Development and implementation of a spatial clustering approach using a transmission grid energy system model

Abstract

Die Modellierung von Stromnetzen erfordert eine geographische Berücksichtigung aller Netzkomponenten. Bei der Anwendung von Stromsystemmodellen führt eine hohe räumliche Auflösung jedoch zu sehr hohen Rechenzeiten. Eine Möglichkeit hochaufgelöste Modelle zu beschleunigen, bietet eine Aggregation durch Clusterbildung. Durch die Clusterbildung sollen andererseits Informationen, die das Resultat stark beeinflussen, nicht verloren gehen. Um dieses Dilemma zu umgehen, wird in dieser Arbeit ein Ansatz gewählt, bei dem auf der einen Seite ähnliche Netzknoten zusammengefasst werden und auf der anderen Seite Netzengpässe weiterhin Bestand haben. Um dies zu erreichen, wird ein Spectral Clustering Algorithmus mit der Grenzkostentheorie (Locational marginal pricing) kombiniert. Weiterhin wird dieser kombinierte Algorithmus auf ein Fallbeispiel angewandt, welches das deutsche Übertragungsnetz in hoher räumlicher Auflösung abbildet. Die Anwendung des Algorithmus’ auf das Fallbeispiel führt zu einer Aggregation des hochaufgelösten Modells. Durch die Aggregation werden Netzbeschränkungen abgebaut, was wiederum Abweichungen im Kraftwerkseinsatz (Dispatch) verursacht. Bezogen auf die gesamten Systemkosten, führt eine Aggregation des Modells zu Abweichungen von über 20 %, verglichen mit der höchsten Auflösung. Auf der anderen Seite ermöglicht eine Aggregation eine Verkürzung der Lösungszeit um 95 %. Aus diesem Grund muss ein Kompromiss zwischen der Genauigkeit der Ergebnisse und der Beschleunigung des Modells gefunden werden. Die in dieser Arbeit entwickelte Methodik, bietet eine Möglichkeit, die durch die Aggregation entstehenden Abweichungen abzuschätzen.