Stochastische Abhängigkeit von Prognosefehlern der dargebotsabhängigen Einspeisung

Transkript

1 4. Syposiu Energieinnovation der dargebotsabhängigen Einspeisung Motivation und Einleitung Analyse Modellierung Exeplarische Untersuchungen Annika Klettke Graz,. Februar 26

2 Einleitung Hintergrund und Motivation Struktureller Wandel des Elektrizitätsversorgungssystes Steigender Anteil an dezentralen Erzeugungsanlagen Zunehende Unsicherheiten der Einspeisung durch Abhängigkeit vo Dargebot Erartete dargebotsabhängige Einspeisung basiert auf Wetterprognosen è Prognosegüte der Einspeisung kot eine größere Bedeutung zu Berücksichtigung von Prognoseunsicherheiten in Modellen Mögliche Anendungen zur Betrachtung unsicherer Last-/Einspeisesituationen Netzbetriebssiulationen zur Beertung der zukünftigen Netzsicherheit Diensionierung des Regelreservebedarfs è Regional aufgelöste Prognosefehlerverteilungen relevant für Berechnung zukünftiger Last-/Einspeisesituationen Ziel des Beitrages Enticklung eines Modells zur realitätsnahen Abbildung von Prognosefehlern der dargebotsabhängigen Einspeisung

3 Analyse 2 Regionale Zusaenhänge von Prognosefehlern Erartete dargebotsabhängige Einspeisung basiert auf Wetterprognosen Prognosen können fehlerhaft sein Prognosefehler: ΔP = P $%&' P )*+ 2 3 Wetterbedingte Einflüsse der dargebotsabhängigen Einspeisung lassen stochastische Abhängigkeiten veruten 4 5 è Vorzeichengleiche und örtliche Konzentration von Leistungsabeichungen öglich Beispielhafte Korrelationsergebnisse WP k,56,35,22,3 è Analyse geographischer und zeitlicher Abhängigkeiten der Prognosefehler erforderlich

4 Analyse 3 Korrelationen und stochastische Abhängigkeiten Beispielhafte Ausertung geographischer soie zeitlicher Korrelation ausgeählter Windprognosefehlerzeitreihen eines Jahres Geographische Korrelation (links) anhand der Rangkorrelation ρ nach Pearson Korrelation ρ -)./ Zeitliche Korrelation (rechts) ithilfe der Autokorrelation ρ +,+23,6,5,4,4,3,2, k 25 Entfernung Autokorrelation ρ +,+23,8,8,6,6,4,4,2, Zeitschritt t in Viertelstunden Geographische Abhängigkeit der Prognosefehler nicht zu vernachlässigen Zeitliche Abhängigkeit nur i Zeitrau bis vier Viertelstunden zu erkennen è Verendung der Copula zur Abbildung stochastischer Abhängigkeiten soie Randverteilungen der Prognosefehlerverteilungen

5 Analyse 4 Vorgehenseise bei Verendung der Copula x 5 Funktion zur Abbildung stochastisch abhängiger Verteilungsfunktionen Prognosefehler, u 5 Einheitsbereich u 5 x 5 Prognosefehler,,9,9, ,9,9, x 3 Eingangsverteilung u 3 Bestiung u 3 Generierung x 3 Ausgangsverteilung ) Eingangsverteilung beinhaltet Inforationen über stochastische Zusaenhänge 2) Transforation in den Einheitsbereich zur Erittlung stochastischer Abhängigkeiten und Erzeugung stochastisch abhängiger Zufallszahlen 3) Rücktransforation über Ausgangsverteilung liefert Prognosefehlerverteilungen è Zur Abbildung regionaler Abhängigkeiten, regionale Prognosefehlerverteilungen als Eingangsdatu benötigt

6 Modellierung 5 Modellierung der Prognosefehler volatiler Einspeisung ΔP t Windpark Wetterstationen ΔP t è Regional aufgelöste, kurzfristige Prognosefehlerverteilungen für Europa nicht gegeben hoch aufgelöste Messertzeitreihen der Windgeschindigkeit je Wetterstationen verfügbar Verendung der Copula eröglicht unabhängige Betrachtung der Randverteilungen der Prognosefehler Nutzung der Abhängigkeitsstruktur der Windgeschindigkeiten als Eingangsdatu Verifikation der odifizierten Copula anhand exeplarischer Untersuchungen notendig

7 Exeplarische Untersuchungen Anendungsszenario 6 Verifikation odifizierter Vorgehenseise zur Generierung stochastisch abhängiger Prognosefehler unter Verendung der Copula 2 Untersuchung zeier unterschiedlicher Eingangsgrößen zur Bestiung von stochastischen Abhängigkeiten für die Erstellung der Copula 2 Prognosefehlerverteilung der Windparks Verteilung der Windgeschindigkeitsänderung für die nächst gelegenen Wetterstationen è Beertung beider Varianten anhand der Abhängigkeitsstruktur und des Randbereichs der generierten Prognosefehlerverteilungen Transinforation zur Betrachtung unbekannter Abhängigkeitsstrukturen von Verteilungsfunktionen Verendung von Quantilen zur Identifizierung zeitgleicher hoher Abeichungen von der prognostizierten Einspeisung

8 Exeplarische Untersuchungen 7 Verifikation der angepassten Vorgehenseise Darstellung der Ergebnisse anhand zeier ausgeählter Windparks/Stationen 2 Transinforation Häufigkeiten ,6-6,3-3,3 3, τ 3,5 =, ,6-6,3-3,3 3, τ 3,5 =, Ergebnisse für das %-ige und 99 %-ige Quantil der Sue beider Verteilungen Eingangsverteilung %-Quantil 99 %-Quantil Prognosefehler - 35,56 MW 26,26 MW Änderung Windgeschindigkeit - 34,94 MW 27,93 MW è Verendung der Windgeschindigkeitszeitreihen als Eingangsverteilung für Copula zur Generierung stochastisch abhängiger Prognosefehler geeignet

9 Zusaenfassung 8 Wesentliche Erkenntnisse Motivation Struktureller Wandel des Elektrizitätsversorgungsystes und zunehende Unsicherheiten der Einspeisung durch Abhängigkeit vo Dargebot Regional aufgelöste Prognosefehlerverteilungen relevant für Berechnung zukünftiger Last-/Einspeisesituationen Ziel der Arbeit Enticklung eines Modells zur realitätsnahen Abbildung von Prognosefehlern der dargebotsabhängigen Einspeisung Analyse Prognosefehlerverteilungen eisen geographische und zeitliche Abhängigkeiten auf Verendung der Copula eröglicht unabhängige Betrachtung der Randverteilung und der stochastischen Abhängigkeit von Zeitreihen Ergebnisse Abbildung geographischer Abhängigkeiten zischen den Prognosefehlern bei Verendung der Copula öglich

10 9 Fragen und Diskussion Kontaktdaten Annika Klettke Institut für Elektrische Anlagen und Energieirtschaft (IAEW), RWTH Aachen University Tel: Institutsleiter Univ.-Prof. Dr.-Ing. Albert Moser