Details
| Original language | German |
|---|---|
| Qualification | Doctor of Engineering |
| Awarding Institution | |
| Supervised by |
|
| Date of Award | 21 Sept 2017 |
| Publication status | Published - 2018 |
Abstract
Diese Arbeit enthält Weiterentwicklungen der Modellierung und Lösung eines Optimierungsproblems, welches die Minimierung der Kosten für Netzverluste und Redispatch kombiniert. Im Rahmen der Optimierung wird die Einhaltung der Stromtragfähigkeiten und Spannungsbänder sichergestellt.
Zur Lösung des nichtlinearen Optimierungsproblems werden die Netzgleichungen quadratisch angenähert, da eine global-optimale Lösung des allgemeinen nichtlinearen und nichtkonvexen Optimierungsproblems in akzeptabler Zeit nicht erwartet werden kann. Des Weiteren ist eine Umkehrfunktion der Leistungsgleichung erforderlich, die mit Hilfe des Verteilten Slacks ermittelt wird, ohne dass das Spannungsniveau im Netz determiniert wird.
Um das in jedem Schritt einer sequentiellen Optimierung entstehende quadratische nichtkonvexe Optimierungsproblem mit Standardsoftware zu lösen, muss dieses konvexifiziert werden. Hierzu werden die nichtkonvexen Funktionsbestandteile durch Hauptachsentransformation identifiziert und durch stückweise Linearisierungen konvexifiziert, was das kontinuierliche Optimierungsproblem gemischt-ganzzahlig werden lässt. Durch Voroptimierungen und Startwertermittlungen kann eine Lösung in angemessener Zeit erreicht werden.
Die Modellierung zeigt im Hinblick auf Prognosefehler, dass die quadratischen und die konvexifizierten quadratischen Näherungen deutlich geringere Prognosefehler haben als die lineare Näherungen. Im Hinblick auf das Konvergenzverhalten der sequentiellen Optimierung zeigt sich, dass mit linearen Nebenbedingungen Schwingungen um ein Optimum und langsame Konvergenz zu einem Optimum hin deutlich stärker ausgeprägt sind. Weitere Auswertungen zeigen zudem im Hinblick auf das Ergebnis der Optimierung, dass mit linearen Nebenbedingungen unter Umständen nur ein lokales Optimum gefunden wird. Im Hinblick auf die Kombinierung der Netzverlustoptimierung durch Blindleistungsänderung mit der Optimierung der Engpassbeseitigung durch Wirkleistungsänderung zeigen sich deutliche Effizienzvorteile.
Cite this
- Standard
- Harvard
- Apa
- Vancouver
- BibTeX
- RIS
2018. 175 p.
Research output: Thesis › Doctoral thesis
}
TY - BOOK
T1 - Netzoptimierung durch Wirk-und Blindleistungsredispatch auf Basis von konvexifizierten quadratischen Näherungen der Netzgleichungen
AU - Leveringhaus, Thomas
N1 - Dissertation
PY - 2018
Y1 - 2018
N2 - Die Energiewende, der Kernenergieausstieg, eine zunehmende Elektrifizierung energetischer Anwendungen, ein zunehmender internationaler Stromhandel, ein unzureichender Netzausbau und ein zunehmender regulatorischer Effizienzdruck bewirken einen Betrieb des elektrischen Energieversorgungsnetzes an seinen Betriebsgrenzen beziehungsweise erfordern Maßnahmen, um diese einzuhalten. Durch die Wechselwirkungen ergibt sich ein herausforderndes Optimierungsproblem.Diese Arbeit enthält Weiterentwicklungen der Modellierung und Lösung eines Optimierungsproblems, welches die Minimierung der Kosten für Netzverluste und Redispatch kombiniert. Im Rahmen der Optimierung wird die Einhaltung der Stromtragfähigkeiten und Spannungsbänder sichergestellt.Zur Lösung des nichtlinearen Optimierungsproblems werden die Netzgleichungen quadratisch angenähert, da eine global-optimale Lösung des allgemeinen nichtlinearen und nichtkonvexen Optimierungsproblems in akzeptabler Zeit nicht erwartet werden kann. Des Weiteren ist eine Umkehrfunktion der Leistungsgleichung erforderlich, die mit Hilfe des Verteilten Slacks ermittelt wird, ohne dass das Spannungsniveau im Netz determiniert wird.Um das in jedem Schritt einer