Om vluchtige hernieuwbare bronnen te integreren in de energievoorziening, capaciteit van het elektriciteitsnet moet worden vergroot. De behoefte aan nieuwe lijnen kan worden verminderd door een betere benutting van bestaande lijnen in functie van de weersomstandigheden. Hiertoe, onderzoekers van het Karlsruhe Institute of Technology (KIT) werken aan zelflerende sensornetwerken om het verkoelende effect van het weer te modelleren op basis van echte gegevens. Onder gunstige omstandigheden, op deze manier kan de krachtoverbrenging van de lijn worden verbeterd.

Snelle uitbreiding van het gebruik van hernieuwbare energiebronnen – windenergie in het noorden, fotovoltaïsche zonne-energie in het zuiden – en de toenemende internationale handel in energie resulteren in toenemende eisen aan het elektriciteitstransportnet. Om stroom van producenten naar consumenten te transporteren, om tijdelijke sluiting van centrales die stroom opwekken uit regeneratieve bronnen te voorkomen, vooral bij hoge windintensiteiten, en om een ​​hoge voorzieningszekerheid in het algemeen te waarborgen, aanzienlijke uitbreiding van de bestaande netinfrastructuur is vereist. Dit gaat gepaard met tijdrovende licentietrajecten en hoge kosten.

Echter, de behoefte aan nieuwe transmissielijnen kan aanzienlijk worden verminderd door een betere benutting van bestaande bovenleidingen. "Op deze manier, krachttransport kan aanzienlijk worden verhoogd, afhankelijk van de weersomstandigheden, zoals omgevingstemperatuur, zonnestraling, windsnelheid, en windrichting, " zegt professor Wilhelm Stork, hoofd van de Microsystem Technology Group van het KIT Institute for Information Processing Technology (ITIV). "Deze toename kan worden bereikt zonder de maximaal toegestane geleidertemperatuur te overschrijden en zonder dat de afstand van de geleider tot de grond of tot objecten onder het toegestane minimum zakt." Vooral de wind met zijn verkoelende werking die wordt beïnvloed door lokale topografie en vegetatie is hierbij van belang.

Transmissielijnbewaking met hoge resolutie en in realtime is het doel van het ITIV-gecoördineerde project "PrognoNetz - Zelflerende sensornetwerken voor weersafhankelijke transmissielijnwerking." Projectpartners zijn UBIMET GmbH Weather Service Karlsruhe, de Baden-Württembergse transmissienetbeheerder TransnetBW GmbH, Stuttgart, het IT-bedrijf unilab AG Paderborn, GWU-Umwelttechnik GmbH Erftstadt, en Wilmers Messtechnik GmbH Hamburg. Het door het federale ministerie van Economische Zaken en Energie (BMWi) gefinancierde project ging begin 2019 van start en heeft een looptijd van drie jaar.

Binnen PrognoNetz, de onderzoeks- en industriepartners zullen brede sensornetwerken ontwikkelen met slimme sensoren die, in tegenstelling tot conventionele weerstations, bevinden zich dicht bij elkaar en in de buurt van bovenleidingen om de weersomstandigheden nauwkeurig te meten. De sensornetwerken zijn bestand tegen zware omgevingscondities en leveren kritieke data draadloos aan de centrale. Met aanstaande nieuwe algoritmen, de sensoren zullen een zelflerende functie hebben. Op basis van de gedistribueerde gemeten weergegevens, ze genereren automatisch nauwkeurige prognoses van de vermogensbelasting voor uren of zelfs dagen. Met behulp van historische weergegevens en topografische eigenschappen, er zullen slimme modellen worden ontwikkeld voor elke transmissielijn van het elektriciteitsnet. Binnen PrognoNetz, Wetenschappers van ITIV werken aan prognosemodellen op basis van kunstmatige intelligentie en aan een op laser gebaseerde windsensor, waarvan de meetnauwkeurigheid hoger is dan die van vast gemonteerde conventionele sensoren. In aanvulling, onbemande drones zullen worden gebruikt om de weersensoren op de elektriciteitspalen te installeren en te onderhouden.

Het binnen PrognoNetz te ontwikkelen zelflerend meteorologisch netwerk wordt in eerste instantie toegepast op bestaande hoogspanningslijnen en apparatuur van partner TransnetBW. "Dit op AI gebaseerde netwerk zorgt op elk moment voor een optimaal gebruik van bestaande elektriciteitsnetten door de werking aan te passen aan de weersomstandigheden. Knelpunten kunnen worden overwonnen, " zegt Wilhelm Stork. "Op deze manier, krachttransport kan onder gunstige voorwaarden met 15 tot 30 procent worden verhoogd, dat wil zeggen een lage buitentemperatuur of harde wind."