Forschungsprojekt

Industrielle Künstliche Intelligenz für Sicherheit in Gasnetzen

Selbstlernende Werkzeuge für Analyse, Prognose und Entscheidungsunterstützung

Projektziel

Resilienz von Gasnetzen stärken

 

Im Vordergrund steht die resiliente Netzführung in kritischen Situationen wie Naturkatastrophen, geopolitischen Spannungen oder Angriffen auf das Netz. Hierfür wird insbesondere Reinforce- ment und Adversarial Learning zur Anomalie-Detektion und Unterstützung des Dispatching eingesetzt.

Dispatcher sollen mittels kontinuierlicher Zustandsbewertung und Anomalieerkennung dabei unterstützt werden, frühzeitig Steuerungsbedarf sicher zu erkennen. Handlungsoptionen für optimierte Fahrweisen sollen aufgezeigt werden.

Dispatcher sollen in die Lage versetzt werden, sicher auf außergewöhnliche Netzzustände zu reagieren und eine effiziente und nachhaltige Fahrweise ermöglichen. Kaskadeneffekte sollen
vermieden werden.


Neue Anforderungen an Gasnetze

Integration von erneuerbaren Energien

Gasnetztreiber müssen effiziente Transport- möglichkeiten sowohl für großvolumige Wasserstoffimporte als auch für dezentrale und volatile Einspeisungen aus eigenen Biogas– und
Wasserstofferzeugungsanlagen sicherstellen.

In Zukunft müssen Gase in verschiedenen Zusammensetzungen mit unterschiedlichen Brennwerten sicher und effizient transportiert werden. Grundlage ist die präzise Modellierung der chemischen und thermodynamischen Eigenschaften der Gase.

Eine aktuelle Herausforderung ist der Umbau der Gasnetze für die Integration erneuerbarer Energien in das Gesamtenergiesystem. Hierbei stehen der Aufbau reiner Wasserstoffnetze als auch der Umbau der bestehenden Gasinfrastruktur im Fokus.

Software mit erweiterten Funktionen

Reinforcement und Adversarial Learning

 

PSI unterstützt Netzbetreiber, sich den veränderten Marktbedingungen anzupassen und persistiert in ihren Softwarelösungen das hochspezialisierte Wissen der Netzbetreiber, um zu einer sicheren, umweltverträglichen und effizienten Energieversorgung beizutragen.

Auf Basis unserer robusten Software PSIgasguide und PSIganesi wird der Einsatz von Machine Learning weiterführend erprobt. Mit Reinforcement Learning wird auf die PSI-eigene Deep Qualicision-Technologie aufgesetzt.

Damit sollen automatische Fahrweisen-Vorschläge, auch mit volatiler Einspeisung von Gasen unterschiedlicher Beschaffenheiten, einen optimalen Betrieb der Gasnetze gewährleisten.


Versorgungssicherheit

Kritische Situationen erkennen und effektiv bewältigen

Ein schneller und sicherer Zugriff auf Erfahrungswissen ist entscheidend. Die Beherrschung aller Steuerhandlungen aus dem Normalbetrieb sowie das Training kritischer Situationen ist erforderlich.

Das aufbereitete Wissen erfahrener Dispatcher zur Bewertung außergewöhnlich kritischer Situationen und darauf aufsetzende Steuermaßnahmen wird mithilfe von KISystemen zugänglich gemacht.

Die Netzdynamik wird, abhängig von Netzzustand und Steuereingriffen, von einem Machine Learning-Algorithmus erlernt. Anomalien im regulären Betrieb sollen so zuverlässig und frühzeitig erkannt werden.

Projektpartner