Forscher entwickeln AI-Pfad zur Verhinderung von Stromausfällen
Forscher der University of Texas in Dallas haben ein Modell der künstlichen Intelligenz (KI) entwickelt, das Stromnetzen helfen könnte, Stromausfälle zu verhindern, indem es den Strom innerhalb von Millisekunden automatisch umleitet.
Die Forscher der UT Dallas, die mit Ingenieuren der University at Buffalo in New York zusammengearbeitet haben, demonstrierten das automatisierte System in einer Studie, die am 4. Juni in Nature Communications veröffentlicht wurde.
Der Ansatz ist ein frühes Beispiel für die Technologie des „selbstheilenden Netzes“, bei der KI eingesetzt wird, um Probleme wie Stromausfälle selbstständig und ohne menschliches Eingreifen zu erkennen und zu beheben, wenn Probleme auftreten, wie z. B. durch einen Sturm beschädigte Stromleitungen.
„Unser Ziel ist es, den optimalen Weg zu finden, um die Mehrheit der Nutzer so schnell wie möglich mit Strom zu versorgen. Bevor dieses System umgesetzt werden kann, sind jedoch noch weitere Forschungsarbeiten erforderlich“.
Dr. Jie Zhang, außerordentlicher Professor für Maschinenbau an der Erik Jonsson School of Engineering and Computer Science
Das nordamerikanische Stromnetz ist ein ausgedehntes, komplexes Netz von Übertragungs- und Verteilungsleitungen, Erzeugungsanlagen und Transformatoren, das den Strom von den Energiequellen zu den Verbrauchern leitet.
Anhand verschiedener Szenarien in einem Testnetz haben die Forscher gezeigt, dass ihre Lösung automatisch alternative Routen für die Stromübertragung zu den Verbrauchern ermitteln kann, bevor es zu einem Stromausfall kommt. Der Vorteil der KI liegt in der Geschwindigkeit: Das System kann den Stromfluss innerhalb von Millisekunden automatisch umleiten, während derzeitige, von Menschen gesteuerte Prozesse zur Ermittlung alternativer Wege Minuten bis Stunden dauern können.
„Unser Ziel ist es, den optimalen Weg zu finden, um die Mehrheit der Nutzer so schnell wie möglich mit Strom zu versorgen“, sagt Dr. Jie Zhang, außerordentlicher Professor für mechanical engineering an der Erik Jonsson School of Engineering and Computer Science. „Bevor dieses System implementiert werden kann, ist jedoch noch weitere Forschung erforderlich.“
Zhang, Mitautor der Studie, und seine Kollegen verwendeten eine Technologie, die maschinelles Lernen auf Graphen anwendet, um die komplexen Beziehungen zwischen den Einheiten eines Stromverteilungsnetzes abzubilden. Beim maschinellen Lernen von Graphen wird die Topologie eines Netzes beschrieben, d. h. die Art und Weise, wie die verschiedenen Komponenten zueinander angeordnet sind und wie der Strom durch das System fließt.
Die Netztopologie kann auch eine entscheidende Rolle bei der Anwendung von KI spielen, um Probleme in anderen komplexen Systemen zu lösen, z. B. in kritischen Infrastrukturen und Ökosystemen, sagte Studienmitautorin Dr. Yulia Gel, Professorin für mathematische Wissenschaften an der Fakultät für Naturwissenschaften und Mathematik.
„In diesem interdisziplinären Projekt haben wir durch die Nutzung des Fachwissens unseres Teams in den Bereichen Stromversorgungssysteme, Mathematik und maschinelles Lernen untersucht, wie wir verschiedene Abhängigkeiten in den Verteilungssystemen mithilfe von Graphenabstraktionen systematisch beschreiben können“, so Gel. „Anschließend haben wir untersucht, wie die zugrundeliegende Netztopologie, integriert in das Reinforcement Learning Framework, für ein effizienteres Ausfallmanagement im Stromverteilungssystem genutzt werden kann.“
Der Ansatz der Forscher stützt sich auf Reinforcement Learning, das die besten Entscheidungen trifft, um optimale Ergebnisse zu erzielen. Unter der Leitung des Mitautors Dr. Souma Chowdhury, außerordentlicher Professor für Maschinenbau und Luft- und Raumfahrttechnik, konzentrierten sich die Forscher der University at Buffalo auf den Verstärkungslernaspekt des Projekts.
Wenn die Stromversorgung aufgrund von Leitungsfehlern unterbrochen wird, kann sich das System mithilfe von Schaltern neu konfigurieren und Strom aus nahegelegenen Quellen beziehen, z. B. aus großen Solaranlagen oder Batterien auf einem Universitätsgelände oder in einem Unternehmen, so Roshni Anna Jacob, Doktorandin der Elektrotechnik an der UTD und Mitautorin der Studie.
„Man kann diese Stromerzeuger nutzen, um ein bestimmtes Gebiet mit Strom zu versorgen“, so Jacob.
Nachdem sie sich auf die Verhinderung von Stromausfällen konzentriert haben, wollen die Forscher eine ähnliche Technologie zur Reparatur und Wiederherstellung des Netzes nach einer Stromunterbrechung entwickeln.
Source
The University of Texas at Dallas 2024 | Translated with www.DeepL.com/Translator
