Zukunftslabor
ENERGIE

The dynamic nature of power systems complicates future low voltage (LV) grid operations. Variable power demand, fluctuating renewable energy, and expanding electric heating and mobility pose significant challenges for grid management. To avoid grid expansion, effective operating strategies are crucial to prevent issues from the lack of real-time coordination between distributed energy resources and grid capacity. Flexible and proactive management enables operators to monitor and control critical grid parameters, enhancing performance and reliability.

Simulation models are essential for detailed energy system analysis, considering diverse load scenarios and supporting management strategy development. Co-simulations, integrating models from different domains, are particularly effective for thorough system analysis. These simulations should incorporate flexible and compatible algorithms, facilitating extensive testing and evaluation across a wide range of scenarios.

Existing research on centralized grid management has been extensively explored in high voltage systems but is sparse for LV grids. Studies often focus on voltage control, overlooking or simplifying line current issues, e.g. by assuming DC power flow to narrow the focus on the applied regulation strategies or to avoid complexity associated with an accurate analysis. This paper presents an enhanced algorithm in an open-source tool to identify and correct voltage and line loading violations in LV grid simulations. The tool offers configurable options for tailoring power management strategies and supports selective injections of reactive and active power using various sources like battery storage and photovoltaic (PV) systems. It employs a sensitivity matrix to accurately capture the dependencies of line currents on power injections at grid buses, ensuring precise modelling and improving convergence rates. The performance is compared with DC power flow models using simplified PTDF matrices to evaluate the necessity of comprehensive sensitivity analysis under varying grid dynamics. Additionally, different sequences for managing violations of operation limits are assessed to ensure gradual changes in grid parameters and avoid unnecessary power usage by carefully managing power injections. After validation, the tool is integrated into a co-simulation framework of the entire energy system of a district grid in Germany, enhancing testing and strategy assessment for grid performance. This builds on prior research analysing the impact of electric vehicle (EV) penetration on grid capacity, focusing on user-side measures like storage and smart charging to manage voltage issues. The co-simulation integrates models and data, including actual grid simulation, DWD weather data, measured load profiles, and models for PV generation and EV charging, ensuring comprehensive and realistic energy system analysis.

Der zunehmende Anteil volatiler erneuerbarer Energieerzeugung in aktuellen und zukünftigen Energiesystemen, der nicht dem Bedarf folgt, macht es notwendig, die Synchronisationsaufgaben auf System- und Nachfrageebene zu verlagern. Die beabsichtigte Nachfrageseitige Verbrauchssteuerung wird in der Regel über finanzielle Mechanismen incentiviert. Allerdings ist das optimale Design entsprechender Anreize noch unklar. Es wird meist unter dem Begriff "Systemfreundlichkeit" diskutiert, der jedoch noch immer eine allgemein anerkannte Definition vermissen lässt. In diesem Artikel führen wir eine neue technische Definition von "Systemfreundlichkeit" ein und entwickeln umfassende und ganzheitliche damit verbundene Indikatoren. Dazu führen wir das Konzept der Bürde für Energiesysteme ein, dass die Menge an technischer Infrastruktur repräsentiert, die für einen stabilen Betrieb erforderlich ist. Wir verwenden das Konzept eines hypothetischen Systemenergiespeichers, um Indikatoren abzuleiten, die in der Lage sind, die Systemfreundlichkeit eines gegebenen Punktes von Interesse zu quantifizieren. Die entwickelten Indikatoren sind unabhängig von Vorschriften oder Marktumgebungen, was einen Vergleich der Ergebnisse zwischen Studien und verschiedenen Systemen ermöglicht. In einer Fallstudie demonstrieren wir unsere neu entwickelte Methodologie und untersuchen beispielhaft dezentrale Wärmeenergiespeicher. Unsere Ergebnisse zeigen, dass heutige regulatorische Umgebungen, die in der Regel die Selbstverbrauchsmaximierung für den Wohnbereich unterstützen, kontraproduktiv sind. Stattdessen zeigen wir, dass dynamische Endkundenpreise gekoppelt mit dynamischen Einspeisetarifen ein fast 100% systemfreundliches Verhalten von verteilten Prosumern incentivieren können.

Verhaltensbäume sind ein bewährtes Konzept bei der Erstellung komplexer Aufgabenumschaltungssteuerungen und künstlicher Intelligenz für Robotersysteme und Nicht-Spieler-Charaktere in der Computerspieleindustrie. Anforderungen wie Flexibilität, Wartbarkeit, Wiederverwendbarkeit von Funktionalitäten oder Erweiterbarkeit gelten auch für die Steuerung dezentraler Energiesysteme. Trotzdem gibt es eine auffällige Forschungslücke bezüglich der Anwendung von Verhaltensbäumen in diesem Sektor.

Basierend auf einem grundlegenden Heizsystem, einschließlich thermodynamischer Modellierung einer teillastfähigen Wärmepumpe mit TESPy, werden Baumstrukturen für die Steuerung mithilfe der Python-Bibliothek py_trees erstellt. Mit Blick auf die Minimierung der jährlichen Betriebsleistungskennzahlen Strompreis und CO2-Emissionen, die den optimalen Einsatz von erneuerbaren Anteilen widerspiegeln, werden mehrere Steuerungsstrategien verglichen.

Wir identifizieren und veranschaulichen die prinzipiellen Grenzen von Entscheidungsbäumen, gemischten ganzzahligen linearen Optimierungen, die mit oemof-solph durchgeführt wurden, sowie einem klassischen regelbasierten Ansatz. Der vorgeschlagene höherstufige Verhaltensbaum kombiniert die Stärken solcher Ansätze und verfolgt das zusätzliche Ziel, den Start-up- und damit verbundenen Verschleiß der Wärmepumpe ohne signifikante Erhöhung der Rechenzeit zu reduzieren