ATPDesigner - Design and Simulation of Electrical Power Network
Fakultät für Ingenieurwissenschaften der Hochschule für Technik und Wirtschaft des Saarlandes
FITT - Institut für Technologietransfer an der Hochschule des Saarlandes gGmbH
Zertifizierungsstelle der kws GmbH
vewsaar - Energie. Wasser. Leben.
Kontakt, Impressum, Datenschutz
KI-Systeme In Stromnetzen
Wie kann KI die Herausforderung im Netzbetrieb lösen ?
Netzbetrieb der Zukunft
"Methoden der künstlichen Intelligenz werden auch im Betrieb von Stromnetzen eine immer größere Rolle spielen. Wesentliche Aspekte dazu wurden im FGH-Forum »Netzbetrieb der Zukunft – Wie kann KI die Herausforderungen lösen?« diskutiert, das im Mai 2024 stattfand. Die Autoren fassen die wichtigsten Erkenntnisse zusammen."
Magazin für die Energiewirtschaft EW 11-2024, Seite 20-23
Die Autoren und deren Kontaktdaten können der PDF entnommen werden.
Netzbetrieb der Zukunft
"Methoden der künstlichen Intelligenz werden auch im Betrieb von Stromnetzen eine immer größere Rolle spielen. Wesentliche Aspekte dazu wurden im FGH-Forum »Netzbetrieb der Zukunft – Wie kann KI die Herausforderungen lösen?« diskutiert, das im Mai 2024 stattfand. Die Autoren fassen die wichtigsten Erkenntnisse zusammen."
Magazin für die Energiewirtschaft EW 11-2024, Seite 20-23
Die Autoren und deren Kontaktdaten können der PDF entnommen werden.
KI-basierte Kurzschlussstromberechnung und KI-basierte Zentrale Kurzschlussortung
Vorstellung eines KI-Demonstrators
Vortrag zum Tutorial Schutz- und Leittechnik 2024, Leipzig, 05.03.2024
Andreas Winter, M.Sc., VSE Verteilnetz GmbH
Prof. Dr.-Ing. Michael Igel, htw saar, Institut für Elektrische Energiesysteme
Vorstellung eines KI-Demonstrators
Vortrag zum Tutorial Schutz- und Leittechnik 2024, Leipzig, 05.03.2024
Andreas Winter, M.Sc., VSE Verteilnetz GmbH
Prof. Dr.-Ing. Michael Igel, htw saar, Institut für Elektrische Energiesysteme
GridAnalysis – KI-basierte Systemanalyse von Stromverteilnetzen im Normal- und Kurzschlussbetrieb
Abschlussbericht, 30.08.2024
Projektpartner und Autoren mit den Kontaktdaten können der PDF entnommen werden.
Anwendung innovativer maschineller Lernverfahren für KI-basierte Lösungen zur Erdschlusserfassung und Erdschlussortung
Neue Methoden zur Erdschlusserfassung und Erdschlussortung
"Im Rahmen der Energiewende steigt der Anteil elektrischer Energie durch PV- und Windkraftanlagen stetig an. Die Stromerzeugung erfolgt zunehmend dezentral in der Verteilnetzebene bei gleichzeitigem Wegfall großer Kraftwerke und einer tendeziellen Verringerung der zur Verfügung stehenden Kurzschlussleistung. Neben dem steigenden Ausbau erneuerbarer Energien ist zukünftig auch eine zunehmende Elektrifizierung der Mobilität und Wärmeversorgung zu erwarten. Diese Entwicklungen führen dazu, dass Netzbetreiber vorhandene Stromverteilnetze sukzessive ausbauen werden, um deren Stromtragfähigkeit zu erhöhen. Durch den Anstieg der Verkabelung sowie den Zubau von dezentralen Erzeugungsanlagen werden sich Anforderungen an die Erdschlusserfassung und -ortung (EsEO) weiter erhöhen. Der vorliegende Beitrag verwendet künstliche Intelligenz (KI) als datenbasierter Ansatz für die Erfassung und Ortung von Erdschlüssen in isoliert und kompensiert betriebenen Stromverteilnetzen. Die Anwendung des Verfahrens und die Darstellung der Ergebnisse erfolgen für ein synthetisches 20-kV-Kabelnetz. Erste Untersuchungen zeigen, dass sich die KI-basierte Erdschlusserfassung und -ortung (KI-EsEO) durch eine hohe Genauigkeit, geringe Rechenzeiten und damit kurze Reaktionszeiten auszeichnen."
