Modellierung eines KI-gestützten Optimierungssystems für Instandhaltungs- und Erneuerungsstrategien von Ortsnetzstationen

Inhalt:
Im Rahmen des Forschungsprojekts Predictive Asset-Management (PAM) wird in Zusammenarbeit mit einem Kollektiv an Verteilnetzbetreibern (VNB) ein datenbasiertes System zur Optimierung von Instandhaltungs- und Erneuerungsstrategien für Ortsnetzstationen (ONS) entwickelt. Um die Datenmengen und die Vielzahl an Einflussfaktoren auf die Strategiefindung unter Berücksichtigung der Unternehmenswerte der VNB verarbeiten zu können, wird auf Methoden der Künstlichen Intelligenz (KI) zurückgegriffen. Der Einsatz dieser Methoden soll an verschieden Stellen des Gesamtsystems umgesetzt und erprobt werden. Im ersten Schritt wurde dazu ein übergreifendes Zielbild für die Realisierung des Gesamtsystems entwickelt, auf das in dieser Arbeit mit Blick auf die einzelnen Modellierungsschritte genauer eingegangen wird. Das Bild spiegelt sowohl Eingangsdaten, Wirkmechanismen der Daten sowie Einsatzpunkte der KI-Methoden wider. Insbesondere die Umsetzung von Machine Learning (ML) Modellen für die Prognose von Eintrittswahrscheinlichkeiten möglicher Ereignisse wird dabei fokussiert, da der Eintritt von Ereignissen mit den daraus resultierenden Auswirkungen auf die Unternehmenswerte eine signifikante Entscheidungsgrundlage für die Strategiefindung im Asset-Management bildet. Eine Basis für das Training von ML-Prognosemodellen sind kontinuierlich aufgenommene Daten über längere Zeiträume. In dem Kontext wird in dieser Arbeit im weiteren Verlauf auf die Analyseergebnisse von Online-Monitoring Daten aus den Mittelspannungsschaltanlagen (MS-Schaltanlagen) der ONS als Grundlage für die Prognose sowohl von Zustandsentwicklungen als auch der Eintrittswahrscheinlichkeiten von Ereignissen eingegangen.