Aufrufe
vor 5 Jahren

Jahresbericht 2007 - FGE - RWTH Aachen University

Jahresbericht 2007 - FGE - RWTH Aachen University

eines Verfahrens, mit

eines Verfahrens, mit dem die Wahrscheinlichkeitsverteilungen von Zuverlässigkeitskenngrößen ermittelt werden können. Mit einem solchen Verfahren lassen sich unterschiedliche Ansätze zur Qualitätsregulierung einander gegenüberstellen und die sich daraus ergebenen finanziellen Risiken für Netzbetreiber quantifizieren. 3 Analyse 3.1 Zuverlässigkeitskenngrößen Die Zuverlässigkeitsberechnung prognostiziert ausgehend von dem Verhalten einzelner Komponenten des betrachteten Systems und dem Zusammenwirken der Systemkomponenten das zukünftige Verhalten des Gesamtsystems, indem Zuverlässigkeitskenngrößen errechnet werden. Es haben sich die folgenden Zuverlässigkeitskenngrößen etabliert [3], die in dieser Arbeit als Zufallsvariablen mit entsprechenden Wahrscheinlichkeitsverteilungen aufgefasst werden. • Unterbrechungshäufigkeit H U : Diese Kenngröße gibt die Anzahl der Versorgungsunterbrechungen bezogen auf den Betrachtungszeitraum an. • Unterbrechungsdauer T U : Diese Kenngröße gibt die Dauer einer Versorgungsunterbrechung an. • Nichtverfügbarkeit Q U : Diese Kenngröße gibt die Dauer bezogen auf den Betrachtungszeitraum an, während der ein Kunde nicht versorgt ist. 3.2 Abgrenzung des Betrachtungsbereichs Bild 2 zeigt eine Auswertung von Versorgungsunterbrechungen von NS-Kunden aufgeschlüsselt nach verursachender Spannungsebene [3]. Demnach wird die Versorgungszuverlässigkeit eines in der NS-Ebene angeschlossenen Netzkunden zu etwa 80 % durch die MS-Ebene bestimmt. Aufgrund dieses dominierenden Einflusses ist eine Fokussierung dieses Forschungsvorhabens auf die MS-Ebene gerechtfertigt. 3.3 Einflussgrößen Sollen nicht wie bisher üblich nur die Erwartungswerte der Zuverlässigkeitskenngrößen ermittelt werden sondern auch deren Wahrscheinlichkeitsverteilungen, so wird eine genauere Modellierung der zugrunde liegenden Einflussgrößen und Prozesse erforderlich. Die VDN-Störungs- und Verfügbarkeitsstatistik [3] stellt für einen Teil der erforderlichen Daten eine gute Datenbasis dar. So können die Ausfallhäufigkeiten der Betriebsmittel und die Wahrscheinlichkeitsverteilungen der Reparaturdauern bestimmt werden. Unterbrechungshäufigkeit H U in 1/a 0.4 0.3 0.2 0.1 0 H U aus HS aus MS aus NS FORSCHUNGSPROJEKTE Q U 20 15 10 5 0 Nichtverfügbarkeit Q U in min/a Bild 2: Mittlere Verfügbarkeit von NS-Kunden aufgeschlüsselt nach verursachender Spannungsebene (Erwartungswerte 2005) [3] Ein wesentlicher Bestandteil jeder Zuverlässigkeitsberechnung ist die Simulation der Störungsabläufe, mit dem Ziel, die von Komponentenausfällen betroffenen Netzkunden und die Dauern der Versorgungsunterbrechungen zu ermitteln. Somit können Aussagen über die Wahrscheinlichkeit von Unterbrechungen von individuellen Netzkunden gemacht werden. Die MS-Ebene ist üblicherweise nicht vollständig mit Fernmelde- und Fernwirktechnik ausgestattet und erfordert in den meisten Fällen eine manuelle Störungsbeseitigung durch Entstörpersonal. Der Ablauf der Störungsbeseitigung wird durch eine Vielzahl von Faktoren bestimmt [4], die teils einen stochastischen Charakter haben und die zur Bestimmung der Wahrscheinlichkeitsverteilungen der Zuverlässigkeitskenngrößen durch entsprechende Wahrscheinlichkeitsverteilungen modelliert werden müssen. Als Beispiel sei hier die Fahrzeit eines Entstörtrupps von einer Ortsnetzstation zu einer anderen genannt. 3.4 Unsicherheiten Alle Ingenieurberechnungen basieren auf Modellen, die die Realität nicht exakt abbilden können. Darüber hinaus sind die verwendeten Eingangsdaten mit Unsicherheiten behaftet. Diese Unsicherheiten lassen sich folgendermaßen unterscheiden [5]: • Zufällige Variation von Einflussgrößen (aleatorische Unsicherheit) • Ungenaue Kenntnis (epistemische Unsicherheit) Aleatorische Unsicherheiten sind eine Folge der stochastischen Natur der entsprechenden Einflussgrößen. Zweck der Zuverlässigkeitsbewertung ist eben den Einfluss dieser Unsicherheiten auf das Systemverhalten zu beschreiben. Epistemische Unsicherheiten sind die Folge ungenauer Kenntnis von Einflussgrößen. Viele Einflussgrößen zur IAEW – FGE – JAHRESBERICHT 2007 77

