Selbstheilendes Stromnetz mittels KI

11.8.2024 KI-Lösung könnte Stromausfälle vermeiden

Dallas- Forscher und Forscherinnen der University of Texas in Dallas haben ein Modell der künstlichen Intelligenz (KI) entwickelt, das Stromnetzen dabei helfen könnte, Stromausfälle zu verhindern, indem es den Strom innerhalb von Millisekunden automatisch umleitet.

Der Ansatz ist eines der ersten Beispiels für die Technologie des „selbstheilenden Stromnetzes“, bei der mithilfe künstlicher Intelligenz Probleme wie Stromausfälle autonom und ohne menschliches Eingreifen erkannt und behoben werden, wenn sie auftreten, etwa wenn Stromleitungen durch einen Sturm beschädigt wurden.

„Unser Ziel ist es, den optimalen Weg zu finden, um möglichst schnell Strom an die Mehrheit der Verbraucher zu liefern. Doch bevor dieses System umgesetzt werden kann, sind noch weitere Forschungsarbeiten nötig,“ so Dr. Jie Zhang, außerordentlicher Professor für Maschinenbau an der Erik Jonsson School of Engineering and Computer Science.

Das US-Stromnetz ist ein ausgedehntes, komplexes Netzwerk aus Übertragungs- und Verteilungsleitungen, Erzeugungsanlagen und Transformatoren, das den Strom von den Stromquellen zu den Verbrauchern verteilt.

Anhand verschiedener Szenarien in einem Testnetzwerk demonstrierten die Forscher, dass ihre Lösung automatisch alternative Routen für die Stromübertragung zu den Verbrauchern ermitteln kann, bevor es zu einem Stromausfall kommt. KI hat den Vorteil der Geschwindigkeit: Das System kann den Stromfluss in Millisekunden automatisch umleiten, während derzeitige, von Menschen gesteuerte Prozesse zur Ermittlung alternativer Pfade Minuten bis Stunden dauern können.

„Unser Ziel ist es, den optimalen Weg zu finden, um die Mehrheit der Verbraucher so schnell wie möglich mit Strom zu versorgen“, sagt Dr. Jie Zhang, außerordentlicher Professor für Maschinenbau an der Erik Jonsson School of Engineering and Computer Science . „Aber bevor dieses System umgesetzt werden kann, ist noch mehr Forschung nötig.“

Zhang, der Co-Autor der Studie ist, und seine Kollegen nutzten eine Technologie, die maschinelles Lernen auf Graphen anwendet, um die komplexen Beziehungen zwischen den Einheiten abzubilden, aus denen ein Stromverteilungsnetz besteht. Beim maschinellen Lernen von Graphen geht es darum, die Topologie eines Netzwerks zu beschreiben, also die Art und Weise, wie die verschiedenen Komponenten im Verhältnis zueinander angeordnet sind und wie Elektrizität durch das System fließt.

Die Netzwerktopologie könnte außerdem eine entscheidende Rolle bei der Anwendung von KI zur Lösung von Problemen in anderen komplexen Systemen wie kritischer Infrastruktur und Ökosystemen spielen, erklärt die Co-Autorin der Studie, Dr. Yulia Gel, Professorin für mathematische Wissenschaften an der Fakultät für Naturwissenschaften und Mathematik .

Der Ansatz der Forscher beruht auf bestärkendem Lernen, das die besten Entscheidungen trifft, um optimale Ergebnisse zu erzielen. Unter der Leitung von Co-Autorin Dr. Souma Chowdhury, außerordentliche Professorin für Maschinenbau und Luft- und Raumfahrttechnik, konzentrierten sich die Forscher der University at Buffalo auf den Aspekt des bestärkenden Lernens des Projekts.

Wenn die Stromversorgung aufgrund von Leitungsfehlern unterbrochen wird, kann sich das System mithilfe von Schaltern neu konfigurieren und Strom aus verfügbaren Quellen in der Nähe beziehen, etwa von großen Solarmodulen oder Batterien auf einem Universitätscampus oder in einem Unternehmen, erklärt Roshni Anna Jacob, Doktorandin der Elektrotechnik an der UTD und Co-Erstautorin der Studie.

„Sie können diese Stromgeneratoren nutzen, um ein bestimmtes Gebiet mit Strom zu versorgen“, sagt Jacob.

Nachdem die Forscher ihren Schwerpunkt auf die Verhinderung von Stromausfällen gelegt haben, wollen sie nun ähnliche Technologien entwickeln, um das Netz nach einer Stromunterbrechung zu reparieren und wiederherzustellen.