Volltext-Downloads (blau) und Frontdoor-Views (grau)
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 2 of 33
Back to Result List

Netzoptimierungstool auf Basis künstlicher neuronaler Netze für den intelligenten Echtzeitbetrieb des Stromnetzes auf Verteilnetzebene

  • Das hier vorgestellte Netzoptimierungstool kann dem Verteilnetzbetreiber bei einem Störfall im Netz in Echtzeit eine Lösung zur Steuerung seiner Betriebsmittel vorschlagen. Dadurch kann das bestehende Netz optimal genutzt werden und ein kostenintensiver Netzausbau im Mittel- und Niederspannungsnetz verringert oder sogar verhindert werden. Als Grundlage für den Netzoptimierer dient ein künstliches neuronales Netz (KNN). Zum Training des KNN wurden Störfälle generiert, die auf reellen Erzeugungs- und Lastprofilen aus dem CoSSMic-Projekt basieren [1]. Für jeden Störfall wurde aus allen möglichen und sinnvollen Netzkonfigurationen eine optimierte Netztopologie anhand von Lastflussberechnungen ermittelt. Durch die Variation der Stufenschalter der Transformatoren und der Stellungen aller installierten Schalter im Netz wurde berechnet, wie der Stromfluss gelenkt werden muss, damit keines der Betriebsmittel die zulässigen Belastungsgrenzen mehr überschreitet. Für ein virtuelles Testnetz konnte mit einem trainierten KNN zu 90 Prozent die optimale Lösung des jeweiligen Störfalls erkannt werden. Durch die Anwendung der N-Best Methode konnte die Vorhersagewahrscheinlichkeit auf annähernd 99 Prozent erhöht werden.

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Manuela Linke, Tobias Messmer, Gabriel Micard, Adrian Wenzel, Gunnar Schubert, Matthias Kindl, Adrian Minde
ISBN:978-3-9817740-4-7
Parent Title (German):26. Symposium Nutzung Regenerativer Energiequellen und Wasserstofftechnik, 6.-8. November 2019, Hochschule Stralsund,
Document Type:Conference Proceeding
Language:German
Year of Publication:2019
Release Date:2020/01/28
Tag:Stromnetzoptimierung; Künstliche neuronale Netze; Netzintegration; Smart Grid
First Page:141
Last Page:149
Institutes:Fakultät Elektrotechnik und Informationstechnik
Open Access?:Ja
Relevance:Keine peer reviewed Publikation (Wissenschaftlicher Artikel und Aufsatz, Proceeding, Artikel in Tagungsband)