Effiziente Datenanalyse für akkurate Fehlerlokalisation in Mittelspannungsnetzen
Fehlerlokalisierung in Stromverteilnetzen kann durch die Auswertung hochaufgelöster digitaler Messdaten effizient und akkurat durchgeführt werden. GridData hat ein Verfahren entwickelt, das sogenannte Erdschlussfehler in Mittelspannungsnetzen durch einen Vergleich mit Fehlersignaturen erfolgreich lokalisieren kann. Die Erzeugung der notwendigen Signaturen sowie der Vergleich zur Laufzeit ist allerdings zeitaufwendig; ersteres erfordert derzeit zusätzlich Expertenwissen und manuelle Intervention.
Ziele des EDaF Projektes sind automatisierte, skalierbare und an realen Netzdaten validierte Algorithmen sowie eine integrierte Lösungsarchitektur, um Datenmengen und Berechnungsaufwände der signaturbasierten Erdschlussfehlerlokalisation zu reduzieren.
Das EDaF Projekt ist in drei technische Arbeitspakete strukturiert:
Im Rahmen des Vorhabens werden Softwarearchitekturkonzepte untersucht, die den Anforderungen gerecht werden. Auf Basis einer prototypischen Implementierung wird das entwickelte Architekturkonzept mit Hilfe von Verteilnetzbetreibern im realen Betrieb evaluiert. Ferner ist fortiss maßgeblich für die Sensitivitätsanalyse verantwortlich, um auf der Basis simulierter und realer Stromsignaturaufzeichnungen von Erdschlüssen auf deren Position schließen zu können. Für diese Analyse werden Ansätze aus dem Forschungsbereich der künstlichen Intelligenz bzw. dem Maschinellen Lernen erforscht.
Bundesministerium für Bildung und Forschung, Förderkennzeichen/Fördernummer: FKZ 01IS18089B
01.05.2019 - 31.03.2022