Die fortschreitende Einbindung dezentraler Energieerzeugungsanlagen in das Niederspannungsnetz führt zu einem steigenden Bedarf an Netzausbaumaßnahmen. Digitale Modelle spielen sowohl für die Bewertung des aktuellen Netzzustands als auch für die Analyse von Zukunftsszenarien und deren Auswirkungen auf das Energieverteilernetz eine wesentliche Rolle. Ein zentrales Problem ist hierbei die fehlende Veröffentlichung von Netzdaten seitens der Energienetzbetreiber, weshalb neue Methoden zur synthetischen Netzgenerierung erforderlich sind. Im Rahmen dieser Diplomarbeit wird ein Algorithmus implementiert, der basierend auf dem Gebäudebestand, infrastruktureller und statistischer Daten mit anschließender Lastabschätzung realitätsnahe graphenbasierte Niederspannungsnetze ruraler Gebiete synthetisiert. Die Implementierung des Algorithmus erfolgt mithilfe der Programmiersprache Python. Exemplarisch werden Niederspannungsnetze dreier niederösterreichischer Orte generiert und analysiert. Anschließend wird in einem zweistufigen Validierungsprozess die Güte der generierten Niederspannungsnetzmodelle bewertet. Für die topologische Validierung werden die generierten Niederspannungsnetze und die synthetisch positionierten Transformatoren mit realen Versorgungsgebieten und den tatsächlichen Standorten der Ortsnetzstationen verglichen. Darüber hinaus werden die modellierten Netze anhand charakteristischer Graph-Metriken bewertet und Resultaten eines bereits bestehenden Frameworks gegenübergestellt. Mittels anschließend durchgeführter Lastflussberechnung wird die Spannungsstabilität analysiert sowie Überlastsituationen detektiert. Als Resultat liegt ein Tool vor, das auf Basis von Open-Data eine georeferenzierte Synthese von Niederspannungsnetzen ermöglicht. Die Analyse der drei untersuchten niederösterreichischen Testgebiete zeigt, dass der Algorithmus tendenziell weniger Transformatoren vorsieht als in den realen Netzen installiert sind. Dennoch können die realen Standorte der Ortsnetzstationen gut approximiert werden und auch die generierten Teilnetze stimmen in guter Näherung mit den bestehenden Versorgungsgebieten überein.
de
The progressive integration of decentralized energy generation plants into the low-voltage power grid results in increasing needs for grid expansion measures.Digital models play a crucial role for the assessment of the current grid state as well as for the analysis of future scenarios and their impact on the energy distribution grid. A key problem is the non-publication of grid data by the energy grid operators, which is why new methods for the synthetic grid generation are necessary. As part of this thesis, an algorithm is implemented that synthesizes realistic graph-based low-voltage networks in rural areas based on building stock, infrastructure, and statistical data, followed by load estimation. The algorithm is implemented using Python as programming language. As an example, low-voltage grids of three areas in Lower Austria are generated and analyzed. Subsequently the quality of the generated low-voltage network models is assessed in a two-stage validation process. For the topological validation the generated low-voltage grids with synthetically positioned transformers are compared with real supply areas and the actual positions of local low-voltage substations. In addition, the modelled grids are evaluated using graph metrics and compared with results of an already existing framework. Load flow calculations are then carried out to analyze voltage stability and to detect overload situations. The result is a tool enabling the synthesis of georeferenced low-voltage grids based on open data. The analysis of the three selected test areas in Lower Austria reveals, that the algorithm provides for fewer transformers than are installed in the actual grids.Nevertheless, the actual locations of the local sub-stations can be approximated well and the generated sub-networks also correspond closely to the existing supply areas.
en
Additional information:
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
