Prognose und Betriebsführung in Verteilnetzen mit anreizbasierter Verbraucherbeeinflussung und fluktuierender Einspeisung
Final Report Abstract
Der Umbau der elektrischen Energieversorgung in Deutschland hin zu einem überwiegend auf Erneuerbaren Energien beruhenden Versorgungssystem in 2050 ist mit tiefgreifenden Veränderungen für das elektrische Energiesystem verbunden. Ein Teil der für diesen Umbau zusätzlich benötigten Flexibilität kann zukünftig durch den zunehmenden beeinflussbaren Leistungsanteil bei Verbrauchern mittels Demand-Response (DR)-Programmen und Demand-Side-Management (DSM) bereitgestellt werden. Allerdings ist mit der Einführung der anreizbasierten Beeinflussung der Verbraucherseite mit einer wachsenden Unsicherheit bei der Verbrauchsprognose und dem Netzbetrieb zu rechnen. Das Kernziel in den zwei Bearbeitungsjahren bestand darin, die Auswirkungen von Anreizsignalen für Stromverbraucher auf deren Verbrauchsverhalten, Energiebedarfsprognosen und den Netzbetrieb zu untersuchen, mathematisch zu modellieren und die entwickelten Modelle anschließend zu validieren. Das Zusammenspiel von preisbeeinflusstem Verbraucherverhalten, dessen Vorhersage, sowie der zugrundeliegende Planungsprozess der Preisbildung wurde in einem Gesamtkonzept systemtechnisch aufgearbeitet. Dabei wurden die Wechselwirkungen und Rückkopplungen von Preisbildung, preisbeeinflussten Verbrauchern sowie der Vorhersage von preisbeeinflusstem Verbrauchsverhalten unter Berücksichtigung der jeweiligen Einflussgrößen detailliert beschrieben. Als Studienobjekt wurde ein realitätsnahes Ortsnetz, das sog. CIGRE-Benchmarknetz der Taskforce C6.04.02 mit angeschlossenen erneuerbaren Energiequellen (Windkraft- und Photovoltaikanlagen) verwendet. Dabei wurden verschiedene Kostenfunktionen, Zielfunktionen und Nebenbedingungen (Verluste im Niederspannungsnetz, Integrale Energiebilanz und Minimierung der Lastvolatilität) sowie direkte und inverse Modelle der Preisbildung entwickelt. Das preisbeeinflusste Verbrauchsverhalten wurde durch ein theoretisch motiviertes und gut interpretierbares Grey-Box-Modell („Virtueller Speicher“) formalisiert, das in einem nichtlinearen Differenzengleichungsmodell sowohl Preiseinflüsse als auch maximale Lastverschiebungspotenziale berücksichtigt. Außerdem wurde eine systematische clusterbasierte Methodik zur datenbasierten Analyse der Auswirkungen verschiedener Preissignale auf das Verbrauchsverhalten von Haushaltsstromkunden entwickelt und erfolgreich auf zwei Smart-Meter-Datensätze angewendet. An diesen Datensätzen wurde zudem gezeigt, dass es bei einer anreizbasierten Verbrauchsbeeinflussung zu einer Verschlechterung der Güte konventioneller Prognosemethoden kommt. Deshalb wurden neue Methoden zur Dekomposition von preisbeeinflussten Lastsignalen als Grundlage der Prognose des unbeeinflussten Lastanteils vorgeschlagen, die die Prognosegüte in diesen Szenarien signifikant verbessern. Zukünftig ist in Folgeprojekten insbesondere zu klären, welche Güte Demand-Response-Strategien inkl. der neuen Algorithmen in komplexen Szenarien erreichen. Dabei soll umfassend analysiert werden, welche unerwünschten Phänomene auftreten können und wie die Stabilität und Robustheit eines preisbeeinflussten Netzbetriebs quantifiziert werden kann.
Publications
- „Intelligente Prognoseverfahren für beeinflusstes Verbrauchsverhalten in Energiesystemen“. Proc., 23. Workshop Computational Intelligence, Dortmund, KIT Scientific Publishing, 2013
Klaiber, S.; Bretschneider, P.; Waczowicz, S.; Mikut, R.; Konotop, I. and Westermann, D.
- „Virtuelle Speicher als adaptierbare Verbrauchermodelle zur Lastprognose und Betriebsführung in Verteilnetzen“. Proc., 23. Workshop Computational Intelligence, Dortmund, KIT Scientific Publishing, 2013
Waczowicz, S.; Mikut, R.; Klaiber, S.; Bretschneider, P.; Konotop, I. and Westermann, D.
- „Data Mining zur Analyse der Auswirkungen von Preissignalen auf Haushaltsstromkunden“. at – Automatisierungstechnik 2014, 62, 740-752
Waczowicz, S.; Klaiber, S.; Bretschneider, P.; Konotop, I.; Westermann, D.; Reischl, M. and Mikut, R.
(See online at https://doi.org/10.1515/auto-2014-1108) - “A contribution to the load forecast of price elastic consumption behavior”. Proc., PowerTech, 2015
Klaiber, S.; Bretschneider, P.; Waczowicz, S.; Mikut, R.; Konotop, I. and Westermann, D.
(See online at https://doi.org/10.1109/PTC.2015.7232548) - “Demand Response Clustering – How do Dynamic Prices affect Household Electricity Consumption?” Proc., PowerTech, 2015
Waczowicz, S.; Reischl, M.; Klaiber, S.; Konotop, I.; Hagenmeyer, V.; Bretschneider, P.; Westermann, D. and Mikut, R.
(See online at https://doi.org/10.1109/PTC.2015.7232493) - “Extended Method to Forecast Price Elastic Consumption Behaviour”. Proc., Energy Science Technology Kongress, 2015
Klaiber, S.; Bretschneider, P.; Waczowicz, S.; Mikut, R.; Konotop, I. and Westermann, D.
- “Virtual Storages as Theoretically Motivated Demand Response Models for Enhanced Smart Grid Operations”. Proc., Energy Science Technology Kongress, 2015
Waczowicz, S.; Reischl, M.; Klaiber, S.; Bretschneider, P.; Konotop, I.; Westermann, D.; Hagenmeyer, V. and Mikut, R.
(See online at https://doi.org/10.1002/ente.201500318) - “Virtual Storages as Theoretically Motivated Demand Response Models for Enhanced Smart Grid Operations”. Energy Technology, Wiley-VCH, 2016, 163-176
Waczowicz, S.; Reischl, M.; Klaiber, S.; Bretschneider, P.; Konotop, I.; Westermann, D.; Hagenmeyer, V. and Mikut, R.
(See online at https://doi.org/10.1002/ente.201500318)