sequentiellen Optimierung entstehende quadratische nichtkonvexe Optimierungsproblem mit Standardsoftware zu lösen, muss dieses konvexifiziert werden. Hierzu werden die nichtkonvexen Funktionsbestandteile durch Hauptachsentransformation identifiziert und durch stückweise Linearisierungen konvexifiziert, was das kontinuierliche Optimierungsproblem gemischt-ganzzahlig werden lässt. Durch Voroptimierungen und Startwertermittlungen kann eine Lösung in angemessener Zeit erreicht werden.Die Modellierung zeigt im Hinblick auf Prognosefehler, dass die quadratischen und die konvexifizierten quadratischen Näherungen deutlich geringere Prognosefehler haben als die lineare Näherungen. Im Hinblick auf das Konvergenzverhalten der sequentiellen Optimierung zeigt sich, dass mit linearen Nebenbedingungen Schwingungen um ein Optimum und langsame Konvergenz zu einem Optimum hin deutlich stärker ausgeprägt sind. Weitere Auswertungen zeigen zudem im Hinblick auf das Ergebnis der Optimierung, dass mit linearen Nebenbedingungen unter Umständen nur ein lokales Optimum gefunden wird. Im Hinblick auf die Kombinierung der Netzverlustoptimierung durch Blindleistungsänderung mit der Optimierung der Engpassbeseitigung durch Wirkleistungsänderung zeigen sich deutliche Effizienzvorteile.
AB - Die Energiewende, der Kernenergieausstieg, eine zunehmende Elektrifizierung energetischer Anwendungen, ein zunehmender internationaler Stromhandel, ein unzureichender Netzausbau und ein zunehmender regulatorischer Effizienzdruck bewirken einen Betrieb des elektrischen Energieversorgungsnetzes an seinen Betriebsgrenzen beziehungsweise erfordern Maßnahmen, um diese einzuhalten. Durch die Wechselwirkungen ergibt sich ein herausforderndes Optimierungsproblem.Diese Arbeit enthält Weiterentwicklungen der Modellierung und Lösung eines Optimierungsproblems, welches die Minimierung der Kosten für Netzverluste und Redispatch kombiniert. Im Rahmen der Optimierung wird die Einhaltung der Stromtragfähigkeiten und Spannungsbänder sichergestellt.Zur Lösung des nichtlinearen Optimierungsproblems werden die Netzgleichungen quadratisch angenähert, da eine global-optimale Lösung des allgemeinen nichtlinearen und nichtkonvexen Optimierungsproblems in akzeptabler Zeit nicht erwartet werden kann. Des Weiteren ist eine Umkehrfunktion der Leistungsgleichung erforderlich, die mit Hilfe des Verteilten Slacks ermittelt wird, ohne dass das Spannungsniveau im Netz determiniert wird.Um das in jedem Schritt einer sequentiellen Optimierung entstehende quadratische nichtkonvexe Optimierungsproblem mit Standardsoftware zu lösen, muss dieses konvexifiziert werden. Hierzu werden die nichtkonvexen Funktionsbestandteile durch Hauptachsentransformation identifiziert und durch stückweise Linearisierungen konvexifiziert, was das kontinuierliche Optimierungsproblem gemischt-ganzzahlig werden lässt. Durch Voroptimierungen und Startwertermittlungen kann eine Lösung in angemessener Zeit erreicht werden.Die Modellierung zeigt im Hinblick auf Prognosefehler, dass die quadratischen und die konvexifizierten quadratischen Näherungen deutlich geringere Prognosefehler haben als die lineare Näherungen. Im Hinblick auf das Konvergenzverhalten der sequentiellen Optimierung zeigt sich, dass mit linearen Nebenbedingungen Schwingungen um ein Optimum und langsame Konvergenz zu einem Optimum hin deutlich stärker ausgeprägt sind. Weitere Auswertungen zeigen zudem im Hinblick auf das Ergebnis der Optimierung, dass mit linearen Nebenbedingungen unter Umständen nur ein lokales Optimum gefunden wird. Im Hinblick auf die Kombinierung der Netzverlustoptimierung durch Blindleistungsänderung mit der Optimierung der Engpassbeseitigung durch Wirkleistungsänderung zeigen sich deutliche Effizienzvorteile.
M3 - Dissertation
ER -