Transparenz im Netz der Stadtwerke Kapfenberg durch die Anwendung einer Zustandsabschätzung mit künstlicher Intelligenz

Das Forschungsprojekt AI-State-Estimation baut auf den Ergebnissen des Sondierungsprojekts AI4Grids auf und entwickelt die KI-gestützte Netzzustandsschätzung für Verteilnetze gezielt weiter. Während AI4Grids das Potenzial der Kombination aus Lastflussrechnungen und neuronalen Netzen anhand eines begrenzten Netzbereichs der Stadtwerke Kapfenberg demonstrierte, adressiert das Folgeprojekt die dabei identifizierten methodischen und datenbezogenen Heraus-forderungen einer flächendeckenden Anwendung.

Im Zentrum steht die Entwicklung eines hybriden Ansatzes auf Basis von Physics-Guided Neural Networks, der eine präzise und echtzeitfähige Zustandsschätzung ermöglicht. Bis zum Projektende soll der State Estimator einen Technologiereifegrad von TRL 7 erreichen und mindestens 90 % der kritischen Netzzustände zuverlässig erkennen - bei einer Fehlalarmquote unter 10 %. Die Datenbasis wird durch zusätzliche Messpunkte im Netz sowie durch die Weiterentwicklung eines Lastprofilgenerators, der Messdaten unterschiedlicher zeitlicher Auflösung in hochaufgelöste 15-Minuten-Profile überführt, optimiert.

Ergänzend wird eine Recommendation Engine entwickelt, die auf Basis der Netzzustandsschätzung adaptive Steuerungsmaßnahmen vor-schlägt. Durch den Einsatz von Reinforcement Learning wird eine vorausschauende, selbstlernende Netzsteuerung ermöglicht und ein wesentlicher Beitrag zur Digitalisierung und Flexibilisierung von Verteilnetzen geleistet.

• EnliteAI GmbH
• Stadtwerke Kapfenberg GmbH