Visitas: 67

PrognoNetz: Redes de sensores de autoaprendizaje para predecir la capacidad de carga de líneas aéreas – Adaptar la operación al clima utiliza la red de forma optimizada

Con el fin de integrar las fuentes renovables generalmente volátiles en el suministro de energía, son necesarias capacidades más altas en la red eléctrica. Sin embargo, la necesidad de nuevas terrazas de construcción puede reducirse si las líneas aéreas existentes se pueden utilizar mejor dependiendo de las condiciones climáticas. Para este propósito, investigadores del Instituto de Tecnología de Karlsruhe (KIT) en el proyecto conjunto «PrognoNetz» están trabajando en redes de sensores de autoaprendimiento que modelan el efecto de enfriamiento del clima usando datos del mundo real. Esto permite que más energía sea enviada por la línea bajo condiciones favorables.

La rápida expansión de las energías renovables – energía eólica en el norte, la energía fotovoltaica en el sur – junto con el creciente comercio internacional de electricidad demandan cada vez más la red de transmisión de electricidad. Para transportar la energía eléctrica de los productores a los consumidores, el cierre temporal de centrales productoras de electricidad a partir de fuentes renovables -especialmente en niveles de viento altos- para prevenir y global para garantizar una alta seguridad del abastecimiento, parece necesaria una expansión significativa de la infraestructura, estructura de red existente. Sin embargo, esto implica largos procedimientos de aprobación y altos costos.

Sin embargo, la necesidad de nuevas terrazas de construcción puede ser significativamente reducida, utilizando mejor las líneas aéreas existentes. «Por eso, es posible aumentar significativamente el transporte actual, dependiendo de las condiciones climáticas, tales como temperatura ambiente, radiación solar, velocidad del viento y dirección del viento sobre el patrón», dijo el profesor Wilhelm Stork, director de Tecnología Microsystems en el Instituto de Tecnología de Procesamiento de Información (ITIV) del KIT. «Este aumento puede alcanzarse sin exceder la temperatura máxima permitida del conductor y sin caer por debajo de las distancias mínimas entre el conductor y el suelo u objetos.» El efecto de enfriamiento de la topografía y la vegetación local es de particular importancia aquí.

El proyecto liderado por el ITIV «PrognoNetz – redes de sensores de autoaprendizaje para operación de líneas aéreas dependientes del clima» tiene como objetivo el monitoreo de líneas aéreas de alta resolución en tiempo real. incluso el servicio de meteorología UBIMET GmbH Karlsruhe de Baden-Württemberg operador del sistema de transmisión TransnetBW GmbH, con sede en Stuttgart, las empresas de TI están UNILAB AG Paderborn sobre el proyecto cooperativo, el GWU-Umwelttechnik GmbH Erftstadt y Wilmers Messtechnik GmbH Hamburgo implicados. El proyecto, financiado por el Ministerio Federal para Asuntos Económicos y Energía (BMWi), comenzó a principios de 2019 y dura tres años.

En investigación e industria de socios PrognoNetz para desarrollar redes de sensores completos con sensores inteligentes – se colocan en pequeñas distancias entre sí y en la proximidad suficiente de líneas aéreas para capturar las condiciones meteorológicas precisas – a la vez estaciones meteorológicas convencionales. Las redes de sensores también están diseñadas para soportar condiciones ambientales adversas y proporcionar datos críticos inalámbricos y confiables para el centro de control. Los nuevos algoritmos están diseñados para proporcionar a los sensores una función de autoaprendizaje para que puedan generar automáticamente previsiones de carga más precisas para horas o hasta días, sobre la base de los datos meteorológicos que se distribuir. Con base en datos meteorológicos históricos y características topográficas, los modelos inteligentes se forman para cada línea de la red eléctrica.

La red meteorológica de autoaprendizaje desarrollada en el PrognoNetz se utilizará inicialmente en líneas de energía de alta tensión y equipos del socio TransnetBW. «Con esta basada en la red de inteligencia artificial, las redes de energía existentes, ajustando el funcionamiento de las condiciones meteorológicas siempre se puede utilizar de forma óptima y los golpes de puente», dice Wilhelm Stork. «Esto permite que la electricidad sea aumentada en un 15 a 30 por ciento bajo condiciones favorables, es decir, bajas temperaturas externas o vientos fuertes».

Detalles del Centro de Energía del KIT: www.energie.kit.edu

Como «La Universidad de Investigación en la Asociación Helmholtz», el KIT crea y comunica conocimiento para la sociedad y el medio ambiente. El objetivo es hacer contribuciones significativas a los desafíos globales en las áreas de energía, movilidad e información. Cerca de 9.300 empleados trabajan juntos en bases amplias y disciplinarias en ciencias naturales, ingeniería, negocios, humanidades y ciencias sociales. Sus 25.100 estudiantes preparan el KIT para tareas responsables en

sociedad, economía y ciencia a través de un programa de graduación universitaria orientado a la investigación. La actividad de innovación en el KIT llena la brecha entre el conocimiento y la aplicación para beneficio social, prosperidad económica y preservación de nuestros medios naturales de subsistencia.