Energieprognose Und Steuerungsmethoden F?r Energiespeichersysteme in Verteilungsnetzen: Pr?diktive Modellierung Und Kontrolltechniken

ISBN-13: 9783031454707 / Niemiecki

William Holderbaum; Feras Alasali; Ayush Sinha

Spis treści

Einführung.- Grundlegende Instrumente.- Kurzfristige Lastprognosen.- Steuerungsstrategien in Niederspannungsnetzen zur Energieeinsparung.- Optimale Steuerung mit Lastprognosen.- Fallbeispiel: Energieeinsparung durch optimale Steuerung und Lastprognosen.- Schlussfolgerung.

O autorze

Professor William Holderbaum war an der University of Glasgow, der University of Reading und der Manchester Metropolitan University tätig und hat derzeit den Status eines Professors für Regelungstechnik an der Aston University im Vereinigten Königreich inne. Er hat in der Forschung eine führende Rolle gespielt und sich dabei einen sehr guten internationalen Ruf erworben sowie eine umfangreiche Liste von Veröffentlichungen und Doktorarbeiten betreut. Im Laufe der Jahre hat er sein Fachwissen im Bereich der Regelungstechnik auf verschiedene Anwendungen angewandt, insbesondere auf die Rehabilitationstechnik und die Energieübertragung, die Speicherung elektrischer Systeme und die Stromversorgungssysteme. Professor Holderbaum war am Thames Valley Vision (TVV)-Projekt beteiligt, einem 30 Millionen Pfund schweren Projekt des Low Carbon Network Fund. Ziel des Projekts ist es, Verteilernetzbetreiber im Vereinigten Königreich bei der Vorbereitung auf die künftige kohlenstoffarme Wirtschaft zu unterstützen, indem verschiedene technische und betriebliche Lösungen getestet werden. Eine der Hauptaufgaben des TVV ist die intelligente Steuerung von Speichergeräten für eine Reihe von Anwendungen, darunter die Reduzierung der Spitzennachfrage, die Spannungssteuerung und der Phasenausgleich. Darüber hinaus leitete Professor William Holderbaum ein von der EU finanziertes Projekt mit dem Titel "Delivering Sustainable Energy Solutions to Ports" (Bereitstellung nachhaltiger Energielösungen für Häfen), das auf die Verringerung der Treibhausgasemissionen in Häfen abzielt. Dabei wurden die Energieflüsse in Häfen analysiert, um schließlich innovative Steuerungstechniken zur Verringerung des Kraftstoffverbrauchs und zur Energierückgewinnung durch Energiespeicher zu entwickeln.

 

Dr. Feras Alasali ist Assistenzprofessor im Fachbereich Elektrotechnik an der Hashemite University, Jordanien, und verfügt über mehr als fünf Jahre Erfahrung mit optimalen und prädiktiven Kontrollmodellen für Energiespeichersysteme und Niederspannungsnetzanwendungen. Er erhielt seinen BSc- und MSc-Abschluss in elektrischer Energietechnik an der Al-Yarmouk-Universität. Nach seinem Abschluss arbeitete er bei der Electrical Distribution Company (EDCO) in Jordanien als Mess- und Schutztechniker und anschließend als Projektmanager mit mehr als 10 Jahren Erfahrung in Hoch- und Niederspannungsumspannwerken in KSA. Er promovierte 2019 an der University of Reading im Bereich der elektrischen Energietechnik. Seine Forschungsinteressen konzentrieren sich auf Steuerungsmodelle für die Verteilungserzeugung und das Niederspannungsnetz, Lastprognosen und Stromschutzsysteme.

Ayush Sinha arbeitet als wissenschaftlicher Mitarbeiter mit Forschungsinteresse an der Anwendung und Optimierung von Algorithmen des maschinellen Lernens für die Optimierung der Bedarfssteuerung und der Cybersicherheit kritischer Infrastrukturen, während er am Indian Institute of Information Technology in Allahabad, Indien, promoviert. Er verfügt über vier Jahre Forschungserfahrung im vom C3i HUB des IIT Kanpur geförderten Projekt (Risk Averse Resilience Framework for Critical Infrastructure Security) und im indisch-norwegischen Projekt (CPSEC) im Bereich "Machine Learning Approach for Cyber Security" (in gemeinsamer Zusammenarbeit von IIT Kanpur, IIIT Allahabad und der Norwegian University of Science & Technology, Gjowik-Norwegen). Er hat einen Abschluss in Mathematik (BHU, Indien) und einen Postgraduiertenabschluss in Computeranwendungen (MNNIT Allahabad, Indien) und in Softwaresystemen (BITS Pilani, Indien). Nach dem Studium arbeitete er 9 Jahre für multinationale Unternehmen wie Tata Consultancy Services (Indien) und Ciena India Pvt. Ltd. (Indien und Kanada) als leitender Java-Entwickler in den Bereichen Telekommunikation, Layer Zero Control Plane für Glasfaserkabel und Banken/Finanzen.

Blurb

Dieses Buch beschreibt die stochastische und prädiktive Kontrollmodellierung elektrischer Systeme, die die Herausforderung der Vorhersage des Energiebedarfs unter volatilen Bedingungen bewältigen kann.

Es wird erwartet, dass das globale Stromnetz mit bedeutenden Energie- und Umweltherausforderungen konfrontiert wird, wie z. B. Treibhausgasemissionen und steigender Energieverbrauch aufgrund der Elektrifizierung von Heizung und Verkehr. Heute umfasst das Verteilungsnetz Energiequellen mit unbeständigem Nachfrageverhalten und intermittierender erneuerbarer Erzeugung. Daher wird es immer wichtiger, das Nachfrageverhalten im Niederspannungsbereich und die Anforderungen an optimale Energiemanagementsysteme zu verstehen, um Energieeinsparungen zu erzielen, Lastspitzen zu reduzieren und Gasemissionen zu verringern.

Elektrische Lastprognosen sind ein wichtiges Instrument, um das hochgradig stochastische Verhalten der Stromnachfrage zu verstehen und zu antizipieren und um optimale Energiemanagementsysteme zu entwickeln. Lastprognosen, insbesondere probabilistische Prognosen, können fundiertere Planungs- und Managemententscheidungen unterstützen, was für künftige kohlenstoffarme Verteilungsnetze von entscheidender Bedeutung sein wird. Bei Speichervorrichtungen können Prognosen den geeigneten Kontrollzustand der Batterie optimieren. Es gibt nur wenige Bücher über Lastprognosen für Niederspannungsnetze und noch weniger Beispiele dafür, wie solche Prognosen in die Steuerung von Speichern integriert werden können.

Dieses Buch stellt Material zu Lastprognosen, Regelungsalgorithmen und Energieeinsparungen vor und bietet praktische Anleitungen für Praktiker anhand von zwei Beispielen aus dem wirklichen Leben: Wohnnetze und Kräne in einem Hafenterminal.

Die Übersetzung wurde mit Hilfe von künstlicher Intelligenz durchgeführt. Eine anschließende menschliche Überarbeitung erfolgte vor allem in Bezug auf den Inhalt.