Bachelorarbeit BCLR-2019-59

Bibliograph.
Daten
Murawski, Gustav: Robuste Ausbauplanung für Energiespeicher.
Universität Stuttgart, Fakultät Informatik, Elektrotechnik und Informationstechnik, Bachelorarbeit Nr. 59 (2019).
57 Seiten, deutsch.
Kurzfassung

Kurzfassung Die erneuerbaren Energien aus dem Bereich Photovoltaik, Windkraft und Wasserkraft sind sehr erstrebenswert und bereits heute ein wichtiger Baustein unserer Energieerzeugung. Umso wichtiger wird ihre Rolle in Zukunft sein, denn der Anteil der Produktion dieser neuen Technologien nimmt immer mehr einen größeren Bestandteil der Gesamtenergie-Versorgung der Industrie und Privathaushalten ein. Saubere Energie entlastet im Vergleich zu den konventionellen Alternativen die Umwelt enorm. Dennoch sind sie nicht frei von Nachteilen. Da sie dem Klima und weiteren zahlreichen teils unvorhersehbaren Umweltfaktoren, Wetterlagen und -Zyklen unterliegen, ist die Energie-Produktion sehr unbeständig. Es ist aktuell eine Herausforderung flexible und intelligente Energiesysteme und -Netzwerke zu entwickeln, die diese Charaktereigenschaft kompensieren. Hierzu sind moderne Energiespeichersysteme (ESS) sehr hilfreich und am meisten gefragt, da sie in Punkto Ausbauplanung die besten Grundlagen bieten. Um zu entscheiden, welche Kombinationen von ESS (auch bekannt als ESS-Ausbauplanung) am besten und zielführend ist, wird häufig eine Optimierung durchgeführt. Wie bei jeder Zukunftsplanung ist auch die ESS-Ausbauplanung mit Unsicherheiten behaftet und birgt Fehler bei Eingabe- und Berechnungs-Parameter, die direkte Auswirkungen auf die Ergebnisse haben. Die meisten Ausbauplanungs-Studien vernachlässigen jedoch all jene Unsicherheiten. In dieser vorgestellten Thesis ist es das Ziel eine bestehende ESS-Tool-Lösung so zu erweitern, das fundierte Entscheidungen, trotz Unsicherheiten von Wetterverhätlnissen, getroffen werden können. Hierbei wurden zunächst die wissenschaftlichen Grundlagen und der aktuelle Stand heutiger Algorithmen und Methoden zur Bestimmung und Quantifizierung von Unsicherheiten recherchiert und analysiert. Dabei wurden die bisherigen technischen Grenzen und Möglichkeiten bestimmt, wobei das Augenmerk auf die Kompatibilität mit der bisherigen programmatischen Lösung lag (GAMS). Zu Beginn wurden Visualisierungen der Ein- und Ausgabedaten erstellt, um Box-Plots, Histogramme und weitere Graphen zu generieren. Diese dienten dazu eine differenzierte Interpretation zu ermöglichen, um weitere Charakteristika und wechselseitige Beziehungen zwischen den Datenpaaren aufzeigen. Des Weiteren wurden mehrere algorithmische Methoden unter anderem der k-Meansund der Monte-Carlo-Algorithmus in Visual Basic mit dazugehörigen Schnittstellen zum GAMS-Modell implementiert. Diese halfen dabei die bereits vorhandenen Datenstrukturen zu modifizieren und sinnvoll zu erweitern. Dies war notwendig, um die Modellierung einer langfristigen Ausbauplanung für Energiespeichersysteme zu realisieren. Mit dem k-Means- Algorithmus wurden repräsentative Wetterjahre als Datenpakete definiert, die clusterweise ein niedriges, mittleres und ein hohes Ertragsjahr an erzeugten Kilo-Watt-Stunden kollektiv aus allen Bereichen der erneuerbaren Energien: Wind-, Solar-Energie und Wasserkraft, kalkulierten. Mit Hilfe von Monte-Carlos Simulationen wurden Koeffizienten-Variablen ermittelt und in Häufigkeitstabellen übertragen, um die Wahrscheinlichkeit zukünftiger Szenarien zu bestimmen. Hierbei wurden ermittelte Investitionskosten parametrisiert und randomisiert. Durch die verschiedenen generierten Modelle für die GAMS Software wurden neue Testdurchläufe vorgenommen. Mit dem neuen Model wurden an die 100 Test-Sequenzen gestartet, wobei alle Ergebnisse im direkten Vergleich stehen. Alle Ausgabe-Daten wurden strukturell aufbereitet und bewertet. Die Analyse-Daten und Interpretation dieser ermöglichen eine sichere Ausbau-Planung in Bezug auf Speichersysteme und Konvertergrößen.

Abteilung(en)Universität Stuttgart, Institut für Architektur von Anwendungssystemen
BetreuerPflüger, Prof. Dirk; Haas, Dr. Jannik
Eingabedatum9. Dezember 2019
   Publ. Informatik