Intégrer les sources renouvelables volatiles dans l'approvisionnement énergétique, les capacités du réseau électrique doivent être augmentées. Le besoin de nouvelles lignes peut être réduit par une meilleure utilisation des lignes existantes en fonction des conditions météorologiques. À cette fin, des chercheurs de l'Institut de technologie de Karlsruhe (KIT) travaillent sur des réseaux de capteurs d'auto-apprentissage pour modéliser l'effet de refroidissement de la météo sur la base de données réelles. Dans des conditions favorables, la transmission de puissance de la ligne peut ainsi être améliorée.

Extension rapide de l'utilisation des sources d'énergie renouvelables – l'énergie éolienne dans le nord, photovoltaïque dans le sud – et l'augmentation du commerce international de l'électricité entraînent des exigences croissantes sur le réseau de transport d'électricité. Pour transporter l'électricité des producteurs aux consommateurs, empêcher l'arrêt temporaire des centrales qui produisent de l'électricité à partir de sources régénératives, en particulier aux fortes intensités de vent, et assurer une sécurité d'approvisionnement élevée en général, une extension considérable de l'infrastructure de réseau existante est nécessaire. Ceci est associé à des processus d'octroi de licences longs et à des coûts élevés.

Cependant, le besoin de nouvelles lignes de transmission peut être considérablement réduit par une meilleure utilisation des lignes aériennes existantes. "De cette façon, le transport d'énergie peut être considérablement augmenté en fonction des conditions météorologiques, comme la température ambiante, rayonnement solaire, vitesse du vent, et la direction du vent, " dit le professeur Wilhelm Stork, chef du Microsystem Technology Group de l'Institute for Information Processing Technology (ITIV) du KIT. "Cette augmentation peut être obtenue sans dépasser la température maximale admissible du conducteur et sans que la distance du conducteur par rapport au sol ou aux objets ne tombe en dessous du minimum admissible." Le vent avec son effet de refroidissement qui est influencé par la topographie et la végétation locales est d'une importance particulière à cet égard.

La surveillance des lignes de transmission à haute résolution et en temps réel est l'objectif du projet coordonné par ITIV "PrognoNetz - Réseaux de capteurs auto-apprenants pour l'exploitation des lignes de transmission en fonction des conditions météorologiques". Les partenaires du projet sont UBIMET GmbH Weather Service Karlsruhe, le gestionnaire de réseau de transport du Bade-Wurtemberg TransnetBW GmbH, Stuttgart, la société informatique unilab AG Paderborn, GWU-Umwelttechnik GmbH Erftstadt, et Wilmers Messtechnik GmbH Hambourg. Le projet financé par le ministère fédéral de l'Économie et de l'Énergie (BMWi) a démarré début 2019 et est prévu pour une durée de trois ans.

Au sein de PrognoNetz, les partenaires de la recherche et de l'industrie développeront de vastes réseaux de capteurs avec des capteurs intelligents qui, contrairement aux stations météorologiques conventionnelles, sont situés à proximité les uns des autres et à proximité des lignes aériennes afin de mesurer avec précision les conditions météorologiques. Les réseaux de capteurs résistent aux conditions ambiantes difficiles et fournissent des données critiques au centre de contrôle sans fil. Avec de nouveaux algorithmes à venir, les capteurs auront une fonction d'auto-apprentissage. Sur la base des données météorologiques distribuées mesurées, ils généreront automatiquement des prévisions de charge électrique précises pendant des heures, voire des jours. En utilisant les données météorologiques historiques et les propriétés topographiques, des modèles intelligents seront développés pour n'importe quelle ligne de transmission du réseau électrique. Au sein de PrognoNetz, Les scientifiques de l'ITIV travaillent sur des modèles de pronostic basés sur l'intelligence artificielle et sur un capteur de vent à base de laser, dont la précision de mesure est supérieure à celle des capteurs conventionnels montés rigidement. En outre, des drones sans pilote seront utilisés pour installer et entretenir les capteurs météorologiques sur les poteaux électriques.

Le réseau météorologique d'auto-apprentissage qui sera développé au sein de PrognoNetz sera dans un premier temps appliqué aux lignes et équipements à haute tension existants du partenaire TransnetBW. « Ce réseau basé sur l'IA garantira une utilisation optimale des réseaux électriques existants à tout moment en adaptant le fonctionnement aux conditions météorologiques. Les goulots d'étranglement peuvent être surmontés, " Wilhelm Stork dit. " De cette façon, le transport d'énergie peut être augmenté de 15 à 30 pour cent dans des conditions favorables, c'est-à-dire une température extérieure basse ou un vent fort."