierungspotentiale gehoben werden, die sich aus der Erfassung und der automatisierten Analyse von Massendaten im großen Maßstab ergeben. Für beide Kernelemente des FiN-Ansatzes, also sowohl für die BPL-Spektrumsanalyse als auch für die Erfassung der lokalen Spannung, kommen hierfür Big Data Analysen und Methoden der Künstlichen Intelligenz zum Einsatz. Zusätzlich findet im Rahmen des Projekts eine Weiterentwicklung der Dezentralen Netzautomatisierung auf Basis der Messwerte der Sensor BPL-Modems statt.

Big Data

In einem großen Feldtest werden über 3500 BPL-Sensormodems in den Netzgebieten der Netze BW, der Mainzer Netze und der Energieversorgung Leverkusen (EVL) installiert. Diese werden in einer hohen zeitlichen Auflösung Daten über den lokalen Netzzustand (insb. der Spannung) und den Zustand von Kabeln und Anlagen erfassen. Dadurch fallen innerhalb kürzester Zeit große Datenmengen an, die für eine detaillierte Analyse genutzt werden können.

Künstliche Intelligenz

Die generierten Daten werden mithilfe von Massendatenverarbeitungsmethoden erfasst und mittels KI-Algorithmen auf Muster und Auffälligkeiten untersucht. So kann eine Vorhersage des Spannungsverlaufs und der Asymmetrie zwischen den Phasen ermittelt werden. Diese Erkenntnisse werden in Zukunft insbesondere bei der Integration von E-Mobilität in den Verteilnetzen relevant.

Projektkonsortium

Die Mitglieder des Projektkonsortiums unter der Leitung von PPC sind:

  • Netze BW
  • Mainzer Netze
  • Energieversorgung Leverkusen (EVL)
  • Deutsches Forschungszentrum für Künstliche Intelligenz
  • Bergische Universität Wuppertal
  • Software AG

Das Projekt wird vom BMBF mit rund 2,5 Millionen Euro gefördert.

Logo gefördert vom BMBF

Bleiben Sie auf dem Laufenden

Newsletter

Jetzt Anmelden
Schließen