Manche drücken es so aus, dass wir heute im Zeitalter der Datensammelwut leben. Tatsächlich sind die Ströme der Echtzeitdaten über das Energieangebot, die Energienachfrage und die Energiepreise aus unserem Leben gar nicht mehr wegzudenken, denn die Versorger wollen und müssen in der Lage sein, instantan auf Engpässe oder Überangebote zu reagieren. Sogar der Bedarf an Neubautrassen könnte zurückgefahren werden, wenn die vorhandenen Freileitungen unter Berücksichtigung der aktuellen Witterungsbedingungen optimal ausgelastet werden würden. Mit „Künstlicher Intelligenz“ (KI) ist das alles überhaupt kein Problem mehr.
Mehr als 4 von 5 Energieversorgern in Europa wissen sehr genau, wovon hier die Rede ist, doch nur knapp jeder vierte verfügt über eine nennenswerte KI-Strategie, zu diesem Ergebnis kommt die neue Studie „Artificial intelligence: A smart move for utilities“ von der Roland-Berger-Unternehmensberatung. Dabei könnten KI-Lösungen innerhalb der nächsten 5 Jahre bei den Energieversorgern Effizienzsteigerungen von fast 20 Prozent erbringen.
Die Experten von Roland Berger sprechen die Empfehlung aus, dass die Energieversorger zunächst fertige Anwendungen nutzen sollten, um ihre Systeme zu optimieren. Predictive Maintenance ist zum Beispiel eine heute schon gängige Methode, bei der Anlagen ihre Eigenüberwachung selbst lernen, um notwendige Instandhaltungsarbeiten rechtzeitig, also bevor es zu einem Systemausfall kommt, zu veranlassen. Darüber hinaus gibt es automatische Energie-Handelssysteme, die es den Versorgern ermöglichen, in großem Umfang Kosten zu sparen.
Noch viel Luft nach oben bei den vorhandenen Leitungsnetzen
Forscher des Karlsruher Instituts für Technologie (KIT) entwickeln im Rahmen des Verbundvorhabens „PrognoNetz“ selbstlernenden Sensornetzwerke. Dabei wird die Kühlwirkung durch das Wetter auf der Grundlage realer Daten modelliert. Auf diese Weise ist es möglich, in Abhängigkeit von den Witterungsbedingungen temporär deutlich höhere Ströme durch vermeintlich zu gering dimensionierte Leitungen zu senden.
Solche Überlegungen sind deshalb so wichtig, weil der zunehmende Ausbau der erneuerbaren Energien, insbesondere im Offshore-Bereich, an die Stromübertragungsnetze immer höhere Anforderungen richtet. Um beispielsweise bei starkem Wind das zeitweilige Abschalten von Windenergieanlagen zu vermeiden und gleichzeitig die Versorgungssicherheit zu garantieren, ist ein Ausbau der vorhandenen Netzinfrastruktur unumgänglich, so das bisherige allgemeine Credo. Doch ist dies mit extrem hohen Kosten und langwierigen Genehmigungsverfahren verbunden.
Aber der Bedarf an Neubautrassen ist gar nicht so groß wie gedacht, wenn die vorhandenen Freileitungen optimal genutzt werden könnten. Professor Wilhelm Stork ist der Leiter der Mikrosystemtechnik des Instituts für Technik der Informationsverarbeitung (ITIV) am KIT. Er weiß, dass die Kühlung der Leitungen durch Wind eine höhere Stromdichte ermöglicht. Allerdings müssen dazu allerorten permanent Wetterdaten erfasst und ausgewertet werden, um die Ist-Zustände ständig an die Stromversorger zu übermitteln.
Aus diesem Grunde zielt das ITIV-Projekt PrognoNetz auf ein hoch aufgelöstes Freileitungsmonitoring ab. Im Ergebnis geht es um selbstlernende Sensornetzwerke für einen witterungsabhängigen Leitungsbetrieb. Beteiligt an diesem Verbundvorhaben sind:
- der Stuttgarter Übertragungsnetzbetreiber TransnetBW GmbH
- der Wetterdienst Ubimet GmbH Karlsruhe
- die Wilmers Messtechnik GmbH Hamburg
- das IT-Unternehmen Unilab AG Paderborn
- die GWU-Umwelttechnik GmbH Erftstadt
Gestartet wurde das durch das BMWi (Bundesministerium für Wirtschaft und Energie) geförderte Projekt zu Jahresbeginn 2019. Seine Laufzeit beträgt 3 Jahre.
Im Rahmen des PrognoNetz-Projekts werden flächendeckende Netzwerke intelligenter Sensoren entwickelt und installiert, die relativ dicht nebeneinander platziert in der Nähe von Freileitungen die Witterungsbedingungen erfassen. Die Datenströme werden permanent an eine Leitzentrale gesendet. Bestimmte Algorithmen, die noch zu programmieren sind, verleihen den Sensoren dann selbstlernende Fähigkeiten. Auf diese Weise werden exakte Strombelastungsprognosen für die nächsten Stunden oder auch Tage erstellt.
In diesem Zuge entwickeln die Forscher gerade einen sehr genauen laserbasierten Windsensor sowie eine Drohne, die sowohl die Installation als auch die Wartung der Wettersensoren hoch oben auf den Strommasten automatisch erledigen kann. Mit dem KI-basierten Netzwerk lassen sich die vorhandenen Stromnetze durch einen an die Witterungsverhältnisse dynamisch angepassten Betrieb optimal nutzen.