Resilienz für die Infrastruktur eines dezentralen Energiesystems durch Anwendung von KI

Ein resilientes Energiesystem muss auf unvorhergesehene Ereignisse vorbereitet sein und schnell reagieren können. Wie kann Künstliche Intelligenz zur Aufrechterhaltung kritischer Infrastrukturen beitragen?

Wir stellen verschiedene Einsatzbereiche vor. Die Lebensdauer von  elektrischen Maschinen hängt wesentlich von dem Zustand der Isolation ab und die Bewertung dieser erfolgt anhand von Teilentladungsmessungen. Die Messung und Auswertung von fehlerhaften Mustern soll zu auf maschinelles Lernen aufbauenden Algorithmen für elektrische Maschinen führen. Anhand von Forschungsergebnissen des Fraunhofer IEE werden für Windleistungsprognosen Sicherheitsschwächen KI-basierter Prognosemodelle aufgezeigt und Lösungen vorgestellt, um die Robustheit solcher Modelle gegenüber Dateninjektionsangriffen zu steigern. 

Als weiteren  Einsatzbereich stellen wir ein Tool zum Monitoring von Vegetationsveränderungen und deren Gefahrenpotenziale für elektrische Netze zum Nutzen von Netzbetreibern vor.