Danksagung | 6 |
Zusammenfassung | 8 |
Inhaltsverzeichnis | 9 |
Abkürzungen | 11 |
Tabellenverzeichnis | 12 |
Abbildungsverzeichnis | 14 |
1 Einleitung | 19 |
1.1 Motivation | 19 |
1.2 Zielsetzung | 21 |
1.3 Verwandte Arbeiten | 26 |
1.3.1 Virtuelle Kraftwerke | 27 |
1.3.2 Dynamische Energiemarktmodelle durch Softwareagenten | 28 |
1.3.3 Multiagentensysteme in praktischen Anwendungen | 30 |
1.3.4 Betriebssicherheit in Energienetzen | 30 |
1.3.5 Eigene Vorarbeiten | 31 |
1.4 Aufbau und Gliederung der Arbeit | 32 |
2 Das europäische Energieversorgungssystem | 35 |
2.1 Stand der Technik | 35 |
2.1.1 Das Energieversorgungssystem | 35 |
2.1.2 Frequenzregelung | 45 |
2.1.3 Reserveleistungsarten | 46 |
Primärregelung | 46 |
Sekundärregelung | 47 |
Tertiärregelung | 47 |
2.2 Energiewirtschaftliche Entwicklung | 48 |
2.3 Herausforderungen an eine verteilte Regelung dezentraler Energieumwandlungsanlagen | 52 |
3 Verteilte Verhandlungen in einem dezentralen Agentensystem | 55 |
3.1 Agentenmodell | 56 |
3.2 Verhandlungsarchitektur | 59 |
3.3 Preisbildung | 63 |
3.4 Anpassen von Geboten und Angeboten | 67 |
3.4.1 Verhandlungspreis | 75 |
3.4.2 Excessive Bargaining | 77 |
Problemstellung | 77 |
Kommentar | 78 |
3.4.3 Sicherheit gegenüber bösartigem Verhalten | 82 |
3.5 Modellsimulationen zum Einfluss der similarity und der Preisrahmengröße | 85 |
3.6 Kommunikation über Ticket Distributoren | 89 |
3.7 Komplexität und Skalierbarkeit des Verhandlungsalgorithmus | 91 |
3.7.1 Die Prozeduren des DEZENT-Algorithmus | 94 |
4 Dezentrales Netzmanagement | 104 |
4.1 Bedingte Konsumenten/Produzenten | 105 |
4.1.1 Fallstudie 1: dynamisch geregelter Kühlschrank | 107 |
4.1.2 Fallstudie 2: dynamisch geregelte Wassertherme | 109 |
4.1.3 Fallstudie 3: Kraft-Wärme-gekoppeltes Blockheizkraftwerk | 110 |
4.1.4 Fallstudie 4: elektrische Speicher | 111 |
4.1.5 Fazit aus den Fallstudien | 112 |
4.2 Peak Demand and Supply Management in DEZENT | 114 |
4.2.1 Modellsimulationen des Peak Demand and Supply Managements in DEZENT | 118 |
Allgemeiner Ein.uss der identi.zierten Parameter | 118 |
Einfluss innerhalb eines 0,4 kV-Bilanzkreises mit realistischem Lastprofil | 124 |
4.3 Virtuelle Konsumenten/Produzenten | 128 |
4.3.1 Das Newton-Raphson-Verfahren zur Lastfiussberechnung | 129 |
Anwendung auf elektrische Energieübertragungsnetze | 130 |
Rechnung an einem Beispielnetz | 136 |
4.4 Komplexität und Skalierbarkeit des erweiterten Verhandlungsalgorithmus | 140 |
4.4.1 Die Prozeduren des erweiterten DEZENT-Algorithmus | 142 |
5 Verteiltes Lernen | 145 |
5.1 Reinforcement Learning | 146 |
5.2 Kooperatives Lernen in DEZENT | 147 |
5.2.1 Strategic Preferences | 150 |
Der DECOLEARN-Algorithmus | 151 |
5.3 Modellsimulation des DECOLEARN-Algorithmus | 153 |
5.4 Komplexität und Skalierbarkeit von DECOLEARN | 159 |
