2019-02-01  –  2021-12-31

339.881,00 EUR

Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau - Fachbereich Elektrotechnik und Informationstechnik - Lehrstuhl für Energiesysteme und Energiemanagement, Kaiserslautern, Rheinland-Pfalz

0350059C

Netzautomatisierung [EB1825]

01184655/1  –  smartAPO

Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)

Forschungszentrum Jülich GmbH (PT-J.ESI6)

Energie

Der Lehrstuhl für Energiesysteme und Energiemanagement der Technischen Universität Kaiserslautern (TUK) bündelt im Forschungsprojekt SmartAPO die in den letzten Jahren im Bereich Verteilnetze vollzogenen Forschungsarbeiten. Übergeordnetes Ziel ist es, die Integration von Erzeugungsanlagen und 'neuen Lasten' in Niederspannungsnetze durch Einsatz von Automatisierungstechnik in der Netzbetriebsführung zu fördern. Innerhalb des Projekts ist die Entwicklung eines Ortsnetzreglers geplant, der Grenzwertverletzungen zuverlässig detektiert und autonom (d.h. ohne Eingriff durch die Netzleitstelle) Aktoren zur Spannungshaltung sowie zur Lastflussbeeinflussung steuert, so dass immer ein zuverlässiger (im Sinne der Versorgungsqualität) und sicherer (im Sinne des Schutzes von Anlagen und Personen) Netzbetrieb gewährleistet ist. Das Besondere am Projekt ist die Berücksichtigung einer schlechten Datengrundlage, d.h. einer negativen Messwertredundanz und einer Kommunikationsinfrastruktur mit geringer Bandbreite. Darum ist das wesentliche wissenschaftliche Arbeitsziel der TUK die Erarbeitung eines Regelungskonzepts, das auch bei vermindertem Messumfang und relativ hohen Messzyklen einen zulässigen Netzbetrieb ermöglicht. Hierzu wird der Ansatz einer prädiktiven Regelung verfolgt. Ein weiterer Schwerpunkt liegt in der Ausgestaltung eines robusten, autonomen Systems. Einzelne invalide Messwerte sollen detektiert (siehe Funktionen aus SmartSCADA) und durch Ersatzmesswerte ersetzt werden. Eine der Netzzustandsschätzung nachgelagerte Plausibilisierungsfunktion soll die Genauigkeit der Netzzustandsschätzung bewerten. Fällt die Plausibilisierung negativ aus, z.B. aufgrund zu vieler ungenauer Ersatzmesswerte, muss eine 'fail-safe'-Funktion greifen. Die Ersatzwertgenerierung, Plausibilisierungsfunktion und 'fail-safe'-Funktion gilt es zu entwickeln und zu untersuchen. Für die Ersatzmesswertbildung und die Plausibilisierung wird ein Ansatz mit künstlichen neuronalen Netzwerken verfolgt.