Modernisierung des Stromübertragungsnetzes

Eine Cloud-native Plattform für skalierbare Grid-Analysen und -Automatisierung

Kunde: Einer der größten ÜNB in der EU, Deutschland

GPU

beschleunigte Netzberechnungen und neuronale Netze

Parallel

zum Altsystem betrieben für den direkten Vergleich

Cloud-agnostisch

Modulare Plattform, unabhängig von einzelnen Anbietern

TypeScriptNode.jsPythonPostgreSQLRabbitMQAWSAmazon EC2AWS compute clusterAWS container servicesAmazon SQSAWS registryData centerAzure Kubernetes ServiceAzure Key VaultAzure DevOps ServicesAzure Data Lake Storage Gen2Microsoft platformPower BICEPH S3-compatible storageTerraformPlaywrightSeleniumJasmineKarma
TypeScriptNode.jsPythonPostgreSQLRabbitMQAWSAmazon EC2AWS compute clusterAWS container servicesAmazon SQSAWS registryData centerAzure Kubernetes ServiceAzure Key VaultAzure DevOps ServicesAzure Data Lake Storage Gen2Microsoft platformPower BICEPH S3-compatible storageTerraformPlaywrightSeleniumJasmineKarma

Herausforderung

Veraltete Algorithmen, schlechte Datenintegration, begrenzte Skalierbarkeit und hohe betriebliche Komplexität hinderten das Altsystem daran, das Netz in Echtzeit zu analysieren — und zu wachsen. Was auch immer es ersetzte, musste mit minimaler Unterbrechung parallel dazu laufen und GPU-Berechnungen und Vorhersagemodelle unterstützen.

Lösung

Eine modulare, Cloud-agnostische Plattform für Mikroservices und ereignisgesteuerte Architektur mit GPU-beschleunigten Services und neuronalen Netzen. Es integriert verschiedene Datenquellen und skaliert mit der Analytik, mit Protokollierung, SSO und MLOps / DataOps-Praxis für Observability und Automatisierung.

Implementierung

  • 01Unabhängige Komponenten, die iterativ entwickelt wurden
  • 02Spark auf Kubernetes für die Verarbeitung semistrukturierter Daten
  • 03Mikroservices und GPU-gestützte Services für Netzberechnungen
  • 04Erweitertes Logging und Protokollsuche
  • 05Ereignisbasierte Integration, SSO durch AD/IDP, Infrastrukturautomatisierung

Business-Impact

Parallel zum Altsystem ausgeführt, sodass die Ergebnisse direkt verglichen werden konnten

Schnellere Entscheidungen durch Echtzeit-Sichtbarkeit von Berechnungen

Bessere Datenqualität durch automatisierte Validierung und Filterung

Eine skalierbare Basis, bereit für die nächsten Module

Technologie-Stack

Sprachen & ML
  • Python
  • PyTorch
Frontend & Visualisierung
  • Angular
  • Grafana
Data & Processing
  • Spark
  • Delta Lake
  • Delta Table
  • ElasticSearch
Architektur & Integration
  • Mikroservices
  • Kubernetes
  • Ereignisgesteuerte Architektur
  • EMQX

Sie haben ein komplexes System, das aufgebaut oder modernisiert werden muss?

Teilen Sie uns mit, was sich ändern muss. Wir bringen die relevanten Domain- und Engineering-Leads ins Gespräch.

Alle Fallstudien entdecken