Infolge der Energiewende (PV, WP, EV) steigt in vielen Transformatorstationen die Leistung. Zusätzliche smart grid Anlagenelemente müssen Platz finden. Diese zusätzliche Leistung und Elemente sollen nach Möglichkeit in den bestehenden Räumlichkeiten eingebaut werden, da eine zusätzliche Trafostation oder der Umzug einer Trafostation in ein neues Gebäude sehr aufwändig ist. Wie wird dies in dicht besiedelten Regionen weltweit gelöst (Japan, New York, …)? Lässt sich ein Ansatz aus den Tiny Houses mit schiebbaren Elementen einsetzen? Mit welchen Massnahmen könnten die Anlagen von aussen bedient werden, z.B. ausfaltbare Aussenräume?

Die Transformatorstationen sollen in Gruppen aufgeteilt werden mit entsprechender Empfehlung und Kostenabschätzung.

Infolge der Energiewende (Photovoltaik, Wärmepumpe, Elektrofahrzeuge) steigt in vielen Transformatorstationen die Leistung. Zusätzliche smart grid Anlagenelemente müssen Platz finden. Diese zusätzliche Leistung und Elemente sollen nach Möglichkeit in den bestehenden Räumlichkeiten eingebaut werden, da eine zusätzliche Trafostation oder der Umzug einer Trafostation in ein neues Gebäude sehr aufwändig ist. Wie wird dies in dicht besiedelten Regionen weltweit gelöst (Japan, New York, …)? Lässt sich ein Ansatz aus den Tiny Houses mit schiebbaren Elementen einsetzen? Mit welchen Massnahmen könnten die Anlagen von aussen bedient werden, z.B. ausfaltbare Aussenräume?

Die Transformatorstationen sollen in Gruppen aufgeteilt werden mit entsprechender Empfehlung und Kostenabschätzung.

Die Mittelspannungsleitungen haben bei den Unterwerken die höchste Belastung, sowohl im Sommer (PV) als auch im Winter (WP, EV). Um die Belastung zu senken, können sowohl eine smarte Laststeuerung oder ein Leitungsausbau in Betracht gezogen werden. Eine dritte Variante wäre die Kühlung dieser stark belasteten Kabel zur Erhöhung der maximalen Leistung und eine Nutzung der Abwärme zu Heiz-/Warmwasserzwecken. Die Hochlastzeiten im Winter werden entsprechen dem Strombedarf der Wärmepumpen: Ist es draussen kalt, werden die Leitungen im Boden warm.

In dieser Arbeit soll anhand von 1-2 Unterwerken das Potenzial einer solchen Kühlung abgeschätzt werden: Wie kann man kühlen? Welche zusätzliche elektrische Leistung lässt sich realisieren? Welche Wärme lässt sich nutzen und allenfalls speichern? Was sind die Kosten?

Viele MS-Abgänge sind bereits heute stark belastet, manche sind sogar überlastet. Es wird noch lange dauern, bis alle Unterwerke mit Temperaturmessung ausgerüstet sind. Primeo Energie hat ein Tool für thermische Analysen.

Der Rohrblock jedes Unterwerks soll mit einer FEM-Software (Finite Elemente) abgebildet werden: Thermische Parameter, Stromwerte pro Leitung aus dem Leitsystem und Wetterdaten sind zu integrieren. Anhand dieser Daten berechnet die Software die Leitertemperatur (Heat-Flow Berechnung). Somit kann die Temperatur überwacht werden und die Leitungen können optimal betrieben/ausgenutzt werden (evtl. können sogar Störungen vermieden werden).

Am Schluss soll ein Konzept für den Netzbetrieb mit Temperaturmessung stehen.

Um das volatilere Angebot von erneuerbaren Energien besser an den Bedarf anzupassen, haben diverse Länder schon dynamische Tarife eingeführt. Am Vortag wird bis 16 Uhr festgelegt, welcher Strompreis (Netz und Energie) zu welcher (Viertel-)Stunde gelten wird.

In dieser Arbeit soll ein Ablaufdiagramm aufzeigen, wann welche Mess- und Regelwerte vorliegen, was bei Abweichungen geschieht, wie spezielle Ereignisse berücksichtigt werden (Feiertage, Sonnenfinsternis, etc.) Wie der Preisanreiz justiert werden könnte.

In einem weiteren Schritt könnten die aktuellen Systeme von Primeo Netz überprüft werden, ob sie diesen Anforderungen genügen und was noch verbessert werden müsste.

