PrognoNetz – Künstlich intelligente Prognose der Strombelastbarkeit

Der starke Ausbau von erneuerbaren Energien (Windenergie im Norddeutschland und Photovoltaik im Süden) bringt zusammen mit dem gestiegenen internationalen Stromhandel die Stromübertragungsnetze bereits an ihre Grenzen. Um die Übertragungskapazität der Freileitungen zu erhöhen und somit die Abschaltung von Anlagen zur Stromerzeugung aus erneuerbaren Energien, vor allem bei hohem Windaufkommen, zu vermeiden, scheint ein erheblicher Ausbau der bestehenden Netzinfrastruktur als erforderlich. Dies bedarf jedoch langwierigen Genehmigungsverfahren und ist sehr kostenintensiv.


Im Gegensatz kann man den Bedarf an Neubautrassen durch effektive Maßnahmen zur besseren Ausnutzung der vorhandenen Netze deutlich reduzieren. Die Übertragungskapazität lässt sich beispielsweise in Abhängigkeit von den Witterungsbedingungen (Umgebungstemperatur, Sonneneinstrahlung, Windgeschwindigkeit und -Richtung) deutlich erhöhen, als in der maßgeblichen Norm konservativ vorgesehen. Dies kann erfolgen ohne dass die maximal zulässige Leitertemperatur überschritten und die Mindestabstände des Leiters zum Boden bzw. zu Gegenständen unterschritten werden.


In der Regel werden Messdaten aus Wetterstationen des Deutschen Wetterdienstes (DWD) herangezogen, mit derer Hilfe die Seiltemperatur und die daraus resultierende zulässige Strombelastbarkeit abgeschätzt werden. Ein genauer witterungsabhängiger Freileitungsbetrieb ist jedoch momentan anhand von diesen herkömmlichen Systemen begrenzt einsetzbar, da die tatsächliche Seiltemperatur erheblich von der aus den Wetterdaten abgeschätzten Seiltemperatur abweichen kann. Genauso schwierig ist es, eine zuverlässige Belastbarkeitsprognose auf Basis von DWD-Wetterdaten zur Erstellung von Netzbetriebsplanungen generieren zu können. Der Hauptgrund dafür liegt in der Tatsache, dass DWD Wetterstationen i.d.R. nicht hinreichend nah an der Leitung messen und im Gesamtnetz keine geeignete Auflösung bieten, um die häufigen hohen Schwankungen der Wetterparameter, auch innerhalb von 100-m Strecken, entlang der Freileitung erfassen zu können.

 


Die Entwicklung eines flächendeckenden, meteorologischen Netzwerks, welches hinreichend nah an die Freileitungen angeordnet ist und dort mittels intelligenten Sensorknoten die Witterungsbedingungen erfasst, soll die obengenannten Probleme vollständig lösen und eine zuverlässige Alternative zur heutigen Technik anbieten. Neu zu entwickelnde Algorithmen sollen dazu eine selbstlernende Funktion anbieten, welche zur automatisierten Erstellung von genaueren Strombelastbarkeitsprognosen auf Basis von den verteilt gemessenen Wetterdaten führt. Hiermit werden intelligente Modelle für jede Leitung des Stromnetzes mittels historischen Messdaten gebildet.


Das zu entwickelnde meteorologische Netzwerk soll zunächst an bestehende Hochspannungsleitungen und an Betriebsmitteln des Partners Transnet BW eingesetzt werden. Bei einer erfolgreichen Demonstration hat das Projekt das Potential, elektrische Netze jederzeit und abhängig von günstigen Witterungsbedingungen, nämlich starker Wind bzw. niedrige Außentemperatur, optimal auszunutzen. Ein daran angepasster Netzbetrieb soll Engpässe überbrücken, welches zu einer Erhöhung des Stromtransports um ca. 15% bis 30% (in einigen Fällen bis zum 50%) führen kann.

 

Konsortium