Projektlogo

AProSys -KI-gestützte Assistenz- und Prognosesysteme für den nachhaltigen Einsatz in der intelligenten Verteilnetztechnik

?berblick

Die Klima- und Energiepolitik bewirkt einen rasanten Wandel des Energieversorgungssystems in Deutschland. Die fl?chendeckende Einbindung regenerativer Energien und die Integration von Lades?ulen für Elektromobilit?t verursachen eine hohe, aktuell kaum quantifizierbare Dynamik. Eine sich an das dynamische Stromnetz anpassende Prognose potenzieller Ausf?lle ist künftig erforderlich, um die hohen Anforderungen an ein resilientes Verteilnetz insbesondere für die Versorgungssicherheit und -qualit?t sicherzustellen. In einem intelligenten, netzweiten Energiemanagement ist zus?tzlich auch die schnelle Reaktion auf Effizienzverluste für die Nachhaltigkeit des Verteilnetzes entscheidend.

Konkrete Handlungsempfehlungen müssen in Echtzeit interaktiv an Betreiber und Servicepersonal übertragen werden, um sie mit t?tigkeitsrelevanten sowie situationsangepassten Informationen direkt an den Anlagen zu unterstützen bzw. anzuleiten. Die durch KI aufbereitete und in Form digitaler Medien direkt an den Anlagen "im Feld" zur Verfügung gestellte Unterstützung erm?glicht es zudem, Mitarbeitenden didaktisch individualisiert Kompetenzen zu vermitteln, damit unter anderem Herausforderungen des Fachkr?ftemangels aufgrund des fortschreitenden demographischen Wandels besser bew?ltigt werden k?nnen. Weiterhin kann Reiset?tigkeit von Experten optimiert und ggf. reduziert werden, womit auch der CO2-Fu?abdruck positiv beeinflusst wird. Insbesondere in Krisenzeiten, wie beispielsweise die Corona-Pandemie gezeigt hat, kann digitale Prozessunterstützung einen wichtigen Baustein zur Aufrechterhaltung der Versorgungsicherheit darstellen. Schlüssel hierzu ist ein Assistenzsystem, das auf einem um kognitive F?higkeiten erweiterten digitalen Zwilling beruht.

Den Ausgangspunkt bildet das im Projekt FLEMING entwickelte sensorische ?berwachungssystem für Mittelspannungsschaltanlagen, das technische Probleme auf der Komponentenebene detektiert. Im Rahmen des Projekts AProSys wird eine optimierte multifunktionale Variante dieses Systems für die Lebensdauerprognose adaptiert. Dabei bildet die Integration angepasster Prognosemodelle in das KI-gestützte Assistenzsystem den fundamentalen Bestandteil, die insbesondere versorgungssicherheitsrelevante Ereignisse pr?zise im sich dynamisch ?ndernden Stromnetz für einen langfristigen Zeitraum vorhersagen. Darauf basierende KI-Algorithmen stellen Betreibenden und dem technischen Wartungspersonal priorisierte Handlungsempfehlungen auf der Line-Up-Ebene zur Verfügung. Das Assistenzsystem weist damit nicht nur auf potenzielle Ausf?lle hin, sondern wird dahingehend weiterentwickelt, dass es in technisch komplexen Fragestellungen unterstützen und wertvolle F?higkeiten zur Probleml?sung im Sinne eines kognitiven Systems vermitteln kann. Ein weiterer Bestandteil dieses kognitiven Assistenzsystems ist die digitale Unterstützung bei der Planung von Aktivit?ten innerhalb des Workforce-Managements und des Wissensmanagements. Konzepte zur Neugestaltung der Dienstleistungen im Verteilnetz werden erarbeitet und validiert, damit die Assistenzsysteme einen effizienten Betrieb und eine wirtschaftliche Instandhaltung in Unternehmen erm?glichen k?nnen.

