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

Forecasting grid states in distribution grids Vertical power flow and congestion prediction for efficient curtailment of renewable energy

Memmel, Elena (2024) Forecasting grid states in distribution grids Vertical power flow and congestion prediction for efficient curtailment of renewable energy. Dissertation, Universität Oldenburg.

[img] PDF - Only accessible within DLR
19MB

Abstract

Der Anstieg der erneuerbaren Energien führt zu einer zunehmenden Überlastung des Stromnetzes und damit zu einer hohen Anzahl von Abregelungsmaßnahmen der erneuerbaren Energien. Durch die Vorhersage von Abregelungen kann der Netzbetreiber Gegenmaßnahmen ergreifen und Energieverluste reduzieren. Dafür werden neuartige ganzheitliche Kurzzeitprognosemodellkonzepte für elektrische Hochspannungsverteilnetze unter Berüucksichtigung der Ausfallsicherheit entwickelt, die eine knotenspezifische Bestimmung der Abregelung erneuerbaren Energien ermöglichen. In dieser Arbeit werden zwei Modelle vorgeschlagen, die aus zwei Komponenten bestehen: eine vertikale Leistungsvorhersage und eine Engpassvorhersage. Beide Modellkomponenten werden mit jeweils zwei Ansätzen implementiert: einmal mit einem parametrischen Ansatz und einmal mit einem maschinellen Lernansatz mittels Verwendung von künstlichen neuronalen Netzen (kNN). Im Falle des parametrischen Ansatzes für die Engpassvorhersage wird zudem eine Unsicherheitsquantifizierung und eine Bestimmung der knotenspezifischen Abregelung der erneuerbaren Energien durchgeführt. Alle Modellkonzepte werden anhand der gleichen Daten eines tatsachlichen 110 kV Netzgebiets in Norddeutschland validiert, das durch eine hohe installierte Leistung an erneuerbaren Energien, insbesondere Windenergie, gekennzeichnet ist. Die Analysen zeigen, dass der durchschnittliche mittlere absolute Fehler für die Vorhersage der vertikalen Leistung über die modellierten Transformatoren zwischen 1, 76 bis 7, 8 MW für den parametrischen Ansatz und zwischen 0, 41 bis 2, 4 MW für das kNN liegt. Die Genauigkeit der Engpassvorhersage wird über den F1-Wert gemessen, der für den parametrischen Ansatz einen Wert von 0, 84 und für das kNN einen Wert von 0, 92 erreicht. Das kNN hat also den Vorteil einer höheren Genauigkeit, während der parametrische Ansatz den Vorteil hat, mehr Transparenz und Nachvollziehbarkeit der Ergebnisse zu bieten.

Item URL in elib:https://elib.dlr.de/203612/
Document Type:Thesis (Dissertation)
Title:Forecasting grid states in distribution grids Vertical power flow and congestion prediction for efficient curtailment of renewable energy
Authors:
AuthorsInstitution or Email of AuthorsAuthor's ORCID iDORCID Put Code
Memmel, ElenaUNSPECIFIEDhttps://orcid.org/0000-0003-0619-5905UNSPECIFIED
Date:January 2024
Journal or Publication Title:Universitätsbibliothek Oldenburg
Open Access:No
Number of Pages:155
Status:Published
Keywords:electrical grids, grid congestion, forecasting, vertical power flow in
Institution:Universität Oldenburg
Department:Physik
HGF - Research field:Energy
HGF - Program:Energy System Design
HGF - Program Themes:Digitalization and System Technology
DLR - Research area:Energy
DLR - Program:E SY - Energy System Technology and Analysis
DLR - Research theme (Project):E - Energy System Technology
Location: Oldenburg
Institutes and Institutions:Institute of Networked Energy Systems > Energy System Technology
Deposited By: Schuldt, Frank
Deposited On:09 Apr 2024 12:57
Last Modified:09 Apr 2024 12:57

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Website and database design: Copyright © German Aerospace Center (DLR). All rights reserved.