de.wedoany.com-Bericht: Die Corinex Corp. und die Plexigrid S.L. haben eine strategische Kooperationsvereinbarung unterzeichnet und gemeinsam die Plattform „Corinex Plexigrid Intelligence" eingeführt, die auf hochpräzisen Energiedaten basiert und für den Betrieb von Nieder- und Mittelspannungsnetzen ausgelegt ist.

Vor dem Hintergrund der zunehmenden Verbreitung energieintensiver Künstlicher Intelligenz, der beschleunigten Elektrifizierung in Industrie und Verkehr sowie des starken Wachstums dezentraler Energiequellen stehen Netzbetreiber vor den größten technischen Herausforderungen seit Jahrzehnten: Sie müssen ein dezentrales, intermittierendes, bidirektionales Stromsystem mit Millionen dezentraler Energiequellen in Echtzeit planen, betreiben und steuern. Die Lösung dieses Problems erfordert ein völlig neues Maß an Transparenz, Intelligenz und Steuerung in den Nieder- und Mittelspannungsnetzbereichen – genau das ist das Kernziel dieser Zusammenarbeit.

Die Produkte von Corinex überwachen das physische Stromnetz und greifen ein, während die Software von Plexigrid das Netz modelliert und optimiert. Die Partnerschaft vereint diese beiden komplementären Fähigkeiten und verbindet Echtzeit-Felddaten mit digitalen Zwillingsanalysen, Kapazitätsentscheidungen und Flexibilitätsmaßnahmen. Die integrierte Lösung hilft Energieversorgern, Spannungszustände im Netz in Echtzeit zu erkennen, verfügbare Kapazitäten zu ermitteln und bei Erreichen der Netzgrenzen zu reagieren.

Basierend auf der Breitband-Powerline-Kommunikationsarchitektur (BPL) und den Edge-Computing-Fähigkeiten von Corinex verteilt die Lösung Sensorik, Verarbeitung und Intelligenz über das gesamte Netz, sodass der digitale Zwilling von Plexigrid umfassendere und genauere Informationen über die Netzkomponenten erhält.

Übertragungsnetze werden durch hochauflösende Messtechnik an jedem Knotenpunkt in Echtzeit modelliert und betrieben und sind auf spezielle Topologie-Teams angewiesen, um präzise elektrische Topologiestrukturen zu wahren und die Anforderungen an die „Beobachtbarkeit" zu erfüllen. Die Ausweitung dieses Ansatzes von Tausenden Übertragungsknoten auf zig Millionen Verteilungsknoten würde jedoch Hunderte Milliarden kosten und Hunderttausende Mitarbeiter erfordern, was kaum realisierbar ist. Infolgedessen sind 99 % der Netzknoten noch nicht modelliert. Plexigrid bietet eine Alternative: Sein digitaler Zwilling ist mit einer Bayes'schen KI-Schicht ausgestattet, die aus den bereits vorhandenen Systemen der Netzbetreiber (z. B. GIS für den Außendienst und AMI für die Abrechnung) die elektrische Topologie und den Netzzustand rekonstruiert und so Transparenz und Kontrolle in bisher unbeobachteten oder nur teilweise beobachteten Bereichen schafft. Allerdings erreichen diese Bayes'schen digitalen Zwillinge nicht die Zeitauflösung und Genauigkeit von Übertragungssteuerungssystemen.

Die BPL von Corinex hebt die Leistung des digitalen Zwillings durch die Hinzufügung einer niedriglatenz- und hochauflösenden Instrumentierungs- und Steuerungsebene auf ein neues Niveau und ergänzt die Informationen, die Netzbetreiber von Zählern, Leitungen und anderen Anlagen erhalten. Die auf Niederspannungsleitungen installierten „Grid Intelligence Nodes" von Corinex erhöhen die Anzahl der Messpunkte und liefern detailliertere physikalische Netzmessdaten, sodass der digitale Zwilling Last, Spannung, Stromqualität und neu auftretende Probleme besser erkennen kann. Im Leistungsvergleich erreichte der digitale Zwilling bei Verwendung von PLC-Smart-Metern eine Zeitauflösung von 5–60 Minuten, eine Schätzgenauigkeit von etwa 90–95 %, eine Betriebsunsicherheit von etwa 5–10 %, einen erforderlichen Sicherheitsspielraum von etwa 10–20 % und eine konservative Anlagenauslastung von etwa 80 % der Grenzwerte. Mit Corinex BPL hingegen verbesserte sich die Zeitauflösung auf 1 Minute, die Schätzgenauigkeit auf etwa 99 %, die Betriebsunsicherheit sank auf etwa 1 %, der erforderliche Sicherheitsspielraum auf etwa 2–5 %, und die Anlagenauslastung wurde optimiert und näherte sich den tatsächlichen Grenzwerten an.

Corinex und Plexigrid nutzen BPL als Architekturgrundlage für verteilte Netzintelligenz. Die Plattform verarbeitet Daten in der Nähe von Umspannwerken, Leitungen und Netzanlagen. Die Netzintelligenz ist in die Lösungen beider Unternehmen integriert und zielt darauf ab, Verteilnetzbetreibern optimale Leistung und Nutzen zu bieten, einschließlich Echtzeit-Datenvalidierung, lokaler Analyse und Frühwarnung vor Anomalien. Die Plattform unterstützt zudem Modellierung, Prognose, Planung, Berichterstattung und die Anbindung an andere Versorgungssysteme und schafft letztlich eine verteilte Intelligenzschicht, die die Situation vor Ort mit digitalen Modellen und Entscheidungen der Energieversorger verbindet.

Peter Sobotka, Gründer und CEO der Corinex Corp., erklärte, Energieversorger benötigten eine Intelligenzschicht, die das physische Netz beobachten, sich ändernde Zustände verstehen und schnelles Handeln ermöglichen könne. Corinex biete BPL, GIN und Edge-Fähigkeiten, während Plexigrid dies durch digitale Zwillinge und Flexibilitätsmanagementfunktionen ergänze und so bessere Entscheidungen in Bezug auf Kapazität, Investitionen und Betrieb ermögliche. Alberto Méndez, CEO und Mitbegründer von Plexigrid, wies darauf hin, dass die Zusammenarbeit es ermögliche, Modelle auf der Grundlage hochauflösender Informationen des physischen Netzes zu erstellen und durch die Kombination von verteilter Verarbeitung und fortschrittlicher Netzanalyse die Grundlage für Planung, Flexibilität und täglichen Betrieb zu schaffen.

Die Corinex Corp. bietet Technologien zur Stärkung von Nieder- und Mittelspannungsnetzen. Ihre Plattform fungiert als digitale Infrastruktur für Netzkapazitäten und versorgt Versorgungsunternehmen mit den erforderlichen Daten und Steuerungsmöglichkeiten, um Engpässe zu beseitigen, verfügbare Kapazitäten zu schaffen und bestehende Anlagen optimal zu nutzen. Plexigrid entwickelt KI-basierte digitale Zwillinge und Orchestrierungslösungen für Netztransparenz, Planung und Flexibilitätsmanagement und hilft Energieversorgern, den Netzzustand zu modellieren, Engpässe zu identifizieren, verfügbare Kapazitäten zu bewerten und flexible Ressourcen zu koordinieren.