ETG journal 01/2023, Seite 21-23
Andreas Winter, M.Sc., Hochschule für Technik und Wirtschaft des Saarlandes htw saar, Institut für Elektrische Energiesysteme
Prof. Dr.-Ing. Michael Igel, Hochschule für Technik und Wirtschaft des Saarlandes htw saar, Institut für Elektrische Energiesysteme
Neue Methoden zur Erdschlusserfassung und Erdschlussortung
"Im Rahmen der Energiewende steigt der Anteil elektrischer Energie durch PV- und Windkraftanlagen stetig an. Die Stromerzeugung erfolgt zunehmend dezentral in der Verteilnetzebene bei gleichzeitigem Wegfall großer Kraftwerke und einer tendeziellen Verringerung der zur Verfügung stehenden Kurzschlussleistung. Neben dem steigenden Ausbau erneuerbarer Energien ist zukünftig auch eine zunehmende Elektrifizierung der Mobilität und Wärmeversorgung zu erwarten. Diese Entwicklungen führen dazu, dass Netzbetreiber vorhandene Stromverteilnetze sukzessive ausbauen werden, um deren Stromtragfähigkeit zu erhöhen. Durch den Anstieg der Verkabelung sowie den Zubau von dezentralen Erzeugungsanlagen werden sich Anforderungen an die Erdschlusserfassung und -ortung (EsEO) weiter erhöhen. Der vorliegende Beitrag verwendet künstliche Intelligenz (KI) als datenbasierter Ansatz für die Erfassung und Ortung von Erdschlüssen in isoliert und kompensiert betriebenen Stromverteilnetzen. Die Anwendung des Verfahrens und die Darstellung der Ergebnisse erfolgen für ein synthetisches 20-kV-Kabelnetz. Erste Untersuchungen zeigen, dass sich die KI-basierte Erdschlusserfassung und -ortung (KI-EsEO) durch eine hohe Genauigkeit, geringe Rechenzeiten und damit kurze Reaktionszeiten auszeichnen."
ETG journal 01/2023, Seite 21-23
Andreas Winter, M.Sc., Hochschule für Technik und Wirtschaft des Saarlandes htw saar, Institut für Elektrische Energiesysteme
Prof. Dr.-Ing. Michael Igel, Hochschule für Technik und Wirtschaft des Saarlandes htw saar, Institut für Elektrische Energiesysteme
KI-basierte Systemanalyse im Normal- und Kurzschlussbetrieb
Künstliche Intelligenz (KI) in Stromverteilnetzen
"Das vom BMWi geförderte Forschungsprojekt »GridAnalysis – KI-basierte Systemanalyse von Stromverteilnetzen im Normal- und Kurzschlussbetrieb« ist am 1. September 2020 mit einer dreijährigen Laufzeit gestartet. Der Konsortialführer Hochschule für Technik und Wirtschaft des Saarlands arbeitet mit der Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, der VSE Verteilnetz GmbH und der Stadtwerke Saarlouis GmbH an der Entwicklung neuer Modelle und Methoden zur stationären und zeitreihenbasierten Simulation von Stromnetzen. Zur Anwendung kommt eine Kombination aus klassischer Netzberechnung und Verfahren des maschinellen Lernens. Die Autoren zeigen erste Lösungen einer KI-basierten Netzsimulation und eines KI-unterstützten Netzbetriebs."
Magazin für die Energiewirtschaft EW 12-2021, Seite 32-34
Die Autoren und deren Kontaktdaten können der PDF entnommen werden.
Künstliche Intelligenz (KI) in Stromverteilnetzen
"Das vom BMWi geförderte Forschungsprojekt »GridAnalysis – KI-basierte Systemanalyse von Stromverteilnetzen im Normal- und Kurzschlussbetrieb« ist am 1. September 2020 mit einer dreijährigen Laufzeit gestartet. Der Konsortialführer Hochschule für Technik und Wirtschaft des Saarlands arbeitet mit der Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, der VSE Verteilnetz GmbH und der Stadtwerke Saarlouis GmbH an der Entwicklung neuer Modelle und Methoden zur stationären und zeitreihenbasierten Simulation von Stromnetzen. Zur Anwendung kommt eine Kombination aus klassischer Netzberechnung und Verfahren des maschinellen Lernens. Die Autoren zeigen erste Lösungen einer KI-basierten Netzsimulation und eines KI-unterstützten Netzbetriebs."
Magazin für die Energiewirtschaft EW 12-2021, Seite 32-34
Die Autoren und deren Kontaktdaten können der PDF entnommen werden.
KNN-System - Monitoring eines Stromverteilnetzes
hier geht es demnächst zur Homepage KI-basiertes Online - Monitoring eines Niederspannungsnetzes