Künstliche Intelligenz spürt Fehlerquellen im Stromnetz auf
![](/fileadmin/_processed_/7/0/csm_Strom_Verteilnetz_c_Uwe_Schlick_pixelio.de_ce767a004f.jpg 320w, /fileadmin/_processed_/7/0/csm_Strom_Verteilnetz_c_Uwe_Schlick_pixelio.de_fb588c2465.jpg 480w, /fileadmin/_processed_/7/0/csm_Strom_Verteilnetz_c_Uwe_Schlick_pixelio.de_0efb1e5ba2.jpg 640w, /fileadmin/_processed_/7/0/csm_Strom_Verteilnetz_c_Uwe_Schlick_pixelio.de_10e15fa8aa.jpg 784w, /fileadmin/_processed_/7/0/csm_Strom_Verteilnetz_c_Uwe_Schlick_pixelio.de_a546916c93.jpg 912w, /fileadmin/_processed_/7/0/csm_Strom_Verteilnetz_c_Uwe_Schlick_pixelio.de_588cae898f.jpg 1024w, /fileadmin/_processed_/7/0/csm_Strom_Verteilnetz_c_Uwe_Schlick_pixelio.de_e02d132506.jpg 1440w)
Der Netzausbau hinkt in Deutschland stark hinter den Vorgaben her. Der Widerstand innerhalb der Bevölkerung gegen Neubauprojekte ist groß.
Seit neun Monaten setzt Eon bei Schleswig-Holstein-Netz im Mittelspannungsbereich eine selbstentwickelte Technik ein, die mit Hilfe von Künstlicher Intelligenz funktioniert. Fehler und Störungen würden sich mit dem selbstlernenden Algorithmus deutlich zuverlässiger vorhersagen lassen als bisher, teilte Eon mit. Gegenmaßnahmen könnten so viel früher ergriffen werden.
"Die Wahrscheinlichkeit, mit der wir einen Defekt im Stromnetz vorhersagen können, ist um den Faktor zwei bis drei gestiegen", erläutert Thomas König, der bei Eon für das deutsche Netzgeschäft verantwortlich ist. Die neue Störungsvorhersage, in Fachkreisen "Predictive Maintenance" genannt, beruht auf einer Vielzahl interner und externer Daten, wie dem Alter und der Bauart der Leitungen, Instandhaltungs- und Wetterdaten sowie Echtzeitinformationen, wie dem aktuellen Lastverhalten. Fehlerquellen lassen sich so beseitigen, bevor es überhaupt zu der vorgesagten Störung kommt. Schleswig-Holstein-Netz hat auf Grundlage der neuen Technik in den vergangenen Monaten rund ein Dutzend Instandsetzungsmaßnahmen in seinen Netzen vorgezogen. (sg)