DE102023203985B3

DE102023203985B3 - Verfahren zur Erzeugung von Eingangsdaten für eine Zustandsschätzung eines Stromnetzes, Zustandsschätzung sowie Steuerung eines Stromnetzes

Info

Publication number: DE102023203985B3
Application number: DE102023203985.0
Authority: DE
Inventors: Mathias Duckheim; Michael Metzger; Paul Stursberg; Eva Wagner
Original assignee: Siemens AG
Current assignee: Siemens AG
Filing date: 2023-04-28
Publication date: 2024-07-04
Anticipated expiration: 2043-04-29

Abstract

Es wird ein Verfahren zur Erzeugung von Eingangsdaten für eine Zustandsschätzung eines Stromnetzes (1) vorgeschlagen, wobei das Stromnetz (1) wenigstens zwei Mittelspannungsknoten (MV2,...,MV4) aufweist, und die Eingangsdaten wenigstens Kovarianzen und Erwartungswerte von elektrischen Leistungen an den Mittelspannungsknoten (MV2,...,MV4) umfassen, wobei an einem der Mittelspannungsknoten (MV2,...,MV4) ein Niederspannungsnetz (LV2,...,LV4) mit N Haushalten und an dem weiteren der Mittelspannungsknoten (MV2,...,MV4) ein Niederspannungsnetz (LV2, ..., LV4) mit M Haushalten angeschlossen ist. Das Verfahren ist gekennzeichnet dadurch, dass wenigstens eines der Niederspannungsnetze (LV4) eine Smart-Meter-Durchdringungsrate kleiner einem festgelegten Schwellenwert aufweist, wobei die Eingangsdaten wenigstens eine Kovarianz zwischen an den Mittelspannungsknoten (MV2,...,MV4) aggregierten elektrischen Leistungen umfassen, wobei die Kovarianz durch einen bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte N,M in den jeweiligen Niederspannungsnetzen festgelegt wird.
Weiterhin betrifft die Erfindung ein Verfahren zur Zustandsschätzung eines Stromnetzes (1), ein Verfahren zur Steuerung oder Regelung eines Stromnetzes (1) sowie ein Computerprogrammprodukt.

Description

Die Erfindung betrifft ein Verfahren gemäß dem Oberbegriff des Patentanspruches 1, eine Zustandsschätzung gemäß dem Oberbegriff des Patentanspruches 12, eine Steuerung eines Stromnetzes gemäß dem Oberbegriff des Patentanspruches 14 sowie ein Computerprogrammprodukt gemäß dem Oberbegriff des Patentanspruches 15.
Durch eine fortschreitende Installation zusätzlicher Verbraucher (E-Mobilität) und volatiler dezentraler Erzeugungseinheiten (Photovoltaik und Wind) in Mittel- und Niederspannungsnetzen kann es durch die Höherauslastung des Stromnetzes in den beiden unteren Spannungsebenen (Mittel- und Niederspannung) vermehrt zu kritischen Betriebszuständen kommen.
Neben einem teuren Netzausbau sind Betriebsansätze attraktiv, die diese Verbraucher in kritischen Netzsituationen gezielt steuern, um Überlastungen, beispielsweise Verletzungen des Spannungsbandes oder ein Auslösen von Sicherung durch Überschreiten von Maximalleistungen, zu vermeiden. Diese Ansätze können allerdings technisch nur realisiert werden, wenn der Zustand des Stromnetzes beziehungsweise seiner Unternetze bekannt ist. Daher wird eine Zustandsschätzung in den unteren Spannungsebenen, insbesondere für Mittelspannungsnetze und Niederspannungsnetze zunehmend relevanter.
Da in Mittelspannungsnetzen und Niederspannungsnetzen nur sehr wenige Echtzeitmessungen installiert sind, sind zusätzliche Datenquellen und/oder Prior-Annahmen über den Netzzustand erforderlich. Solche Daten können beispielsweise aus historischen oder vorhergesagten Daten abgeleitet werden.
