Fraunhofer-Institut für Energiewirtschaft und Zur Bestimmung von maximalen Übertragungskapazitäten zwischen den europäischen Marktgebieten werden länderübergreifende Lastflussberechnungen durchgeführt. Um diese noch zuverlässiger zu gestalten und um die Vorgänge der Übertragungsnetzebene (150 kV bis 380 kV, in Westeuropa hauptsächlich 220 kV und 380 kV) detaillierter abzubilden, wurde die Generation and Load Data Provision Methodology (GLDPM) entwickelt, welche die für die Lastflussberechnung erforderlichen Netzdaten bereitstellen soll. Deren Implementierung sollte 2018 abgeschlossen sein. Es steht bereits fest, dass der Datenaustausch von Netzmodellen über den ENTSO-E Common Grid Modeling Standard (CGMES) erfolgen soll. Hier steht die Bereitstellung von 110-kV-Netzmodellen an den Übertragungsnetzbetreiber im Fokus. Welche Varianten es für Netzmodelle gibt und wie Prognosen diese unterstützen können, wird in diesem Whitepaper näher beleuchtet.
GENERATION AND LOAD DATA PROVISION METHODOLOGY (GLDPM)
Ein methodischer Überblick
© chungking by stock.adobe.com
White Paper GLDPM
Die Einführung des GLDPM erfordert bei sämtlichen Akteuren große Anstrengungen in die Implementierung neuer Prozesse. Andererseits bietet sich auch die Möglichkeit eine noch detailliertere Netzkenntnis zu bekommen, um die Netze auch zukünftig sicher und zuverlässig
zu betreiben. Darüber hinaus ergeben sich durch die Einführung der GLDPM neue Nutzungsmöglichkeiten für die im Prozess erhobenen Daten, auf die ein kurzer Ausblick
gegeben wird.
Workshop GLDPM | 5.-6. September 2018
Zusammenfassung
Netzmodellierung
Bereitstellung von Daten für die Netzmodellierung aus der Hochspannungsebene
Eine zentrale Anforderung des GLDPM ist es, dass Netzmodelle zwischen den Netzbetreibern ausgetauscht werden müssen, mit denen Änderungen im Höchst- oder Hochspannungsnetz und deren Auswirkungen auf das jeweils andere Netz betrachtet werden können. Hierfür gibt es verschiedene Umsetzungsmöglichkeiten. Zum einen kann das detaillierte Netzmodell direkt übergeben werden, um Lastflüsse zu berechnen. Eine weitere Möglichkeit ist es, reduzierte Netze in Form von Äquivalentnetzen zu übertragen. Dafür gibt es verschiedene Varianten. Grundsätzlich gilt, dass mehrere Lasten und Erzeugungsanlagen zu einer Ersatzeinspeisung zusammengefasst werden und äquivalente Verbindungen zwischen ihnen geschaffen werden können. Eine wesentliche Anforderung an solche Äquivalentnetze ist, dass trotz dieser Reduzierung die Lastflussberechnung noch alle relevanten und aktuellen Informationen enthält, und das Verhalten auch bei Netzzustandsänderungen weitgehend realitätsgetreu abgebildet werden kann. Weiterhin besteht mit diesen Äquivalentnetzen die Möglichkeit, das Systemverhalten bei Einspeiseänderungen über Sensitivitäten darzustellen. Der Vorteil hier ist, dass die Berechnung sehr genau ist sowie einfach und schnell erfolgen kann. Ein Nachteil ist allerdings, dass Sensitivitäten nur auf Basis von Gesamtsystemmodellen genügend genau berechnet werden können.
Bei allen Varianten sollten jedoch Belastungsgrenzen in dem Netz bei der Modellierung berücksichtigt werden. Auch sollten die Netzmodelle mindestens die Detailtiefe aufweisen, dass die Auswirkung von Leistungsänderungen relevanter Erzeugungsanlagen im Verteilnetz auf die vertikalen Austauschleistungen in den Verknüpfungspunkten mit dem Übertragungsnetz ausreichend genau abgebildet wird. Beim Ausfall einer Leitung im Übertragungsnetz können induzierte Transitflüsse eine Zusatzbelastung für die Betriebsmittel einer unterlagerten Netzgruppe darstellen, weshalb bei (n-1)-Berechnungen im Übertragungsnetz die Untersuchung der Auswirkungen auf die Verteilnetzebene möglich sein sollte. Dieses geschieht im Netzmodell durch die Berücksichtigung von Leitungen zwischen den einzelnen Verknüpfungspunkten mit dem Übertragungsnetz.
Prognosen für die Netzberechnung
Prognosen für die Netzberechnung
Die Qualität der Ergebnisse der Lastflussberechnung im europäischen Stromnetz hängt maßgeblich von einer möglichst genauen Prognose über die erwartete Einspeisung bzw. Last ab. Insbesondere bei den wetterabhängigen Einspeisungen aus erneuerbaren Energien gibt es große Unsicherheiten über deren Einspeiseverhalten, sodass exakte und aussagekräftige Erzeugungsprognosen von Wind, PV, Biomasse und Wasserkraft erforderlich sind.
Neben den Einspeiseprognosen gewinnen aber auch zunehmend vertikale Lastprognosen an Relevanz. Wenn auch das Leistungsverhalten von großen Verbrauchern noch gut planbar ist, so sind aus Sicht der 110-kV-Netze vor allem die Leistungsverläufe an den Netzverknüpfungspunkten zur Mittelspannungsebene durch den starken Zubau von EE zunehmend mit Unsicherheiten behaftet, sodass sich immer häufiger die Energieflüsse umkehren und Energie vom NS-/MS-Netz ins HS-/HöS-Netz fließt. Durch vertikale Lastprognosen können Lastflüsse an den Netzverknüpfungspunkten exakter bestimmt werden. Grundsätzlich gilt für alle Prognosen, dass diese in geeigneter hoher regionaler Auflösung erstellt werden.
Die Prognoseerstellung erfolgt mittels physikalischer und statischer Verfahren, wobei sich im Bereich der statischen Verfahren zunehmend maschinelle Lernverfahren durchsetzen.
Datenübertragung
Prozess der Datenübertragung
Die an den Übertragungsnetzbetreiber zu übermittelnden 110-kV-Netzmodelle können entweder die vollständige Netzstruktur abbilden, oder es wurde im Vorfeld, in Abhängigkeit der Netzstruktur und durch Anwendung geeigneter Reduktionsverfahren eine vereinfachte Netzstruktur erstellt. Die Berücksichtigung entsprechender Prognosen für die Einspeiseleistung von volatilen Erzeugungsanlagen liefert zuverlässige Aussagen über die Austauschleistungen an den Verknüpfungspunkten der einzelnen Netzebenen. Der erhöhte Informationsaustausch führt zu einem starken Anstieg an Datenströmen, die verarbeitet werden müssen. Als Datenübertragungsformat eignet sich das Common Information Model (CIM), auf dem das CGMES basiert und das speziell für den Austausch von Netzdaten in der Übertragungsnetzebene entwickelt wurde.
Autoren
Prof. Dr.-Ing. Martin Braun
Prof. Dr.-Ing. habil. Lutz Hofmann
Dr. Axel Braun
Dr. Jan Dobschinski
Dr. Rafael Fritz
Dr. Reinhard Mackensen
Dr. Christoph Scholz
Dr. Sebastian Wende - von Berg
André Baier
Holger Becker
Juliane Liebelt
Denis Mende
David Sebastian Stock