Graice Suite – KI-basierte Softwarelösungen für Stromverteilnetze

Das Ziel dieses Moduls ist die Erstellung eines konsistenten und lastflussfähigen CIM (Common Information Model)-Netzmodells. Dazu werden verschiedene Prüfungen durchgeführt und falls möglich, Korrekturen und Ergänzungen vorgenommen. Dazu gehören u. a. die Prüfung der logischen Zusammenhänge der Netztopologie, die Prüfung der Parameter der Netzelemente sowie die Konvergenz der Lastflussberechnung.

Beim Management von Messdaten geht es um Zusammenführung von Messdaten aus verschiedenen Datenquellen und Aufbereitung sowie Bewertung der Messdaten für die weitere Verarbeitung in Netzplanung und -betrieb. Bei Bedarf und falls möglich werden die Messdaten korrigiert und ergänzt. Bei der Bewertung der Messdaten werden die Messfehler der Messkette berücksichtigt. Zu den Analysen der Messdaten gehören u. a., die Auswertung der Statusmeldungen der Messgeräte, die Überprüfung der Spannungen bzgl. der definierten Spannungsbänder, die Überprüfung der Einhaltung der Grenzen bzgl. Nennstrom und -leistung, u.v.m.

Für die Netzzustandsüberwachung mit minimaler Messtechnik ist die optimale Platzierung der Messtechnik im Netz ein wichtiger Teilschritt. gridhound kombiniert ingenieurmäßiges Vorgehen mit KI-Algorithmen, um die optimale Platzierung von Messtechnik unter der Berücksichtigung von existierender Technik und ggf. deren Einschränkungen zu generieren.

Bei der Netzüberwachung handelt es sich um eine Lösung zur Ermittlung sämtlicher elektrischer Betriebsparameter (Spannung, Strom, Leistung) der elektrischen Netzbetriebsmittel (Leitungen, Sammelschienen, Transformatoren, Verbraucher, Erzeuger) in einem (Teil-)Netzgebiet eines Verteilnetzes in den Ebenen der Mittel- und Niederspannung. Die Lösung von gridhound verwendet hierfür KI-Algorithmen, die den Bedarf von Messtechnik auf ein Minimum reduziert und trotzdem mindestens vergleichbare Ergebnisse liefert wie die klassischen Methoden (WLS-Zustandsschätzung).

gridhound hat KI-Methoden entwickelt, mit denen die Leistung für einzelne EE-Anlagen (PV, Wind) aber auch für ganze Ortsnetzstationen vorhergesagt werden kann. Die Vorhersage-Methode wird mit historischen Stammdaten, Leistungsmessungen und Wetterdaten trainiert und kann dann mit aktuellen Stamm- und Wetterdaten Leistungswerte vorhersagen. Dies funktioniert sogar übergreifend in anderen Netzgebieten. Die Vorhersagen können sowohl kurz- als auch langfristig generiert werden und werden dabei wesentlich von der Qualität der Wettervorhersage beeinflusst.

Auf Grundlage der Echtzeit-Netzüberwachung sowie der Leistungsvorhersage für EE-Anlagen und Ortsnetzstationen hat gridhound KI-Methoden entwickelt, mit denen die Auslastung für ganze Netzgebiete vorhergesagt werden kann. Diese erleichtern Redispatch-Maßnahmen sowie die Netzanschlussplanung z. B. für EE-Anlagen, Ladestationen und Wärmepumpen.

Mit dem von gridhound entwickelten Energiemanagementsystem können flexible Erzeuger und Verbraucher sowohl netzdienlich als auch optimiert für den Eigenbedarf geregelt werden. Als Grundlage dienen die Netzüberwachung und die Netz- und Leistungsvorhersagen von gridhound. Die netzdienlichen Anwendungsfälle umfassen dabei z. B. die Vermeidung und Behebung von Engpässen und Spannungsabweichungen im Verteilnetz. Die Eigenbedarfsbedarfsoptimierung umfasst Anwendungsfälle wie Spitzenreduktion, Last-/Erzeugungsverschiebung, Eigenverbrauchsoptimierung usw.

gridhound hat eine Simulations-Plattform entwickelt, die alle anderen Graice-Module vereint und das Durchspielen verschiedener Szenarien ermöglicht. Damit können für die Planung notwendige Daten generiert und für die Energiewende notwendige Maßnahmen umgesetzt werden.