AP 1.4 – Kontinuierliche Einsatzplanung

Zielsetzung

Verbindendes Konzept innerhalb vieler Arbeiten von Smart Nord sind die sogenannten dynamischen Virtuellen Kraftwerke – veränderliche organisatorische Zusammenschlüsse dezentraler Energieanlagen. Abhängig von der aktuellen Last- und Erzeugungssituation schließen sich Energieanlagen über Software-Agenten zu Verbünden spezifisch für die Lieferung eines Energiemarkt-Produktes zusammen (siehe AP1.2). Entsprechend der heutigen Marktstrukturen platzieren sich die Verbünde u.a. im Day-Ahead-Markt. Der Planungsvorlauf für die Lieferung der Produkte liegt somit in einem Bereich, in dem insbesondere die Prognosegüte dezentraler Energieanlagen deutlich reduziert ist. Neben Prognoseänderungen müssen auch Störungen in dezentralen Anlagen in der Planung berücksichtigt werden. Weiterhin werden dezentrale Anlagen zunehmen in die Pflicht genommen, wenn der Netzbetrieb eine Änderung der Einspeise- oder Lastsituation bezüglich Wirk- oder Blindleistung erfordert. In allen Fällen ist die Lieferung des vortags geplanten Produktes nicht mehr gesichert. Aufgabe der kontinuierlichen Einsatzplanung ist es, dieser Unsicherheit entgegen zu wirken und sowohl proaktiv – d.h. vor Beginn der Lieferung bei absehbaren Problemen – als auch reaktiv – d.h. bei Eintreten der skizzierten Ereignisse in der laufenden Produkterbringung – eine Umplanung vorzunehmen, den dynamischen Virtuellen Kraftwerken so eine verlässliche Produktlieferung zu ermöglichen. Vor dem Hintergrund der zunehmenden Dynamisierung der Energiemärkte stellt das Arbeitspaket damit einen wichtigen Baustein zur verlässlichen Einbindung dezentraler Energieanlagen über Aggregatoren wie Virtuelle Kraftwerke dar.

Methodik

Ziel der Arbeiten in diesem Arbeitspaket ist es, einen verteilten Ansatz für die kontinuierliche Einsatzplanung dynamischer Virtueller Kraftwerke zu entwickeln und somit eine verteilt koordinierte Stabilisierung bei kurzfristigen Änderungen zu erreichen. Die Planung in dezentralen Energiesystemen unterliegt dabei einer Vielzahl von Restriktionen (englisch: constraints), die sowohl auf Anlagenseite als auch auf der Seite des Stromnetz-Betriebs zu berücksichtigen sind. Daher wurde das zu lösende Optimierungsproblem mit Hilfe eines verteilten Constraint-Optimierung-Ansatzes dargestellt (DCOP – distributed constraint optimization). Zu Neugenerierung bzw. Reparatur von Einsatzplänen wird eine verteilte Heuristik angewendet, die es zunächst einmal erlaubt, einen neuen Einsatzplan zu finden, der das Produkt möglichst gut annähert. Damit dieser neue Plan auch Einschränkungen des Stromnetzes berücksichtigt, wurde – basierend auf graphentheoretischen Ansätzen aus dem Bereich der komplexen Systeme – eine Metrik zur netzbezogenen Ähnlichkeit von Fahrplänen entwickelt, die in das Verfahren einbezogen wird.

Bild 1: Aufgabe der kontinuierlichen Einsatzplanung

Ergebnisse

Die folgenden Ergebnisse wurden im Rahmen dieses Arbeitspaketes bisher erzielt:

• SGAE – Smart Grid Algorithm Engineering: Es wurde ein Vorgehensmodell für die Entwicklung dezentraler Koordinationsverfahren im Smart Grid beschrieben. Dieses Vorgehensmodell soll ein ingenieur-mäßiges Vorgehen bei der Entwicklung von verteilten Koordinationsverfahren für Smart Grid-Anwendungen erleichtern und so einen besseren Transfer der Ergebnisse in die Praxis ermöglichen.
• Netzähnlichkeit: Es wurde eine Metrik entwickelt, die bei der Auswahl einen Einsatzplan bevorzugen soll, der bezogen auf die Nutzung des Stromnetzes ähnliche Eigenschaften wie ein Vergleichsplan besitzt. Mit Hilfe dieser Metrik soll verhindert werden, dass Umplanung und netzstabilisierende Maßnahmen das System als Antagonisten ins Schwingen bringen.
• Konzeption und erste Implementierung einer durchgängigen Prozesskette vom Aufbau dynamischer Virtueller Kraftwerke bis hin zur Umplanung auf Basis aktualisierter Anlageninformationen.

Publikationen

• Nieße, A.; Tröschel, M.; and Sonnenschein, M.: Designing dependable and sustainable Smart Grids - How to apply Algorithm Engineering to distributed control in power systems. Environmental Modelling & Software (2013). [pdf]
• Sonnenschein, M.; Hinrichs, C.; Nieße, A.; Vogel, U.: Supporting Renewable Power Supply by Distributed Coordination of Energy Resources. Erscheint in: L M Hilty, B Aebischer: ICT Innovations for Sustainability, Springer Advances in Intelligent Systems and Computing, 2014 (angenommen, noch nicht veröffentlicht).
• Beck, Andreas; Derksen, Christian; Lehnhoff, Sebastian; Linnenberg, Tobias; Nieße, Astrid und Rohbogner, Gregor: Energiesysteme und das Paradigma des Agenten. In: Göhner, Peter (Hrsg.): Agentensysteme in der Automatisierungstechnik (Xpert.press), Springer Verlag, 2013.
• Nieße, A.; Lehnhoff, S. et al.: Market-Based Self-Organized Provision of Active Power and Ancillary Services: An Agent-Based Approach for Smart Distribution Grids. 2012 IEEE Workshop on Complexity in Engineering (IEEE COMPENG 2012). Aachen, 2012.

Ansprechpartner

Prof. Dr. Michael Sonnenschein

sonnenschein@spaminformatik.uni-oldenburg.de

Astrid Nieße

niesse@spamoffis.de