Anomalieerkennung Messdaten im Blick - Verbesserte Netzüberwachung durch KI
Künstliche Intelligenz ist Ihr entscheidender Vorteil: sie analysiert kontinuierlich Anlagendaten, identifiziert verdächtige Muster und ermöglicht es Ihnen, durch gezielte Instandhaltung einzugreifen, bevor Probleme auftreten.
Für eine zuverlässige Energieversorgung ist schnelles Handeln entscheidend. Doch wie reagieren, wenn Verschleiß oder Sabotage unerwartet zuschlagen? Ihre Monteure können unmöglich alle Anlagen rund um die Uhr im Blick behalten – erst recht nicht in den immer komplexeren, dezentralen Netzen mit erneuerbaren Energien.
Genau hier setzt KI an: Sie ist Ihr digitaler Wächter, der Abweichungen sofort erkennt. Auf Basis dieser transparenten Daten leiten Sie gezielt Wartungen ein, schon bevor ein Problem kritisch wird. So sichern Sie die Netzstabilität und die von Ihren Kunden geforderte Servicequalität.
Herausforderungen meistern
Stromnetze stehen zunehmend unter Druck. Dezentrale und volatile Einspeiser wie Photovoltaik- und Windkraftanlagen verändern das Netzgeschehen grundlegend. Gleichzeitig nimmt die Bedrohung durch Cyberangriffe auf Netzbetreiber kontinuierlich zu. Diese Entwicklungen erhöhen die Komplexität im Netzbetrieb erheblich und machen eine engmaschige, kontinuierliche Überwachung der Betriebsmittel in Echtzeit unverzichtbar.
KI-gestützte Anomalieerkennung für einen sicheren Netzbetrieb
Um die notwendige Transparenz im Netzbetrieb zu schaffen und Störungen frühzeitig zu erkennen, haben wir eine KI-basierte Lösung entwickelt. Ziel von PSIdetect ist es, Messwerte aus dem Leitsystem kontinuierlich zu überwachen und Abweichungen vom normalen Betriebsverhalten, sogenannte Anomalien, früher zu identifizieren. Damit erweitert PSI klassische Überwachungssysteme, die überwiegend auf statischen Grenzwerten basieren, um eine intelligente Analyse komplexer Zusammenhänge und dynamischer Verhaltensmuster.
KI-gestützte Analyse elektrotechnischer Messdaten
PSIdetect nutzt eine auf PSIqualicision AI basierende Künstliche Intelligenz zur Analyse großer Mengen elektrotechnischer Mess- und Prozessdaten aus dem Leitsystem. Historische sowie aktuelle Betriebs- und Wetterdaten dienen als Trainings- und Vergleichsbasis. Auf dieser Grundlage berechnet das System kontinuierlich einen dynamischen Soll-Zustand des Netzes und erkennt Abweichungen präzise und zuverlässig.
Durch selbstständiges Training lernt das System, zwischen normalen und anormalen Systemzuständen zu unterscheiden. Im Echtzeitbetrieb werden die aktuellen Messdaten fortlaufend analysiert und in Form eines Anomalie-Scores bewertet. Überschreitet dieser einen definierten Schwellenwert, wird eine Anomalie detektiert. Netzbetreiber können so frühzeitig potenzielle Störungen erkennen und gezielt Gegenmaßnahmen einleiten, noch bevor es zu kritischen Situationen kommt.
Rahmenbedingungen
Um unterschiedliche Arten von Abweichungen zuverlässig erkennen und zielführende Handlungsoptionen anbieten zu können, werden zwei komplementäre Detektionsalgorithmen kombiniert angewendet.
Zwei Detektionsansätze für maximale Aussagekraft
1. Ansatz | Physikalische Bewertung
Zustandsanalyse
Die physikalische Bewertung analysiert den Zustand eines Assets anhand aller ihm zugeordneten Messwerte. Bei einem Transformator*) können dies beispielsweise Strom- und Spannungsmessungen sowie Außen- und Öltemperaturen sein.
Auswertung der Messdaten
Mithilfe der Trainingsdaten werden die Messwerte stochastisch miteinander in Beziehung gesetzt. Daraus entsteht eine Wahrscheinlichkeitsverteilung, die im Echtzeitbetrieb ausgewertet wird. Liegen einzelne oder mehrere Messwerte außerhalb des erwarteten Bereichs, erkennt das System diese Anomalie. So kann etwa festgestellt werden, wenn sich ein Transformator*) bei vergleichbarer Belastung und Umgebungstemperatur ungewöhnlich stark erwärmt – ein möglicher Hinweis auf einen beginnenden Alterungsdefekt.
*) Dies nur als Beispiel – selbstverständlich ist es auch möglich, entsprechend aussagekräftige Messwerte eines gänzlich anderen Assets heranzuziehen und auszuwerten, um Anomalien zu erkennen.
2. Ansatz | Muster- und Verlaufserkennung
Die Muster- und Verlaufserkennung bewertet das zeitliche Verhalten der Messwerte. Typischerweise folgen Größen wie Temperaturen, Leistungen oder Spannungen bekannten Mustern und einer charakteristischen Volatilität. Weicht dieses zeitliche Verhalten deutlich ab – etwa durch ungewöhnlich starke Schwankungen oder eine auffällige Statik – wird dies als Anomalie identifiziert.
Beispiel: schleichender oder signifikanter Leistungsabfall eines einzelnen Strings einer Photovoltaikanlage.
Transparente Visualisierung und flexible Konfiguration
Aus den analysierten Daten wird automatisch ein Anomalie-Score berechnet und dieser übersichtlich über eine Ampelanzeige visualisiert. Ein zentrales Dashboard bietet eine kompakte Übersicht über aktuell erkannte Anomalien, die Systemauslastung sowie den Status der Datenverbindungen.
Für eine detaillierte Analyse stehen tabellarische Ansichten zur Verfügung, in denen einzelne Anomalien untersucht werden können. Der Anomalie-Score lässt sich dabei in seine Bestandteile zerlegen, sodass die Ursachen der Bewertung transparent nachvollziehbar sind. Ergänzend können die zugrunde liegenden Zeitreihen der Messwerte visualisiert werden.
Sowohl die Sensitivität der Anomalieerkennung als auch die Trainingszyklen der KI sind individuell konfigurierbar. Dies ist insbesondere nach Netzumbauten oder beim Anschluss großer neuer Einspeiser, etwa umfangreicher Photovoltaikanlagen, sinnvoll. Durch eine gezielte Anpassung der Sensitivität lässt sich der Erkennungsalgorithmus optimal an die jeweiligen Netzgegebenheiten anpassen und die Detektionsgenauigkeit weiter erhöhen.
Vorteile des Workflows
-
Frühzeitig erkennen
-
Treffsicher auswerten
-
Rechtzeitig handeln
Fazit: Volle Transparenz
Mit der Lösung PSIdetect gewinnen Sie als Netzbetreiber nicht nur ein leistungsfähiges Werkzeug zur frühzeitigen Erkennung von Anomalien, sondern auch die nötige Transparenz und damit eine - wenn nicht sogar die wichtigste - Entscheidungsgrundlage, um Netze zuverlässig, effizient und sicher zu betreiben. So erreichen Sie eine hohe Netzqualität in einer zunehmend dynamischen Energielandschaft.
