Regionalisierung erneuerbarer Erzeugungsleistung für die Netzentwicklung in Österreich

Abstract

Für Langfriststudien zur Netzentwicklung müssen aus den Mantelzahlen der Erzeugungsleistung für bestimmte Szenarien und Zieljahre Zuordnungen der installierten Leistungen zu Netzknoten vorgenommen werden. Die Energiewende bewirkt aktuell einen stark steigenden Anteil der erneuerbaren Energien an diesen Erzeugungsleistungen. Im Falle von Windkraft und Photovoltaik (PV) betrifft die räumliche Zuordnung durch die flächige Verteilung der Anlagen große Teile des Netzgebiets, was eine genauere Berücksichtigung dieser in verbesserten Regionalisierungsmethoden erfordert. Ziel dieser Arbeit ist es, eine Methodik zu entwickeln, die eine präzisere Zuordnung der erwarteten installierten Leistungen von Windkraft und PV zu den Netzknoten ermöglicht und zusätzlich den Aufwand der Leistungsverteilung in der Netzmodellierung reduziert. Die wissenschaftliche Weiterentwicklung der derzeit verwendeten Algorithmen für die Regionalisierung soll sich dabei auf die möglichst genaue Analyse von Potenzial- und Bestandsdaten stützen und die spezifischen Datenstrukturen in Österreich berücksichtigen. Die erarbeiteten Potenzialdaten werden zusammen mit Bestandsdaten und weiteren Parametern eingelesen. Die dazu entwickelten Verteil-Skripts, die auf Python basieren und über Input-Dateien konfiguriert werden können, ermöglichen es den Benutzern, den Aufwand für die Regionalisierung durch Automatisierung zu reduzieren und flexibel auf Änderungen bei den Eingangsdaten und Rahmenbedingungen zu reagieren. Die resultierenden Leistungsdaten der Windkraft- und PV-Regionalisierung werden pro Netzknoten zusammengefasst und können anschließend in das entsprechende Netzmodell integriert werden. Die Ergebnisse der Regionalisierung werden in einer für Beispiel-Parameter durchgeführten Verteilung dargestellt. Die Analysen von Lastflussberechnungen auf Basis der erzeugten Ausgangsdaten zeigen die Auswirkungen der neu entwickelten Regionalisierungsmethode im Netzmodell. Die durch diese Methodik erzeugten Daten ermöglichen eine realistischere Planung der Verteilung des Zubaus an PV- und Windkraftleistung, zeigen aber gleichzeitig weitere Verbesserungspotenziale hinsichtlich Methodik und der Qualität der Eingangsdaten auf.

For long-term studies on grid development, it is necessary to break down total installed generation capacities and assign them to grid nodes for specific scenarios and target years. As the energy transition progresses, renewable energy sources make up an increasingly large share of these capacities. In the case of wind power and photovoltaic (PV) systems, spatial allocation affects large parts of the grid area due to the widespread distribution of these installations, which calls for more accurate consideration through improved regionalisation methods. The aim of this work is to develop a methodology that enables a more precise allo- cation of the expected installed capacities of wind and PV systems to grid nodes, while also reducing the effort required for capacity distribution in grid modelling. The scientific advancement of the currently used regionalisation algorithms will be based on the most accurate possible analysis of potential and existing data and will take into account the specific data structures in Austria.The developed potential data is read in together with existing data and other parameters. The distribution scripts developed for this purpose, which are based on Python and configurable via input files, allow users to reduce the effort of regionalisation through automation and to flexibly respond to changes in input data and framework conditions. The resulting capacity data for wind and PV regionalisation is aggregated per grid node and can then be integrated into the corresponding grid model. The results of the regionalisation are presented using a distribution based on sample parameters. Load flow analysis build on on the generated output data illustrates the impact of the newly developed regionalisation method within the grid model. The data produced using this methodology enables more realistic planning of the distribution of PV and wind power expansion, while also highlighting further potential for improvement regarding both the methodology and the quality of the input data.