Verbundvorhaben: PAM - Predictive Asset Management – Datenbasierte Optimierung bei der Instandhaltung und Erneuerung von Verteilnetzen mittels Methoden der Künstlichen Intelligenz im Asset Management; Teilvorhaben: Zustands- und Netzanalyse
Zeitraum
2021-04-01 – 2024-03-31
Bewilligte Summe
500.768,00 EUR
Ausführende Stelle
Förderkennzeichen
03EI6048C
Leistungsplansystematik
Monitoring und Netzschutz [EB1821]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI6)
Förderprogramm
Energie
Das Ziel des Forschungsprojekts ist es, die Entscheidungen im Asset Management durch die Kenntnis über den aktuellen Zustand des Anlagen-Kollektivs sowie über dessen Entwicklung und Einfluss auf Asset-Strategien zu optimieren. Dabei sollen Faktoren aus dem Bereich der technischen und kaufmännischen Zielgrößen, dem Rechtsrahmen, der Sicherheit und der Nachhaltigkeit berücksichtigt und in die Entscheidungsfindung einbezogen werden. Aufgrund der Komplexität und der Menge an kombinierten Einflussfaktoren soll hierfür eine KI umgesetzt werden. Dabei wird die Gesamt-Systematik zur Optimierung der Asset-Entscheidungen mittels Verfahren der KI zunächst am Beispiel der Ortsnetzstationen erprobt. Da für die eben dargestellten Ansätze eine valide, ausgeprägte Datenbasis erforderlich ist, werden zahlreich vorhandene Inspektionsergebnisse von Ortsnetzstationen (Inspektions-Checklisten), in denen der Zustand der Betriebsmittel dokumentiert wird, zunächst mittels einer bestehenden Systematik untereinander vergleichbar gemacht und für die Modelle der künstlichen Intelligenz bzw. des maschinellen Lernens als Eingangsdaten genutzt. Zusätzlich wird eine Netzanalyse durchgeführt, um neben der zustandsorientierten strategischen Komponente eine zuverlässigkeits- oder risikobasierte Komponente berücksichtigen zu können. Im nächsten Schritt erfolgt eine Bewertung der Auswirkungen auf die Unternehmensziele. Hierbei sind neben einer Analyse der direkten Kosten die Anforderungen der Stakeholder an das Unternehmen und die sich daraus ergebenden Zielvorgaben zu berücksichtigen. Anschließend werden bei der Energieforen Leipzig GmbH entwickelte und im Bereich des Energievertriebs erfolgreich eingesetzte Methoden der künstlichen Intelligenz auf Anwendungsfälle im Asset Management adaptiert, implementiert und abschließend die Ergebnisse validiert.