inf5112 - Digitalised Energy System Modeling and Control (Vollständige Modulbeschreibung)

Keine

Nach erfolgreichem Abschluss der Lehrveranstaltung sollen die Studierenden die bestehenden Strukturen und technischen Grundlagen von Energiesystemen zur Erzeugung, Übertragung und Verteilung elektrischer Energie und deren Zusammenspiel und Abhängigkeiten untereinander verstehen. Sie sollen ein Verständnis für die notwendigen informations- und leittechnischen Komponenten, Verfahren und Prozesse zur Führung und zum Betrieb elektrischer Energiesysteme entwickeln und An- und Herausforderungen -- insbesondere an die Informations- und Kommunikationstechnik (IKT) und für die Informatik -- abschätzen und bewerten können, die sich durch den Ausbau und die Integration unvorhersehbar fluktuierender dezentraler Erzeuger in das bestehende System ergeben. 
Die Studierenden sollen in die Lage versetzt werden, den Einfluss von vorteilten Regelkonzepten und Algorithmen für dezentrale Erzeuger und Verbraucher in sogenannten Smart Grids auf den Betrieb elektrischer Energiesysteme einzuschätzen und hinsichtlich der Anforderungen an Betriebssicherheit, Zuverlässigkeit, Echtzeitfähigkeit und Flexibilität zur analysieren.

Fachkompetenzen

Die Studierenden

• benennen und erkennen die bestehenden Strukturen und technischen Grundlagen von Energiesystemen zur Erzeugung, Übertragung und Verteilung elektrischer Energie und deren Zusammenspiel und Abhängigkeiten untereinander
• benennen notwendigen informations- und leittechnischen Komponenten, Verfahren und Prozesse zur Führung und zum Betrieb elektrischer Energiesysteme
• bewerten An- und Herausforderungen die sich durch den Ausbau und dei Integration unvorhersehbar fluktuierender dezentraler Erzeuger in das bestehende System ergeben
• schätzen den Einfluss von verteilten Regelkonzepten und Algorithmen für dezentrale Erzeuger und Verbraucher in sogenannten Smart Grids auf den Betrieb elektrischer Energiesysteme ein

Methodenkompetenz

Die Studierenden

• analysieren Anforderungen an Betriebssicherheit, Zuverlässigkeit, Echtzeitfähigkeit und Flexibilität in sogenannten Smart Grids auf den Betrieb elektrischen Energiesystemen
• verwenden weiterführende mathematische Methoden der Netzberechnung

Sozialkompetenz

Die Studierenden

• erarbeiten in Kleingruppen Lösungen zu gegebenen Problemen
• diskutiert die eigenen Lösungen mit anderen

Selbstkompetenz

Die Studierenden

• reflektieren den eigenen Umgang mit der begrenzten Ressource Energie

In dieser Veranstaltung sollen informationstechnische, energiewirtschaftliche sowie technische Grundbegriffe und Verfahren anhand konkreter Smart Grid-Ansätze herausgearbeitet und analysiert werden. Die grundlegenden Berechnungsverfahren für ein intelligentes Netzmanagement werden vorgestellt. Dieses Modul behandelt die technischen und wirtschaftlichen Rahmenbedingungen für einen zulässigen elektrischen Netzbetrieb sowie die mathematischen Modellierungsmethoden und Berechnungsverfahren zur Analyse von Betriebszuständen in elektrischen Energienetzen (im stationären Zustand).

Im Einzelnen sind dies:

• Organisation des europäischen Energiemarktes (Regulatorischer Rahmen, Verantwortlichkeiten im liberalisierten elektrischen Energiesystem)
• Aufbau und Betrieb elektrischer Energieversorgungsnetze (Netztopologien, Versorgungsaufgabe, Netznutzunggsentgelte, Versorgungsqualität/Systemdienstleistungen, Störfälle und Schutzsysteme)
• Netzberechnung (Komplexe Zeigerdarstellung, Wirk-/Blindleistung, mathematische Leistungsmodelle/Netzmodelle, Abbildungen: Knotenleistungen zur Knotensannungen / -strömen, Berechnung von Leitungsströmen, Leistungsflussrechnung, Fixpunktiterationsverfahren, Newton- Raphson-Methode, Spannungsabfall, Trafomodell)
• Intelligentes Netzmanagement (Smart Grids), Aggregationsformen, Ansätze des maschinellen Lernens

• Konstantin, P.; Praxisbuch Energiewirtschaft, Springer 2006
• Schwab, A.; Elektroenergiesysteme, Springer 2009
• Kirtley, J.L.; Electric Power Principles, John Wiley & Sons, 2010
• Gremmel, H.; ABB Schaltanlagen-handbuch, Cornelsen 2007
• Lehnhoff, S.: Dezentrales vernetztes Energiemanagement, 2010
• Sutton, R.S.; Barto, A.G.: Reinforcement Learning, MIT Press 1998

Im Anschluss an die Veranstaltungszeit

Klausur oder mündl. Prüfung