Institut ie³ ist Teil des Sonderforschungsbereichs Transregio
Gemeinsam mit dem Lehrstuhl für Statistik (Lehrstuhl für Statistik mit Anwendungen in den Ingenieurwissenschaften) beschäftigt sich das Team von Christian Rehtanz am ie³ mit der statistischen Modellierung und Analyse zur Zustandsschätzung in elektrischen Energieverteilungsnetzen.
Die Integration erneuerbarer Energieumwandlungssysteme und der Rückbau konventioneller Kraftwerke bei gleichzeitiger Elektrifizierung des Wärme- und Verkehrssektors stellen neue Herausforderungen an die Planung und den Betrieb elektrischer Stromnetze. Hierfür wollen wir neue Methoden in Richtung Smart Grids zur Datenerfassung und -überwachung insbesondere in Verteilnetzen auf der Mittel- und Niederspannungsebene entwickeln.
Neue Methoden für technische Anwendungen
Die neuen Methoden sollen effizient die räumlich-zeitliche Genauigkeit und Auflösung der Zustandsschätzung und -vorhersage liefern, die für technische Anwendungen, z.B. im Engpassmanagement und in der Spannungsregelung, notwendig ist. Dies wird durch die Bestimmung wichtiger Eingangsgrößen, die Verwendung realistischer Modellannahmen und die Entwicklung geeigneter Filterverfahren erreicht. Insbesondere werden wir die häufig verwendete Annahme der Normalverteilung lockern, die für moderne lokale Stromverteilungsnetze nicht realistisch ist.
Neue statistische Ansätze
Dies wird zu neuen statistischen Ansätzen für die nichtlinearen Zustandsraummodelle führen, die üblicherweise für diese Verteilungsnetze verwendet werden und eine robuste Schätzung unter hochvolatilen Bedingungen ermöglichen. Neben neuen Schätz- und Vorhersagemethoden werden wir Online-Änderungspunktmethoden entwickeln, um kritische Zustände und Änderungen in der Netztopologie zu erkennen, die dem Netzbetreiber nicht rechtzeitig mitgeteilt werden.
Darüber hinaus werden wir Lösungen für eine optimierte Positionierung von Sensoren in Mittel- und Niederspannungsnetzen und für optimierte Schätzintervalle anbieten, so dass eine angemessene Robustheit der Zustandsschätzung für technische Anwendungen bei einer erheblichen Menge von Eingangsdaten mit hoher Unsicherheit gewährleistet ist.