Abstract
In Germany, the installed capacity of renewables exceeds the maximum load by far and the transmission task has changed from high-wind locations in the north to the economically strong south. In addition, the system inertia is reduced due to the decommissioning of large power stations. This leads to a higher probability of blackouts and a challenging restoration process. Operation during restoration differs strongly from normal. Besides other effects, the grid frequency is very sensitive to active power imbalances. An accurate power forecast of re-supplied feeders is required to estimate dynamic frequency deviations. Models for cold load pick-up (CLPU) and fluctuating renewable energy sources (RES) infeed are presented. For the coordination between Transmission system operators (TSO) and Distribution system operators (DSO) a clear and structured process is proposed to minimize the communication effort. Power system restoration (PSR) simulations are carried out and the results are presented.
Zusammenfassung
Die installierte Leistung an erneuerbaren Erzeugern in Deutschland überschreitet die Maximallast bei weitem und die Erzeugungslandschaft wandelt sich hin zu windreichen Erzeugungszentren im Norden und wirtschaftlich starken Regionen im Süden. Zusätzlich reduziert sich durch die Abschaltung großer Kraftwerke die rotierende Masse im System. Dies führt zu einer erhöhten Wahrscheinlichkeit für einen Blackout und somit für einen schwierigen Netzwiederaufbau. Die Betriebsführung im Falle eines Netzwiederaufbaus unterscheidet sich stark vom normalen Betrieb. Neben anderen Effekten reagiert insbesondere die Netzfrequenz sehr empfindlich auf Leistungsungleichgewichte. Eine genau Vorherhersage für jeden einzelnen wiederversorgten Abgang ist notwendig, um die dynamischen Frequenzabweichungen vorausberechnen zu können. Modelle für den Cold Load Pick-up sowie für erneuerbare Erzeugungsanlagen werden vorgestellt. Für die Koordination zwischen den Netzbetreibern wird ein strukturierter Prozess vorgeschlagen, welcher den Kommunikationsaufwand minimieren soll. Netzwiederaufbausimulationen werden durchgeführt und die Ergebnisse vorgestellt.
References
1. Bundesministerium für Wirtschaft und Energie. Zeitreihen zur Entwicklung der erneuerbaren Energien in Deutschland: Stand Februar 2019. 2019.Search in Google Scholar
2. Bundesnetzagentur für Elektrizität Gas Telekommunikation Post und Eisenbahnen. Quartalsbericht zu Netz- und Systemsicherheitsmaßnahmen Gesamtjahr und Viertes Quartal 2018. 2019.Search in Google Scholar
3. F. Friend. “Cold load pickup issues.” In: 2009 62nd Annual Conference for Protective Relay Engineers. 2009, pp. 176–187.10.1109/CPRE.2009.4982512Search in Google Scholar
4. F. Edstrom et al.“Modeling impact of cold load pickup on transformer aging using Ornstein-Uhlenbeck process. ” IEEE Transactions on Power Delivery 27.2 (2012), pp. 590–595.10.1109/TPWRD.2012.2185521Search in Google Scholar
5. Institut Wohnen und Umwelt (IWU). German building topologies exemplary measures to improve the energy efficiency of the typical residential building. 2015.Search in Google Scholar
6. N. Nau. Synthesis of domestic load curves for low voltage grid simulations. Erlangen, 2017.Search in Google Scholar
7. VDE Verband der Elektrotechnik und Elektronik Informationstechnik e.V. Erzeugungsanlagen am Niederspannungsnetz - Technische Mindestanforderungen für Anschluss und Parallelbetrieb von Erzeugungsanlagen am Niederspannungsnetz. 2011.Search in Google Scholar
8. Bundesverband der Energie- und Wasserwirtschaft. Technische Richtlinie Erzeugungsanlagen am Mittelspannungsnetz. 2008.Search in Google Scholar
9. Christian Hachmann et al. “Unterstützung des Netzwiederaufbaus durch Ausregelung der dezentralen Erzeugung im Verteilnetz.” Jan. 2018.Search in Google Scholar
10. European Comission. COMMISSION REGULATION (EU) 2017/2196 of 24 November 2017 establishing a network code on electricity emergency and restoration. 2017.Search in Google Scholar
11. P. Hinkel et al.“Control Center Interfaces and Tools for Power System Restoration.” In: ETG Kongress. Esslingen, 2019.Search in Google Scholar
12. M. Ostermann et al.“A Minimum-Regret-Based Optimization Approach for Power System Restoration in EHV Grids.” In: IEEE General Meeting. Chicago, 2017.10.1109/PESGM.2017.8274650Search in Google Scholar
13. W. Wellßow et al.“Control Center Tools for Power System Restoration with High Shares of Volatile Generation.” In: CIGRE. Paris, 2018.Search in Google Scholar
14. U. Spanel, G. Krost, and D. Rumpel. “Simulator for inter-company operator training.” Elsevir (2011).Search in Google Scholar
15. R. D. Zimmerman, C. E. Murillo-Sánchez and R. J. Thomas. “MATPOWER: steady-state operations, planning, and analysis tools for power systems research and education.” IEEE Transactions on Power Systems 26.1 (2011), pp. 12–19.10.1109/TPWRS.2010.2051168Search in Google Scholar
© 2020 Walter de Gruyter GmbH, Berlin/Boston