Um die Prognose Intraday möglichst präzis hinzubekommen ist es notwendig, verschiedene Prognoseverfahren für verschiedene Zwischenaggregate von Verbrauchern (Kunden-Cluster) und Einspeisern (PVA, BirsKW, KWB, …) auszuprobieren und zu vergleichen. Ein systematisches Durchforsten der Ansätze ist eine Zeit- und Ressourcenfrage.

Das neue EPredict im Robotron System bietet zahlreiche Möglichkeiten Prognosen zu erstellen, von feiertagsgerechtem Ausrollen über nicht-lineare Regression bis zum Erstellen eigener R-Skripte ist alles möglich. Eigene Ideen sind willkommen. Benchmark ist die Day-Ahead Prognose der Primeo Energie AG. Das Top-Down Modell der Energieflussrechnung für die Grundversorgung ist zu verstehen. Vorteil: Professionelle Umgebung um Einflussparameter (z.B. die klassische Kovarianz-Varianz Matrix) und Prognosegüte zu bestimmen. Die verschiedenen Prognosemodelle und Auswirkungen sind zu verstehen. Es wird einen KI basierten Ansatz der I.ntraday Prognose erwartet

Die Prognosegüte ist ein wichtiger Faktor, welcher die Energiekosten beeinflusst (Spotmarktpreise).

Mit der Erstellung eines Prognosegütereports bzw. entsprechender Kennzahlen Ist- Soll-Abweichung in % und kWh könnten Prognosegüte-Ziele definiert und regelmässig den Erfolg von allfälligen Verbesserungsmassnahmen gemessen werden.

Bei den meisten Ersatzprojekten im Bereich Leitungsbau werden heute auf Grund des Bauablaufes alte Trassen und unter Deckstein verlegte Kabelanlagen im Erdreich belassen. Grund dafür ist in der Regel das etappierte Vorgehen im Strassenbau, welches zugunsten vom Verkehr und der Anwohner gewählt wird. Denn die alten Versorgungsleitungen können erst ausser Betrieb genommen und abgebrochen werden, wenn die neuen Kabelanlagen installiert und in Betrieb genommen sind. Dadurch bauen sich Altlasten im Erdreich immer weiter auf, welche in Zukunft mit erhöhtem Aufwand entfernt werden müssen.

Anhand aktuell geplanter Projekte, soll überprüft werden welche Möglichkeiten es gibt, alte Trassen und Kabelanlagen mit verhältnismässigem Aufwand vor, während oder nach dem Bauprojekt aus dem Erdreich zu entfernen. Können kostengünstige Provisorien für die Versorgung während der Bauzeit eingesetzt werden? Können Bauabläufe anders gestaltet werden? Gibt es andere innovative Lösungen?

Eine Arbeit, welche sich mit der Herausforderung befasst, wie Unternehmen Nachhaltigkeitsziele effektiv in ihre Prozesse der digitalen Transformation integrieren können. Diese Arbeit konzentriert sich darauf, praktische Leitlinien zu entwickeln, die Unternehmen dabei unterstützen, digitale Technologien so einzusetzen, dass sie sowohl umweltfreundliche als auch sozial verantwortliche Praktiken fördern. Anstatt sich ausschliesslich auf die Messung durch KPIs zu konzentrieren, analysiert diese Arbeit Fallstudien und Best-Practice-Beispiele, um konkrete Strategien und Methoden zu identifizieren, die bei der Integration von Nachhaltigkeit in digitale Transformationsinitiativen wirksam sind. Ziel ist es, ein umfassendes Set von Empfehlungen zu entwickeln, das Unternehmen als Richtschnur dient, um ihre digitalen Bemühungen mit ihren Nachhaltigkeitsbestrebungen in Einklang zu bringen. Dadurch sollen sowohl die ökologischen als auch die sozialen Auswirkungen der digitalen Transformation optimiert werden.

Diese Arbeit zielt darauf ab, massgeschneiderte Handlungsempfehlungen für die Steigerung der Akzeptanz und Bereitschaft für Digitalisierungsprozesse unter Mitarbeitern verschiedener Altersgruppen und Persönlichkeitstypen zu entwickeln. Es fokussiert auf die Erstellung von Kommunikations- und Schulungsstrategien, die auf die spezifischen Bedürfnisse dieser diversen Gruppen abgestimmt sind, um eine inklusive und aufgeschlossene Kultur zu fördern. Die Arbeit beinhaltet die Analyse von Fallstudien aus der Energiebranche, um erfolgreiche Praktiken zu identifizieren und anzupassen.

