24/7 für Sie erreichbar

Wir sind jederzeit für Sie erreichbar. Wählen Sie hier Ihren gewünschten Kontaktkanal aus.

Selbstlernender Algorithmus warnt vor Stromausfällen von morgen

15.05.2018

Schleswig-Holstein Netz AG entwickelt spezielle Technik, die mögliche Fehlerquellen im Netz erkennt, noch bevor der Strom ausfällt.

Störungen im Stromnetz beheben – lange bevor sie auftreten können: das ermöglicht ein neues Spezialverfahren, das die Schleswig-Holstein Netz AG (SH Netz) mit Unterstützung des E.ON SE Digital in Deutschland erstmalig in dieser Form entwickelt hat. „Durch die Verbindung umfassender Datenanalyse mit einem selbstlernenden Algorithmus können wir Fehler und Störungen im Stromnetz jetzt deutlich zuverlässiger vorhersagen als bisher – und viel früher Gegenmaßnahmen ergreifen. Damit können wir die Netzqualität für Kunden und Kommunen im Gebiet der SH Netz AG erhöhen und unseren Kollegen in den operativen Arbeitsabläufen erheblich helfen“, sagt Dr. Xiaohu Tao, Leiter Anlagen- und Systemtechnik bei SH Netz, einer Tochtergesellschaft der HanseWerk AG.

SH Netz setzt dieses intern „Predictive Maintenance“ genannte Verfahren seit rund neun Monaten im Bereich der Mittelspannungsnetze ein. Und die Ergebnisse sind erstaunlich: „Die Wahrscheinlichkeit, mit der wir einen Defekt im Stromnetz vorhersagen können, sind um den Faktor zwei bis drei gestiegen“, erläutert Jens Peter Solterbeck, technischer Leiter für die Region West bei der SH Netz. „Und davon profitieren die Kunden, denn mögliche Fehlerquellen, die wir im Vorfeld erkennen, verringern die Störungsanzahl und machen das Stromnetz stabiler.“ So seien in den letzten Monaten im Gebiet von SH Netz rund ein Dutzend Instandsetzungsmaßnahmen vorgezogen worden, weil durch die neuen Analysen mögliche Fehlerquellen im Netz identifiziert wurden. Außerdem ermöglicht die neue Technik eine verbesserte Planungsqualität für Netzbaumaßnahmen, wovon vor allem die Kommunen profitieren.

Die neue „Störungsvorhersage“ beruht auf einer Vielzahl interner und externer Daten, wie zum Beispiel dem Alter und der Bauart der Leitungen, den Instandhaltungsdaten, den Wetterdaten sowie Echtzeitinformationen, wie dem aktuellen Lastverhalten, erläutert Dr. Tao. Doch die aufwendige Datensammlung lohnt sich, so Dr. Tao: Der Algorithmus der künstlichen Intelligenz ist auf Basis dieser Daten in der Lage, einen möglichen Fehler mit erstaunlicher Genauigkeit vorherzusagen. Diese lag bereits im Test rund dreimal höher verglichen mit der bisherigen Instandhaltungsstrategie. „Im Test hatten wir den Algorithmus mit Daten zum Stromnetz aus den Jahren 2010 bis 2016 befüllt. Das Ergebnis haben wir dann mit den in 2016 und 2017 real aufgetretenen Störungen abgeglichen. Im Ergebnis konnte das analytische Modell eine signifikante Anzahl tatsächlicher Störungen für die Jahre 2016 und 2017 vorhersagen“, so Dr. Tao.

Predictive Maintenance eröffnet somit ganz neue Möglichkeiten für die Instandhaltung der Netzinfrastruktur. Durch die Vorhersage und Identifikation potenzieller Störungsquellen kann die Anzahl von Störungen und Ausfällen reduziert werden, da die Fehlerquellen beseitigt werden können, bevor es überhaupt zu der vorhergesagten Störung kommt. Für Bürger und Gemeinden bedeutet zudem die verbesserte Instandhaltung eine Reduzierung von Bau- und Erdarbeiten zu Reparaturzwecken. Für das Unternehmen selbst bieten sich neue Perspektiven, Budgets und Investitionen besser verteilen und im Voraus planen zu können.

In den letzten Jahren konnte SH Netz die Versorgungssicherheit im Norden kontinuierlich verbessern: So lag die durchschnittliche Ausfallzeit 2016 bei gerade einmal 8,85 Minuten pro Jahr und damit rund 30 Prozent unter dem deutschlandweiten Durchschnittswert von 12,8 Minuten. Ursache für Leitungsschäden waren in der Vergangenheit beispielsweise Beschädigungen der Kabel oder Mängel an der Isolierung, die sich durch Frost und Feuchtigkeit nach und nach verstärken und dann zu Stromausfällen führen können.