FORSCHUNGSPROJEKTE Zuverlässigkeitsberechnung lassen sich mit vertretbarem Aufwand nicht exakt bestimmen, weil z. B. keine ausreichende Datenbasis zur Verfügung steht oder aber nur eine Expertenbeurteilung möglich ist. Bei der Zuverlässigkeitsberechnung muss sichergestellt sein, dass die epistemischen Unsicherheiten die Ergebnisse nicht in einem Maß beeinflussen, dass die gesuchten Aussagen über die aleatorischen Unsicherheiten unmöglich werden. 4 Verfahren und Modellbildung Ziel dieses Forschungsvorhabens ist die Entwicklung von Verfahren, welche unter Berücksichtigung aller relevanten Eingangsgrößen die Wahrscheinlichkeitsverteilungen der Zuverlässigkeitskenngrößen von MS- Netzen ermitteln. Zur Bestimmung der Erwartungswerte der Zuverlässigkeitskenngrößen existieren bereits Ansätze, welche im Rahmen dieses Forschungsvorhabens entsprechend weiterentwickelt werden sollen. So ist in [4] ein Verfahren beschrieben, welches die Störungsbeseitigung in MS-Abgängen nachbildet und dabei die Störungsbeseitigungsstrategie als Optimierungsaufgabe auffasst. Darauf aufbauend soll ein Verfahren entwickelt werden, welches auf wahrscheinlichkeitsverteilten Eingangs- und Zielgrößen basiert. Die in diesem Ansatz gewählte Modellierung ist sehr detailliert, was in der Praxis bei Zuverlässigkeitsberechnungen zu Problemen führt, da entsprechend viele Eingangsdaten erforderlich sind. Diese stehen in praxisnahen Anwendungen aber oft nicht zur Verfügung oder sind zumindest mit großen Unsicherheiten behaftet (siehe Abschnitt 3.4). Unter Beachtung dieser Unsicherheiten ist daher zu untersuchen, ob ein derartig detailliertes Vorgehen für eine Zuverlässigkeitsuntersuchung überhaupt sinnvoll und notwendig ist. Ein Verfahren, welches auf einer vereinfachten Modellierung des Störungsgeschehens beruht und entsprechend geringere Anforderungen an Eingangsdaten und Rechenzeit stellt, kann ein sinnvollerer Ansatz zur Zuverlässigkeitsberechnung von MS-Netzen sein, da aufgrund von Unsicherheiten in den Eingangsdaten ähnliche Ergebnisgenauigkeiten erzielt werden können wie mit einem detaillierten Ansatz. Parallel zu dem oben genannten soll daher ein Verfahren entwickelt werden, welches auf einer einfachen Modellierung des Störungsgeschehens beruht und die Störungsbeseitigung mittels heuristischer Regeln nachbildet. Die Ergebnisse dieser heuristischen Betrachtung lassen sich dann mit denen der oben genannten optimalen Vorgehensweise verifizieren. In beiden Ansätzen sollen die Unsicherheiten in den Eingangsdaten und in den verwendeten Modellen geeignet nachgebildet und deren Einfluss auf die Zuverlässigkeitskenngrößen bestimmt werden. Bei einer Auswertung der Zuverlässigkeitskenngrößen müssen die darin enthaltenen Unsicherheiten berücksichtigt werden. 