„Planning Smarter Grids“ – der Claim von Adaptricity gilt nicht nur für einzelne, lokale Netze, sondern er steht gleichermassen für grosse Netzgebiete mit grossen Messdaten-Sets. Was im Kleinräumigen Vorteile schafft, entfaltet sein gesamtes Potenzial erst recht in der Analyse und Optimierung grosser Netzgebiete mit ungleich viel mehr Datenpunkten von Stromproduzenten und Stromnutzern. Mit der Grösse eines Gebiets steigt auch der Nutzen eines digital geplanten, überwachten und gesteuerten Netzgebiets. Die Netzzuverlässigkeit steigt, während gleichzeitig die Kosten sinken. Es erstaunt deshalb nicht, wenn in der Energiepolitik als auch zunehmend bei den grossen Versorgern die Ambitionen bestehen, die Stromnetze ganzer Länder als Digitale Zwillinge detailliert abzubilden und für Netzanalysen und Netzbetrieb verfügbar zu machen.
Und dieses „Nutzbar machen“ grosser Datenmengen ist die nächste Stufe der Digitalisierung. Ziel ist es detaillierte Einblicke bis in die untersten Netzebenen – und damit nahezu vollständige Netztransparenz – zu erhalten. Damit mit wenigen Klicks sichtbar wird, wann und wo im gesamten Netzgebiet betriebliche Herausforderungen wie Netzengpässe auftreten können. Aber nicht nur das. Durch das Einbinden realer Messdaten (Trafo-Messungen, SmartMeter, PV-Produktion) ins Netzmodell – je nach Datenqualität und -verfügbarkeit auch mittels Ergänzung durch synthetische Lastprofile – wird die bestmögliche digitale Abbildung der Netzinfrastruktur und dessen Betrieb möglich. Und zwar von der Hochspannungsebene bis zum Niederspannungs-Hausanschluss. Damit können Netzanalysen und Netzinvestionen genauer, robuster und mit zahlreichen Zukunftsszenarien geplant werden. Und es muss nicht wie bisher üblich auf oft sehr grobe Netzmodelle und vielen vagen Annahmen zum Netzbetrieb abgestellt werden.
Das folgende Kurzvideo veranschaulicht dies auf einfache Art und Weise:
Kundennutzen:
Dank der Verfügbarkeit grosser Datenmengen werden detaillierte Einblicke in den Netzzustand möglich – in der Vergangenheit und in der Zukunft, z. B. Leitungsbelastung, Spannungsprobleme, Kapazitätsprobleme, Transformatorbelastung. Dadurch erhalten Sie eine fundiertere Entscheidungsgrundlage. Und zwar kurzfristig für einen effizienteren und robusteren Netzbetrieb sowie langfristig für Netzplanung und Netzinvestitionen:
Proof of Concept:
Adaptricity hat bereits erfolgreiche Proof-of-Concept-Projekte in Betrieb, so beispielsweise mit einem sehr grossen südeuropäischen Netzbetreiber für eine Grosstadt-Agglomeration. Dieses Projekt umfasst mehr als eine Million SmartMeter-Messpunkte im Netzgebiet, das von der Hochspannung- bis zur Niederspannungsebene detailliert als Netzmodell abgebildet wird.
Möglich wurde dies, weil Adaptricity ihre Lastfluss-Engine verbessert hat, die Rechenaufgaben stark parallelisiert hat und die Adaptricity-Plattform darüber hinaus eine hochperformante Datenverarbeitung ermöglicht. Damit wird die Adaptricity-Plattform zu einem erstklassigen Berechnungstool für Netzgebiete und Netzmodelle jeder Grösse und jeder Detaillierungsstufe.
Gerne erklären wir Ihnen persönlich, wie wir Sie im digitalen Handling grosser Netze und grossen Messdaten-Sets unterstützen können. Nehmen Sie mit uns Kontakt auf!
© 2022 All rights reserved | Powered by SIDORA AG
Cookie | Dauer | Beschreibung |
---|---|---|
cookielawinfo-checkbox-advertisement | 1 year | Set by the GDPR Cookie Consent plugin, this cookie is used to record the user consent for the cookies in the "Advertisement" category . |
cookielawinfo-checkbox-analytics | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics". |
cookielawinfo-checkbox-functional | 11 months | The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional". |
cookielawinfo-checkbox-necessary | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
cookielawinfo-checkbox-others | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other. |
cookielawinfo-checkbox-performance | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance". |
CookieLawInfoConsent | 1 year | Records the default button state of the corresponding category & the status of CCPA. It works only in coordination with the primary cookie. |
elementor | never | This cookie is used by the website's WordPress theme. It allows the website owner to implement or change the website's content in real-time. |
PHPSESSID | session | This cookie is native to PHP applications. The cookie is used to store and identify a users' unique session ID for the purpose of managing user session on the website. The cookie is a session cookies and is deleted when all the browser windows are closed. |
viewed_cookie_policy | 11 months | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
Cookie | Dauer | Beschreibung |
---|---|---|
_ga | 2 years | The _ga cookie, installed by Google Analytics, calculates visitor, session and campaign data and also keeps track of site usage for the site's analytics report. The cookie stores information anonymously and assigns a randomly generated number to recognize unique visitors. |
_gat_gtag_UA_143308488_1 | 1 minute | Set by Google to distinguish users. |
_gat_gtag_UA_50068507_1 | 1 minute | Set by Google to distinguish users. |
_gid | 1 day | Installed by Google Analytics, _gid cookie stores information on how visitors use a website, while also creating an analytics report of the website's performance. Some of the data that are collected include the number of visitors, their source, and the pages they visit anonymously. |
CONSENT | 2 years | YouTube sets this cookie via embedded youtube-videos and registers anonymous statistical data. |
Cookie | Dauer | Beschreibung |
---|---|---|
VISITOR_INFO1_LIVE | 5 months 27 days | A cookie set by YouTube to measure bandwidth that determines whether the user gets the new or old player interface. |
YSC | session | YSC cookie is set by Youtube and is used to track the views of embedded videos on Youtube pages. |
yt-remote-connected-devices | never | YouTube sets this cookie to store the video preferences of the user using embedded YouTube video. |
yt-remote-device-id | never | YouTube sets this cookie to store the video preferences of the user using embedded YouTube video. |
Cookie | Dauer | Beschreibung |
---|---|---|
sw | 1 year | No description available. |