Detektion und Extraktion von Netzfehlern in Übertragungsnetzen

Die automatische Online-Klassifikation kritischer Netzsituationen (z.B. Generator- und Leitungsausfälle) auf Basis hochdynamischer Phasormessungen ermöglicht die Einleitung von Gegenmaßnahmen zur Vermeidung von Versorgungsausfällen und erhöht die Netzstabilität. Hierzu wurde neuartige Assistenzsysteme zur Ergänzung klassicher Übertragungsnetzleitwarten unter Einsatz maschineller Lernverfahren (z.B. Rekurrente Neuronale Netze) entwickelt. Verschiedene Ansätze wurden hierzu umgesetzt zur Auswertung von Online-Daten sowie zur unüberwachten Extraktion kritischer Fehlermuster in historischen Massendaten. Die Umsetzung der Methoden erfolgte in Python sowie Matlab unter Verwendung verschiedener Machine Learning-Toolboxen (z.B. Keras, Scikit, Tslearn).