Allerdings muss bei deren Verwendung als Eingangsdaten für die Zustandsschätzung deren Unsicherheit, beispielsweise ihre Varianz, ermittelt und berücksichtigt werden. Mittels probabilistischen Zustandsschätzern ist es möglich, diese Unsicherheiten der Eingangsdaten zu verarbeiten und Ausgangsdaten mit probabilistischer Aussage, das heißt eine Wahrscheinlichkeitsverteilung für den Zustand, zu berechnen.
Hierbei ist eine technische Herausforderung, Messdaten und Prior-Annahmen in einer geeigneten Weise zu kombinieren, um eine zuverlässige Zustandsschätzung, das heißt eine Schätzung des Netzzustands des Stromnetzes, zu erhalten. Hierbei ist insbesondere zu beachten, dass die Lasten typischerweise Korrelationen aufweisen, das heißt nicht stochastisch unabhängig sind. Nach dem Stand der Technik werden solche Korrelationen beziehungsweise Kovarianzen typischerweise nicht berücksichtigt.
Verfahren zur Zustandsschätzung von Verteilungssystemen, die auf dem WLS-Ansatz (englisch: Weighted-Least-Square) basieren, der für höhere Spannungsebenen Stand der Technik ist, wandeln Prior-Wissen in sogenannte Pseudomessungen um. Sie werden dem Zustandsschätzer äquivalent zu den Echtzeitmessungen, aber mit hohen Standardabweichungen für die Messgenauigkeit (und damit niedrigem Gewicht), als Eingangsdaten übergeben.
Bayessche Verfahren sind probabilistische Verfahren, die das Prior-Wissen in Form einer Prior-Verteilung für die möglichen Zustände berücksichtigen. Mittels des Satzes von Bayes wird unter Verwendung von (Echtzeit-)Messdaten eine Posterior-Verteilung des zu erwartenden Netzzustandes ermittelt.
Für Mittelspannungsnetze (MS-Netze) liegt ein hohes Potenzial für nützliche Prior-Informationen in der Verteilung von Last-Daten (Leistungsdaten) der darunter liegenden Niederspannungsnetze, die beispielsweise mittels Leistungsprofilen von intelligenten Messsystemen (Smart-Metern), Jahresenergiebedarfen aus analogen und digitalen Zählerdaten oder aus Standardlastprofilen geschätzt werden können. Auch exogene Quellen, wie beispielsweise Sonneneinstrahlung zur Schätzung von photovoltaischer Erzeugung, können als Informationsquelle herangezogen werden.
Die genannten Prior-Informationen haben gemeinsam, dass ihre Verteilung, im Gegensatz zu typischen Messfehlern, nicht stochastisch unabhängig ist. Ist beispielsweise die Last eines Haushalts erheblich höher als im Jahresmittel, so steigt die Wahrscheinlichkeit, dass auch die Last eines benachbarten Haushalts höher als im Jahresmittel ist. Fortgeschrittene bekannte WLS-Verfahren berücksichtigen daher die Korrelation zwischen Pseudomessungen.
Diese Verfahren stellen jedoch sehr hohe Anforderungen an die verfügbaren Informationsquellen der Last-Verteilungen, da sie Korrelationen zwischen einzelnen Lasten empirisch aus historischen Daten berechnen und daher vollständig vorliegende aufgezeichnete Leistungszeitreihen (von Echtzeitmessungen oder Smart-Metern) verlangen. In den Mittelspannungsnetzen in Europa und den USA stehen in der Regel nur wenige Echtzeitmessungen zur Verfügung. Weiterhin hat kein Staat eine 100-prozentige Smart-Meter-Abdeckung.
Weiterhin können erhobene Zählerdaten und Smart-Meter-Daten gegebenenfalls für den Netzbetrieb aus Datenschutzgründen nicht genutzt werden. Daher müssen für die Hintergrundverteilung beziehungsweise Pseudomessungen der Zustandsschätzung typischerweise zusätzliche Informationen aus Energieverbrauchs-Messungen und Standardlastprofilen oder auch aus weiteren externen Quellen (Sonneneinstrahlung) berücksichtigt werden. Allerdings können bekannte Verfahren keine Informationen zu Korrelationen hieraus ableiten. Es wird daher bei bekannten Verfahren angenommen, dass die Daten stochastisch unabhängig sind.
