Zielnetzplanung (ZNP) - Layer Architektur

Die klassische Zielnetzplanung kalkuliert Netzausbaubedarfe oft auf Basis statischer Worst-Case-Annahmen. Dies führt zu überdimensionierten Kupferausbauten und einem hohen Risiko für Stranded Assets. Die Cernion ZNP-Methodik löst dieses Problem durch eine iterative Datenarchitektur, die den Gleichzeitigkeitsfaktor ($g$-Faktor) schrittweise kalibriert.

Die 4 Layer der Datenqualität

Layer 0: Public Baseline

Der Einstieg erfolgt "Zero-Integration" auf Basis öffentlicher Register (Marktstammdatenregister - MaStR). Dies liefert die physikalische Realität der installierten Anlagen. Ohne weitere Kontextualisierung muss hier mit generischen Worst-Case $g$-Faktoren gerechnet werden.

Layer 1: Spatial Context (Topologie)

Durch die Integration von OpenStreetMap (OSM) werden die Anlagen geografisch verortet. Gebäude-Footprints und Straßenverläufe ermöglichen die Bildung logischer Cluster (z.B. Gewerbegebiet vs. Wohnsiedlung). Dies erlaubt erste lokale Anpassungen des $g$-Faktors.

Layer 2: Utility Inhouse Data

In dieser Stufe lädt der Netzbetreiber historische Strukturdaten (z.B. PDF-Berichte zur Jahreshöchstlast am Umspannwerk) hoch. KI-gestützte Extraktion kalibriert die theoretischen Lastflussmodelle anhand der real gemessenen physikalischen Höchststände.

Layer 3: Opt-In Telemetrie (The Ground Truth)

Die höchste Qualitätsstufe. Über die NAP Wallet (Netzanschluss-Wallet) teilen Prosumer hochauflösende HEMS-Daten. Aus statischen Annahmen wird "Self-Healing Master Data", wodurch der tatsächliche Ausbaubedarf auf das physikalische Minimum reduziert wird.