Forschungsprojekt PrIME

Die in Deutschland angestrebte Reduktion der Treibhausgasemissionen durch starken Ausbau der erneuerbaren Energien und die damit einhergehende Zunahme der Komplexität, stellt die Stromnetze in der Zukunft vor große Aufgaben.

Viele der Aufgabenstellungen beruhen dabei auf im Kern probabilistischen Problemstellungen. Diese können häufig vereinfachend durch deterministische Betrachtungen - Mittelwert und ggf. Worst-Case-Ansätze - gelöst werden. Einzelne Anwendungen benötigen jedoch zusätzliche belastbare Aussagen über potentielle Unsicherheiten, welche eine Betrachtung des gesamten probabilistische Problemraums bedingt. Eine solche Untersuchung des gesamten Problemraums geschieht typischerweise durch eine Monte-Carlo-Simulation, die grundlegend sehr rechenzeit- und ressourcenaufwändig sind.  Daher werden bereits bei heutigen Aufgabenstellungen vielfach Vereinfachungen getroffen, die die Belastbarkeit der Ergebnisse und insbesondere die Extrapolierbarkeit der Ergebnisse einschränken.

Ein typischer Anwendungsfall für probabilistische Aufgabenstellungen in der Energiesystemtechnik ist beispielsweise die Netzausbauplanung. Der weitere Umbau der Verteilnetze zu Smart Grids mit mehr volatilen Erzeugern, dezentralen Speichern und intelligenten aktiven Betriebsmitteln im elektrischen Versorgungsnetz führt zu einer zunehmenden Unsicherheit sowohl in der räumlichen Planung der Menge als auch der zeitlichen Planung. Diese und ähnliche Unsicherheiten müssen jeweils durch Wahrscheinlichkeitsverteilungen modelliert werden, wodurch alle potentiell vorkommenden Szenarien für den Ausbau erneuerbarer Energie entstehen.

In der Regel werden dabei viele dieser Berechnungen aufgrund gleicher oder doch sehr ähnlicher Eingangsdaten redundant sein. Daher sind neue, effiziente probabilistische Methoden notwendig, um den gesamten Lösungsraum für die Netzausbauplanung abbilden zu können. Daher sollen im Projekt PrIME Methoden für probabilistische Aufgabenstellungen in der Energiesystemtechnik betrachtet und grundlagenorientiert entwickelt werden. Die Methodenentwicklung soll sich exemplarisch an typischen probabilistischen Anwendungsfällen aus der Energiesystemtechnik orientieren, um eine hohe Praxisrelevanz für die Ergebnisse der grundlagenorientierten Forschung sicherzustellen. Solche Methoden bieten dann ein großes Anwendungspotenzial, sowohl in der Netzplanung als auch in der Netzbetriebsführung (bspw. Day-Ahead-Congestion-Forecast, DACF).

Als Teil eines Konsortiums bestehend aus verschiedenen Arbeitsgruppen der Universität Kassel sowie einigen assoziierten Netzbetreibern stellt das Fraunhofer IEE vor allem die Anwendbarkeit durch die Definition von Anwendung- und Testfällen sicher. Die entwickelten Methoden werden mit verschiedenen Netzberechnungsarten, wie z. B. Lastflussberechnungen und dynamische Echtzeitsimulationen (RMS, EMT), validiert, bewertet und optimiert.

In diesem Zusammenhang können weitere Fragestellungen in der Netzplanung bzw. in der Netzbetriebsführung, wie beispielsweise die Bewertung der Investitionskosten oder die Bewertung der Betriebskosten, betrachtet und analysiert werden.