Das Dokument WO 2018/ 114 166 A1 betrifft ein Verfahren zur Ermittlung von Zustandswerten eines Energieversorgungsnetzes. Hierbei erfolgt die Zustandsschätzung mittels eines neuronalen Netzes, dass Eingangssignale als Eingangsdaten verwendet.
Das Dokument WO 2022/ 002 458 A1 betrifft ein Netz zur Verteilung elektrischer Energie. Hierbei werden unter einer Abschätzung einer Gesamtvarianz vorgegeben Sollbetriebsbereichsgrenzen des Netzes eingehalten.
Das Dokument EP 4 075 622 A1 betrifft Verfahren zur Ermittlung einer Netztopologie eines Stromnetzes. Hierbei wird basierend auf in das Stromnetz induzierten Leistungssignalen die Topologie ermittelt.
Das Dokument „Using Smart Meters for Distribution Grid State Estimation", 2019 International Conference on Smart Energy Systems and Technologies (SEST), Porto, Portugal; 2019, pp. 1-5, MATTHISS, B.; ERB, J.; BINDER, J. betrifft eine Zustandsschätzung bei welcher Smart-Meter verwendet werden und offenbart den Oberbegriff des Patentanspruches 1.
Der vorliegenden Erfindung liegt die Aufgabe zugrunde, Eingangsdaten für eine Zustandsschätzung eines Stromnetzes zu erzeugen, die eine Korrelation beziehungsweise Kovarianz zwischen Mittelspannungsknoten des Stromnetzes verbessert berücksichtigt.
Die Aufgabe wird durch ein Verfahren mit den Merkmalen des unabhängigen Patentanspruches 1, durch eine Zustandsschätzung mit den Merkmalen des unabhängigen Patentanspruches 12, durch ein Verfahren zur Steuerung eines Stromnetzes mit den Merkmalen des unabhängigen Patentanspruches 14 sowie durch ein Computerprogrammprodukt mit den Merkmalen des unabhängigen Patentanspruches 15 gelöst. In den abhängigen Patentansprüchen sind vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung angegeben.
Das erfindungsgemäße Verfahren zur Erzeugung von Eingangsdaten für eine Zustandsschätzung eines Stromnetzes, wobei das Stromnetz wenigstens zwei Mittelspannungsknoten aufweist, und die Eingangsdaten wenigstens Kovarianzen und Erwartungswerte von elektrischen Leistungen an den Mittelspannungsknoten umfassen, wobei an einem der Mittelspannungsknoten ein Niederspannungsnetz mit N Haushalten und an dem weiteren der Mittelspannungsknoten ein Niederspannungsnetz mit M Haushalten angeschlossen ist, ist gekennzeichnet dadurch, dass wenigstens eines der Niederspannungsnetze eine Smart-Meter-Durchdringungsrate kleiner einem festgelegtem Schwellenwert aufweist, wobei die Eingangsdaten wenigstens eine Kovarianz zwischen an den Mittelspannungsknoten aggregierten elektrischen Leistungen umfassen, wobei die Kovarianz durch einen bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte N,M in den jeweiligen Niederspannungsnetzen festgelegt wird.
Das erfindungsgemäße Verfahren und/oder eine oder mehrere Funktionen, Merkmale und/oder Schritte des erfindungsgemäßen Verfahrens und/oder einer seiner Ausgestaltungen können computergestützt sein. Insbesondere umfasst eine zur Steuerung oder Regelung des Stromnetzes vorgesehene Steuereinheit eine oder mehrere Recheneinheiten, die dazu ausgebildet und eingerichtet sind, beispielsweise mittels Befehlen, das Verfahren durchzuführen.
Die Smart-Meter-Durchdringungsrate ist die relative Anzahl der im Niederspannungsnetz installierten Smart-Meter. Beispielsweise weisen 40 Prozent der Haushalte eines Niederspannungsnetzes ein Smart-Meter auf. Die Smart-Meter-Durchdringungsrate weist in diesem Fall für dieses Niederspannungsnetz dann einen Wert von 0,4 beziehungsweise von 40 Prozent auf. Hierbei ist zu beachten, dass die Daten des jeweiligen Smart-Meters auch zur Verfügung stehen müssen. Ein Smart-Meter gemäß der vorliegenden Erfindung kann somit eine allgemeine Messeinheit ein, die wenigstens den zeitlichen Verlauf der elektrischen Wirkleistung und/oder Blindleistung an einem Niederspannungsknoten (Haushalt) diskret oder kontinuierlich erfasst und bezüglich des Haushalts extern zur Verfügung stellt.
