Wertebasierte Optimierung von Asset Management Strategien für Mittelspannungsnetze mittels Künstlicher Intelligenz, Teilvorhaben: Systemische Anwendung und Mitentwicklung eines KI-basierten Predictive Maintenance Asset Management Systems für Mittelspannungsnetze

Description: Das Projekt wird unter anderem durch den stetig steigenden Kostendruck aufgrund der Anreizregulierung und die zunehmende Verknappung von materiellen sowie personellen Ressourcen, insbesondere im Zuge des Fachkräftemangels, motiviert. Deshalb muss der Einsatz der vorhandenen Ressourcen für Netzerneuerung, -ausbau und -instandhaltung möglichst effizient gestaltet werden. Gleichzeitig gewinnt im durch die Energiewende eingesetzten Transformationsprozess der Energielandschaft die Digitalisierung zunehmend an Bedeutung - wie auch aus dem gleichnamigen Gesetz zur Digitalisierung der Energiewende hervorgeht. Dabei besteht großes Potenzial, die in den letzten Jahren stetig verbesserten Fähigkeiten der Künstlichen Intelligenz (KI) im Kontext der Energiewende zu nutzen. Bisher ist der Einsatz von Methoden aus dem Bereich der KI und maschinellem Lernen auf der Ebene des Asset Managements für die weitere Optimierung von Instandhaltungs- sowie Erneuerungsstrategien jedoch, mit Ausnahme des Forschungsprojektes 'Predictive Asset Management' (PAM), wenig erforscht. Daher soll das Forschungsprojekt hier ansetzen und Methoden der KI umfassend auf die Ebene des Asset Managements für Betriebsmittel der gesamten Mittelspannungsebene übertragen. Im Zuge des Forschungsprojektes sollen gemeinsam mit der BUW zentrale normative Kennzahlen erarbeitet werden, welche als Grundlage für das Trainingsmodell der KI dienen sollen. Durch die Implementierung vorausschauender Wartungsstrategien für Assets wird eine erhöhte Planungssicherheit erwartet. Darüber hinaus sollen erhebliche Potenziale im Bereich der nachhaltigen Netzwirtschaft erschlossen werden. Die proaktive Wartung von Assets trägt zur Reduzierung der Treibhausgasemissionen, der Netzverluste und des Eigenverbrauchs der Liegenschaften bei. Diese Maßnahmen dienen als Indikatoren, sowohl für den Klimaschutz der Organisation als auch für das Ziel der Klimaneutralität bis 2045.

SupportProgram

Tags: Mittelspannungsnetz ? Energiewende ? Klimaneutralität ? Treibhausgasminderung ? Künstliche Intelligenz ? Klimaschutz ? Forschungsprojekt ? Kennzahl ? Ökonomisches Instrument ?

Region: Hessen

Bounding boxes: 9° .. 9° x 50.55° .. 50.55°

License: Creative Commons Namensnennung-keine Bearbeitung-Nichtkommerziell 4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Finanzielle Förderung)
• E-Netz Südhessen (Projektverantwortung)
• Stadtwerke Münster (Mitwirkung)
• Umweltbundesamt (Bereitstellung)

Time ranges: 2025-06-01 - 2028-05-31

Alternatives

• Language: Englisch/English
  Title: Sub-project: Systemic application and co-development of an AI-based predictive maintenance asset management system for medium-voltage grids
  Description: The project is motivated, among other things, by the constantly rising cost pressure due to incentive regulation and the increasing scarcity of material and human resources, particularly as a result of the shortage of skilled workers. The use of existing resources for grid renewal, expansion and maintenance must therefore be as efficient as possible. At the same time, digitalization is becoming increasingly important in the transformation process of the energy landscape initiated by the energy transition - as is also evident from the Act on the Digitalization of the Energy Transition of the same name. There is great potential to use the capabilities of artificial intelligence (AI), which have been steadily improving in recent years, in the context of the energy transition. However, with the exception of the 'Predictive Asset Management' (PAM) research project, the use of methods from the field of AI and machine learning at the asset management level for the further optimization of maintenance and renewal strategies has been little researched to date. The research project therefore aims to start here and transfer AI methods comprehensively to the level of asset management for equipment at the entire medium-voltage level. In the course of the research project, central normative key figures are to be developed together with the BUW, which are to serve as the basis for the AI training model. The implementation of predictive maintenance strategies for assets is expected to increase planning reliability. In addition, considerable potential is to be tapped into in the area of sustainable network management. The proactive maintenance of assets helps to reduce greenhouse gas emissions, grid losses and the properties' own consumption. These measures serve as indicators, both for the organization's climate protection and for the goal of climate neutrality by 2045. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1139372

Status

Aktiv

Quality score

• Overall: 0.51
• Findability: 0.71

  • Title: 1.00
  • Description: 0.24
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.