Day-Ahead-Engpassprognose für elektrische Verteilnetze mittels probabilistischer Lastflussrechnung

Die Transformation zur CO2-Neutralität verursacht grundsätzliche Veränderungen unseres Energiesystems. Auf der einen Seite wird Energie zunehmend dezentral aus er- neuerbaren und damit volatilen Quellen bereitgestellt, auf der anderen Seite steigen die Lasten durch Elektrifizierung und Sektorenkopplung. Diese Entwicklungen werden zu einer Zunahme von Netzengpässen im Verteilnetz führen. Eine deterministische Prognose dieser Netzengpässe ist aufgrund der Unsicherheiten bei der Vorhersage der erneuerbaren Erzeugung und des Lastverhaltens schwierig. Eine Berücksichtigung der Unsicherheiten bei der Engpassprognose bietet dagegen die Möglichkeit, neben der erwarteten Netzauslastung auch die Zuverlässigkeit der Prognose zu quantifizieren. Dazu wird eine Methodik entwickelt, die mittels einer probabilistischen Prognose die Betriebsmittelauslastung inklusive einer möglichen Spannbreite für den Folgetag vorhersagt. Dies geschieht mittels einer probabilistischen Lastflussrechnung nach der Monte-Carlo-Methode. Die notwendigen Eingangsverteilungen für Last und Erzeugung werden dabei auf Basis von historischen Lastdaten sowie numerischer Wetterprognosen erstellt. Es wird für ein ländliches und ein städtisches Mittelspannungsnetz nachgewiesen, dass mit Hilfe des Verfahrens die Betriebsmittelauslastung gut vorhergesagt werden kann. Allerdings bilden sich die hohen Unsicherheiten der Wettervorhersage auch in der Auslastungsprognose ab. Zusätzlich wird eine übersichtliche Darstellungsmethode zur Engpassauswertung vorgeschlagen.

DDC Class

621: Applied Physics

Options

Day-Ahead-Engpassprognose für elektrische Verteilnetze mittels probabilistischer Lastflussrechnung