| dc.date.accessioned | 2006-03-23T06:48:12Z | |
| dc.date.available | 2006-03-23T06:48:12Z | |
| dc.date.issued | 2004-01-27T06:48:12Z | |
| dc.identifier.uri | urn:nbn:de:hebis:34-929 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/929 | |
| dc.format.extent | 8535438 bytes | |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | ger | |
| dc.rights | Urheberrechtlich geschützt | |
| dc.rights.uri | https://rightsstatements.org/page/InC/1.0/ | |
| dc.subject | Windenergie | eng |
| dc.subject | Simulation | eng |
| dc.subject | Prognose | eng |
| dc.subject | Betriebsführung | eng |
| dc.subject | Kurzzeitprognose | eng |
| dc.subject | Netzintegration | eng |
| dc.subject | Online-Erfassung | eng |
| dc.subject | operational control | eng |
| dc.subject | short-term prediction | eng |
| dc.subject | grid integration | eng |
| dc.subject | online-monitoring | eng |
| dc.subject.ddc | 620 | |
| dc.title | Rechenmodelle und Informationssysteme zur Integration großer Windleistungen in die elektrische Energieversorgung | eng |
| dc.type | Dissertation | |
| dcterms.abstract | In dieser Arbeit werden verschiedene Computermodelle, Rechenverfahren und Methoden zur Unterstützung bei der Integration großer Windleistungen in die elektrische Energieversorgung entwickelt. Das Rechenmodell zur Simulation der zeitgleich eingespeisten Windenergie erzeugt Summenganglinien von beliebig zusammengestellten Gruppen von Windenergieanlagen, basierend auf gemessenen Wind- und Leistungsdaten der nahen Vergangenheit. Dieses Modell liefert wichtige Basisdaten für die Analyse der Windenergieeinspeisung auch für zukünftige Szenarien. Für die Untersuchung der Auswirkungen von Windenergieeinspeisungen großräumiger Anlagenverbünde im Gigawattbereich werden verschiedene statistische Analysen und anschauliche Darstellungen erarbeitet. Das im Rahmen dieser Arbeit entwickelte Modell zur Berechnung der aktuell eingespeisten Windenergie aus online gemessenen Leistungsdaten repräsentativer Windparks liefert wertvolle Informationen für die Leistungs- und Frequenzregelung der Netzbetreiber. Die zugehörigen Verfahren zur Ermittlung der repräsentativen Standorte und zur Überprüfung der Repräsentativität bilden die Grundlage für eine genaue Abbildung der Windenergieeinspeisung für größere Versorgungsgebiete, basierend auf nur wenigen Leistungsmessungen an Windparks. Ein weiteres wertvolles Werkzeug für die optimale Einbindung der Windenergie in die elektrische Energieversorgung bilden die Prognosemodelle, die die kurz- bis mittelfristig zu erwartende Windenergieeinspeisung ermitteln. In dieser Arbeit werden, aufbauend auf vorangegangenen Forschungsarbeiten, zwei, auf Künstlich Neuronalen Netzen basierende Modelle vorgestellt, die den zeitlichen Verlauf der zu erwarten Windenergie für Netzregionen und Regelzonen mit Hilfe von gemessenen Leistungsdaten oder prognostizierten meteorologischen Parametern zur Verfügung stellen. Die softwaretechnische Zusammenfassung des Modells zur Berechnung der aktuell eingespeisten Windenergie und der Modelle für die Kurzzeit- und Folgetagsprognose bietet eine attraktive Komplettlösung für die Einbindung der Windenergie in die Leitwarten der Netzbetreiber. Die dabei entwickelten Schnittstellen und die modulare Struktur des Programms ermöglichen eine einfache und schnelle Implementierung in beliebige Systemumgebungen. Basierend auf der Leistungsfähigkeit der Online- und Prognosemodelle werden Betriebsführungsstrategien für zu Clustern im Gigawattbereich zusammengefasste Windparks behandelt, die eine nach ökologischen und betriebswirtschaftlichen Gesichtspunkten sowie nach Aspekten der Versorgungssicherheit optimale Einbindung der geplanten Offshore-Windparks ermöglichen sollen. | eng |
| dcterms.abstract | In this thesis several computer models, mathematical models and approaches for the techni-cal assistance of large scale wind power integration into the electrical energy supply system are developed. The model for the simulation of contemporaneous fed-in wind energy com-putes sum curves of arbitrary composed groups of wind turbines, based on measured wind and power data of the near past. The model generates useful data for the analysis of wind power generation – also for future scenarios. For examinations with regard to the impact of spacious distributed wind generation in the range of billion watts, several statistical analyses and descriptive illustrations are elaborated. The model for the calculation of the current fed-in wind energy computes valuable informa-tion for the power and frequency control of the grid operators. The model uses online meas-ured wind farm power data of representative wind farms. The corresponding procedures for the determination of the representative sites and the check of the representativeness are the basis for a precise calculation of the wind generation for large areas, based only on a few power measurements. Further valuable tools for an optimised integration of large wind power into the energy supply system are the prediction models and approaches. These models calculate the short- and me-dium-term expected wind energy. In this thesis, two new models are developed who are based on the use of Artificial Neural Networks. These models determine the course of the expected wind energy generation for grid regions and control zones by evaluating of meas-ured wind farm power data or predicted meteorological parameters. The assembling of the models for the calculation of the current wind generation and the pre-diction models is an attractive software solution for the implementation of the item wind en-ergy into control centres of the system operators. The interfaces and the modular structure of this tool will enable a simple and fast implementation into any system. Based on the effi-ciency of the online- and prediction models, new operational control strategies for wind farm clusters in the range of gigawatts are developed. These strategies will enable an economical and ecological optimised integration of the planned offshore wind farms into central power plant scheduling. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | Rohrig, Kurt | |
| dc.contributor.corporatename | Kassel, Universität, FB 16, Elektrotechnik/Informatik | |
| dc.contributor.referee | Schmid, Jürgen (Prof. Dr.-Ing.) | |
| dc.contributor.referee | Kleinkauf, Werner (Prof. Dr.-Ing.) | |
| dc.date.examination | 2003-11-18 | |
