Das eingereichte Projekt hat zum Ziel, moderne, robuste und nicht-invasive Technologien für die vorausschauende Instandhaltung von Komponenten der elektrischen Energienetze zu entwickeln. Hierbei sollen moderne Methoden der Signalverarbeitung und des Deep-Learning kombiniert werden. Dabei werden Gasleistungsschalter als wichtiges Beispiel verwendet; die entwickelten Ansätze werden auf andere Arten von Schaltgeräten übertragbar sein. Die Methodik wird zunächst unter Laborbedingungen mit Leistungsschaltern entwickelt und getestet, die mit Sensoren überausgestattet sind. Die Auswirkungen der Kombination von mehrerer Sensoren werden durch die Entwicklung multimodaler Deep-Learning-Algorithmen bewertet. Im letzten Schritt wird die Methodik unter realen Betriebsbedingungen getestet. Die entwickelte Methodik ermöglicht es den Energieversorgungsunternehmen, die Lebensdauer der Komponenten zu verlängern, indem deren Ersatz nach Beurteilung des Zustands wenn möglich hinausgezögert wird. So kann die Anzahl der Neubeschaffungen begrenzt werden und trotzdem eine hohe Systemverfügbarkeit garantiert werden. Die vorgeschlagene Methodik dazu beitragen, den Betrieb von Stromnetzen zuverlässiger und kosteneffizienter zu gestalten.
