Entwicklung robuster Prognosen für ein Energiemanagementsystem anhand datenbasierter Modellierungsverfahren unter Berücksichtigung von Unsicherheiten

Universität Bremen

ColiN00B/Pixabay

Schlagworte

Prognosen, Prognosemodelle, Simulation, Energiemanagementsysteme

Zusammenfassung

Das Ziel dieser Arbeit ist die Entwicklung robuster und hochautomatisierter Folgetagsprognosen für Erzeugungsanlagen und Speicher als Basis eines leicht übertragbaren Energiemanagementsystems für landwirtschaftliche Betriebe. Es werden rein datenbasierte Verfahren formuliert, bei denen sich die deterministische und probabilistische Prognose aus mathematischer Sicht lediglich durch die Zielfunktion im Optimierungsproblem unterscheiden. Es kann gezeigt werden, dass mit einer polynomiellen Ansatzfunktion sowohl deterministische als auch probabilistische Prognosen für eine PV-Anlage, Windenergieanlage und einen Batteriespeicher erstellt werden können. Aufgrund des Einsatzes effizienter Optimierungsverfahren ist sowohl das Modelltraining als auch das Modellupdate mit einer sehr geringen Rechenzeit verbunden. Um die erreichbare Genauigkeit der Prognosen zu ermitteln, werden ausführliche Analysen anhand Langzeitdaten durchgeführt, wobei deterministische Erzeugungsprognosen mit einem nRMSE von 12 % bis 13 % und Batteriespeicherprognosen mit einem nRMSE von circa 2 % entstehen. Der Vergleich zu anderen Methoden in zwei Benchmarks hat gezeigt, dass diese ähnliche Resultate erzielen. Ebenfalls als sehr zuverlässig erweisen sich die probabilistischen Prognosen der Erzeugermodelle. Die probabilistische Prognose des Batteriespeichers ist aufgrund einer iterativen Anwendung des Modells im Testzeitraum hingegen nicht zuverlässig. Aufgrund der allgemeinen Formulierung der Prognosemodelle als Optimierungsprobleme kann die Sensitivitätsanalyse des NLP-Solvers WORHP für die Erzeugungsprognosen genutzt werden, um eine automatisierte Eingangsdatenanalyse durchzuführen. Dies, zusammen mit dem integrierten Modellupdate, führt zu einer hochautomatisierten Prognose, welche nach einer Laufzeit von 20 Tagen vergleichbare Ergebnisse zu den Langzeitanalysen erreicht. Die Übertragung auf die Batteriespeicherprognose ist erneut aufgrund der Modelldynamik nicht möglich. Die Prognosemodelle der verschiedenen Komponenten des Energiemanagementsystems werden abschließend in einer Simulationsumgebung zusammengeführt. Dabei wird gezeigt, welchen potenziellen Mehrwert die probabilistischen Erzeugungsprognosen für die Entscheidungen des Energiemanagementsystems bieten können.

Zitiervorschlag

Jung, Francesca. Entwicklung robuster Prognosen für ein Energiemanagementsystem anhand datenbasierter Modellierungsverfahren unter Berücksichtigung von Unsicherheiten. Universität Bremen, 2019, http://nbn-resolving.de/urn:nbn:de:gbv:46-00107044-12.

Repository

elib.suub.uni-bremen.de

Identifikatoren

urn: urn:nbn:de:gbv:46-00107044-12

Veröffentliche

deine Dissertation

auf OpenD und steigere

deine Online-Sichtbarkeit

Jetzt registrieren