Post by Netze BW GmbH

Die letzten Meter des Stromnetzes entscheiden darüber, ob die Energiewende gelingt. Forscher*innen, die dazu beitragen wollen, stehen dabei häufig vor einem Problem: Ihnen fehlen reale, hochwertige Messdaten aus den Niederspannungsnetzen. Mit FeederBW ändern wir das – gemeinsam mit dem Institut für Automation und angewandte Informatik (IAI) am KIT haben wir einen Datensatz mit Messwerten aus 200 Niederspannungsabgängen veröffentlicht. ⚡ FeederBW umfasst Messdaten aus den Jahren 2023 bis 2025 und bildet damit einen Zeitraum ab, in dem Photovoltaikanlagen, Wärmepumpen und Ladeeinrichtungen für Elektrofahrzeuge in den Niederspannungsnetzen deutlich zugenommen haben. Der Datensatz enthält neben den Messwerten auch Metainformationen zu den jeweiligen Netzen sowie Wetterdaten – und bietet damit eine bislang einmalige Kombination aus Tiefe und Breite. 📊 „FeederBW macht sichtbar, was in den Niederspannungsnetzen wirklich passiert: wie Wärmepumpen auf Kälteeinbrüche reagieren, wie die Niederspannung durch PV-Einspeisung zum Flächenkraftwerk wird oder wie sich Wochenenden im Lastprofil abzeichnen. Diese realen Muster sind es, die den Datensatz für maschinelles Lernen, Lastprognosen und die Analyse der Energiezukunft so wertvoll machen“, erläutert Manuel Treutlein, der die Daten im Rahmen seiner Industriepromotion mit weiteren Netze BW Kolleg*innen bei uns zusammengestellt hat. 🔧 Von diesen Erkenntnissen können Verteilnetzbetreiber wie die Netze BW direkt profitieren: Mit verfeinerten Prognosemethoden lassen sich Kabel und Transformatoren in Niederspannungsnetzen gezielter planen und besser auslasten – ohne das Risiko einer Überlast. Das Ergebnis: weniger Fehlinvestitionen, mehr Versorgungssicherheit und eine Energiewende, die bezahlbar bleibt. 🔍 Alle veröffentlichten Daten sind aggregiert und pseudonymisiert. Der Blick richtet sich nicht auf einzelne Haushalte, sondern auf Muster und Phänomene auf der Ebene der Niederspannungsabgänge. Daten zur Netztopologie sind nicht enthalten. Die Messdaten liegen in einer zeitlichen Auflösung von einer Minute vor – ein Merkmal, das den Datensatz für eine Vielzahl von Anwendungen besonders geeignet macht. 🔗 Zum Datensatz auf Zenodo: https://lnkd.in/dwV3xXCt 📄 Zum Preprint auf arXiv: https://lnkd.in/dPT9hAX5