5 Zusammenfassung und Ausblick Durch die Einführung einer Qualitätsregulierung ergeben sich finanzielle Risiken für Netzbetreiber, die von der bereitgestellten Versorgungszuverlässigkeit abhängen. Sollen diese Risiken bewertet werden, so ist die Betrachtung von Wahrscheinlichkeitsverteilungen der Zuverlässigkeitskenngrößen erforderlich. Ziel dieses Forschungsvorhabens ist die Entwicklung von Verfahren, welche die Wahrscheinlichkeitsverteilungen von Zuverlässigkeitskenngrößen ermitteln. Die dazu notwendigen Eingangsdaten sind mit Unsicherheiten behaftet. Die sich daraus ergebenden Unsicherheiten in den Ergebnissen sollen mit den zu entwickelnden Verfahren bewertet werden können. Solche Verfahren bieten prinzipiell die Möglichkeit, den Einfluss verschiedener Ansätze zur Qualitätsregulierung zu bewerten und die sich daraus ergebenden finanziellen Risiken für die Netzbetreiber zu quantifizieren. Schlussendlich ergibt sich damit für Netzbetreiber die Möglichkeit, Investitionen zur Verbesserung der Versorgungszuverlässigkeit den sich daraus ergebenden Verringerungen von finanziellen Risiken gegenüberzustellen. 6 Literatur [1] Energiewirtschaftsgesetz (EnWG) § 21a Regulierungsvorgaben für Anreize für eine effiziente Leistungserbringung [2] Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste – WIK Indikatoren zur Messung von Qualität und Zuverlässigkeit in Strom- und Gasversorgungsnetzen April 2006 [3] Verband der Netzbetreiber - VDN – e.V. beim VDEW VDN-Verfügbarkeitsstatistik – Berichtsjahr 2005 [4] Rolauffs, S. Aufwand- und Nutzen-Bewertung einer rechnergeführten Störungsbeseitigung in Mittelspannungsnetzen Dissertation RWTH-Aachen, ABEV Bd. 94, Klinkenberg Verlag, Aachen, 2003 [5] Knetsch, T. Unsicherheiten in Ingenieurberechnungen Dissertation Otto-von-Guericke-Universität Magdeburg, 2004 78 IAEW – FGE – JAHRESBERICHT 2007

2. Zirkular - LEK RWTH-Aachen - RWTH Aachen University
Trend-Report - (ISF) der RWTH Aachen - RWTH Aachen University
Neuroästhetik - AKWG Aachen - RWTH Aachen University
rührkessel - Aachener Verfahrenstechnik - RWTH Aachen University
aktuelle Ausgabe (PDF) - IMA,ZLW & IfU - RWTH Aachen University
Broschüre für Partner - CAMMP - RWTH Aachen University
Wahlzeitung 2011 - Studierendenschaft der RWTH Aachen
Pflegen zu Hause (pdf: 3378 kb) - RWTH Aachen University
Wahlzeitung 2011 - Studierendenschaft der RWTH Aachen - RWTH ...
Atmosphärische Neutrinos - Physikzentrum der RWTH Aachen
Solare Neutrinos - Server der Fachgruppe Physik der RWTH Aachen
Sonderdruck - Institut für Textiltechnik - RWTH Aachen
RWTH-Themen 2009/2 - Aachener Verfahrenstechnik