Warnungen & Wetter. Flughäfen, Großbaustellen und Freiluftevents müssen bei Blitzrisiko pausieren. Um diese Stehzeiten zu verringern, haben Elektrotechniker der TU Graz ein neues Prognosesystem entwickelt.
Im Projekt „Real Time Lightning Risk Assessment“ (RTLRA) entwickeln die Forscher der TU Graz ein System, um das lokale Risiko von Blitzen in Echtzeit zu evaluieren. Gefördert hat das Projekt die Forschungsförderungsgesellschaft FFG, heißt es in einer Aussendung.
„Im Projekt RTLRA ist es uns gelungen, die Vorhersage von ersten Blitzentladungen zu ermöglichen“, so Stephan Pack vom Institut für Hochspannungstechnik und Systemmanagement, der das Projekt gemeinsam mit Lukas Schwalt, Sebastian Schatz und Julia Maier umgesetzt hat: „Dass wir die erste Blitzentladung in rund 75 % der untersuchten Gewitter erfolgreich vorhersagen konnten, ist ein wichtiger Schritt für mehr Sicherheit bei Arbeiten unter freiem Himmel. Wir sind überzeugt, dass mit weiterer Forschung und mehr Daten noch einige Verbesserungen möglich sind und damit in Zukunft wetterbedingte Stehzeiten deutlich reduziert werden können. Finale Ergebnisse erwarten wir mit dem Abschluss der Dissertation von Sebastian Schatz.“
Elektrische Feldmühlen am Flughafen Graz
Kern von RTLRA ist die Installation eines Netzwerks von sechs elektrischen Feldmühlen (FM) im Umkreis von zehn Kilometern um den Flughafen Graz, der laut den Forschern durch die dort hohe Gewitterfrequenz und Blitzdichte ein besonders gut geeigneter Standort für Messungen sein soll.
Feldmühlen messen die elektrostatische Feldstärke in ihrem direkten Umkreis, die sich durch die Ansammlung von Ladungen in Gewitterwolken verändert. Die Daten dieser Feldstärkemessungen kombinieren die Forscher dann in Echtzeit mit Daten des österreichischen Blitzortungssystems ALDIS (Austrian Lightning Detection and Information System) der OVE und Wetterradardaten der Austro Control.
Durch die Analyse und Kombination der gesammelten Datenpunkte konnte das Forscherteam demnach verschiedene Parameter zur Vorhersage von Blitzen aus Gewitterzellen entwickeln. Laut den Angaben konnte das System in rund 75 % der Fälle den Zeitpunkt der ersten Blitzentladung im Flughafenbereich richtig vorhersagen.
Machine Learning im Einsatz
Zusätzlich kam auch Machine Learning zum Einsatz: Ein künstliches neuronales Netz wurde demnach mit Wetterradarbildern und Blitzortungsdaten trainiert, um eine Vorklassifizierung von Wetterradardaten in Bezug auf die Blitzaktivität zu realisieren.
Dieses System konnte laut TU Graz mit einer rund 85-prozentigen Trefferquote bestimmen, ob im betrachteten Zeitraum im Untersuchungsgebiet Blitzentladungen auftreten werden.