Einfluss von dynamischen Komponentenkennwerten auf die Zuverlässigkeitsanalyse von elektrischen Netzen

Abstract

Moderne Monitoringsysteme erlauben im elektrischen Energienetz durch steigende Rechenkapazitäten die Berechnung von detaillierten Echtzeit-Zustandsinformationen über die überwachten Betriebsmittel. Durch diese Informationen ist in der Betriebsführung eine bessere Ausnutzung der betroffenen Netzkomponente, ohne diese zu gefährden, möglich. Dies erlaubt einen wirtschaftlicheren Betrieb des Betriebsmittels. In Betriebssituationen, in denen Komponenten ausgefallen sind, ist dadurch eine zusätzliche Stützung des Netzbetriebs möglich. Für die Zuverlässigkeitsanalyse ist eine Berücksichtigung der Fähigkeiten von diesen Monitoringsystemen von Interesse, da dadurch eine positive Beeinflussung der Versorgungssicherheit von Netzkunden möglich ist. In dieser Arbeit werden die Auswirkungen von Betriebsarten untersucht, welche durch den Einsatz von Monitoringsystemen ermöglicht werden. Es soll analysiert werden, welchen Effekt die Berücksichtigung von kontinuierlichen Kennlinien für Thermal Rating und den kurzzeitigen Notbetrieb auf die Zuverlässigkeitsanalyse besitzen. Für die Untersuchungen wird ein thermisches Modell für Transformatoren verwendet. Die Zuverlässigkeitsanalyse wird nach dem Verfahren der Zustandsenumeration durchgeführt. Es werden Methoden zur generellen Einbindung thermischer Komponentenmodelle für Thermal Rating und Notbetrieb entwickelt. Die Entwicklung eines Verfahrens zur Berücksichtigung von Lastzuständen vor dem untersuchten Fehlerzustand wird angeführt. Sämtliche entwickelten Verfahren werden an einem einfachen Testnetz analysiert. Alle umgesetzten Methoden zur Implementierung thermischer Modelle in der Zuverlässig keitsanalyse zeigen eine Reduzierung der Nichtverfügbarkeit gegenüber einer Referenzimplementierung ohne Berücksichtigung der Modelle. Der kurzzeitige Notbetrieb zeigt verglichen mit Thermal Rating für die berücksichtigten Notbetriebskennlinien eine stärkere Reduktion der Nichtverfügbarkeit. Beide Verfahren weisen eine geringe Empfindlichkeit auf die Anzahl der Häufigkeitsklassen der Umgebungstemperatur auf. Das Ergebnis der Nichtverfügbarkeit sinkt mit steigender Anzahl der Häufigkeitsklassen geringfügig. Für die Umgebungstemperatur sind Häufigkeitsverteilungen mit einer geringen Anzahl an Klassen ausreichend. Wenn Transformatoren im Testnetz Thermal Rating oder Notbetrieb verwenden, wird in der Zuverlässigkeitsanalyse die erwartete Nichtverfügbarkeit der Versorgung der Last reduziert.

Developments in computing capacity enable component monitoring systems for real-time calcuation of conditions in electricity grids. This information provides an optimized utility use without an increase of failures. Consequently, an economical benefit is expected. If a component fails, a backup for operating the grid is available. Considering the potential of monitoring sytems in realiability analyses is of interest. It is expected that those appliances positively affect the security of supply for grid customers. This thesis analyzes the different modes of operation which are enabled by modern component monitoring systems. The effects of thermal rating and short time overloading are studied with continuous characteristic curves; a thermal transformer model is used. The reliability analyses uses the state enumeration method for calculations. For implementing thermal models in the state enumeration method, a general method that is not only applicable to transformers is preferred. All developed approaches are analyzed by calculating a simple electricity grid. For all methods, it is shown that using monitoring-based operation optimization leads to a lower expected downtime for the system. Short time overloading enables a larger decrease in system downtime compared to thermal rating. Both strategies are less sensitive to the number of temperature frequency classes as to the number of load frequency classes. Using thermal rating or short time overloading reduces the expected system downtime calculated by the reliability analyses.