Teilprojekt 7 - Optimiertes Energiemanagement mehrerer

NACHWUCHSFORSCHERGRUPPE
Intelligente dezentrale Energiespeichersysteme
Professur Energie- und Hochspannungstechnik
Teilprojekt 7 - Optimiertes Energiemanagement mehrerer dezentraler
Hybridspeichereinheiten
Dipl.-Ing. Jens Teuscher
Motivation
Grundstruktur des Managementsystems
Im Zuge des steigenden Anteils von Anlagen auf Basis erneu-
TP7: Management auf Netzebene
erbarer Energien sowie neuartiger Verbraucher (z. B. Elektromobilität) werden vorallem die historisch gewachsenen Verteil-
220/380 kV
⇒ einen sicheren Netzbetrieb sicherstellen
• Unterschreiten von Belastungsgrenzen der Betriebsmittel
110 kV
lichkeit, ein Energiemanagement in der Niederspannungsebene einzusetzen (siehe Abbildung 1).
• Einhaltung des Spannungsbandes (DIN EN 50160)
Management
mehrerer
intellligenter Häuser
10...30 kV
intelli.
Haus
Da bis zu 75 % der Leitverluste im Niederspannungsnetz verurHaus-Management (TP2)
+
Batterie
In diesem Projekt wird dabei mit TP1 (Prognosemodelle), TP2
...
BZ
C
Verteilnetzebene im Fokus des Managements.
0,4 kV
Abb. 1: Management-Systeme
Netzmodell
ländlichen Niederspannungsnetzen.
• Reduzierung des Leistungsflussweges → Reduzierung der
• Vermeidung von rohstoffintensiven Netzausbau
Anreizsignal
Als Testumgebung dienen Modelle von realen städtischen und
erneuerbarer Energien (auch aus MS-Ebene)
Leitverluste
(Interaktion mit dem Hausmanagement) sowie TP6 (Lastprofilgenerator) zusammengearbeitet.
⇒ einen nachhaltigen Netzbetrieb sicherstellen
• Präferierte Energiebereitstellung durch Anlagen auf Basis
PV-Anlage
◦
sacht werden, liegt die Optimierung des Energieflusses dieser
Das zu entwickelnde Managementsystem auf Netzebene soll
dabei folgende Kriterien erfüllen:
netze vor neue Herausforderungen gestellt. Um dennoch einen
rohstoffintensiven Netzausbau zu vermeiden, gibt es die Mög-
Zielsetzung
Leistungsfluss-Optimierung
⇒ jedes intelligente Haus kann aufgrund Speicher ein Erzeu-
Netzdaten
ger oder Verbraucher sein (siehe Abb. 1)
• Simulationsumgebung ist M AT P OWER auf M ATLAB -Basis
sowie selbstentwickelte Erweiterungen (siehe Abb. 2)
⇒ einzelne Häuser (Knoten) erhalten verschiedene Anreizsignale je nach Lastsituation (basierend auf Graphentheorie)
bis alle
Verbraucher
in finaler Liste
Referenzrechnung
Verbinungsknoten und Erzeuger finden
Angrenzende Verbraucher finden
Netzdaten
• Zeitreihensimulationen anhand realer Messungen sowie mit-
Eintragen in Verbraucherliste
Daten der einzelnen Knoten
tels Lastprofilgenerator [2]
aktuelle
Lastsituation
Leistung
Verluste
des Knotens
des Knotens
bis alle
Verbraucher
getestet
Leistung
Leistung
im
des gesamten
MS-Netz
NS-Netzes
Lastflussberechnung
Löschen der Verbraucherliste
Verlustarmsten Verbraucher speichern
Anreizsignal
Finale Liste mit Verbrauchern und deren Verlusten
Reaktion der Knoten
Abb. 4.: Schema der Leistungsfluss-Optimierung
Abb. 2: Auswertungsoberfläche zu M AT P OWER
Abb. 3: Aufbau des Anreizsignals κ [1]
⇒ κ < 0 → PKnoten ↓
⇒ κ > 0 → PKnoten ↑
⇒ analog wird für alle Erzeugerknoten verfahren!
Ergebnisse
Ergebnisse
Ausblick
Simuliertes Szenario: Nach 15 Zeitschritten erfolgt eine Bereit-
• jeder Knoten bekommt nach seiner aktuellen Last- oder Ein-
• Implementierung und Tests einer schnellen Leistungsfluss-
• Anreizsignal verhält sich stabil
• weitere Verifizierung der Netzmodelle mit realen Messungen
Anreizsignal κ
stellung von Elektroenergie aus höherer Spannungsebene
0.08
0.06
0.04
• eine Einhaltung der Belastungsgrenzen der Betriebsmittel
0.02
0
wurde in Beispielszenarien bestätigt
-0.02
Leistung des Knotens Pnodes [kW]
speisesituation ein individuelles Anreizsignal
• ein Nichtreagieren der Knoten bewirkt eine Verstärkung des
30
Anreizsignals des jeweiligen Knotens sowie deren Nachbarn
20
10
• eine Reduzierung der Netzverluste um bis zu 70 % wurde in
0
Beispielszenarien gezeigt
-10
-20
2
4
6
8
10 12 14 16 18 20 22 24 26 28 30 32
Zeitschritt / Iteration
Knoten A
Knoten B
Knoten C
Knoten D
Abb. 6: Verlauf des Anreizsignals und Reaktion der Leistung [3]
• Anreizsignal beinhaltet ebenso eine Reaktion auf höhere
Spannungsebene
⇒ aber: Diese Ausführung benötigt einen hohen Rechenaufwand und ist daher nicht echtzeitfähig.
Optimierung (basierend auf Cluster-Bildung)
Literatur
[1] Teuscher, J.; Kühnert, D.; Zeising, V.: Loss-optimized
management in low-voltage grids based on an incentive signal, IP 2011, Pilzen, 2011.
[2] Pflugradt, N.; Platzer, B.: Behavior based load profile
generator for domestic hot water and electricity use, Innostock 2012, Lleida (Spanien), 2012.
[3] Teuscher, J.; Schufft, W.; Zeising, V.: Loss-OptimisingManagement-Algorithm and the usage in an energy
management for low-voltage grids, ICREPQ 2012, Santiago de Compostela, 2012.
1
KONTAKT
Dieses Projekt wird gefördert durch:
TU Chemnitz // Nachwuchsforschergruppe Intelligente dezentrale Energiespeichersysteme // Professur Energie- und Hochspannungstechnik // Prof. Dr.-Ing. Schufft
Nachwuchswissenschaftler: Dipl.-Ing. Jens Teuscher // Telefon: 0371/531 - 37752 // Telefax: 0371/531 - 837752 // E-Mail: [email protected]
FAKULTÄT FÜR ELEKTROTECHNIK