Erweiterung eines Modells zur Kraftwerkseinsatzoptimierung um die Berücksichtigung von Prognosefehlern

Inhaltsverzeichnis

• Kurzfassung
• Abstract
• Inhaltsverzeichnis
• Verzeichnis der Abkürzungen und Formelzeichen
• 1 Einleitung
• 1.1 Hintergrund und Motivation
• 1.2 Ziele und Aufbau der Arbeit
• 2 Analyse
• 2.1 Überblick über die europäische Stromversorgung
• 2.1.1 Fortschritte in der Stromerzeugung der EU
• 2.1.2 Entwicklung des EE-Ausbaus in Europa
• 2.1.3 Europäischer Energiebinnenmarkt
• 2.1.4 Marktplätze im Stromgroßhandel
• 2.1.4.1 Terminmarkt für Strom
• 2.1.4.2 Stromhandel am Spotmarkt
• 2.1.4.2.1 Der Day-ahead-Handel für Strom
• 2.1.4.2.2 Kopplung der Spotmärkte
• 2.1.4.2.3 Der Intraday-Markt für Strom
• 2.1.4.3 Der Regelenergiemarkt
• 2.1.4.3.1 Primärregelleistung
• 2.1.4.3.2 Sekundärregelleistung
• 2.1.4.3.3 Minutenreserveleistung
• 2.1.5 Vermarktung von Strom aus dargebotsabhängigen Energiequellen
• 2.1.6 Marktaktivitäten im Rahmen des Bilanzkreismanagements
• 2.1.7 Ursachen für Bilanzungleichgewichte
• 2.1.7.1 Unsicherheiten auf der Verbraucherseite
• 2.1.7.2 Unsicherheiten auf der Erzeugerseite
• 2.1.7.2.1 Ausfälle konventioneller Kraftwerkseinspeisung
• 2.1.7.2.2 Einspeisung dargebotsabhängiger Erzeugung
• 2.2 Prognose der Stromerzeugung aus dargebotsabhängigen Energiequellen
• 2.2.1 Verfahren der Leistungsprognose
• 2.2.1.1 Eingangsdaten der Vorhersage
• 2.2.1.2 Fundamental-physikalische Verfahren
• 2.2.1.3 Statistische Verfahren
• 2.2.2 Prognosehorizont und zeitliche Auflösung
• 2.2.3 Analyse der Prognosequalität
• 2.2.4 Großräumige Prognose
• 2.2.5 Extreme Wetterereignisse in der Prognose
• 3 Modellbildung
• 3.1 Kraftwerkseinsatzplanung
• 3.2 Planungshorizonte und Modellierungsgenauigkeit
• 3.3 Systembereich
• 3.4 Thermisches System
• 3.5 Hydraulisches System
• 3.6 Dargebotsabhängige Einspeisung
• 3.7 Resultierende Optimierungsaufgabe
• 4 Verfahren
• 4.1 Marktsimulation
• 4.2 Lagrange-Relaxation
• 4.3 Verfahrenserweiterung um die Abbildung von Prognosefehlern in der Kraftwerkseinsatzoptimierung
• 4.3.1 Überblick über das Verfahren
• 4.3.2 Eingangsdaten und Parametrierung der Prognosewerte
• 4.3.3 Verfahrensablauf
• 4.3.4 Verfahren der Monatsrechnung
• 4.3.5 Verfahren der rollierenden Rechnung
• 4.3.6 Modellvereinfachung zur Reduktion des Rechenaufwands
• Exemplarische Untersuchungen

Zielsetzung und Themenschwerpunkte

Diese Diplomarbeit widmet sich der Erweiterung eines Modells zur Kraftwerkseinsatzoptimierung, welches am Institut für Elektrische Anlagen und Energiewirtschaft (IEAW) der RWTH Aachen entwickelt wurde. Die Zielsetzung ist die detaillierte Erfassung von Prognoseunsicherheiten in der Kraftwerkseinsatzplanung, um einen kosteneffizienten Einsatz von Erzeugungskapazitäten zu ermöglichen.

