Title: Einsatzoptimierung für dezentrale Erzeugungsanlagen : Optimierung des Betriebsmitteleinsatzes einer Modellsiedlung mittels evolutionärer Algorithmen
Other Titles: Optimise deployment of decentralised generating plants
Language: Deutsch
Authors: Reisenberger, Friedrich 
Qualification level: Diploma
Advisor: Müller, Herbert
Assisting Advisor: Einfalt, Alfred 
Issue Date: 2010
Number of Pages: 80
Qualification level: Diploma
Abstract: 
In der Zeit des Klimawandels ist "Mensch" bestrebt seine CO2-Emissionen einzudämmen, wodurch verstärkt auf erneuerbare Ressourcen zurückgegriffen wird, jedoch sind diese in den meisten Fällen sehr stark dargebotsabhängig. Bereits bestehende Modellregionen (siehe Stadt Güssing) erzeugen im Jahresschnitt ihren Energieaufwand aus erneurbaren Quellen, sind aber trotzdem immer noch abhängig von einem Fremdnetz und erreichen somit keine Autarkie.
Um ähnlich "autarke" Modellsiedlungen untersuchen zu können, werden diese mittels evolutionärer Algorithmen optimiert. Hierfür wird ein kurzer Einblick in den Aufbau und die Funktionsweise dieser Optimierungsverfahren gegeben, welche ihren Ursprung in der Evolution der Natur bilden. Für das Siedlungsmodell müssen auch noch etwaige Betriebsmittel zur Verfügung gestellt werden, welche klimaneutrale Energie erzeugen (umgesetzt sind: Windkraftwerk, PV-Anlage, Speicher und Mikrogasturbine).
Da sich evolutionäre Algorithmen dadurch auszeichnen, dass die Zielfunktion vielfach berechnet wird, kommen einige Rechenzeitprobleme zustande, welche durch gezielte Untersuchung des Problems vermieden werden. Solch eine Art der Optimierung erfordert einen schnellen Berechnungsalgorithmus. Weiters kann durch eine Systemanalyse ein vielversprechendes Optimierverfahren unter den evolutionären Algorithmen ausgewählt werden und eine Parametrierung der Straf-/"Penalty"-Funktionen durchgeführt werden.
Die Ergebnisse der Optimierungen haben gezeigt, dass die evolutionären Algorithmen ein stabiles Optimierungsverfahren bieten, bei welchem großes Augenmerk auf die Parametrierung, erstens des Algorithmus selbst und zweitens der Straffunktionen, gelegt werden muss. Um eine energieautarke Modellsiedlung zu erreichen, müssen große Speicher zur Verfügung stehen, welche vor allem die zur Mittagszeit verfügbare Sonnenenergie bis in den Abend bereitstellen können. Um Lastdeckung bei wenig Windkraft, oder Sonnenenergie noch garantieren zu können, sind zusätzliche Speicher von Nöten.

In times of climate change "man" is willing to confine his CO2-emissions, that's why renewable resources are being used more and more. But in most cases these are actually very much depending on e.g.
wind yield. Already existing model regions (see City Güssing) produce their energies exclusively from renewable sources, but they are still dependent on external networks and not able to reach autarky. In order to investigate similar "autarkic" model regions, they are optimized using evolutionary algorithms. That´s why I give a short insight into the build-up and operating mode of these optimizing methods, which have their origin in the evolution of nature. The colony model needs to be provided with several equipment, which produces climate-neutral energy.
Because evolutionary algorithms are charactarized by the fact that the target function is evaluated in many cases, some calculating time problems occur, which will be avoided by the systematic investigation of the problem. Such a mode of optimization requires a quick algorithm of calculation. Moreover with this system analysis a promising method of optimizing, within the evolutionary algorithms, can be chosen and a parameterization of the penalty-functions can be made.
The results of these optimizations have shown that the evolutionary algorithms offer a stable method of optimization, which has to turn its attention in the first place to the parameterization of the algorithm itself and secondly to the parameterization of the penalty function. In order to achieve model regions that are energy-self-sustaining, big storages need to be available, which are particularly able of providing the solar energy that is available at midday up to the evening time. In addition to these, more storages are needed to guarantee the coverage of supply/demand, in case there is less wind power or solar enegry available.
Keywords: Einsatzoptimierung; evolutionäre Algorithmen; dezentrale Erzeugungsanlagen; autarke Siedlung; Energieautark
optimise deployment; optimize deployment; decentralised generating plants; evolutionary algorithm; autarkic colony
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-32723
http://hdl.handle.net/20.500.12708/10528
Library ID: AC07806958
Organisation: E373 - Institut für Elektrische Anlagen und Energiewirtschaft 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:

Show full item record

Page view(s)

11
checked on Jun 11, 2021

Download(s)

122
checked on Jun 11, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.