Ziel ist es, einen praxisnahen Leitfaden zu erstellen, der Unternehmen hilft, eine positive Atmosphäre für digitale Veränderungen zu schaffen und die Gesamtbereitschaft für Digitalisierung zu erhöhen.

In dieser Arbeit wird der Einsatz von Künstlicher Intelligenz (KI) zur Optimierung betrieblicher Prozesse in der Energiebranche erforscht. Ziel ist es, herauszufinden, wie KI-Technologien zur Steigerung der Effizienz und Effektivität in verschiedenen Bereichen wie Instandhaltung, Kundenmanagement und weiteren unterstützenden Prozessen beitragen können. Es wird untersucht, in welcher Form KI-gestützte Systeme zur Automatisierung, Verbesserung der Entscheidungsfindung und Prozessoptimierung eingesetzt werden können, unter Berücksichtigung ihrer Rolle in der Analyse großer Datenmengen für präzisere Prognosen und strategische Entscheidungen. Ein wesentlicher Bestandteil der Arbeit wird die Identifikation und Bewertung potenzieller Use Cases für den Einsatz von KI in der Energiebranche sein, wobei das Ziel ist, konkrete Anwendungsfälle zu definieren, in denen KI einen signifikanten Mehrwert bieten kann. Diese Diplomarbeit richtet sich an Studierende, die an der Schnittstelle von Technologie und betrieblicher Effizienzsteigerung interessiert sind und bietet die Gelegenheit, praktikable und innovative Lösungsansätze für die Energiebranche zu entwickeln.

Das Thema sich auf die Erstellung eines umfassenden Rahmens zur systematischen Beurteilung und Optimierung der Datenqualität in geschäftlichen Kontexten. Dieses Framework soll Kriterien und Metriken definieren, um verschiedene Aspekte der Datenqualität wie Genauigkeit, Vollständigkeit, Konsistenz und Aktualität zu messen. Die Arbeit wird Methoden vorschlagen, um typische Datenqualitätsprobleme in Unternehmen zu identifizieren und zu analysieren, wobei der Fokus auf realen Geschäftsdaten und -prozessen liegt. Es sollen Best Practices und Strategien entwickelt werden, die Unternehmen bei der Implementierung von Massnahmen zur Verbesserung ihrer Datenqualität unterstützen. Ziel ist es, einen praktischen Leitfaden zu bieten, der Unternehmen ermöglicht, die Verlässlichkeit und Nützlichkeit ihrer Daten zu maximieren und somit datengestützte Entscheidungsfindung zu verbessern.

Die vorliegende Abschlussarbeit befasst sich mit der Entwicklung eines Prognosemodells zur Vorhersage der Leistungsspitzen eines Netzbereiches, um die Nutzung eines Batteriespeichers für das sogenannte Peak Shaving zu optimieren. Peak Shaving ist eine Methode zur Glättung von Lastspitzen im Stromnetz, um die Netzbelastung zu reduzieren und die Effizienz des Stromnetzes zu steigern. Der Fokus dieser Arbeit liegt auf der Vorhersage von Tagen, die als potenzielles Monatsmaximum für die Stromnachfrage prognostiziert werden, um den Einsatz eines Batteriespeichers gezielt zu planen. Der Batteriespeicher soll ausschließlich Energie in das Netz abgeben, wenn eine hohe Lastspitze prognostiziert wird, um so die Netzbelastung zu verringern und die Stabilität des Stromnetzes zu gewährleisten.

Das Ziel dieser Abschlussarbeit ist es, eine detaillierte Prognose zur Entwicklung des Zubaus von Photovoltaik-Anlagen, Wärmepumpen und Ladeinfrastruktur für Elektrofahrzeuge im Primeo Netzgebiet zu erstellen. Unter Verwendung sozioökonomischer Daten des Bundesamtes für Statistik (BFS) und des Bundesamtes für Energie (BFE) sollen diese Informationen über eine Rastereinteilung und die Anwendung von Regionalisierungsfaktoren auf das Netzgebiet übertragen werden. Für die Stützjahre 2030, 2040 und 2050 soll analysiert werden, wie stark die Betriebsmittel (Leitungen und Transformatoren) belastet werden und zu welchem Zeitpunkt ein Netzausbau erforderlich wird.