• Die zunehmende Bedeutung von erneuerbaren Energien, insbesondere Photovoltaik und Windkraft, führt zu einer erhöhten Volatilität und Prognoseunsicherheit in der Stromversorgung.
• Die Arbeit befasst sich mit der Entwicklung eines Verfahrens zur Abbildung dieser Prognoseunsicherheiten.
• Die Implementierung und Plausibilisierung des Verfahrens in einem bestehenden Optimierungsmodell stehen im Vordergrund.
• Die Arbeit untersucht verschiedene Optimierungsstufen und deren Auswirkungen auf die Kraftwerkseinsatzplanung.
• Der Fokus liegt auf der Analyse und Bewertung der Ergebnisse der Modellerweiterung.

Zusammenfassung der Kapitel

Die Arbeit beginnt mit einer Einleitung, die den Hintergrund und die Motivation der Arbeit erläutert sowie die Ziele und den Aufbau der Arbeit beschreibt. Im zweiten Kapitel wird ein Überblick über die europäische Stromversorgung gegeben, wobei die Fortschritte in der Stromerzeugung der EU, die Entwicklung des EE-Ausbaus in Europa und der europäische Energiebinnenmarkt beleuchtet werden. Des Weiteren werden die Marktplätze im Stromgroßhandel, die Ursachen für Bilanzungleichgewichte und die Prognose der Stromerzeugung aus dargebotsabhängigen Energiequellen behandelt.

Das dritte Kapitel befasst sich mit der Modellbildung, wobei die Kraftwerkseinsatzplanung, die Planungshorizonte und Modellierungsgenauigkeit sowie die verschiedenen Systembereiche und deren Eigenschaften erläutert werden.

Kapitel 4 präsentiert die verwendeten Verfahren, darunter die Marktsimulation, die Lagrange-Relaxation und die Verfahrenserweiterung um die Abbildung von Prognosefehlern in der Kraftwerkseinsatzoptimierung. Die Arbeit endet mit exemplarischen Untersuchungen, die die Funktionsweise und die Ergebnisse der Modellerweiterung illustrieren.

Schlüsselwörter

Die Arbeit beschäftigt sich mit den Themen der Kraftwerkseinsatzoptimierung, Prognoseunsicherheiten, erneuerbare Energien, Stromversorgung, Marktsimulation, Lagrange-Relaxation, Monatsrechnung, rollierende Rechnung, Modellierung, Optimierung, und Bilanzkreismanagement. Die Arbeit bezieht sich auf den Ausbau von erneuerbaren Energien, die damit verbundenen Herausforderungen in der Stromversorgung und die Notwendigkeit, Prognoseunsicherheiten in der Kraftwerkseinsatzplanung zu berücksichtigen.

Häufig gestellte Fragen

Warum sind Prognosefehler bei erneuerbaren Energien problematisch?

Aufgrund der Volatilität von Wind- und Solarkraft führen Prognoseunsicherheiten zu hohen Kosten für Ausgleichsmaßnahmen durch konventionelle Kraftwerke und Speicher.

Welches Ziel verfolgt die Modellerweiterung des IAEW?

Ziel ist die detaillierte Erfassung von Prognoseunsicherheiten, um den Kraftwerkseinsatz kosteneffizienter zu planen und die Marktsimulation zu verbessern.

Was ist der Unterschied zwischen Monatsrechnung und rollierender Rechnung?

Dies sind unterschiedliche Optimierungsstufen im Modell; die rollierende Rechnung erlaubt eine kontinuierliche Anpassung der Planung an aktualisierte Prognosedaten.

Welcher Ansatz wurde zur Abbildung von Unsicherheiten gewählt?

Es wurde ein deterministischer Ansatz gewählt, der als Entscheidungsmodell unter Unsicherheit fungiert.

Welche Rolle spielt die Lagrange-Relaxation in diesem Verfahren?

Die Lagrange-Relaxation ist ein mathematisches Verfahren, das im Optimierungsmodell eingesetzt wird, um komplexe Kraftwerkseinsatzprobleme effizient zu lösen.