Het elektriciteitsnet verandert en grote leveranciers worden steeds vaker vervangen door kleinere, alternatieve aanbieders. Om zulke complexe netwerken stabiel te houden, is hoge-resolutie sensortechnologie nodig. AI biedt een manier om nauwkeurige voorspellingen te doen en storingen automatisch in real time te detecteren.
Fraunhofer-onderzoekers ontwikkelden compressietechnieken, algoritmes en neurale netwerken voor deze stroomvoorziening van de toekomst.
De verschuiving naar alternatieven energiebronnen en -aanbieders heeft een grote impact op ons elektriciteitsnet. Hoe kan de goede werking van netparameters, zoals frequenties, worden gecontroleerd? Werkt het net überhaupt wel goed? Of zijn er leidingen of elektriciteitscentrales uitgevallen? De huidige standaard meettechniek is niet meer in staat om op betrouwbare wijze antwoorden te geven op dit soort vragen. Steeds meer operators maken daarom gebruik van extra PMU’s en andere digitale oplossingen. Deze meten de amplitude en fase van stroom en spanning tot 50 keer per seconde. Dit proces genereert elke dag gigabytes aan data.
Onderzoekers van Advanced System Technology (AST) van het Fraunhofer Instituut voor Optronics, System Technologies and Image Exploitation (IOSB) zoeken naar manieren om die gegevensverwerking te verbeteren met behulp van kunstmatige intelligentie. "Met AI kunnen we tot 4,3 miljoen datasets per dag automatisch registreren, comprimeren en verwerken", zegt prof. Peter Bretschneider, hoofd van de energieafdeling van AST bij Fraunhofer IOSB.
Meer over de compressietechnieken, algoritmes en neurale netwerken deze maand in Aandrijven en Besturen .