guest ::
Stochastics based methods enabling testing of grid related algorithms through simulation = Stochastics-based methods enabling testing of grid-related algorithms through simulation = Stochastische Methoden für die simulationsbasierte Validierung von Netzalgorithmen
2015
Zugl.: Aachen, Techn. Hochsch., Diss., 2015
Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak06
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2015-07-14
Online
URN: urn:nbn:de:hbz:82-rwth-2015-038861
URL: https://publications.rwth-aachen.de/record/480797/files/480797.pdf
URL: https://publications.rwth-aachen.de/record/480797/files/480797.pdf?subformat=pdfa
Einrichtungen
- Lehrstuhl für Automation of Complex Power Systems (616310)
- Lehrstuhl und Institut für Elektrische Anlagen und Energiewirtschaft (614110)
- E.ON Energy Research Center (616400)
Inhaltliche Beschreibung (Schlagwörter)
Elektrotechnik, Elektronik (frei) ; uncertainty (frei) ; nonintrusive polynomial chaos (frei) ; grid topology (frei) ; grid models (frei) ; single load profiles (frei)
Thematische Einordnung (Klassifikation)
DDC: 621.3
Kurzfassung
In dieser Dissertation werden stochastische Methoden vorgestellt, die das Testen von Algorithmen in Hinblick auf drei verschiedene Aspekte der Energiewende ermöglichen: die Zunahme an Quellen von Unsicherheiten, größere Anteile an verteilter Energieerzeugung auf Verteilnetzebene sowie die erhöhte Bedeutung einzelnder Verbraucher oder kleiner Verbrauchergruppen. Ein nichtintrusiver Ansatz für polynomielles Chaos wurde für die schnelle Unsicherheitenanalyse entwickelt. Es wird gezeigt, dass durch die Kombination von polynomiellem Chaos und numerischer Integration Black-Box-Anwendungen mit polynomiellem Chaos erzielt werden können. Zusätzlich wurde die Prozedur durch die Nutzung einer einzelnen polynomiellen Basis für beliebig verteilte Parameter automatisiert, so dass die bei polynomiellem Chaos traditionell durchgeführten Anpassungen entfallen. Vergleiche zeigen, dass die Ergebnisse einer Monte-Carlo-Simulation mit 10000 Durchgängen durch die Nachbearbeitung von nur 6 Simulationen pro Parameter nachgebildet werden konnten, wobei deterministische Integrationsstützpunkte das Input bildeten.Um ein robusteres Testen von Methoden für Verteilnetze mit verschiedenen Topologien zu erlauben, wurde ein graphentheoretischer Algorithmus entworfen, um zufällige Verteilnetzmodelle zu generieren. Der Algorithmus erstellt getrennt Mittelspannungs- und Niederspannungsnetzmodelle, die kombiniert werden. Eine geographische Referenz wurde genutzt, um die Zuordnung von Distanzen und elektrischen Eigenschaften zu vereinfachen, durch welche eine Admittanzmatrix zur weiteren Anwendung konstruiert werden kann. Der Algorithmus wurde durch einen Vergleich zwischen Statistiken echter Verteilnetztopologien und den generierten Topologien validiert.Zuletzt wurde ein Formalismus entwickelt, um einzelne Lastprofile für beliebige Verbrauchertypen zufällig zu generieren. Standardlastprofile wurden als Referenz für Nutzeraktivität verwendet. Die generierten Profile stellen dank den abrupten Lastspitzen im Gegensatz zu den glatten Standardlastprofilen realistische Herausforderungen an Simulationen und Regelungskonzepte dar. Erstere sind erst für eine große Anzahl an Verbrauchern statistisch korrekt. Es wurde am Beispiel von Haushaltslastprofilen gezeigt, dass eine große Zahl zufällig generierter Einzelprofile sich ähnlich wie das zugrundeliegende Standardlastprofil verhalten, so dass ihre statistische Korrektheit demonstriert werden konnte.This dissertation presents stochastics-based methods enabling testing related to three different aspects of the transition towards Smart Grids: the overall increase in sources of uncertainty, the need for studying the effects of higher shares of distributed generation on distribution grids, and the focus on single consumers through concepts such as demand side management. A nonintrusive Polynomial Chaos approach is developed for fast uncertainty analysis. It is shown that by combining Polynomial Chaos and numerical integration, black box use of Polynomial Chaos can be achieved. Additionally, by using a single polynomial basis, the procedure is automated for parameters with arbitrary probability distributions, avoiding adjustments traditionally performed in Polynomial Chaos. It is shown that the results of 10000 Monte Carlo simulations can be achieved by post-processing as little as 6 simulations per random parameter, using deterministic integration points as inputs.In order to allow for robust testing of distribution grid-related methods with several different topologies, an algorithm based on concepts from Graph Theory is designed for generating random distribution grid models. The algorithm separately generates medium voltage grid and low voltage grid models. A geographical reference is used in order to facilitate the assignment of distances and electrical properties, and through these the construction of admittance matrices for further use. The algorithm is validated by comparing the statistics of real grids with those of generated grids.Finally, a framework is developed for the random generation of single load profiles for arbitrary types of consumers, based on standard load profiles as a reference for user activity. The generated profiles represent realistic challenges for simulation and testing thanks to the abrupt consumption behaviour, contrary to the smooth standard load profiles which can only be considered realistic for large numbers of consumers. It is shown through an implementation for households that a large number of generated load profiles behave similarly as the original standard load profile, thereby demonstrating their statistical correctness.
OpenAccess: 
PDF 
PDF (PDFA)
(additional files)
Dokumenttyp
Dissertation / PhD Thesis/Book
Format
online, print
Sprache
English
Externe Identnummern
HBZ: HT018725606
Interne Identnummern
RWTH-2015-03886
Datensatz-ID: 480797
Beteiligte Länder
Germany
