Ziel dieses FuE-Vorhabens ist es, die Möglichkeiten und Vorteile eines standardisierten Referenzarchitekturkonzeptes für Netzleitsysteme durch die modulare Entwicklung und Kopplung von flexiblen und konsortial entwickelten, quelloffenen Big Data-Komponenten an kommerzielle, geschlossene Leitsysteme zu erforschen und exemplarisch zu demonstrieren. Zu diesem Zweck werden thematisch verwandte – jedoch stark unterschiedlich ausgeprägte – Anwendungsfälle zukünftiger Leitsysteme im Big Data-Kontext umgesetzt und deren Flexibilität bzgl. Austausch- und Kombinierbarkeit mit unterschiedlichen Leitsystemen über die definierten Schnittstellen des Architekturkonzeptes praktisch untersucht. Der Gebrauchstauglichkeit von Benutzungsschnittstellen für das Leitwarten- und Servicepersonal soll dabei besondere Bedeutung zukommen.
Darüber hinaus soll untersucht werden, wie sich Open Source-Governance-Prozesse zur Qualitätssicherung einer quelloffenen Referenzarchitektur sowie der entwickelten Open Source-Module für sicherheitskritische Anwendungen übertragen lassen und wie Verwertungsmodelle für konsortial entwickelte Leitsystemkomponenten aussehen können.
Big Data hält Einzug in die Verteilnetze: Netzbetreiber nutzen in immer größerem Umfang Prognoseverfahren, um die heute weitgehend von dezentralen Energieerzeugungsanlagen geprägten Netze zu steuern. Steuerungs- und Messdaten für technische Anlagen sowie Energiemessdaten der Kunden erzeugen ein stetig wachsendes Datenvolumen. Für die Netzbetreiber entsteht die große Herausforderung, diese Daten effizient zu managen und dabei höchste Sicherheitsstandards zu gewährleisten. Für größere Verteilnetzbetreiber wird die Energiewende die Situation sogar noch verschärfen, da sie zusätzliche Messwerte aus der Mittel- und Niederspannungsebene erforderlich macht. Das steigende Datenvolumen macht es zudem notwendig, schnell auf diese Daten zugreifen zu können, um Verarbeitungsschritte für den operativen Netzbetrieb daraus abzuleiten. Die Handhabung der Daten wird somit zunehmend zu einer Herausforderung.
Im vorliegenden Vorhaben sollen vorhandene Archiv- und Datenbanklösungen kommerzieller Leitsystemlösungen durch eine Big Data-Komponente zur Speicherung und Verarbeitung großer Datenmengen erweitert und zusätzlich um ein System für die Auswertung und (Vor-)Verarbeitung von Mess- und Sensordaten in Echtzeit ergänzt werden. Durch die Erweiterung vorhandener Datenarchive um derartige Big Data-Lösungen werden die Voraussetzungen geschaffen, die immer umfangreichere und steigende Menge an Mess-, Sensor- und Ereignisdaten komfortabel und nutzbringend in die Netzbetriebsführung zu integrieren. Dies lässt sich mit klassischen Datenbanktechnologien kommerziell verfügbarer Leitsystemlösungen bislang nicht realisieren, da die Möglichkeiten, die solche Systeme mit sich bringen, in der Netzführung bislang noch weitgehend unbekannt sind. Durch die Ergänzung von Leitsystemen um echtzeitfähige Datenstromtechnologien wird es möglich werden, auf den im Leitsystem ankommenden Datenmengen neuartige Verfahren für automatisiertes Netz-Monitoring und Betriebsführung zu erproben.
Andre Goering, Juergen Meister, Sebastian Lehnhoff, Peter Herdt, Martin Jung, Matthias Rohr; Proceedings of the 24th CIRED International Conference on Electricity Distribution; 06 / 2017
Anand Narayan, Carsten Krüger, Andre Göring, Davood Babazadeh, Marie-Christin Harre, Bertram Wortelen, Andreas Luedtke, Sebastian Lehnhoff; International ETG-Congress 2019; ETG Symposium; 2019
Jürgen Meister, Sebastian Lehnhoff, Andre Göring, Thomas Altherr, Maike Salbeck; Proceedings of the 16th Symposium Energieinnovation,; 02 / 2020
Andre Göring, Michael Brand, Jad Asswad, Patrick Bruns, Norman Ihle, Michael Specht, Carsten Saathoff, Bernd Grünefeld, Jörg Friebe, Tim Rasim, Marcel Winter; openKONSEQUENZ, Berlin; 02 / 2020
Andre Göring, Michael Brand, Jad Asswad, Patrick Bruns, Norman Ihle, Adrian Jimenez, Michael Specht, Carsten Saathoff, Bernd Grünefeld, Jörg Friebe, Tim Rasim; openKONSEQUENZ, Berlin; 05 / 2020
Andre Göring, Tilo Mentler; openKONSEQUENZ, Berlin; 12 / 2020
Förderkennzeichen:
03ET7564A