Datengetriebene Quantifizierung und Visualisierung von Resilienzkennzahlen von Stromverteilnetzen

Warum es immer schwieriger wird, das Licht an zu lassen

Wenn heftige Stürme eine Region treffen, nehmen wir Stromausfälle meist als Ärgernis wahr. Für Versorgungsunternehmen ist jeder Sturm jedoch ein Stresstest für die Fähigkeit des Netzes, Schäden zu überstehen und sich zu erholen. Diese Arbeit zeigt, wie sich reale Ausfall- und Wetteraufzeichnungen in einfache, anschauliche Kennzahlen verwandeln lassen, die zeigen, wie resilient ein lokales Stromnetz tatsächlich ist und welche Stadtteile voraussichtlich am längsten auf das Zurückkehren der Stromversorgung warten müssen.

Von verstreuten Aufzeichnungen zu einem klaren Bild

Stromverteilungssysteme sind die letzte Stufe des Netzes und bringen Elektrizität von Hochspannungsleitungen in Städte, Straßen und Häuser. Über Jahre hinweg führen Versorger detaillierte Protokolle, wenn eine Komponente ausfällt und repariert wird, einschließlich der Zahl der betroffenen Kunden. Parallel dazu erfassen Bundesbehörden wie die NOAA Wind, Regen, Schnee und andere Unwetter. Die Autoren kombinieren zwei Jahrzehnte dieser Aufzeichnungen eines Versorgers im Mittleren Westen der USA mit NOAA-Wetterdaten, um eine grundlegende Frage zu stellen: Wenn Stürme auftreten, wie viel geht kaputt und wie lange dauert die Reparatur?

Ausfälle so gruppieren, wie Stürme sie verursachen

Anstatt jede durchtrennten Leitung oder jede durchgebrannte Sicherung als einzeln zu betrachten, fasst die Studie viele nahe beieinanderliegende Ausfälle zu einem sogenannten Ausfall‑Wiederherstellungs‑Ereignis zusammen. Ein Ereignis beginnt, wenn der erste sturmgetriebene Ausfall auftritt, und endet erst, wenn alle in dieser Episode beschädigten Komponenten repariert sind. So wird erfasst, was für Einsatzkräfte und Kunden wirklich zählt: der gesamte Reparaturstau während eines Sturms. Für jedes Ereignis verfolgen die Forschenden zwei leicht verständliche Zahlen: wie viele Ausfälle insgesamt auftraten und wie lange es von dem ersten Ausfall bis zur letzten Reparatur dauerte, bis wieder Normalität herrschte.

Die Karte in wetterbasierte Zonen verwandeln

Wetter ist selten über das gesamte Versorgungsgebiet hinweg einheitlich. Um dem Rechnung zu tragen, teilt das Team das Versorgungsgebiet in Zonen ein, die auf den Standorten der NOAA-Wetterstationen basieren, mithilfe einer geometrischen Methode, die Voronoi‑Polygone genannt wird. Jeder Punkt der Karte wird der nächstgelegenen Station zugewiesen, wodurch separate Wind- und Niederschlagszonen entstehen. Innerhalb jeder Zone ordnen die Autoren Sturtereignisprotokolle (z. B. Tornados, starke Winde, Schneefall, Überschwemmungen) den Ausfällen zu, die zur selben Zeit und am selben Ort auftraten. So können sie etwa sagen: „Ein 35‑Meter‑pro‑Sekunde‑Wind in Zone 0 verursacht typischerweise etwa so viele Ausfälle.“

Einfache Kurven, die komplexes Verhalten erfassen

Mit Ereignissen und Zonen erstellen die Autoren zwei Arten datengetriebener Kurven. Fragilitätskurven setzen die Intensität eines Sturms in Beziehung zur Anzahl der Ausfälle in einer Zone: Je stärker Windgeschwindigkeit oder Niederschlag zunehmen, desto steiler steigt die Zahl der Ausfälle, oft auf fast exponentielle Weise. Wiederherstellungskurven setzen dann die Anzahl der Ausfälle in einem Ereignis in Relation zur Dauer der vollständigen Reparatur. Diese zeigen: Bei nur wenigen ausgefallenen Komponenten sind Reparaturen schnell, aber sobald die Ausfälle ein gewisses Niveau überschreiten, wachsen die Wiederherstellungszeiten schnell, weil Teams und Ausrüstung ausgelastet sind. Da die Modelle auf einfachen mathematischen Funktionen beruhen, können Versorger sie leicht verstehen und aktualisieren, wenn neue Daten eintreffen.

Resilienz auf der Karte sichtbar machen

Indem ein hypothetischer Sturm durch diese beiden Kurven gefüttert wird — zuerst schätzt man, wie viele Ausfälle er verursachen würde, dann, wie lange die Reparaturen dauern würden — erzeugt das Framework für jede Wetterzone eine prognostizierte Wiederherstellungszeit. Das Auftragen dieser Vorhersagen auf einer Karte zeigt, welche Teile des Gebiets gegenüber Wind oder starkem Niederschlag mehr oder weniger resilient sind. Manche Zonen weisen vergleichsweise wenige Ausfälle und schnellere Erholung auf; andere erleiden größere Schäden und längere Ausfallzeiten. Diese zonenspezifischen Karten verwandeln rohe historische Daten in praktische Hinweise, wo Leitungen verstärkt, Bäume zurückgeschnitten, Sensoren ergänzt oder zusätzliche Reparaturteams stationiert werden sollten, bevor der nächste große Sturm kommt.

Was das für den Alltag der Kunden bedeutet

Kurz gesagt bietet die Studie Versorgern eine Möglichkeit, die bereits gesammelten Daten zu nutzen, um die Frage zu beantworten: „Wenn ein Sturm dieser Stärke eintrifft, wie schlimm wird es hier und wie lange dauert es, bis der Strom wieder da ist?“ Indem sie umfangreiche Ausfall- und Wetterhistorien auf zwei intuitive Größen reduziert — die Anzahl der Ausfälle und die gesamte Wiederherstellungszeit — und abbildet, wie diese Größen in einer Region variieren, hilft der Ansatz, Schwachstellen zu identifizieren, bevor eine Katastrophe eintritt. Das wiederum kann zu klügeren Investitionen und Planungen führen, sodass beim nächsten schweren Sturm weniger Kunden ohne Strom sind und diejenigen, die betroffen sind, weniger Zeit im Dunkeln verbringen.

Zitation: Wang, D., Maharjan, S., Zheng, J. et al. Data-driven quantification and visualization of resilience metrics of power distribution systems. Sci Rep 16, 6334 (2026). https://doi.org/10.1038/s41598-026-37040-w

Schlüsselwörter: Resilienz des Stromnetzes, sturmbedingte Ausfälle, Stromverteilung, Wiederherstellung der Infrastruktur, Auswirkungen extremer Wetterereignisse