Analyse zukünftiger Netzbelastungen unter Berücksichtigung von Unsicherheiten zur Anwendung in der risikobasierten Netzplanung
Zusammenfassung der Projektergebnisse
Bedingt durch den gegenwärtigen Wandel der Erzeugungsstruktur des elektrischen Netzes angesichts der Integration von Erneuerbaren-Energien-Anlagen sowie dem gleichzeitigen Rückbau der konventionellen Kraftwerke, der Lastzunahme durch Sektorenkopplung und der Liberalisierung der Energiemärkte ergeben sich potentiell signifikante Unsicherheiten im zukünftigen elektrischen Energiesystem. Dabei kann eine Aufteilung der gegenwärtig existierenden Unsicherheiten mittels zwei Klassen vorgenommen werden. Unsichere Eingangsparameter der Klasse I betreffen die Unsicherheiten bezüglich der Ausgestaltung des Erzeugungsparks und der Spitzenlasten, wobei Klasse II die Unsicherheiten der Energieerzeugung und - abnahme abbildet. Um auch zukünftig eine robuste Netzplanung mit mittel- bis langfristigem Planungshorizont basierend auf fundierten Entscheidungen vornehmen zu können, ist es essentiell, derartige Unsicherheiten bei der Entscheidungsfindung vollständig und adäquat zu erfassen und zu modellieren. Hierfür ist eine detaillierte mathematisch-statistische Analyse und Quantifizierung der Unsicherheiten einschließlich ihrer Korrelationen erforderlich. Darauf aufbauend ist es erforderlich, die Auswirkungen auf den Lastfluss mittels Methoden der probabilistischen Lastflussrechnung abzubilden, da konventionelle Methoden der deterministischen Lastflussberechnung für die Auslegung und Überwachung der elektrischen Netze als alleiniges Instrument nicht mehr hinreichend sind. Im Zuge dessen wird im Rahmen des Projektes ein Gesamtmodell entwickelt, welches es ermöglicht, zukünftige Netzbelastungen unter Berücksichtigung von realen Unsicherheiten zu bestimmen, zu analysieren und daraus optimale Investitionsentscheidungen abzuleiten oder bereits geplante Leitungsbaumaßnahmen bewerten zu können. Im Rahmen der Unsicherheitsanalyse und deren Modellierung werden für die Unsicherheiten der Klasse I, basierend auf dem bestehenden Erzeugungspark und zur Verfügung stehenden Informationen zur konventionellen Kraftwerksplanung bzw. zum Kraftwerksrückbau sowie zu erneuerbaren Energieanlagen, eine Vielzahl von Szenarien erstellt. Die identifizierten unsicheren Faktoren der Klasse II werden gemeinsam mit einem Copulamodell auf der Basis von Wahrscheinlichkeitsfunktionen abgebildet, wodurch eine detaillierte Abbildung der Randverteilungen sowie der Korrelationszusammenhänge ermöglicht wird. Durch die Kombination der Szenarien mit dem Copulamodell werden Verteilungsfunktionen je Szenario an jedem Netzknoten modelliert bzw. eine Verteilungsfunktion basierend auf allen Szenarien je Netzknoten erstellt. Diese einzelnen Verteilungsfunktionen je Szenario ermöglichen die Analyse verschiedener unsicherer Eingangsgrößen. Zur Untersuchung des Einflusses der unsicheren Eingangsgrößen auf die Leitungsauslastung werden existierende Methoden der probabilistischen Lastflussrechnung weiterentwickelt, um korrelierte und multimodal verteilte Eingangsgrößen berücksichtigen zu können. Die Analysen verdeutlichen, dass die ausschließliche Definition der installierten Leistungen in den Szenarien und die direkte Ableitung je einer konkreten Regionalisierung des Erzeugungsparks und der Lasten, wie in vielen Studien angenommen, die Unsicherheit bezüglich der Verortung der Erzeugungsanlagen vernachlässigt, welche einen signifikanten Einfluss auf die Belastung der Übertragungsleitungen haben. Mit dem so entwickelten Modell können die Auswirkungen vielfältiger unsicherer Eingangsgrößen vollumfänglich untersucht werden.
Projektbezogene Publikationen (Auswahl)
- “Integrating Real Options Analysis with long-term electricity market models”, Energy Economics Volume 80, Pages 188-205, May 2019
Festner, D. R.; Blanco, G.; Olsina, F.
(Siehe online unter https://doi.org/10.1016/j.eneco.2018.12.023) - “Long-term assessment of power capacity incentives by modeling generation investment dynamics under irreversibility and uncertainty”, Energy Policy Volume 137, February 2020
Festner, D. R.; Blanco, G.; Olsina, F.
(Siehe online unter https://doi.org/10.1016/j.enpol.2019.111185) - "Development of an open framework for a qualitative and quantitative comparison of power system and electricity grid models for Europe", Elsevier, Renewable and Sustainable Energy Reviews, Vol. 159, Feb. 2022, 112055
Syranidou, C.; Koch, M.; Matthes, B.; Winger, C.; Linßen, J.; Rehtanz, C.; Stolten, D.
(Siehe online unter https://doi.org/10.1016/j.rser.2021.112055) - "Experimental verification of smart grid control functions on international grids using a real-time simulator", IET Generation, Transmission and Distribution, 6. May 2022
Palaniappan, R.; Molodchyk, O.; Shariati-Sarcheshmeh, M.; Asmah, M.; Liu, J.; Schlichtherle, T.; Richter, F.; Appiah Kwofie, E.; Rios Festner, D.; Blanco, G.; Mutule, A.; Borscevskis, O.; Rafaat, S.; Li, Y.; Häger, U.; Rehtanz, C.
(Siehe online unter https://doi.org/10.1049/gtd2.12486)
