Mit der zunehmenden Klimalage und der Expansion der elektrischen Infrastruktur in Risikobereiche ist die Herausforderung der Waldbrandprävention sowohl dringend als auch komplex geworden. Dieses Whitepaper erläutert, wie Eaton digitale Innovation, KI und kollaborative Forschung nutzt, um Strategien zur Bekämpfung von Waldbränden für Versorgungsunternehmen und kritische Anlagen zu verändern.
Waldbrände haben sich in den letzten zwei Jahrzehnten mehr als verdoppelt und weitreichende Umweltschäden, wirtschaftliche Verluste und Bedrohungen der öffentlichen Sicherheit verursacht. Millionen von Hektar brennen jährlich, wobei Stromnetzfehler in vielen Regionen als Hauptzündquelle auftreten. Heute stehen in den USA durchschnittlich über 61.000 Waldbrände pro Jahr auf einer Fläche von rund 10 Millionen Hektar bevor. Diese zunehmende Bedrohung unterstreicht die dringende Notwendigkeit einer schnelleren und genaueren Erkennung von elektrischen Fehlern, die Brände auslösen können.
Herkömmliche Netzschutzsysteme wurden nicht entwickelt, um subtile, sich entwickelnde Fehlerzustände zu erkennen, die zu einer Zündung führen können. Während sich Versorgungsunternehmen auf Maßnahmen wie die Abschaltung von öffentlichen Sicherheitsstrom verlassen haben, sind diese Ansätze störend und langfristig nicht nachhaltig. Digitale, datengesteuerte Lösungen sind unerlässlich, um das Risiko von Waldbränden zu reduzieren und gleichzeitig die Netzzuverlässigkeit zu erhalten.
HiZ-Fehler treten auf, wenn Leiter mit Bäumen, Erdoberflächen oder beschädigten Geräten in Kontakt kommen und niedrige Ströme erzeugen, die der normalen Lastaktivität ähneln. Diese Fehler sind bekanntermaßen schwierig zu erkennen, da ihre elektrischen Signaturen je nach Vegetationstyp, Bodenbedingungen, Luftfeuchtigkeit, Systemspannung und Wetter variieren. Wenn HiZ-Fehler unerkannt bleiben, können sie einen Lichtbogen erzeugen und den umliegenden Kraftstoff entzünden.
Um diese Herausforderung zu bewältigen, arbeitete Eaton mit dem U.S. Army Corps of Engineers und dem National Renewable Energy Laboratory (NREL) zusammen, um eine KI-basierte, datengesteuerte HiZ-Erkennungslösung zu entwickeln. Durch Hunderte von kontrollierten Laborexperimenten, Simulationen und Felddatenerfassung erfasste das Team Fehlerunterschriften aus der Praxis und erstellte eine der bisher umfassendsten HiZ-Datenbibliotheken.
Die Lösung von Eaton kombiniert integrierte High-Fidelity-Messungen, maschinelle Lernanalysen und Edge-basierte Verarbeitung, um eine hochpräzise Fehlererkennung zu ermöglichen. Fortschrittliche KI-Modelle analysieren hochpräzise Strom- und Spannungsdaten direkt an Netzkantengeräten und ermöglichen eine schnelle Erkennung ohne Abhängigkeit von kontinuierlicher Kommunikation. In Labortests hat die Technologie eine Erkennungsgenauigkeit von mehr als 90 % gezeigt.
Die Technologie wird nun durch Versorgungsprojekte in ganz Nordamerika validiert, die in Live-Verteilungssystemen mit Eatons Netzstromanlagen eingesetzt werden. Diese Pilotprojekte bieten wichtige Einblicke in die realen Betriebsbedingungen, helfen, Fehlalarme zu reduzieren und die Systemleistung zu verbessern, wodurch die Lösung näher an den kommerziellen Einsatz herangeführt wird.
Die Vermeidung von Waldbränden ist keine Herausforderung, die ein einzelnes Unternehmen allein lösen kann. Der Ansatz von Eaton betont die enge Zusammenarbeit mit Versorgungsunternehmen, Regierungsbehörden, nationalen Laboren von Forschungseinrichtungen und Industriepartnern, um Innovationen zu beschleunigen, Ergebnisse zu validieren und Lösungen zu skalieren, die die Ausfallsicherheit des Netzes stärken.
Eaton hat sich verpflichtet, zukunftssichere Technologien zu entwickeln, die globale Herausforderungen im Energiemanagement angehen und die Waldbrandbekämpfung durch nachhaltige Investitionen in Forschung, Digitalisierung und KI-gesteuerte Technologien vorantreiben. Durch die direkte Integration von Informationen in die Netzinfrastruktur möchte Eaton Versorgungsunternehmen dabei helfen, das Risiko von Waldbränden zu reduzieren, das Situationsbewusstsein zu verbessern und eine sicherere und widerstandsfähigere Energiezukunft aufzubauen.
Souvik Chandra, PhD, Senior Specialist Engineer, Eaton
Madhab Paudel, PE, Lead Distribution, Protection Engineer, Eaton
Nisar Baloch, PE, Global Product Manager for Overhead Switchgear and Control, Eaton
Xiangying (Linda) Meng, PhD, Data Science Specialist, Eaton
E-Mail senden
MyEatonFAQs
