Mit dem Ausstieg aus der Atom- und Kohlekraft entsteht in Norddeutschland ein Stromdefizit, während in Süddeutschland ein Überschuss an Strom vorhanden ist. Der Wandel von zentraler zu dezentraler Energieerzeugung aus erneuerbaren Energien fordert das Stromnetz heraus, da es viele kleine Erzeuger integrieren und Strom überregional transportieren muss. 

Das Projekt „PrognoNetz“ zielt darauf ab, eine intelligente, witterungsabhängige Strombelastbarkeitsprognose zu entwickeln. Ein dichtes Sensornetzwerk erfasst entlang der Leitungen hochauflösende Wetterdaten, um die Wetterbedingungen in 3D sowie zeitlich und entlang des Leitungsdurchhangs zu modellieren. Auf Basis historischer Wetterdaten lässt sich die Strombelastbarkeit für die nächsten zwei Tage präziser vorhersagen und das Netz effizienter nutzen. Dies erleichtert den Netzbetreibern, die Stromerzeugung und den Stromhandel im Voraus zu planen.

In ihrer Arbeit untersucht Na Shen effiziente, UAV-gestützte Konzepte zur Installation und Wartung der Sensorstationen. Dazu gehört ein Greifarm zur Befestigung, Montage und Entfernung der Sensoranlagen. Zusätzlich wurden Computer-Vision-Algorithmen entwickelt, die die relative Position und Ausrichtung des UAV zur Montagestelle erfassen und so die Steuerung und Installation unterstützen.