Ein Haushalt im Sinne der vorliegenden Erfindung kann ein Stromverbraucher und/oder ein Stromerzeuger sein. Typischerweise bildet ein Haushalt einen Niederspannungsknoten des jeweiligen Niederspannungsnetzes aus. Weiterhin könnte ein Haushalt durch einen Großverbraucher ausgebildet werden, das heißt durch einen Verbraucher, der einen Jahresenergieverbrauch oberhalb eines festgelegten Schwellenwertes aufweist, beispielsweise oberhalb von 0,1 MWh. Solche Großverbraucher können ebenfalls als Großkunden oder Gewerbekunden bezeichnet werden. Diese RLM-Verbraucher weisen typischerweise eine registrierenden Leistungsmessungen (RLM) auf, mittels welcher ein zeitaufgelöste Lastprofil zur Verfügung gestellt wird. Dieses Leistungsprofil weist, wie Smart-Meter-Daten beziehungsweise Smart-Meter-Leistungsprofile, typischerweise eine zeitliche Auflösung von 15 Minuten auf.
Im Sinne der vorliegenden Erfindung sind Korrelation und Kovarianz äquivalent. Ist die Kovarianz bekannt, so ergibt sich die Korrelation in bekannter Weise durch Normierung auf die jeweiligen Standardabweichungen (Wurzel aus den Varianzen).
Die Kovarianz zwischen Mittelspannungsknoten n,m kann typischerweise als Matrix Σ_xn,xm dargestellt werden. Jeder Mittelspannungsknoten n weist hierbei einen zeitlichen Verlauf seiner elektrischen Leistung x_n,t, beispielsweise seiner Wirkleistung und/oder Blindleistung, auf. Damit gilt für die Korrelation $ρ_{x_{n}, x_{m}} = \sum_{x_{n}, x_{m}} / \sqrt{\sum_{x_{n}} \sum_{x_{m}}},$ wobei Σ_xn, Σ_xm die Varianzen der zeitabhängigen elektrischen Leistung x_n,t beziehungsweise x_m,t bezeichnet.
Für vorhandene diskrete Zeitreihen kann die Kovarianz der Eingangsdaten somit grundsätzlich gemäß $\sum_{x_{n}, x_{m}} = \sum_{t = 1}^{T} (x_{n, t} - μ_{x_{n}}) (x_{m, t} - μ_{x_{m}}) / (T - 1)$ ermittelt werden. Hierbei sind $μ_{x_{n}} = \sum_{t = 1}^{T} x_{n, t} / T$ die Erwartungswerte der Eingangsdaten. Allerdings wird für Mittelspannungsknoten, bei welchem wenigstens einer der Mittelspannungsknoten wenigstens ein Niederspannungsnetz mit einer Smart-Meter-Durchdringungsrate kleiner dem festgelegten Schwellenwert aufweist, nicht die über die Zeitreihen gebildete Kovarianz verwendet, sondern der bereitgestellten Kovarianz-Wert Cov(N,M).
Ein Grundgedanke der vorliegenden Erfindung ist, dass für Mittelspannungsknoten, deren Niederspannungsnetze eine geringe Smart-Meter-Durchdringung aufweisen, keine technisch brauchbare Berechnung von Korrelationen beziehungsweise Kovarianzen mit weiteren Mittelspannungsnetzen erfolgen kann. Das liegt daran, das für solche Mittelspannungsknoten weder unmittelbare Echtzeitmessungen noch ausreichende Messdaten, beispielsweise über Smart-Meter, zur Verfügung stehen. Allerdings ist es nachteilig, wie typischerweise im Stand der Technik angenommen, von keiner Korrelation auszugehen.
