DC FieldValueLanguage
dc.contributor.advisorTheil, Gerhard-
dc.contributor.authorKadam, Serdar-
dc.date.accessioned2020-06-29T22:01:18Z-
dc.date.issued2012-
dc.date.submitted2012-06-
dc.identifier.urihttps://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-46336-
dc.identifier.urihttp://hdl.handle.net/20.500.12708/8745-
dc.descriptionZsfassung in dt. Sprache-
dc.description.abstractEine der Voraussetzungen für die Implementierung von Smart Grid Lösungen in Niederspanungsnetzen ist ein besseres Verständnis dieser Netze zu haben. Die Modellierung von Niederspannungsnetzen ist eine herausfordernde Tätigkeit, aufgrund mangelnder Information über Netze.<br />Die stochastische Wesensart der Lasten und unsymmetrische Verteilungszustände sind schwer zu erfassen. Infolgedessen gibt es einen Datenmangel um Niederspannungsnetze bzw. -stränge zu charakterisieren.<br />In dieser Arbeit wurden 34 Netze mit insgesamt 247 Strängen in einer Netzberechungsprogramm modelliert und anhand von elektrischen Indikatoren wie zum Beispiel dem Äquivalenten Summenwiderstand mit einem Clusteringalgorithmus in Gruppen eingeteilt. Für jedes Clusterzentrum wurde das Zentrum identifiziert; es kann repräsentativ für die jeweilige Gruppe angesehen werden. In einem eigenen Kapitel wurden die Clusterzentren beschrieben und die Ergebnisse des Clusterings diskutiert.<br />de
dc.description.abstractOne of the prerequisite for implementing smart grid solutions into LV networks is to have a better knowledge of these networks.<br />Modelling LV networks is a challenging task due to the lack of information. The stochastic nature of loads and the unbalance conditions are in particular difficult to consider. Consequently there is a lack of data about networks or feeders in order to characterize them. In this thesis 34 networks with 247 feeders in total were modelled in a network simulation software and clustered by electrical indicators such as the equivalent sum impedance for example. For each cluster, the 'center' has been identified; it can be seen as representative for the cluster. In a dedicated chapter, these cluster centres have been described and the clustering results discussed.en
dc.format93, [41] S.-
dc.languageEnglish-
dc.language.isoen-
dc.subjectSmart Meterde
dc.subjectPSSAde
dc.subjectISOLVESde
dc.subjectSmart Gridde
dc.subjectPower Ratiode
dc.subjectLastangriffsfaktorde
dc.subjectSymmetrisierungsgewinnde
dc.subjectClusteringde
dc.subjectSnap-Shotde
dc.subjectKlassifizierungde
dc.subjectSmart Meteren
dc.subjectPSSAen
dc.subjectISOLVESen
dc.subjectSmart Griden
dc.subjectpower ratioen
dc.subjectequivalent load locationen
dc.subjectbalancing gainen
dc.subjectclusteringen
dc.subjectSnap-Shoten
dc.subjectclassificaionen
dc.titleSystematical analysis of low voltage-networks for smart grid studiesen
dc.typeThesisen
dc.typeHochschulschriftde
dc.contributor.assistantZeilinger, Franz-
tuw.publication.orgunitE370 - Institut für Elektrische Anlagen und Energiewirtschaft-
dc.type.qualificationlevelDiploma-
dc.identifier.libraryidAC07813592-
dc.description.numberOfPages93-
dc.identifier.urnurn:nbn:at:at-ubtuw:1-46336-
dc.thesistypeDiplomarbeitde
dc.thesistypeDiploma Thesisen
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairetypeThesis-
item.openairetypeHochschulschrift-
item.grantfulltextopen-
item.openaccessfulltextOpen Access-
item.languageiso639-1en-
item.cerifentitytypePublications-
item.cerifentitytypePublications-
item.fulltextwith Fulltext-
Appears in Collections:Thesis

Files in this item:


Page view(s)

16
checked on Aug 22, 2021

Download(s)

91
checked on Aug 22, 2021

Google ScholarTM

Check


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