Wetterbedingte Belastbarkeitsprognose des Hochspannungsnetzes mittels Deep Learning Algorithmen

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.
Da der Leiterzustand von den Wetterbedingungen abhängt, ist eine Wettervorhersage basierend auf Algorithmen des maschinellen Lernens ein wertvolles Werkzeug zur Belastbarkeitsprognose des Stromnetzes. 

Aufgaben

• Analyse und Weiterentwicklung der für diese Anwendung entwickelten Prognosealgorithmen
• Erzeugung eines Benchmarks der Ergebnisse 

Voraussetzungen

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