Mit der auf künstlicher Intelligenz basierenden IT-Lösung lassen sich künftige Materialschäden um ein Drittel verringern.

Mit der auf künstlicher Intelligenz basierenden IT-Lösung lassen sich künftige Materialschäden um ein Drittel verringern. (Quelle: VNG/Torsten Proß, Jeibmann Photografik)

Mit künstlicher Intelligenz will Netze BW künftig Schäden in Gasleitungen frühzeitig abschätzen, um Netzbaumaßnahmen schon vor Eintritt eines tatsächlichen Schadens planen und durchführen zu können. Das erhöht die Zuverlässigkeit im Gasnetz, und Instandhaltungs- und Erneuerungsmaßnahmen können effizienter und wirtschaftlicher umgesetzt werden. Die neue IT-Lösung wird ab Januar 2021 regulär bei allen Planungen eingesetzt.

Die Entwicklung der IT-Lösung erfolgte durch maschinelles Lernen (Machine Learning). Dabei wurden digitale Modelle bestehender Gasnetze mithilfe von Erfahrungswerten aus der Vergangenheit für die Vorhersage von Materialschäden auf Stahl- und Polyethylen-Leitungen trainiert und getestet. „Mithilfe dieser skalier- und austauschbaren Modelle können künftige Schadensraten auf Rohrleitungen abgeschätzt und Netzbaumaßnahmen vor Eintritt eines tatsächlichen Schadens zielgerichtet geplant und durchgeführt werden“, erläutert Tobias Zeh, Leiter des Projekts. Ein wesentliches Ergebnis der durchgeführten Simulationen: Wenn ein Prozent der Leitungen mit der größten vorhergesagten Schadensrate aus dem Gesamtbestand ausgetauscht werden, dann können fast ein Drittel der künftig auftretenden Materialschäden vermieden werden.

Basis für die Machine-Learning-Modelle, die in Zusammenarbeit mit dem Spin-Off Eracons der Technischen Universität München entwickelt wurden, bilden Bestands- und historische Schadensdaten, Geoinformationen und weitere externe Daten. Um die Randbedingungen aus der Praxis realistisch abzubilden, wurde in die Modelle außerdem umfassendes Praxisfeedback von Anwendern aus Anlagenmanagement, Netzplanung, Projektierung und Betrieb eingearbeitet.

„Mit dem KI-basierten Ansatz lassen sich Erneuerungsmaßnahmen besser priorisieren, Projekte sinnvoll bündeln und eine darauf abgestimmte Ressourcenplanung durchführen,“ fasst Dr. Tobias Krauss, verantwortlich für den Bereich Data Analytics bei der Netze BW, zusammen. „Damit bietet das von uns entwickelte Framework das Potential, die Instandhaltung und Erneuerung gesamtheitlich zu optimieren."

ew-Redaktion

Ähnliche Beiträge