Energienetzmanagement: Minimierung von Ausfallzeiten durch Verringerung von Stromverlusten und Netzüberlastungen

Project Details

Title:
Customer:
Industry:
Period of project:
Budget:
Est. value/ROI:
How many persons in project:
Used Technologies:
Hash-Tags/Keywords:
Project Category:
Service-Einblicke

Herausforderung

Hawai ist vom übrigen amerikanischen Energienetz unabhängig und muss seine Energieerzeugung selbst regeln. Zu diesem Zweck verfügt die Insel Oahu über zwei meerwassergekühlte Kraftwerke und nur wenig erneuerbare Energien. Wenn eines der beiden Kraftwerke ausfällt oder seine Einspeisung in das Netz reduzieren muss, kommt es häufiger zu Stromausfällen aufgrund einer Netzüberlastung. Das Projekt an der Universität von Hawai hatte zum Ziel, diese Stromausfälle zu reduzieren.

Lösung

Ziel war es, einen Prototyp zu entwickeln, der nicht dringend benötigte Anlagen wie Warmwasserbereiter oder Klimaanlagen erkennt und in Echtzeit eine mögliche Energiereserve zur Stabilisierung des Netzes errechnet. Außerdem sollte ein sicherer Mechanismus entwickelt werden, mit dem die so identifizierten Geräte vorübergehend aus der Ferne abgeschaltet werden können, um das Netz im Falle einer drohenden Überlastung zu stabilisieren. Zu diesem Zweck wurde mit dem Fachbereich „Elektrotechnik“ ein Prototyp auf der Basis von Odroid entwickelt und in mehreren Haushalten eingesetzt. Die Daten wurden an einen zentralen Server gesendet, wo sie in Echtzeit analysiert und eine Prognose für die nächsten zehn Minuten berechnet wurde.

Ergebnis

Durch die Implementierung dieses Systems kann das Energienetz durch eine selektive Netzentlastung stabilisiert werden. Gleichzeitig ist sichtbar, wie viel Reserve verfügbar ist. Diese Lösung ermöglicht eine bessere Kontrolle des Stromnetzes und reduziert Stromausfälle insgesamt. Nach Angaben des US-Verteidigungsministeriums beliefen sich die Kosten für Stromausfälle von mindestens 8 Stunden im Jahr 2015 auf 179.087 US-Dollar pro Tag bzw. 690.000 US-Dollar pro Tag für Gesundheitseinrichtungen wie Krankenhäuser. Für jeden nicht eingetretenen Ausfall spart diese Lösung 870.000 Dollar an Kosten.

Data Science-Anwendung

Die Anwendung verwendet Algorithmen zur Mustererkennung in Python sowie ARIMA-Modelle in R für die Vorhersage.

Bereit für die Zusammenarbeit?

Lösen Sie komplexe Probleme mit Data Science und KI. Treffen Sie Entscheidungen auf der Grundlage von Fakten, nicht von Instinkten, und verschaffen Sie sich einen nachhaltigen Vorteil.