Integrar fuentes renovables volátiles en el suministro de energía, deben aumentarse las capacidades de la red eléctrica. La necesidad de nuevas líneas puede reducirse mediante una mejor utilización de las líneas existentes en función de las condiciones meteorológicas. Para tal fin, Los investigadores del Instituto de Tecnología de Karlsruhe (KIT) trabajan en redes de sensores de autoaprendizaje para modelar el efecto de enfriamiento del clima basándose en datos reales. En condiciones favorables, La transmisión de potencia de la línea se puede mejorar de esta manera.

Ampliación rápida del uso de fuentes de energía renovables - energía eólica en el norte, energía fotovoltaica en el sur, y el creciente comercio internacional de energía dan como resultado requisitos cada vez mayores en la red de transmisión de energía. Para transportar energía de los productores a los consumidores, para evitar el cierre temporal de plantas que generan energía a partir de fuentes regenerativas, en particular con fuertes intensidades de viento, y garantizar una alta seguridad de suministro en general, Se requiere una extensión considerable de la infraestructura de red existente. Esto está asociado con procesos de licenciamiento que requieren mucho tiempo y altos costos.

Sin embargo, la necesidad de nuevas líneas de transmisión se puede reducir significativamente mediante una mejor utilización de las líneas aéreas existentes. "De este modo, el transporte de energía se puede incrementar considerablemente en función de las condiciones meteorológicas, como la temperatura ambiente, irradiación solar, velocidad del viento, y dirección del viento, "dice el profesor Wilhelm Stork, jefe del Grupo de Tecnología de Microsistemas del Instituto de Tecnología de Procesamiento de la Información (ITIV) de KIT. "Este aumento se puede lograr sin exceder la temperatura máxima permitida del conductor y sin la distancia del conductor al suelo o de objetos que caigan por debajo del mínimo permitido". El viento, con su efecto de enfriamiento que está influenciado por la topografía y la vegetación locales, es de particular importancia a este respecto.

La supervisión de la línea de transmisión a alta resolución y en tiempo real es el objetivo del proyecto coordinado por ITIV "PrognoNetz - Redes de sensores de autoaprendizaje para la operación de líneas de transmisión dependientes del clima". Los socios del proyecto son UBIMET GmbH Weather Service Karlsruhe, el operador de la red de transporte de Baden-Württemberg TransnetBW GmbH, Stuttgart, la empresa de TI unilab AG Paderborn, GWU-Umwelttechnik GmbH Erftstadt, y Wilmers Messtechnik GmbH Hamburg. El proyecto financiado por el Ministerio Federal de Economía y Energía (BMWi) comenzó a principios de 2019 y está programado para una duración de tres años.

Dentro de PrognoNetz, Los socios de investigación y de la industria desarrollarán amplias redes de sensores con sensores inteligentes que, a diferencia de las estaciones meteorológicas convencionales, están ubicados muy cerca unos de otros y cerca de líneas aéreas para medir con precisión las condiciones climáticas. Las redes de sensores son resistentes a las duras condiciones ambientales y suministran datos críticos al centro de control de forma inalámbrica. Con los próximos nuevos algoritmos, los sensores tendrán una función de autoaprendizaje. Según los datos meteorológicos distribuidos medidos, generarán automáticamente pronósticos precisos de carga de energía durante horas o incluso días. Utilizando datos meteorológicos históricos y propiedades topográficas, Se desarrollarán modelos inteligentes para cualquier línea de transmisión de la red eléctrica. Dentro de PrognoNetz, Los científicos del ITIV están trabajando en modelos de pronóstico basados ​​en inteligencia artificial y en un sensor de viento basado en láser, cuya precisión de medición es superior a la de los sensores convencionales montados rígidamente. Además, Se utilizarán drones no tripulados para instalar y mantener los sensores meteorológicos en los postes de energía.

La red meteorológica de autoaprendizaje que se desarrollará dentro de PrognoNetz se aplicará inicialmente a las líneas y equipos de alta tensión existentes del socio TransnetBW. "Esta red basada en inteligencia artificial garantizará la utilización óptima de las redes eléctricas existentes en cualquier momento al adaptar el funcionamiento a las condiciones climáticas. Los cuellos de botella se pueden superar, "Wilhelm Stork dice". De esta manera, el transporte de energía se puede incrementar entre un 15 y un 30 por ciento en condiciones favorables, es decir, una temperatura externa baja o viento fuerte ".