Per integrare le fonti rinnovabili volatili nell'approvvigionamento energetico, le capacità della rete elettrica devono essere aumentate. La necessità di nuove linee può essere ridotta mediante un migliore utilizzo delle linee esistenti in funzione delle condizioni meteorologiche. A tal fine, i ricercatori del Karlsruhe Institute of Technology (KIT) lavorano su reti di sensori ad autoapprendimento per modellare l'effetto di raffreddamento del tempo sulla base di dati reali. In condizioni favorevoli, la trasmissione di potenza della linea può essere migliorata in questo modo.

Rapida estensione dell'uso di fonti energetiche rinnovabili:energia eolica al nord, fotovoltaico nel sud – e il crescente commercio internazionale di energia comporta un aumento dei requisiti per la rete di trasmissione di energia. Per trasportare l'energia dai produttori ai consumatori, prevenire la fermata temporanea di impianti che generano energia da fonti rigenerative, in particolare ad alta intensità di vento, e per garantire un'elevata sicurezza dell'approvvigionamento in generale, è necessaria una notevole estensione dell'infrastruttura di rete esistente. Ciò è associato a processi di licenza che richiedono tempo e costi elevati.

Però, la necessità di nuove linee di trasmissione può essere ridotta significativamente da un migliore utilizzo delle linee aeree esistenti. "In questo modo, il trasporto di energia può essere notevolmente aumentato a seconda delle condizioni meteorologiche, come la temperatura ambiente, irraggiamento solare, velocità del vento, e direzione del vento, "dice il professor Wilhelm Stork, capo del Microsystem Technology Group dell'Institute for Information Processing Technology (ITIV) del KIT. "Questo aumento può essere ottenuto senza superare la temperatura massima consentita del conduttore e senza che la distanza del conduttore dal suolo o da oggetti scenda al di sotto del minimo consentito". Il vento con il suo effetto di raffreddamento che è influenzato dalla topografia e dalla vegetazione locali è di particolare importanza in questo senso.

Il monitoraggio della linea di trasmissione ad alta risoluzione e in tempo reale è l'obiettivo del progetto coordinato dall'ITIV "PrognoNetz – Reti di sensori ad autoapprendimento per il funzionamento della linea di trasmissione dipendente dal clima". I partner del progetto sono UBIMET GmbH Weather Service Karlsruhe, il gestore della rete di trasmissione del Baden-Württemberg TransnetBW GmbH, Stoccarda, la società informatica unilab AG Paderborn, GWU-Umwelttechnik GmbH Erftstadt, e Wilmers Messtechnik GmbH Amburgo. Il progetto finanziato dal Ministero Federale dell'Economia e dell'Energia (BMWi) è iniziato all'inizio del 2019 ed è previsto per una durata di tre anni.

All'interno di PrognoNetz, i partner di ricerca e industria svilupperanno ampie reti di sensori con sensori intelligenti che, a differenza delle stazioni meteorologiche convenzionali, sono posizionati vicini l'uno all'altro e vicino alle linee aeree per misurare con precisione le condizioni meteorologiche. Le reti di sensori sono resistenti a condizioni ambientali difficili e forniscono dati critici al centro di controllo in modalità wireless. Con i prossimi nuovi algoritmi, i sensori avranno una funzione di autoapprendimento. Sulla base dei dati meteorologici distribuiti misurati, genereranno automaticamente previsioni precise del carico di alimentazione per ore o addirittura giorni. Utilizzando i dati meteorologici storici e le proprietà topografiche, saranno sviluppati modelli intelligenti per qualsiasi linea di trasmissione della rete elettrica. All'interno di PrognoNetz, Gli scienziati di ITIV stanno lavorando su modelli di prognosi basati sull'intelligenza artificiale e su un sensore del vento basato su laser, la cui precisione di misura è superiore a quella dei sensori convenzionali montati rigidamente. Inoltre, verranno utilizzati droni senza pilota per installare e mantenere i sensori meteorologici sui pali dell'energia.

La rete meteorologica ad autoapprendimento da sviluppare all'interno di PrognoNetz sarà inizialmente applicata alle linee ad alta tensione esistenti e alle apparecchiature del partner TransnetBW. "Questa rete basata sull'intelligenza artificiale garantirà l'utilizzo ottimale delle reti elettriche esistenti in qualsiasi momento adattando il funzionamento alle condizioni meteorologiche. I colli di bottiglia possono essere superati, " Dice Wilhelm Stork. "In questo modo, il trasporto di energia può essere aumentato dal 15 al 30 percento in condizioni favorevoli, cioè una bassa temperatura esterna o un forte vento."