Optimierte Verfahren zur Prognose vertikaler Netzlast unter Nutzung von maschinellem Lernen, Teilvorhaben: Modellierung und Vorhersage von Engpässen in vorgelagerten Netzen

Description: Zu Beginn des Projekts werden Referenz-Modelle entwickelt die die Grundlage für die vergleichende Gegenüberstellung der entwickelten Lösungsansätze für die Modellierung und Prognose der vertikalen Netzlast darstellen. Die Bewertung des Betriebs in den Netzebenen erfolgt durch das DLR. Die realen Ausgangsdaten werden unter Berücksichtigung der Unsicherheitsbewertung und -propagation in die Zustandsbewertung des Netzes einbezogen. Die Arbeiten liegen hauptsächlich in der Modellierung und Simulation zur Vorhersage von Engpässen in vorgelagerten Netzen (110 kV). Dabei wird untersucht, welche Auswirkungen die EE-Einspeisung im gesamten Netzgebiet auf die VNL-Prognose haben könnten. In einer Fallstudie, basierend auf einem Ausschnitt eines realen Netzgebiets soll die verbesserte Methodik zur Engpassprognose demonstriert werden. Weiterhin werden meteorologischen Daten aufgearbeitet, die Ergebnisse aus den Simulationen als auch Anpassungen der Methodik bearbeitet und für die Verwendung in der VNL Prognose analysiert. Es soll ein Monitoringsystem zur VNL-Prognose in sich ändernden Wetterlagen entwickelt werden. Dazu werden noch weiter zu entwickelnde, kamerabasierte Methoden mit dem Einsatz von Satellitenbild-gestützten Verfahren mit herkömmlichen Prognosen (basierend auf Wettermodellen) verglichen. Der Vergleich fokussiert dabei die anfänglich als für den Redispatch relevant identifizierten Wettersituationen. Für die Bewertung des technischen und ökonomischen Nutzens der neuen Prognosen werden geeignete Metriken definiert.

SupportProgram

Tags: Redispatch ? Fallstudie ? Künstliche Intelligenz ? Prognosedaten ? Modellierung ? Arbeit ? Wetter ?

Region: Lower Saxony

Bounding boxes: 9.16667° .. 9.16667° x 52.83333° .. 52.83333°

License: Creative Commons Namensnennung-keine Bearbeitung-Nichtkommerziell 4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Finanzielle Förderung)
• Deutsches Zentrum für Luft- und Raumfahrt (Projektverantwortung)
• Umweltbundesamt (Bereitstellung)

Time ranges: 2025-04-01 - 2028-03-31

Alternatives

• Language: Englisch/English
  Title: Sub-project: Modeling and prediction of congestion in upstream grids
  Description: At the beginning of the project, reference models will be developed that form the basis for the comparative comparison of the developed solutions for modeling and forecasting the vertical grid load. The evaluation of the operation in the network levels is carried out by the DLR. The real output data is included in the status assessment of the network, taking into account the uncertainty assessment and propagation. The work is mainly focused on modeling and simulation to predict bottlenecks in upstream grids (110 kV). The effects that RE feed-in in the entire grid area could have on the VNL forecast are being investigated. In a case study based on a section of a real grid area, the improved methodology for congestion forecasting will be demonstrated. Furthermore, meteorological data will be processed, the results from the simulations as well as adjustments to the methodology will be processed and analyzed for use in the VNL forecast. A monitoring system for the VNL forecast in changing weather conditions is to be developed. For this purpose, camera-based methods that have yet to be further developed will be compared with conventional forecasts (based on weather models) using satellite image-based methods. The comparison will focus on the weather situations initially identified as relevant for redispatch. Suitable metrics are defined to evaluate the technical and economic benefits of the new forecasts. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1139510

Status

Aktiv

Quality score

• Overall: 0.51
• Findability: 0.71

  • Title: 1.00
  • Description: 0.24
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.