Lehrstuhl für Elektrische Energieversorgungstechnik

PAM – Predictive Asset Management – Datenbasierte Optimierung bei der Instandhaltung und Erneuerung von Verteilnetzen mittels Methoden der Künstlichen Intelligenz im Asset Management

Projektbeschreibung

Die Verteilnetzbetreiber sind zur Wahrung einer zuverlässigen und sicheren Energieversorgung verpflichtet. Aufgrund des jedoch stetig steigenden Kostendrucks sind die Verteilnetzbetreiber zunehmend angehalten, ihre Betriebs- und Investitionskosten unter Wahrung des heutigen Qualitätsniveaus zu reduzieren. Deshalb muss der Einsatz der finanziellen Mittel effizient gestaltet werden, mit dem Ziel, das tägliche Netzgeschäft zu optimieren und dabei Einsparpotentiale effektiv zu nutzen. Dabei stellt die objektive und realitätsgerechte Zustandsbewertung der einzelnen Betriebsmittel die Basis aller optimierten und wirtschaftlich effizienten Strategien dar. Damit wird es möglich, Einsparungs- und Optimierungsmöglichkeiten zu ermitteln. Viele Betriebsmittel haben bereits ihre kalkulatorische bzw. ihre technische Lebensdauer erreicht oder werden diese aufgrund der erhöhten Altersstruktur in der näheren Zukunft erreichen. Die Erneuerung würde kurzfristig eine erhebliche Ersatzinvestition für die Verteilnetzbetreiber bedeuten. Die Anwendung optimierter Instandhaltungs- und Erneuerungsstrategien insbesondere im Bereich der Verteilnetze kann zu erheblichen Kosteneinsparungen führen. Darüber hinaus kann eine entsprechende Optimierung dazu beitragen, die Versorgungszuverlässigkeit zu erhöhen, indem die begrenzten finanziellen Ressourcen zielgerichtet dort eingesetzt werden, wo das versorgungstechnische Risiko am höchsten ist. Im Rahmen der strategischen und operativen Planung werden die entsprechenden Bewertungen der Betriebsmittel in Asset-Simulationstools mit Kosten- sowie Netzmodellen verknüpft und daraus Instandhaltungs- und Erneuerungspläne abgeleitet.

Das Zusammenspiel zahlreicher Faktoren wird heutzutage häufig noch manuell im Asset Management berücksichtigt, ein kosten- und zeitaufwändiger Prozess, weshalb hier deutliches Optimierungspotential besteht. Im durch die Energiewende eingesetzten Transformationsprozess der Energielandschaft gewinnt zunehmend die Digitalisierung an Bedeutung. Dabei besteht großes Potential, die in den letzten Jahren stetig verbesserten Fähigkeiten einer Künstlichen Intelligenz (KI) im Kontext der Energiewende zu nutzen. Bisher ist der Einsatz von Methoden aus dem Bereich der KI und des maschinellen Lernens auf der Ebene des Asset Managements für die weitere Optimierung von Instandhaltungs- sowie Erneuerungsstrategien jedoch wenig erforscht. Daher soll das Forschungsprojekt hier ansetzen und Methoden der KI auf die Ebene des Asset Managements übertragen sowie zahlreiche Faktoren für eine optimale Entscheidungsfindung berücksichtigen. Das Ziel des Forschungsprojekts ist es, die Entscheidungen und Strategien im Asset Management durch die Kenntnis über den aktuellen und tatsächlichen Zustand des Anlagenkollektivs sowie über dessen Entwicklung über die Zeit zu optimieren. Dabei sollen Aspekte aus den Bereichen der technischen und kaufmännischen Zielgrößen, dem Rechtsrahmen, der Sicherheit und der Nachhaltigkeit in die Entscheidungsfindung einbezogen werden. Aufgrund der Komplexität und der Menge an kombinierten Einflussfaktoren soll hierfür eine KI umgesetzt werden, um prädiktiv optimierte Asset-Entscheidungen im Bereich der Erneuerungs- und Instandhaltungsplanung zu ermöglichen. Kernziel ist es, ein KI-basiertes Expertensystem zu entwickeln, bei dem das System auf Basis einer großen Anzahl an Daten (Instandhaltungskosten, Systemrelevanz des Assets, Alter und Zustand, regulatorische Faktoren etc.) und deren Kombinationsmöglichkeiten den Erfolg bestimmter Strategien hinsichtlich verschiedener Parameter (Gesamtkosten, Versorgungszuverlässigkeit und weitere Risikoaspekte) einordnen kann. Je nach vorgegebenen Randbedingungen (Bedarf des Asset Managers) schlägt das System automatisiert eine oder eine definierte Anzahl gleichwertiger optimierter Strategien zur Instandhaltung und Erneuerung vor.

Die Projektpartner sind die Energieforen Leipzig GmbH, die meliorate GmbH (Berlin) und die Stadtwerke Troisdorf GmbH.

Projektförderung

Der Lehrstuhl für Elektrische Energieversorgungstechnik wird im Rahmen des Projektes über die Laufzeit von drei Jahren mit 500.768 EUR durch das Bundesministerium für Wirtschaft und Klimaschutz gefördert.

Projektpartner
  • Energieforen Leipzig GmbH
  • meliorate GmbH
  • Stadtwerke Troisdorf GmbH
Assoziierte Partner
  • Stromnetz Hamburg GmbH
  • inetz GmbH
  • Rheinische NETZGesellschaft mbH
  • Netze Duisburg GmbH
  • Bonn-Netz GmbH
  • MVV Netze GmbH
  • Energienetze Offenbach GmbH
Weiterführende Informationen

Projektpräsentation

Publikationen
  • Gromoll, D.; Dalamaras, P.; Zdrallek, M.; Mateja, A.; Hänel, A.; Merk, D.; Beck, M.; Horn, P.; Lenz, L.:
    Methoden der KI im Asset-Management - Datenbasierte Optimierung der Instandhaltung und Erneuerung
    ew – Magazin für die Energiewirtschaft, Ausgabe 11/2021

Weitere Infos über #UniWuppertal: