elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Imprint | Privacy Policy | Contact | Deutsch
Fontsize: [-] Text [+]

Entwicklung eines adaptiven und selbstlernenden Blindleistungsmanagements zur netzstabilisierenden Regelung von Wechselrichtersystemen

Beyer, Kirstin (2020) Entwicklung eines adaptiven und selbstlernenden Blindleistungsmanagements zur netzstabilisierenden Regelung von Wechselrichtersystemen. Master's, Universität Oldenburg.

[img] PDF - Only accessible within DLR
13MB

Abstract

Der vermehrte Einsatz von dezentralen Energieerzeugungsanlagen führt aufgrund deren fluktuierender Einspeisung zu schnellen Änderungen der Wirkleistungsflüsse im Stromversorgungssystem, was das Spannungsverhalten im Netzverbund entscheidend beeinflusst. Mithilfe von systemstützender Blindleistung können extreme Spannungsausschläge gedämpft und so ein Abschalten von Netzakteuren verhindert werden. Ziel dieser Forschung ist die Entwicklung eines Blindleistungsmanagements für dezentrale Erzeugungsanlagen auf Basis der Künstlichen Intelligenz, welches den Blindleistungsbedarf an verschiedenen Netzanschlusspunkten eigenständig ermittelt und bereitstellt. Dazu wurde die Forschungsfrage gestellt, inwiefern der Einsatz von Machine-Learning in der Wechselrichterregelung die Individualisierung der Blindleistungsbereitstellung an verschiedenen Netzanschlusspunkten einer Verteilnetzstruktur unterstützen kann. Um diese Frage zu beantworten, wurde eine virtuelle Testnetzumgebung geschaffen und der optimale Blindleistungsbedarf zur Spannungshaltung auf die Nennspannung an allen Netzanschlusspunkten ermittelt. Aufgrund der Regelungsproblematik wurde ein Reinforcement Learning Ansatz als Machine-Learning Methode gewählt. Die Entwicklung besteht aus zwei Schritten: der Implementierung einer Lernumgebung und der Optimierung des Reinforcement Learning Agenten. Als Agent wurde der Deep Deterministic Policy Gradient verwendet, dessen Optimierung in einem einfachen Testnetz durchgeführt wurde. Anschließend wurde das stationäre und dynamische Netzverhalten in Referenznetzen untersucht. Das Potential dieser neuartigen Methodik wurde gegenüber bekannten Methoden der Blindleistungsregelung und der optimalen Blindleistungseinspeisung abgeschätzt. Der Vergleich hat besonders in stationären Situationen ein hohes Potential gezeigt. Unter Einsatz des entwickelten Blindleistungsmanagements konnte die Spannungsdifferenz entlang einer Leitung um 50 % gesenkt werden und die Sollspannung am Netzanschlusspunkt in einem Toleranzbereich von 0.2 % gehalten werden. Im Rahmen dieser Arbeit konnten Methodiken der Künstlichen Intelligenz erfolgreich in der Berechnung der individuellen Blindleistungsbereitstellung eingesetzt werden. Auf Grundlage der gewonnen Forschungsergebnisse können künftig die entwickelten Algorithmen in der Regelungstechnik realer Wechselrichtersysteme Anwendung finden, was einen vielversprechenden Beitrag zur Spannungsstabilisierung in dezentralen Netzstrukturen liefern kann.

Item URL in elib:https://elib.dlr.de/140013/
Document Type:Thesis (Master's)
Title:Entwicklung eines adaptiven und selbstlernenden Blindleistungsmanagements zur netzstabilisierenden Regelung von Wechselrichtersystemen
Authors:
AuthorsInstitution or Email of AuthorsAuthor's ORCID iD
Beyer, KirstinKirstin.Beyer (at) dlr.deUNSPECIFIED
Date:7 May 2020
Refereed publication:No
Open Access:No
Gold Open Access:No
In SCOPUS:No
In ISI Web of Science:No
Number of Pages:78
Status:Published
Keywords:Stromnetz, Blindleistung, Wechselrichter, Spannungshaltung, Blindleistungsmanagement, DDPG, Deep Reinforcement Learning, Machine Learning
Institution:Universität Oldenburg
Department:Institut für Physik
HGF - Research field:Energy
HGF - Program:Technology, Innovation and Society
HGF - Program Themes:Renewable Energy and Material Resources for Sustainable Futures - Integrating at Different Scales
DLR - Research area:Energy
DLR - Program:E SY - Energy Systems Analysis
DLR - Research theme (Project):E - Energy Systems Technology (old)
Location: Oldenburg
Institutes and Institutions:Institute of Networked Energy Systems > Energy System Technology
Deposited By: Beyer, Kirstin
Deposited On:04 Jan 2021 15:11
Last Modified:04 Jan 2021 15:11

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Copyright © 2008-2017 German Aerospace Center (DLR). All rights reserved.