Umfeld

Der starke Ausbau der Windkraftenergie und der gestiegene internationalen Stromhandel bringen die Stromübertragungsnetze an ihre Grenzen. Da der aktuelle Zustand des Leiterseils (Temperatur, Durchhang) sowie die Witterungsbedingungen (Umgebungstemperatur, Sonnenstrahlung und Windstärke) in der Regel nicht bekannt sind, müssen Netzbetreiber aus Sicherheitsgründen oft eine große Anzahl von Windkraftanlagen abschalten.

Der Bedarf an Neubautrassen kann jedoch durch effektive Maßnahmen zur Optimierung der vorhandenen Netze deutlich reduziert werden. Dies kann u.a. mit der Nutzung vorübergehend vorhandener Netzreserven mittels Freileitungsmonitoring (FLM) erfolgen, d.h. Sensoren zur Überwachung des Freileitungszustands (Leitungstemperatur, Leitungslänge oder Zugkraft).

Da der Leiterzustand von den Wetterbedingungen abhängt, ist eine Wettervorhersage basierend auf stochastischen bzw. maschinelles Lernen Algorithmen ein wertvolles Werkzeug zur Belastbarkeitsprognose des Stromnetzes.

Aufgaben

• Umsetzung statistische Methoden, um die Strombelastbarkeit zu prognostizieren.
• Tests mit realen Wetterdaten, anschließende Ergebnisanalyse und Vergleich zu vorgegebenen Machine Learning Ansätzen.

Voraussetzungen

• Motivation!
• Kreative, lösungsorientierte und selbstständige Arbeitsweise.
• Studium Elektrotechnik, Mathematik oder Informatik.