Optimale Betriebsführung von rekonfigurierbaren aktiven Verteilungsnetzen zur Verbesserung der Resilienz

Core Concepts

Simultane Minimierung von Netzverlust unter Normalbedingungen und Lastabwurf unter Notfallbedingungen durch optimale Netzrekonfiguration und Einsatz von verteilten Energieressourcen.

Abstract

In diesem Beitrag wird ein neues Modell für den optimalen Betrieb aktiver Verteilungsnetze (ADN) vorgestellt, das sowohl Normalbetrieb als auch Notfallsituationen nach Naturkatastrophen berücksichtigt. Das Modell nutzt die Netzrekonfiguration und optimale Netzbildung zusammen mit dem optimalen Einsatz verteilter Energieressourcen (DER), um die Resilienz des Systems in Krisensituationen zu erhöhen und gleichzeitig die Netzverluste im Normalbetrieb zu minimieren. Die Hauptaspekte sind: Konvexes gemischt-ganzzahliges quadratisch beschränktes Programmierungsmodell (MIQCP) unter Verwendung der leitungsflussbasierten (LFB) Methode für den Lastfluss Simultane Minimierung von Netzverlust im Normalbetrieb und Lastabwurf im Notfall durch Netzrekonfiguration und optimale Netzbildung Einbeziehung von konventionellen und erneuerbaren DER-Einheiten (verteilte Erzeugung, Energiespeicher) zur Verbesserung von Normalbetrieb und Resilienz Anwendung des Modells auf das IEEE 33-Knoten-Testsystem mit Analyse der Ergebnisse

Stats

Die Gesamtlast des Netzes zum Spitzenlastzeitung beträgt 3,715 MW und 2,3 MVAr. Der Resilienzindex, d.h. der Anteil der wiederversorgten Lasten nach einem Notfall, beträgt 43%. Die maximale Einspeiseleistung der Windturbinen beträgt 0,3 MW. Die maximale Energiespeicherkapazität der Energiespeichersysteme beträgt 1,2 MWh. Die maximale Leistung der Synchrongeneratoren beträgt 0,5 MW.

Quotes

"Simultane Minimierung von Netzverlust unter Normalbedingungen und Lastabwurf unter Notfallbedingungen durch optimale Netzrekonfiguration und Einsatz von verteilten Energieressourcen." "Der Resilienzindex, d.h. der Anteil der wiederversorgten Lasten nach einem Notfall, beträgt 43%."

Key Insights Distilled From

Optimal Operation of Reconfigurable Active Distribution Networks Aiming at Resiliency Improvement

by Saeed Behzad... at arxiv.org 03-27-2024

https://arxiv.org/pdf/2403.17272.pdf

Deeper Inquiries

Wie könnte man das Modell erweitern, um auch Unsicherheiten bei den Erneuerbaren und Lastprognosen zu berücksichtigen?

Um Unsicherheiten bei den Erneuerbaren und Lastprognosen in das Modell zu integrieren, könnte man probabilistische Ansätze wie Stochastische Optimierung oder Chance-Constrained Programming verwenden. Stochastische Optimierung ermöglicht es, Unsicherheiten in den Eingangsdaten wie Windgeschwindigkeiten oder Sonneneinstrahlung zu berücksichtigen, indem Wahrscheinlichkeitsverteilungen für diese Variablen definiert werden. Chance-Constrained Programming stellt sicher, dass bestimmte Bedingungen mit einer vorgegebenen Wahrscheinlichkeit erfüllt werden, was in diesem Fall bedeuten würde, dass die Netzresilienz trotz Unsicherheiten gewährleistet ist.

Welche zusätzlichen Maßnahmen zur Netzrekonfiguration und Lastmanagement könnten die Resilienz des Systems weiter erhöhen?

Zusätzlich zur Netzrekonfiguration und dem Lastmanagement könnten weitere Maßnahmen ergriffen werden, um die Resilienz des Systems weiter zu erhöhen. Dazu gehören die Implementierung von Intelligenten Schutzsystemen, die eine schnellere Erkennung und Isolierung von Störungen ermöglichen, sowie die Integration von Selbstheilungsfunktionen, die es dem Netz ermöglichen, sich automatisch zu regenerieren. Die Verwendung von Predictive Maintenance-Technologien kann dazu beitragen, potenzielle Ausfälle frühzeitig zu erkennen und zu verhindern, was die Gesamtleistung und Zuverlässigkeit des Systems verbessert.

Welche Rolle könnten zukünftige Technologien wie Vehicle-to-Grid oder intelligente Gebäude bei der Verbesserung der Systemresilienz spielen?

Zukünftige Technologien wie Vehicle-to-Grid (V2G) und intelligente Gebäude könnten eine entscheidende Rolle bei der Verbesserung der Systemresilienz spielen. V2G-Technologien ermöglichen es Elektrofahrzeugen, Energie ins Netz zurückzuspeisen, was in Zeiten hoher Nachfrage oder bei Netzstörungen die Netzstabilität unterstützen kann. Intelligente Gebäude mit Energiemanagementsystemen können flexibel auf Netzbedingungen reagieren, indem sie ihre Energieerzeugung und -nutzung optimieren, um das Netz zu entlasten und die Resilienz zu erhöhen. Durch die Integration dieser Technologien kann die Gesamtleistungsfähigkeit des Systems gesteigert und die Anfälligkeit gegenüber Störungen verringert werden.