Motivation

Wenn man den Zustand des Stromnetzes bestimmen will, erfolgt dies in der Regel über eine State Estimation. Diese verwendet die vorliegenden Messwerte des Netzes und ermittelt einen möglichen Zustand des Systems, welcher zu den Messwerten passt. Hierzu können verschiedene Algorithmen genutzt werden. Der bekannteste ist weighted least squares (WLS).

Um die State Estimation ausführen zu können, müssen in ausreichendem Maße Messwerte (Observability) in ausreichender Qualität vorlieren. Sind zu wenig Messwerte vorhanden, ist die State Estimation nicht ausführbar.

Auch wenn Übertragungsnetze in der Regel mit ausreichend Messtechnik ausgestattet sind, kann es vor kommen, dass einzelne Messwerte ausfallen, zum Beispiel durch kaputte Sensoren oder Netzwerkfehler. Fallen zu viele Messwerte aus, ist die State Estimation nicht mehr ausführbar. Um einen Ausfall zu vermeiden werden für die fehlenden Messwerte sogenannte Pseudomesswerte eingefügt, meist basierend auf historischen Daten oder Schätzwerten.

Das Ziel der Arbeit ist es eine alternative datengetriebene Methode zum berechnen der Pseudodaten zu implementieren und evaluieren. Ein erster Ansatz liegt hierfür bereits vor.

Profil

Die Arbeit richtet sich an Studierende der Informatik, Engineering Physics oder vergleichbare Studiengänge, die sich mit der Simulation von Stromnetzen insbesondere von Lastreihen beschäftigen wollen. Vorkenntnisse in cyber-physischen Energiesystemen, Simulation und Python-Programmierung sind wünschenswert, aber nicht zwingend erforderlich. Bewerber*innen sollten bereit sein, sich motiviert und selbstständig in das neue Thema einzuarbeiten. Die Ausarbeitung kann auf Deutsch oder Englisch erfolgen.