Kordowich G, Kereit M, Gaube S, Böhme K, Jäger J (2026)
Publication Type: Conference contribution
Publication year: 2026
Conference Proceedings Title: Posterbeiträge der Schutz- und Leittechnikkonferenz
Event location: Leipzig
Konventionelle Schutzsysteme isolieren fehlerbehaftete Betriebsmittel erst nach dem Auftreten eines Kurzschlusses. Grundsätzlich lassen sich Kurzschlüsse in zwei Kategorien unterteilen: Einerseits plötzliche, spontan auftretende Fehler, verursacht beispielsweise durch Vögel oder abgeknickte Masten, andererseits systematisch auftretende, sich entwickelnde Fehler, die beispielsweise durch Degradation von Isolierungen oder vegetationsbedingte hochohmige Fehler entstehen. Während spontan auftretende Fehler nicht zu vermeiden sind, können sich entwickelnde Fehler in einem frühen Stadium erkannt werden, sodass präventive Maßnahmen ergriffen werden können, bevor Schwachstellen im Netz zu Kurzschlüssen führen.
Das Poster stellt einen „Proof of Concept“ für eine Machine Learning-basierte Fehlerfrüherkennung vor, der anhand eines über mehrere Jahre aufgezeichneten, mehr als 10 TB umfassenden Datensatzes evaluiert wurde. Der Datensatz enthält Ströme und Spannungen welche mit 14,4 kHz an verschiedenen Umspannwerken kontinuierlich aufgezeichnet wurden. Für die Fehlerfrüherkennung wurden verschiedene Merkmale aus dem Datensatz extrahiert. Mit Hilfe dieser Merkmale wurde ein Random Forest Algorithmus darauf trainiert die Charakteristika von sich entwickelnde Kurzschlüsse in den Messdaten zu erkennen und bis zu sieben Tage vor dem tatsächlichen Kurzschluss eine Warnmeldung abzugeben.
Der Machine-Learning Algorithmus kann 80 % der auftretenden Fehler in einem frühen Stadium erkennen. Die durchschnittliche Zeit zwischen der ersten Warnmeldung und einem auftretenden Kurzschluss beträgt 84,8 h und somit etwa 3,5 Tage. Die Untersuchung zeigt, dass die prädiktive Fehlerfrüherkennung eine vielversprechende Technologie ist, welche die konventionelle Schutztechnik ergänzen kann. Durch Integration weiterer Datenquellen des Digitalen Umspannwerks kann das Konzept zusätzlich optimiert werden kann und wird so zukünftig weiter an Bedeutung gewinnen.
APA:
Kordowich, G., Kereit, M., Gaube, S., Böhme, K., & Jäger, J. (2026). Prädiktive Fehlerfrüherkennung in Mittelspannungsnetzen. In Posterbeiträge der Schutz- und Leittechnikkonferenz. Leipzig.
MLA:
Kordowich, Georg, et al. "Prädiktive Fehlerfrüherkennung in Mittelspannungsnetzen." Proceedings of the VDE FNN/ETG TUTORIAL Schutz- und Leittechnik 2026, Leipzig 2026.
BibTeX: Download