2020-05-01  –  2023-12-31

325.681,37 EUR

Universität Bremen - Fachbereich 03 Mathematik/Informatik - Zentrum für Technomathematik, Bremen, Bremen

03EI4013A

Sicherer Systembetrieb [EB1811]

01210947/1  –  Int2Grids

Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)

Forschungszentrum Jülich GmbH (PT-J.ESI4)

Energie

Ziele dieses Teilprojektes sind die Modellierung des Verbundnetzes und der Quartiersnetze als Mehrzieloptimierungsproblem, sowie die Lösung der aufgestellten Probleme mittels Methoden der numerischen Optimierung. Dabei werden Verbundnetz und Quartiersnetze getrennt voneinander betrachtet, da sie sich wesentlich voneinander unterscheiden. Für das Verbundnetz ist eine statische Modellierung der Netzgleichungen ausreichend, während für Quartiersnetze ein dynamisches Modell erstellt werden muss. Das Gesamtziel der Modellierung ist es, die beiden Modelltypen zu einem großen Optimierungsproblem zu vereinen. Die unterschiedlichen Ziele werden mittels eines Mehrzieloptimierungsproblems abgebildet. Das resultierende Optimierungsproblem beinhaltet zwei Ebenen, die übergeordnete Ebene des Verbundnetzes und die untergeordnete Ebene der Quartiersnetze. Hat der Netzbetreiber die Möglichkeit das Verhalten der untergeordneten Ebene zu steuern, wie z.B. durch einen anpassbaren Strompreis, so führt dies zu einem Bi-Level-Problem. Damit wird untersucht, welche Steuerungsmöglichkeiten die Netzbetreiber hier haben könnten und wie sich diese auf die jeweiligen Ergebnisse und Einzelziele auswirken. Nach der Modellierung von statischem Verbundnetz durch Lastflussgleichungen sowie von dynamischen Quartiersnetzen in vereinfachter Form erfolgt die Verknüpfung als Bi-level-Optimierungsproblem sowie die Erweiterung auf ein gemischt ganzzahliges Problem. Es wird ein KKT-basierter Lösungsansatz erarbeitet. Ähnliche Strukturen in verschiedenen Algorithmen werden identifiziert, und durch Kombination der jeweiligen Vorteile wird ein hybrider Algorithmus erstellt. Auswirkungen von Schwankungen in unsicherheitsbehafteten Variablen werden mittels parametrischer Sensitivitätsanalyse ermittelt und mit einer mengenwertigen Modellierung kombiniert. Zur Validation und Evaluation werden Simulationsszenarien entwickelt, die auf Realdaten basieren. Die Ergebnisse werden umfassend validiert und evaluiert.