• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • Inteligência artificial melhora a transmissão de força

    O projeto PrognoNetz visa monitorar as linhas aéreas em alta resolução e em tempo real. Crédito:ITIV, KIT

    Para integrar fontes renováveis ​​voláteis no fornecimento de energia, as capacidades da rede elétrica devem ser aumentadas. A necessidade de novas linhas pode ser reduzida pela melhor utilização das linhas existentes em função das condições climáticas. Para este fim, pesquisadores do Karlsruhe Institute of Technology (KIT) trabalham em redes de sensores de autoaprendizagem para modelar o efeito de resfriamento do clima com base em dados reais. Em condições favoráveis, a transmissão de energia da linha pode ser aprimorada dessa maneira.

    Rápida extensão do uso de fontes renováveis ​​de energia - energia eólica no norte, fotovoltaica no sul - e o crescente comércio internacional de energia resultam em requisitos crescentes na rede de transmissão de energia. Para transportar energia dos produtores aos consumidores, para evitar o desligamento temporário de usinas que geram energia de fontes regenerativas, em particular em ventos de alta intensidade, e para garantir alta segurança de abastecimento em geral, é necessária uma extensão considerável da infraestrutura de rede existente. Isso está associado a processos de licenciamento demorados e altos custos.

    Contudo, a necessidade de novas linhas de transmissão pode ser reduzida significativamente por uma melhor utilização das linhas aéreas existentes. "Desta maneira, o transporte de energia pode ser aumentado consideravelmente dependendo das condições meteorológicas, como a temperatura ambiente, irradiação solar, velocidade do vento, e direção do vento, "diz o professor Wilhelm Stork, chefe do Grupo de Tecnologia de Microssistemas do Instituto de Tecnologia de Processamento da Informação (ITIV) do KIT. "Este aumento pode ser alcançado sem exceder a temperatura máxima permitida do condutor e sem a distância do condutor do solo ou de objetos caindo abaixo do mínimo permitido." O vento, com seu efeito de resfriamento, que é influenciado pela topografia e vegetação locais, é de particular importância neste aspecto.

    O monitoramento da linha de transmissão em alta resolução e em tempo real é o objetivo do projeto coordenado pelo ITIV "PrognoNetz - Redes de sensores de autoaprendizagem para operação de linha de transmissão dependente do clima". Os parceiros do projeto são UBIMET GmbH Weather Service Karlsruhe, a operadora da rede de transmissão de Baden-Württemberg, TransnetBW GmbH, Stuttgart, a empresa de TI unilab AG Paderborn, GWU-Umwelttechnik GmbH Erftstadt, e Wilmers Messtechnik GmbH Hamburg. O projeto financiado pelo Ministério Federal da Economia e Energia (BMWi) teve início no início de 2019 e tem duração de três anos.

    No PrognoNetz, os parceiros de pesquisa e indústria desenvolverão amplas redes de sensores com sensores inteligentes que, ao contrário das estações meteorológicas convencionais, estão localizados próximos uns dos outros e perto de linhas aéreas para medir com precisão as condições meteorológicas. As redes de sensores são resistentes a condições ambientais adversas e fornecem dados críticos para o centro de controle sem fio. Com os próximos novos algoritmos, os sensores terão uma função de autoaprendizagem. Com base nos dados meteorológicos distribuídos medidos, eles gerarão automaticamente prognósticos precisos de carga de energia por horas ou até dias. Usando dados meteorológicos históricos e propriedades topográficas, modelos inteligentes serão desenvolvidos para qualquer linha de transmissão da rede elétrica. No PrognoNetz, Os cientistas do ITIV estão trabalhando em modelos de prognóstico baseados em inteligência artificial e em um sensor de vento baseado em laser, cuja precisão de medição é maior do que a dos sensores convencionais montados rigidamente. Além disso, drones não tripulados serão usados ​​para instalar e manter os sensores meteorológicos nos postes de energia.

    A rede meteorológica de autoaprendizagem a ser desenvolvida dentro da PrognoNetz será inicialmente aplicada às linhas de alta tensão existentes e aos equipamentos do parceiro TransnetBW. "Esta rede baseada em IA garantirá a utilização ideal das redes de energia existentes a qualquer momento, adaptando a operação às condições climáticas. Os gargalos podem ser superados, "Wilhelm Stork diz." Desta forma, o transporte de energia pode ser aumentado em 15 a 30 por cento em condições favoráveis, ou seja, uma temperatura externa baixa ou vento forte. "


    © Ciência https://pt.scienceaq.com