Page 31 - Sichtbar_2_2020

30 aus forschung und wissenstransfer gridanalysis 31

GridAnalysis S Infrastruktur für die Energiewende. In der Die Künstliche Intelligenz (kurz: KI, engl. artificial

tromnetze als Bestandteil des Stromver-
sorgungssystems gehören zur zentralen Künstliche Intelligenz

KI-basierte Systemanalyse von Vergangenheit erfolgte in den Stromnetzen der intelligence) bezeichnet ein Teilgebiet der
Stromfluss fast ausschließlich aus den vorgelagerten Informatik, in dem mittels Algorithmen ein intelli-
Höchst- und Hochspannungsnetzen in die Mittel-
gentes Verhalten imitiert wird.
Stromverteilnetzen im Normal- spannungsnetze und von dort in die Niederspan-
nungsnetze. Leistungsintensive Bezugsanlagen und Deep Learning
dadurch resultierende Betriebsmittelüberlastungen Deep Learning ist eine Lernmethode des maschi-
und Kurzschlussbetrieb wurden durch in den Stromnetzen verbaute Netz- nellen Lernens. Hierzu werden Neuronale Netze
schutzsysteme erkannt und eine Schädigung der und große Datenmengen analysiert. Das System
Betriebsmittel, aber auch eine Personengefährdung kann bereits Erlerntes mit immer wieder neuen
verhindert. Im Rahmen der Energiewende zeichnet Daten verknüpfen und erneut lernen.
text Selina Gerard, M.Sc; Andreas Winter, M.Sc.; Prof. Dr.-Ing. Michael Igel sich ein Stromversorgungssystem ab, das flexibel auf
Anforderungen wie eine fluktuierende Stromein- Fallbasiertes Schließen
speisung und auch Strombezug reagieren muss. Die (engl. cased-based reasoning, CBR)
zunehmende Dezentralität der Stromversorgung CBR ist ebenfalls ein maschinelles Lernverfahren.
kann zu kritischen Netzzuständen mit Betriebsmit- Grundlage ist hierzu eine Fallbasis. In dieser
telüberlastungen oder unzulässigen Netzspannungen Fallbasis werden Lösungen früherer Probleme
führen, die durch die heute verfügbaren Netzschutz- abgelegt und genutzt, um ähnliche Probleme in der
konzepte und Netzschutzsysteme nicht erkannt gegenwärtigen Situation zu lösen.
werden. Eine Folge könnten Schädigung oder Zer-
störung von Betriebsmitteln sein. Auch eine Ge-
fährdung von Personen ist denkbar, die unbedingt Bezugsanlagen in den Stromnetzen bahnen. GridAna-
verhindert werden muss. Zusammen mit der Elektri- lysis adressiert Analyse und Bewertung von Netz-
fizierung von Mobilität und Wärmebereitstellung zustandsszenarien zur Erkennung kritischer Netz-
muss zukünftig in Stromnetzen eine kontinuierliche zustände unter Berücksichtigung des Netzschutzes.
Netzzustandsdiagnose unter Berücksichtigung des Ziele von GridAnalysis sind die Entwicklung neuer
Netzschutzkonzeptes durchgeführt werden. Es ist Modelle und Verfahren zur Simulation von Strom-
auch notwendig, eine große Anzahl von Szenarien zu netzen: Die Kombination klassischer Netzberechnung
analysieren und zu bewerten, was mit heute verfüg- der Elektroingenieure mit Verfahren des maschinel-
baren Technologien rechen- und zeitintensiv ist. len Lernens der Informatiker soll Lösungen bieten,
Daher haben sich saarländische Partner auf Ini- um mit den heute verfügbaren Rechenkapazitäten
tiative der htw saar zusammengefunden und ein die große Anzahl von Netzzustandsszenarien in
innovatives Förderprojekt beim Bundesministerium akzeptabler Zeit zu analysieren und zu bewerten.
für Wirtschaft und Energie (BMWi) auf den Weg
gebracht. Das Ergebnis: Das Förderprojekt GridAna-
lysis startet zum 01.09.2020 mit einer Laufzeit von
3 Jahren als saarländisches Forschungsprojekt unter
der Führung der htw saar.
p + jq = 3 · diag ( u ) · i*
Netz Netzsimulation
Über das BMWi-Förder-
projekt GridAnalysis

Das Forschungsprojekt GridAnalysis wird einen wich-
tigen Beitrag zur Sicherstellung des Stromerzeu- Netzschutztechnik
gungsanteils mit erneuerbaren Energien leisten so-
wie den Weg für die Integration eines steigenden
Anteils zeitvariabler erneuerbarer Energien und Zielebenen der Forschung der htw saar