6 Experimentelle Untersuchungen | 161 |
6.1 Qualitätsmerkmale und Systemparameter in DEZENT | 164 |
6.2 Experimentelle Vorgehensweise | 165 |
Erzeugen realistischer Eingabeinstanzen für Permutation Flow-Shop Scheduling Probleme | 166 |
Erzeugen realistischer Eingabeinstanzen für DEZENT | 168 |
6.3 Erzeugen einer Klasse realitätsnaher Konfigurationen | 169 |
6.4 Aufbau des experimentellen Beispielnetzes | 175 |
6.5 Experimentelle Untersuchung von DEZENT ohne Peak Management | 182 |
6.5.1 Beobachtungszeitraum T1 (0:00 Uhr – 6:00 Uhr) ohne Peak Management | 185 |
6.5.2 Beobachtungszeitraum T2 (7:30 Uhr – 15:20 Uhr) ohne Peak Management | 188 |
6.5.3 Beobachtungszeitraum T3 (15:50 Uhr – 21:20 Uhr) ohne Peak Management | 192 |
6.5.4 Beobachtungszeitraum T4 (11:30 Uhr – 12:30 Uhr) ohne Peak Management | 195 |
6.5.5 Beobachtungszeitraum T5 (21:20 Uhr – 22:00 Uhr) ohne Peak Management | 198 |
6.6 Experimentelle Untersuchung von DEZENT mit Peak Management | 201 |
6.6.1 Beobachtungszeitraum T1 (0:00 Uhr – 6:00 Uhr) mit Peak Management | 204 |
6.6.2 Beobachtungszeitraum T2 (7:30 Uhr – 15:20 Uhr) mit Peak Management | 207 |
6.6.3 Beobachtungszeitraum T3 (15:50 Uhr – 21:20 Uhr) mit Peak Management | 209 |
6.6.4 Beobachtungszeitraum T4 (11:30 Uhr – 12:30 Uhr) mit Peak Management | 211 |
6.6.5 Beobachtungszeitraum T5 (21:20 Uhr – 22:00 Uhr) mit Peak Management | 213 |
6.7 Zusammenfassung der fallstudienhaften Untersuchung | 215 |
7 Dezentrale Betriebsführung | 221 |
7.1 Leitungsüberlastungen durch veränderte Versorgungskonfigurationen | 223 |
7.2 Spannungsprofil in einem strahlenförmigen Netz | 226 |
7.3 Herkömmliche Verfahren zur Bewertung von Betriebszuständen | 229 |
7.3.1 Bewertung von Spannungszuständen | 229 |
7.3.2 Bewertung von Leitungsströmen | 230 |
7.3.3 Konvergenz des Newton-Raphson-Verfahrens | 230 |
7.4 Stable State Recognition | 232 |
7.4.1 Erzeugen der Teilmengen zur Vermeidung von Spannungsbandverletzungen im Raum komplexer Knotenleistungen | 233 |
7.4.2 Erzeugen der Teilmenge zur Vermeidung von Leitungsüberlastungen im Raum komplexer Leistungsvektoren | 236 |
7.4.3 Kombination zulässiger Spannungs- und Stromvektoren im Raum komplexer Knotenleistungen | 238 |
7.4.4 On-line Bewertung von Betriebspunkten | 238 |
Bewertung eines Betriebspunktes mittels Linearer Programmierung | 240 |
Bewertung eines Betriebspunktes mittels H-Polytopen | 241 |
Der QuickHull-Algorithmus zur Berechnung konvexer Hüllen | 243 |
Kürzester Weg zurück in den Raum zulässiger Betriebsgrenzen | 249 |
7.4.5 Integration der Stable State Recognition in DEZENT | 252 |
8 Fazit und Ausblick | 256 |
8.1 Fazit | 256 |
8.2 Ausblick | 259 |
A Anhang | 264 |
A.1 Lastgangkurven Einzelhaushalte | 264 |
A.2 Lastgangkurve Photovoltaik | 267 |
A.3 Lastgangkurve Windkraft | 268 |
Literaturverzeichnis | 269 |