Zunehmende Ressourcenknappheit in Personal (zunehmender Fachkräftemangel), Material (Lieferengpässe und Abhängigkeit von einzelnen Lieferanten) und Finanzen (Anreizregulierung) sowie Berücksichtigungen der Nachhaltigkeit erfordern von den Verteilnetzbetreibern eine immer stärkere Optimierung der Instandhaltungs- und Erneuerungsstrategien ihres Betriebsmittelkollektivs. Besonders der Aspekt der Nachhaltigkeit rückt zunehmend in den Fokus, da viele Betriebsmittel deutlich über die bisher üblichen technisch-wirtschaftlichen Lebensdauern hinaus betrieben werden und die Versorgungszuverlässigkeit nicht beeinträchtigt werden darf. Dadurch werden signifikante Einsparungen von Ressourcen ermöglicht. Eine optimale Einplanung der vorhandenen Ressourcen für die Instandhaltung und Erneuerung ist aufgrund der gleichzeitigen Dringlichkeit und Notwendigkeit des Ausbaus der Verteilnetze im Zuge der voranschreitenden Energiewende und der zunehmenden Elektrifizierung des Wärme- und Transportsektors für alle Betriebsmittel der Mittelspannungsebene jedoch manuell nicht leistbar. Die Wirkungszusammenhänge zwischen durchführbaren Maßnahmen (z. B. Wartung, Erneuerung), dem Eintritt von Ereignissen sowie weiteren Einflussfaktoren wie dem Alterungsverhalten, der Belastung und den Betriebsbedingungen der Betriebsmittel sind zu zahlreich und komplex, um ohne datenbasierte Methoden vollständig erfasst zu werden. Daher erfordert die große Menge verfügbarer Daten bei den Verteilnetzbetreibern die Nutzung statistischer Modelle und KI-Methoden.

Das Forschungsprojekt Predictive Asset Management Advanced (PAMAd) knüpft dabei an den Erkenntnissen des Vorgängerprojektes Predictive Asset Management (PAM) an, welches bereits Erkenntnisse zur Strategieoptimierung von Ortsnetzstationen lieferte. Dazu wurde nicht nur eine ereignisbezogene Zustandsbewertungssystematik für die Ortsnetzstation entwickelt, sondern es wurden auch für die Unternehmenswerte der Verteilnetzbetreiber relevante Ereignisse einer Ortsnetzstation definiert, für die in Abhängigkeit vom ereignisbezogenen Zustand Eintrittswahrscheinlichkeiten bestimmt wurden. Unter Berücksichtigung dieser Wahrscheinlichkeiten erfolgte eine Optimierung der Instandhaltungs- und Erneuerungsstrategien der Ortsnetzstation mithilfe eines KI-basierten Reinforcement-Learning-Agenten. Die Erkenntnisse des PAM-Projekts sollen nun auf alle Betriebsmittel der Mittelspannungsebene erweitert werden.

Das Ziel des Forschungsprojekts ist es, eine automatisierte Optimierung der Instandhaltungs- und Erneuerungsstrategie für alle Betriebsmittel der Mittelspannungsebene zu entwickeln. Dazu wird im Projekt eine systematische, umfassende und einheitliche Datengrundlage bestehend aus Stamm-, Zustands- und Ereignisdaten (u. a. Störungen) für alle Betriebsmittel der MS-Ebene (Ortsnetzstationen, MS-Kabel, MS-Freileitungen, MS-Leistungsschalter und zugehörige Betriebsmittel in Umspannwerken) geschaffen. Für diese Betriebsmittel werden für die Unternehmenswerte der Verteilnetzbetreiber relevante Ereignisse ermittelt, auf deren Basis eine vereinheitlichte ereignisbezogene Bewertungssystematik aller betrachteten Betriebsmittel entsteht. Zudem werden aus den Daten für alle definierten Ereignisse Ereigniswahrscheinlichkeiten in Abhängigkeit des ereignisbezogenen Zustands und weiterer Einflussfaktoren abgeleitet. Unter Betrachtung des Anlagenkollektivs, den ermittelten Ereigniswahrscheinlichkeiten sowie der netzbetreiberspezifischen Unternehmenswertebasis wird so mittels KI-basiertem Reinforcement Learning Agenten eine betriebsmittelübergreifende risikoorientierte Strategieoptimierung entwickelt.
Die Verbundpartner des Projekts sind die Energieforen Leipzig GmbH, die A4I Leipzig GmbH und die
e-netz Südhessen AG.

Der Lehrstuhl für Elektrische Energieversorgungstechnik wird im Rahmen des Projektes über die Laufzeit von drei Jahren mit 526.000 EUR durch das Bundesministerium für Wirtschaft und Energie gefördert.