Forscher entwickeln KI zur Blitzreaktion: Stromausfälle verhindern durch schnelle Umleitungen in Mikrosekunden

BerlinWissenschaftler der University of Texas in Dallas haben ein KI-Modell entwickelt, um Stromausfälle zu verhindern. Diese Technologie kann Elektrizität schnell umleiten. Bei Tests an einem Netzwerk zeigte sich, dass sie eigenständig Probleme erkennen und beheben kann, ohne menschliche Hilfe.

Die Technologie leitet Elektrizität schnell um, nutzt Graph-basierte maschinelles Lernen zur Analyse des Netzwerks, wendet Verstärkungslernen für Entscheidungen an und kann Energie aus nahegelegenen Quellen wie Solarpanels beziehen.

Dieses KI-Modell ist ein Teil der Technologie, die Probleme im Stromnetz schnell behebt. Es verwendet maschinelles Lernen, um zu verstehen, wie das Netz aufgebaut ist und wie der Strom sich darin bewegt. Diese Erkenntnisse ermöglichen es der KI, den Strom automatisch umzuleiten, wenn Störungen auftreten, beispielsweise wenn Stromleitungen durch Stürme beschädigt werden.

Das nordamerikanische Stromnetz besteht aus Leitungen, Transformatoren und Kraftwerken. Sein reibungsloser Betrieb ist von entscheidender Bedeutung. Derzeit entscheiden Menschen, wohin der Strom fließen soll, was Minuten oder sogar Stunden dauern kann. KI kann dies viel schneller erledigen – in Mikrosekunden.

Dr. Jie Zhang, außerordentlicher Professor an der UT Dallas, erklärte, dass das Ziel darin besteht, die Stromversorgung für die meisten Nutzer so schnell wie möglich wiederherzustellen. Allerdings ist noch weitere Forschung erforderlich, bevor dieses System flächendeckend eingesetzt werden kann. Zhang und sein Team nutzten maschinelles Lernen, um die Zusammenhänge im Stromnetz zu analysieren. Diese Lösung ist ein frühes Beispiel dafür, wie KI die wichtige Infrastruktur stärken kann.

Lesen Sie auch:

Heute · 18:29

Wie Stress das Essverhalten von College-Athleten beeinflusst

Dr. Yulia Gel, Mitautorin der Studie, betonte, dass das Verständnis von Netzwerkstrukturen für die Anwendung von KI in verschiedenen Bereichen essenziell ist. Sie hob hervor, dass das Wissen um die Funktionsweise dieser Verbindungen in komplexen Systemen zu neuen Lösungsansätzen, etwa im Ökosystemmanagement, führen kann.

Die Studie unter der Leitung von Dr. Souma Chowdhury von der University at Buffalo untersuchte die Verstärkungslernverfahren. Diese Methode unterstützt die KI dabei, optimale Entscheidungen für bessere Resultate zu treffen. Bei Fehlern kann das System sich eigenständig durch Schalteranpassungen korrigieren. Zudem kann es Energie von nahegelegenen Quellen wie Solarpanelen oder Campus-Batterien beziehen.

Roshni Anna Jacob, Doktorandin an der UT Dallas, erklärte, dass dieses Modell es bestimmten Gebieten ermöglicht, Energie von nahegelegenen Generatoren zu beziehen. Die Forscher werden nun daran arbeiten, Technologien zu entwickeln, um das Stromnetz nach Störungen zu reparieren und wiederherzustellen.

Die Zusammenarbeit zwischen der UT Dallas und der University at Buffalo zeigt die Bedeutung interdisziplinärer Forschung. Durch die Kombination von Wissen aus den Bereichen Energiesysteme, Mathematik und maschinelles Lernen gelang ein bedeutender Fortschritt. Diese Studie beweist, dass künstliche Intelligenz reale Probleme in komplexen Netzwerken lösen kann.

Diese neue Technologie ist spannend, da sie Stromprobleme schneller lösen kann, was lange Ausfälle, die den Alltag und die Arbeit stören, verhindern könnte. Durch die Integration dieser Systeme in unsere Stromnetze könnten diese zuverlässiger und effizienter werden.