Aussteller & Produkte
Events & Speakers

Die zur Energiewende ausgerufene Strategie der Bundesregierung betreibt die Umstellung weg von nuklearen und fossilen Brennstoffen hin zu erneuerbaren Energien und mehr Energieeffizienz. Im Zuge dieser Umstellung weicht die zentrale Versorgung durch wenige Großkraftwerke nach und nach vielen kleineren Energieanlagen, die den Strom dezentral in das Netz einspeisen. Der Anteil des in Deutschland durch Wind, Sonne, Wasser oder Biomasse erzeugten Stroms beträgt mittlerweile nahezu 40 Prozent des Gesamtvolumens. Doch im Wortsinn naturgemäß unterliegen diese erneuerbaren Energien äußeren Einflussfaktoren wie Wetter oder Tageszeit, die zu Schwankungen im Netz führen und so die Versorgungssicherheit beeinträchtigen können. Das Forschungsprojekt "Fühler im Netz 2.0" (FiN 2.0) - eine Fortsetzung des gleichnamigen Forschungsprojekts, das 2017 nach einer dreijährigen Laufzeit erfolgreich zu Ende ging - befasst sich deshalb mit intelligenten Lösungen zur einfachen und günstigen Zustandsanalyse von Verteilnetzen und den angeschlossenen Anlagen und soll somit zu einer erfolgreichen Energiewende beitragen.

Das unter der Leitung von PPC, Spezialist für Smart Meter Gateways und Kommunikationstechnik, stehende und vom Bundesministerium für Bildung und Forschung geförderte Projekt setzt zur Überwachung des Netzzustandes erstmals auf großflächige Lösungen mithilfe von Big Data und Künstlicher Intelligenz. Das Prinzip soll dabei denkbar einfach sein: Mittels Breitband-Powerline-Technologie sollen alle Punkte im Stromnetz über die Stromkabel miteinander kommunizieren können. Die besagten "Fühler im Netz" ermöglichen auf dieser Grundlage ein Echtzeit-Netzmonitoring sowie die Zustandserfassung von Kabeln und Anlagen. Zur Erkennung von Mustern und Auffälligkeiten in den enormen Datenmengen, die dabei innerhalb kürzester Zeit anfallen, setzt man auf KI-Algorithmen, die auf Machine-Learning- und Deep-Learning-Ansätzen des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) basieren. Die KI analysiert die Datenströme, erkennt Auffälligkeiten, lernt daraus und leitet so Vorhersagen oder eigene Strategien ab. Auf diese Weise kann eine Vorhersage des Spannungsverlaufs und der Asymmetrie zwischen den Phasen ermittelt werden. Insbesondere bei der Integration von E-Mobilität in den Verteilnetzen können diese Erkenntnisse zukünftig hoch relevant werden. Prof. Dr. Andreas Dengel vom DFKI 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."

Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (D-66123 Kaiserslautern)
Website: www.dfki.de