Ziele und Vorgehen

Zur Erreichung der Projektziele sind verschiedene Ebenen des Verteilnetzes einzubinden. Die Steuerungs- und Schutzkomponenten bilden die untere Ebene für die komplette Schaltanlage, die mit generischen Sensorl?sungen für die Strom-, Spannungs- und Temperaturmessung sowie zur Erfassung von Vibrations- oder Akustiksignalen ausgestattet ist. Diese Sensorl?sungen sind für die gleichzeitige ?berwachung mehrerer Komponenten oder Anlagen inkl. ihrer Funktion zu ertüchtigen. Darauf aufbauend liegt der Fokus in der praktischen Realisierung des kognitiven Assistenzsystems, das auf Basis der Sensorsignale der Komponentenebene sowie geeigneter Prognosemodelle dynamisch priorisierte Handlungsempfehlungen für die betrachtete Schaltanlage ableitet. Darüber hinaus wird angestrebt, mit diesem System zus?tzlich benachbarte Energietechnikanlagen und die Umgebung zu überwachen, z.B. in Bezug auf elektrische Ereignisse wie Teilentladung in Erdkabeln. Ebenfalls wird die Personensicherheit durch zuverl?ssige anonymisierte Detektion von anwesendem Servicepersonal sichergestellt. Die entwickelten Prognose- und Assistenzsysteme werden bei den am Projekt beteiligten Betreibern experimentell validiert und eine Pilotierung wird angestrebt, um den Mehrwert für die Transformation des Verteilnetzes im Rahmen der Energie- und Mobilit?tswende in Deutschland konkret zu belegen.

Key Facts

Grant Number:
03E16090E
Profilbereich:
Intelligente Technische Systeme
Art des Projektes:
Forschung
Laufzeit:
01/2023 - 12/2025
Beitrag zur Nachhaltigkeit:
Bezahlbare und saubere Energie
Gef?rdert durch:
BMWK
Website:
Homepage

Detailinformationen

Projektleitung

contact-box image

Prof. Dr. Daniel Beverungen

Dekanat Wirtschaftswissenschaften

Zur Person
contact-box image

Prof. Dr. Oliver Müller

Wirtschaftsinformatik, insb. Data Analytics

Zur Person

Projektmitglieder

contact-box image

Sascha Kaltenpoth

Wirtschaftsinformatik, insb. Data Analytics

Zur Person
contact-box image

Pritha Gupta, M.Sc.

Intelligente Systeme und Maschinelles Lernen

Zur Person
contact-box image

Jennifer Priefer, M.Sc. (Geomatik)

Wirtschaftsinformatik, insb. Betriebliche Informationssysteme

Zur Person
contact-box image

Alexander Skolik, M.Sc. (MIS)

Wirtschaftsinformatik, insb. Betriebliche Informationssysteme

Zur Person

Kooperationspartner

Karlsruher Institut für Technologie (KIT)

Kooperationspartner

Zur Website

Westfalen Weser Netz GmbH

Kooperationspartner

Zur Website

Forschungsinstitut für Rationalisierung (FIR) an der RWTH Aachen

Kooperationspartner

Zur Website

SICP – Software Innovation Campus Paderborn

Kooperationspartner

Zur Website

Kontakt

Wenn 365体育_足球比分网¥投注直播官网 Fragen zu diesem Projekt haben, kontaktieren 365体育_足球比分网¥投注直播官网 uns!

Sascha Kaltenpoth

Wirtschaftsinformatik, insb. Data Analytics

Wissenschaftlicher Mitarbeiter - Mitglied - KI-Assistenzsystementwicklung im Projekt AProSys

contact-box image
sascha.kaltenpoth@uni-paderborn.de +49 5251 60-5105 ZM2.A.02.25

Prof. Dr. Daniel Beverungen

Dekanat Wirtschaftswissenschaften

Professor - Prodekan - Prodekan für Prozesse und Kooperation

contact-box image
+49 5251 60-5600 Q2.313

Dr. Philipp zur Heiden

Wirtschaftsinformatik, insb. Betriebliche Informationssysteme

Postdoc

contact-box image
philipp.zur.heiden@uni-paderborn.de +49 5251 60-5601 Q2.310

Prof. Dr. Oliver Müller

Wirtschaftsinformatik, insb. Data Analytics

Professor - Leiter

contact-box image
oliver.mueller@uni-paderborn.de +49 5251 60-5100 Q2.457

Publikationen

Towards Cognitive Assistance and Prognosis Systems in Power Distribution Grids – Open Issues, Suitable Technologies, and Implementation Concepts
R. Gitzel, M. Hoffmann, P. zur Heiden, A.M. Skolik, S.B. Kaltenpoth, O. Müller, C. Kanak, K. Kandiah, M.-F. Stroh, W. Boos, M. Zajadatz, M. Suriyah, T. Leibfried, D.S. Singhal, M. Bürger, D. Hunting, A. Rehmer, A. Boyaci, IEEE Access (2024) 1–1.
Knowledge Repositories in the Age of AI: Deriving Design Principles from Practice
P. zur Heiden, C. Gussew, in: 19th International Conference on Business Informatics (WI24), 2024.
Alle Publikationen anzeigen