Stochastics based methods enabling testing of grid related algorithms through simulation

Togawa, Kanali; Monti, Antonello (Thesis advisor); Moser, Albert (Thesis advisor)

Aachen / E.ON Energy Research Center, RWTH Aachen Univ. (2015) [Buch, Doktorarbeit]

Seite(n): XIV, 118 S. : Ill., graph. Darst.

Kurzfassung

In dieser Dissertation werden stochastische Methoden vorgestellt, die das Testen von Algorithmen in Hinblick auf drei verschiedene Aspekte der Energiewende ermöglichen: die Zunahme an Quellen von Unsicherheiten, größere Anteile an verteilter Energieerzeugung auf Verteilnetzebene sowie die erhöhte Bedeutung einzelnder Verbraucher oder kleiner Verbrauchergruppen. Ein nichtintrusiver Ansatz für polynomielles Chaos wurde für die schnelle Unsicherheitenanalyse entwickelt. Es wird gezeigt, dass durch die Kombination von polynomiellem Chaos und numerischer Integration Black-Box-Anwendungen mit polynomiellem Chaos erzielt werden können. Zusätzlich wurde die Prozedur durch die Nutzung einer einzelnen polynomiellen Basis für beliebig verteilte Parameter automatisiert, so dass die bei polynomiellem Chaos traditionell durchgeführten Anpassungen entfallen. Vergleiche zeigen, dass die Ergebnisse einer Monte-Carlo-Simulation mit 10000 Durchgängen durch die Nachbearbeitung von nur 6 Simulationen pro Parameter nachgebildet werden konnten, wobei deterministische Integrationsstützpunkte das Input bildeten.Um ein robusteres Testen von Methoden für Verteilnetze mit verschiedenen Topologien zu erlauben, wurde ein graphentheoretischer Algorithmus entworfen, um zufällige Verteilnetzmodelle zu generieren. Der Algorithmus erstellt getrennt Mittelspannungs- und Niederspannungsnetzmodelle, die kombiniert werden. Eine geographische Referenz wurde genutzt, um die Zuordnung von Distanzen und elektrischen Eigenschaften zu vereinfachen, durch welche eine Admittanzmatrix zur weiteren Anwendung konstruiert werden kann. Der Algorithmus wurde durch einen Vergleich zwischen Statistiken echter Verteilnetztopologien und den generierten Topologien validiert.Zuletzt wurde ein Formalismus entwickelt, um einzelne Lastprofile für beliebige Verbrauchertypen zufällig zu generieren. Standardlastprofile wurden als Referenz für Nutzeraktivität verwendet. Die generierten Profile stellen dank den abrupten Lastspitzen im Gegensatz zu den glatten Standardlastprofilen realistische Herausforderungen an Simulationen und Regelungskonzepte dar. Erstere sind erst für eine große Anzahl an Verbrauchern statistisch korrekt. Es wurde am Beispiel von Haushaltslastprofilen gezeigt, dass eine große Zahl zufällig generierter Einzelprofile sich ähnlich wie das zugrundeliegende Standardlastprofil verhalten, so dass ihre statistische Korrektheit demonstriert werden konnte.

Identifikationsnummern

  • ISBN: 978-3-942789-29-5
  • URN: urn:nbn:de:hbz:82-rwth-2015-038861
  • REPORT NUMBER: RWTH-2015-03886