Skip to main content

2023 | Buch

Energieprognose und Steuerungsmethoden für Energiespeichersysteme in Verteilungsnetzen

Prädiktive Modellierung und Kontrolltechniken

verfasst von: William Holderbaum, Feras Alasali, Ayush Sinha

Verlag: Springer International Publishing

insite
SUCHEN

Über dieses Buch

Dieses Buch beschreibt die stochastische und prädiktive Kontrollmodellierung elektrischer Systeme, die die Herausforderung der Vorhersage des Energiebedarfs unter volatilen Bedingungen bewältigen kann.

Es wird erwartet, dass das globale Stromnetz mit bedeutenden Energie- und Umweltherausforderungen konfrontiert wird, wie z. B. Treibhausgasemissionen und steigender Energieverbrauch aufgrund der Elektrifizierung von Heizung und Verkehr. Heute umfasst das Verteilungsnetz Energiequellen mit unbeständigem Nachfrageverhalten und intermittierender erneuerbarer Erzeugung. Daher wird es immer wichtiger, das Nachfrageverhalten im Niederspannungsbereich und die Anforderungen an optimale Energiemanagementsysteme zu verstehen, um Energieeinsparungen zu erzielen, Lastspitzen zu reduzieren und Gasemissionen zu verringern.

Elektrische Lastprognosen sind ein wichtiges Instrument, um das hochgradig stochastische Verhalten der Stromnachfrage zu verstehen und zu antizipieren und um optimale Energiemanagementsysteme zu entwickeln. Lastprognosen, insbesondere probabilistische Prognosen, können fundiertere Planungs- und Managemententscheidungen unterstützen, was für künftige kohlenstoffarme Verteilungsnetze von entscheidender Bedeutung sein wird. Bei Speichervorrichtungen können Prognosen den geeigneten Kontrollzustand der Batterie optimieren. Es gibt nur wenige Bücher über Lastprognosen für Niederspannungsnetze und noch weniger Beispiele dafür, wie solche Prognosen in die Steuerung von Speichern integriert werden können.

Dieses Buch stellt Material zu Lastprognosen, Regelungsalgorithmen und Energieeinsparungen vor und bietet praktische Anleitungen für Praktiker anhand von zwei Beispielen aus dem wirklichen Leben: Wohnnetze und Kräne in einem Hafenterminal.

Inhaltsverzeichnis

Frontmatter
Kapitel 1. Einführung
Zusammenfassung
Um die Klimakrise zu bewältigen, haben Regierungen auf der ganzen Welt zugestimmt, globale Kohlenstoffreduktionsziele von 50 % im Vergleich zum Niveau der 1990er Jahre festzulegen.
William Holderbaum, Feras Alasali, Ayush Sinha
Kapitel 2. Kurzfristige Lastprognose (STLF)
Zusammenfassung
Da die Speicherung von Elektrizität teuer ist, ist es besser, sie zu verbrauchen, wenn sie produziert wird. Daher ist es für alle Beteiligten wie Produzenten, Verteiler, Versorgungsunternehmen und Endverbraucher unerlässlich, den Energieverbrauch im Voraus abzuschätzen, um einen rentablen Zustand zu erreichen. Es gibt viele Prognosestrategien für die Lastprognose, wie kurzfristige, mittelfristige und langfristige. Die kurzfristige Lastprognose (STLF) ist jedoch von größter Bedeutung aufgrund ihrer Fähigkeit, Verbrauchsmuster von Haushalten, kleinen und kleinsten Handelszentren vorherzusagen. Das Kapitel beschreibt Werkzeuge und Techniken für die STLF basierend auf den traditionellen statistischen Modellen und fortgeschrittenen maschinellen Lernverfahren. Das Kapitel gibt einen umfassenden Einblick in die Auswahl des geeigneten Prognosemodells für den beabsichtigten Datensatz und präsentiert eine vergleichende Studie, um dem Lernenden die Vor- und Nachteile der bestehenden Literatur in diesem Bereich zu vermitteln.
William Holderbaum, Feras Alasali, Ayush Sinha
Kapitel 3. Fallstudie: Prognosen für Niederspannungsbedarf
Zusammenfassung
Dieses Kapitel zielt darauf ab, zu erklären, wie man ein Prognosemodell für kurzfristige (Day-ahead-)Vorhersagen für eine elektrische Nachfrageanwendung implementiert. In diesem Kapitel wurden die elektrischen Nachfragedaten von gummibereiften Portalkranen (RTG) an Seehäfen verwendet, um die Fallstudie zu demonstrieren. Die RTG-Nachfrage ist hauptsächlich mit dem Containergewicht und der Anzahl der Bewegungen des Krans korreliert. Um ein Prognosemodell zu entwerfen, sollten eine Reihe von Elementen und Schritten berücksichtigt werden, wie unten skizziert.
William Holderbaum, Feras Alasali, Ayush Sinha
Kapitel 4. Einführung in Regelungsstrategien
Zusammenfassung
Dieses Kapitel stellt verschiedene Regelungsmethoden vor, von den grundlegenden und gängigen Methoden wie PID-Reglern bis hin zu stochastischen Optimierungsregelungsmethoden.
William Holderbaum, Feras Alasali, Ayush Sinha
Kapitel 5. Modellprädiktive Regelung
Zusammenfassung
Dieses Kapitel enthält fortgeschrittene Regelungsstrategien basierend auf der Receding-Horizon-Control-Technologie, die auch als modellprädiktive Regelung bezeichnet wird. Es wird empfohlen, zuerst den Abschn. 4.3 zu lesen, bevor Sie dieses Kapitel lesen, und wenn Sie die stochastische modellprädiktive Regelung in Abschn. 5.3 in Betracht ziehen, dann wird auch der Abschnitt 4.5 Stochastische Optimierung empfohlen.
William Holderbaum, Feras Alasali, Ayush Sinha
Kapitel 6. Fallstudie: Speichersteuerung für Niederspannungsnetze
Zusammenfassung
Dieses Kapitel zeigt, wie man die verschiedenen Arten von optimalen Reglern für Anwendungen in Niederspannungsverteilungsnetzen implementiert. Es wird auch gezeigt, wie man die Lastprognosen nutzt und wie sie die Leistung der Regelung beeinflussen. Die hier dargestellten Beispiele erweitern die in diesem Kapitel, indem sie die in diesem Abschnitt erzeugten Prognosen in die Regelungsmethoden oder aus der Literatur integrieren. Die Fallstudien werden zeigen, wie man die Regelung richtig implementiert sowie die vielen Herausforderungen, die bei der Gestaltung eines Regelungssystems für Energiespeichersysteme (ESS) entstehen können. Die typischen Niederspannungsverteilungsnetze unterscheiden sich stark von den RTG-Kran-Netzanwendungen, wie in diesem Kapitel vorgestellt wird. Wo Niederspannungsanwendungen aus einer geringeren Anzahl von Geräten und Verbrauchern bestehen, sind die Nachfragedaten typischerweise volatiler, was die Gestaltung des Regelungsmodells weniger trivial als für Hochspannungsanwendungen macht.
William Holderbaum, Feras Alasali, Ayush Sinha
Backmatter
Metadaten
Titel
Energieprognose und Steuerungsmethoden für Energiespeichersysteme in Verteilungsnetzen
verfasst von
William Holderbaum
Feras Alasali
Ayush Sinha
Copyright-Jahr
2023
Electronic ISBN
978-3-031-45471-4
Print ISBN
978-3-031-45470-7
DOI
https://doi.org/10.1007/978-3-031-45471-4