Was ist ein Störungsmanagement-Informationssystem?

In der Versorgungswirtschaft unterscheiden wir bei Störungsmanagement-Informationssystemen in der Regel zwei Bereiche: das Management geplanter und ungeplanter Abschaltungen. Dieser Artikel behandelt beide Bereiche und zeigt, wie Outage-Management-Systeme (OMS) Energieversorgern zu klügeren, schnelleren Entscheidungen verhelfen. Ob bei geplanten Abschaltungen oder ungeplanten Ausfällen – ein CIM-basiertes OMS steigert die Effizienz durch Echtzeitdaten sowie nahtlose Integration mit SCADA, GIS, CRM und weiteren Systemen. Erfahren Sie, welche Funktionen am wichtigsten sind und wie Sie ein OMS für Ihren Versorgungsbetrieb auswählen oder optimieren.

Anforderungen an Outage-Management-Systeme

Outage-Management-Systeme sind umfangreich und erfordern viel Erfahrung und Wissen seitens der Endanwender. Wie kann ein Endanwender wirklich von dem im Unternehmen implementierten Outage-Management-System profitieren? Wie sollte das OMS eingerichtet werden, und mit welchen Drittsystemen sollte es integriert werden? Welche greifbaren Vorteile sollte ein Energieversorgungsunternehmen von einem solchen System erwarten? Welche Technologien sollten dabei unterstützt werden?

CIM-basiertes Ausfallmanagement

Ein CIM-basiertes Common Information Model (CIM) Outage-Management-System spielt zweifellos eine entscheidende Rolle, indem es einen standardisierten Rahmen für den Austausch und die Verwaltung von Netzkonnektivitäts- und Asset-Management-Daten bietet.

CIM unterstützt außerdem das Netztopologiemanagement, indem es diese in Asset-Management-Hierarchien überführt und die Planung anlagenbezogener Programme optimiert. Zudem verbessert es die Visualisierung und Analyse mittels Geokarten und Schemata und steigert so das Störungsinformationsmanagement.

Integration mit anderen Informationssystemen

Ein Outage-Management-System (OMS) ist eine spezialisierte Softwarelösung, die von Betreibern elektrischer Verteilnetze eingesetzt wird, um Stromausfälle effizient zu erkennen, zu managen und zu beheben. Ein Outage-Management-System (OMS) sollte native CIM-basierte Integrationsoptionen zu Drittsystemen bieten, etwa zu:

• Enterprise-Asset-Management-Systemen (EAM),
• Systemen zur Fernwirk- und Leittechnik (SCADA),
• Geoinformationssystemen (GIS),
• Kundeninformationssystemen (CRM),
• Blitzortungs- und Wetterdaten,
• Systemen zur Asset-Investitionsplanung für die Projektplanung,
• mobilen Lösungen.

Nur ein vollständig integriertes Outage-Management-System kann zentrale Funktionalitäten erfüllen und Vorteile wie Störungserkennung, Fehlerortung, Priorisierung der Wiederherstellung, Personaleinsatzmanagement und eine insgesamt geringere Risikobelastung bieten.

Personaleinsatzmanagement

Ein OMS-Informationssystem sollte die organisatorischen Geschäftsprozesse vollständig unterstützen, insbesondere den Prozessrahmen des Ausfallmanagements (geplantes und ungeplantes Ausfallmanagement, Schaltauftragsmanagement usw.).

OMS-Lösungen sollten für unterschiedliche Nutzer im Energieversorgungssektor konzipiert sein, die für Instandhaltung, Betrieb und Management verantwortlich sind. Nutzer sollten Aufträge dynamisch planen und basierend auf der verfügbaren Ressourcenkapazität zuweisen können. Das System sollte Abschaltungen unter Berücksichtigung der Anfragedetails automatisch terminieren und geplante sowie laufende Aufgaben über Dashboards geovisualisieren, um einen klaren Überblick über zugehörige Aktivitäten auf einer Karte zu bieten.

OMS und die Rolle der KI-Technologie

Welche Veränderungen hat die KI-Technologie in den letzten Jahren gebracht, und wonach sollten Lösungsanbieter und Energieversorger in ihrer Systemlandschaft suchen? Wie sollten wir verfügbare Daten und neue Technologien innerhalb von Outage-Management-Lösungen nutzen?

In einer aktuellen Studie, »Big Data Analytics for Predictive Lightning Outage Management Using Spatially Aware Logistic Regression«, untersuchten die Autoren (*1), ob sich Big Data zur Vorhersage blitzbedingter Ausfälle nutzen lässt.

Die Forscher nutzten eine umfangreiche Datenbank mit historischen blitzbedingten Ereignissen, um das Vorhersagemodell zu trainieren. Die Studie verwendete zudem weitere Datenquellen, etwa Geoinformationssystem (GIS)-Daten zu Anlagen der Versorgungsunternehmen (Standorte von Umspannwerken, Übertragungsleitungen, Masten und Umspannwerktransformatoren) sowie historische Ausfallaufzeichnungen der Versorgungsunternehmen.

Sie verwendeten ein Mixture-of-Experts-Modell, das mehrere räumlich sensitive logistische Regressionsmodelle kombiniert, um Blitzeinschläge in Übertragungsleitungen ein bis drei Stunden im Voraus vorherzusagen. Dabei wurden unterschiedliche Dauern blitzbedingter Störungen berücksichtigt, einschließlich vorübergehender und dauerhafter Fehler.

Die Ergebnisse zeigen, dass der Algorithmus die Wahrscheinlichkeit blitzbedingter Ausfälle für einen bestimmten Standort mit hoher Genauigkeit vorhersagen kann. Bei Tests mit realen Versorgungsdaten erzielte das räumlich sensitive logistische Regressionsmodell eine Vorhersagegenauigkeit von rund 0,86 bis 0,94, wobei die Fläche unter der Kurve (Area Under the Curve) bei Verwendung räumlicher Einbettung in allen Fällen über 0,75 lag.

Die Studienergebnisse zeigen, dass das Modell den von einem Blitzeinschlag betroffenen Bereich mit sehr hoher Wahrscheinlichkeit eingrenzen kann.

OMS-Systeme – Fazit

Setzen Sie bei der Planung eines Outage-Management-Systems Ihre Prioritäten auf die bereits genannten Funktionalitäten:

• ein CIM-basiertes OMS,
• integrierte Funktionen für das Personaleinsatzmanagement,
• flexible Integrationsmöglichkeiten zu Drittsystemen über APIs usw.,
• eine sichere, moderne, auf Microservices basierende Lösung,
• eine nischenfokussierte Lösung mit umfangreicher Branchenbibliothek und Erfahrung,
• Lösungen, die auf qualitativ hochwertigen Datenmodellen und den neuesten verfügbaren Technologien am Markt basieren.

(*1) M. KEZUNOVIC, T. DOKIC, Z. OBRADOVIC, M. PAVLOVSKI und R. SAID, »Big Data Analytics for Predictive Lightning Outage Management Using Spatially Aware Logistic Regression«, CIGRE 2020.