Erweiterung eines Modells zur Kraftwerkseinsatzoptimierung um die Berücksichtigung von Prognosefehlern

Diplomarbeit aus dem Jahr 2014 im Fachbereich Ingenieurwissenschaften - Energietechnik, Note: 1,7, Rheinisch-Westfälische Technische Hochschule Aachen (Institut für Elektrische Anlagen und Energiewirtschaft (IAEW)), Sprache: Deutsch, Abstract: Für die kommenden Jahre wird aufgrund der klimatischen Rahmenbedingungen ein Wandel von einer konventionellen Stromerzeugung auf Basis fossiler Kraftwerke hin zu weitgehend aus erneuerbaren Energien gewonnenem Strom erwartet. Die höchsten Potentiale liegen hierbei in der Photovoltaik und der Windkraft, deren Ausbau in Europa derzeit politisch gefördert wird. Deren vorrangige Einspeisung unterliegt aufgrund der Dargebotsabhängigkeit einer hohen Volatilität und weist Prognoseunsicherheiten auf. Die Prognosefehler werden durch konventionelle Erzeugungsanlagen, Speichersysteme sowie Reservedienstleistungen ausgeglichen, deren Einsatz bereits heute hohe Kosten verursacht. Der kosteneffiziente Einsatz an Erzeugungskapazitäten erfordert somit eine detaillierte Erfassung von Prognoseunsicherheiten. Ziel der vorliegenden Arbeit ist die Modellerweiterung eines bestehenden Verfahrens zur Kraftwerkseinsatzoptimierung, welches am Institut für Elektrische Anlagen und Energiewirtschaft (IEAW) der RWTH Aachen entwickelt wurde.Bereits heute sind die Prognosen im Kraftwerkseinsatz von essentieller Bedeutung. Mit dem Ausbau von weiteren dargebotsabhängigen Energiequellen steigt die Abbildung von Prognoseunsicherheiten auf der Erzeuger- sowie der Verbraucherseite deutlich an. In den vergangenen Jahren wurde eine Vielzahl an Verfahren zur Prognose der Stromerzeugung aus erneuerbaren Energien entwickelt, die in Form von Prognosedienstleistungen zur Verfügung gestellt werden. Zur Abbildung der Prognoseunsicherheiten wurde im Rahmen dieser Arbeit ein deterministischer Ansatz gewählt. Dieser stellt ein Entscheidungsmodell unter Unsicherheit dar, in dem die zukünftigen Ausprägungen der entscheidungsrelevanten Daten als bekannt angenommen werden.Im Ra