We can't find the internet
Attempting to reconnect
SI/502076
KnowlEDGE – Dezentrale, sichere und Privatsphäre-schützende KI zur Verbesserung der Netzzuverlässigkeit, Resilienz und Kosten von VNBs
Résumé
Um die Netzzuverlässigkeit, Resilienz und Kostenleistung zu verbessern, verlassen sich Energieversorgungsunternehmen zunehmend auf KI und Daten-basierten Methoden, um großen Mengen aggregierter Daten zu verarbeiten. Die Zentralisierung von Daten erfordert häufig viel Zeit und Kosten, während der Datentransfer Sicherheits- und Datenschutzrisiken mit sich bringt. KnowlEDGE wird die Vorteile eines verteilten föderalistischen Ansatzes zur Analyse von Smart Meter Daten an mehreren Standorten untersuchen, insbesondere für VNB-Anwendungs-fälle. Darüber hinaus wird die Machbarkeit einer erweiterten Analyse von Smart Meter Daten am Grid Edge untersucht. KnowlEDGE umfasst die Entwicklung von föderalen Datenanalyse Algorithmen, die Anwendung dieser Algorithmen auf Smart Meter Daten und das Testen des Konzeptes im Labor und im Feld. Das Projekt wird den Nutzen der föderalen Datenanalyse studieren in Zusammenhang mit der Reduktion von Sicherheits- und Datenschutzrisiken. KnowlEDGE wird diese Vorteile in einer schrittweisen Reihe von Proof-of-Concept Implementierungen untersuchen, bei denen auf Daten in zunehmend dezentralen Konfigurationen zugegriffen und diese analysiert werden
Textes supplémentaires
Schlussbericht
Die Dekarbonisierung der Energieversorgung und die Abkehr von der Kernenergie führen zu erheblichen Veränderungen der grundlegenden Merkmale der Verteilnetze und damit der Verantwortlichkeiten der Verteilnetzbetreiber (VNB). Die Daten von intelligenten Zählern haben das Potenzial, Verteilnetzbetreiber in Zukunft beim Betrieb der Verteilnetze durch daten-basierte Ansätze zu unterstützen. Damit können regulatorische und unternehmerische Ziele für Netzzuverlässigkeit, Resilienz und Kosteneffizienz erreicht werden. In der Regel beruhen solche Data-Science-Techniken auf der Zentralisierung von Daten, führen jedoch zu Verzögerung in der Datenverarbeitung, zu Schwachstellen in Bezug auf Datensicherheit und Datenschutz und schaffen regulatorische Herausforderungen für den VNB oder das Versorgungsunternehmen angesichts der rechtlichen Beschränkungen, die in Bezug auf den Zugriff auf und die Analyse von Verbraucherlastprofilen bestehen. Das KnowlEDGE-Projekt untersucht daten-basierte Ansätze auf der Grundlage von Smart-Meter-Daten um den Netzbetrieb in Echtzeit zu unterstützen und gleichzeitig Datenschutz- und Sicherheitsbeschränkungen zu berücksichtigen. Das Projekt wendet Algorithmen oder Modelle auf mehrere Datensätze an, ohne sie zu zentralisieren. Dabei werden dieselben Ergebnisse werden durch den dezentralisierten Ansatz erreicht, wie wenn die Daten zentral verarbeitet würden. KnowlEDGE untersucht, wie Algorithmen in Verbindung mit intelligenten Zählern dezentral funktionieren, und berücksichtigt die praktische Integration von KI-Algorithmen und föderierten Analyseansätzen in Wohn-, Industrie- und Gewerbeumgebungen durch Labor- und Feldversuche. Im Rahmen des KnowlEDGE-Projekts wurde eine dezentrale Lastflussanalyse und Endverbraucher-Lastprognose in einem Feldversuch mit 30 Endkunden in einem Verteilnetz in Rolle VD eingesetzt. Die wichtigsten Beiträge des Ansatzes sind im Folgenden aufgeführt: 1. Ermöglicht Edge-basierte Berechnungen und Vorhersagen von Netzwerkbelastungen in Echtzeit. Im Gegensatz zur bestehenden Smart-Metering-Infrastruktur, die nur alle 24 Stunden 15- Minuten Messdaten überträgt, kann der Netzzustand nahezu in Echtzeit abgerufen werden. 2. Gewährleistet den Datenschutz und vermeidet eine Zentralisierung von Endverbraucherdaten und damit eine effizientere Datenverarbeitung. 3. Stellt eine innovative Alternative zum traditionellen Ansatz dar, zusätzliche Messgeräte auf der Trafoebene (Netzebene 6) zu installieren. 4. Stellt eine prototypische Einstellung der Implementierung mithilfe einer IoT-Schnittstelle bereit. Der vorgeschlagene Ansatz erfordert den Einsatz intelligenter Zähler, die mit erweiterten Rechenkapazitäten ausgestattet sind, um die dezentralen Algorithmen auszuführen. Um Tests an einem realen Verteilungsnetz zu ermöglichen, wurde die Implementierung von Informations- und Kommunikationstechnologie (IKT) auf der Ebene des Verteilnetzbetreibers (DSO) mit einer direkten Internet-of-Things (IoT)- Schnittstelle unter Verwendung des MQTT-Protokolls entwickelt. Der Ansatz eröffnet das Potenzial für eine zukünftige Industrialisierung solcher Lösungen, verspricht eine verbesserte Transparenz der Verteilnetze und letztendlich eine Optimierung des Netzbetriebs
Détails du projet
- Office de recherche
- BFE
- Statut du projet
- Abgeschlossen
- Type de projet
- Forschungsprojekt
- Date de début
- 2020-08-31
- Date de fin
- 2024-08-30
- Coûts totaux approuvés
- CHF 280500.00
- Section
- Netze
- Domaine politique NABS
- Erzeugung, Verteilung und rationelle Nutzung der Energie