Auch die Verwendung von Standardlastprofilen mag dieses technische Problem nicht zu lösen, da dies zu einer unrealistischen perfekten Korrelation führen würde. Die vorliegende Erfindung löst dieses Problem dadurch, dass die Korrelation beziehungsweise die Kovarianz durch den bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte in den jeweiligen Niederspannungsnetzen ermittelt wird. Hierbei kann der Kovarianz-Wert Cov(N,M) mittels Niederspannungsnetzen ermittelt werden, die eine ausreichende Datenbasis aufweisen. Es werden somit erfindungsgemäß typische Korrelationswerte beziehungsweise Kovarianzwerte zwischen bezüglich der Anzahl von Haushalten vergleichbaren Niederspannungsnetzen verwendet.
Der bereitgestellte Kovarianz-Wert Cov(N,M) zwischen einem Mittelspannungsknoten dessen Niederspannungsnetz N Haushalte aufweist und einem Mittelspannungsknoten dessen Niederspannungsnetz M Haushalte aufweist, kann in Form einer Tabelle, eines Graphen, einer Matrix und/oder einer analytischen Formel bereitgestellt werden.
Ein Vorteil der Erfindung ist, dass Korrelationsinformationen verwendet werden können, auch wenn nicht vollständig aufgezeichnete Leistungszeitreihen (von Echtzeitmessungen oder Smart-Metern) vorliegen. Es können somit weitere Inputgrößen wie der Energieverbrauch von analog/digitalen Messgeräten, SLP und exogene Quellen wie Solareinstrahlung nutzbar gemacht werden, ohne die unrealistische Annahme treffen zu müssen, dass diese stochastisch unabhängig sind. Dies führt zu einer erheblichen Verbesserung der Genauigkeit einer Zustandsschätzung, die die erfindungsgemäß erzeugten Eingangsdaten verwendet.
Das erfindungsgemäße Verfahren zur Zustandsschätzung eines Stromnetzes mit mehreren Mittelspannungsknoten, wobei hierbei Eingangsdaten, welche Erwartungswerte und Kovarianzen von elektrischen Leistungen an den Mittelspannungsknoten umfassen, verwendet werden, ist gekennzeichnet dadurch, dass die Eingangsdaten durch ein Verfahren gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltungen erzeugt werden.
Es ergeben sich zum erfindungsgemäßen Verfahren gleichartige, gleichwertige und gleichwirkende Vorteile und/oder Ausgestaltungen der erfindungsgemäßen Zustandsschätzung.
Das erfindungsgemäße Verfahren zur Steuerung eines Stromnetzes mittels einer Steuereinheit, wobei das Stromnetz mehrere Mittelspannungsknoten umfasst, und die Steuerung oder Regelung basierend auf einer Zustandsschätzung erfolgt, ist gekennzeichnet dadurch, dass die Zustandsschätzung durch ein Verfahren zur Zustandsschätzung gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltungen erfolgt.
Es ergeben sich zur erfindungsgemäßen Zustandsschätzung gleichartige, gleichwertige und gleichwirkende Vorteile und/oder Ausgestaltungen des erfindungsgemäßen Verfahrens zur Steuerung eines Stromnetzes.
Das erfindungsgemäße Computerprogrammprodukt, ist dadurch gekennzeichnet, dass dieses Befehle umfasst, die bei der Ausführung des Programms durch eine Recheneinheit, insbesondere einen Computer, diesen veranlassen, ein Verfahren und/oder Schritte des Verfahrens gemäß der vorliegenden Erfindung und/oder einer ihrer Ausgestaltungen auszuführen.
Besonders bevorzugt umfasst die Steuereinheit die Recheneinheit.
Es ergeben sich zum erfindungsgemäßen Verfahren gleichartige, gleichwertige und gleichwirkende Vorteile und/oder Ausgestaltungen des erfindungsgemäßen Computerprogrammprodukts.
Gemäß einer bevorzugten Ausgestaltung der Erfindung weist das Stromnetz mehr als zwei Mittelspannungsknoten auf, wobei an einem oder mehreren der Mittelspannungsknoten ein Niederspannungsnetz angeschlossen ist, und die Mittelspannungsknoten in vier Kategorien eingeteilt werden, wobei

- die erste Kategorie Mittelspannungsknoten umfasst, deren aggregierte elektrische Leistung gemessen wurde; wobei
- die zweite Kategorie Mittelspannungsknoten umfasst, deren Niederspannungsnetze eine vollständige Smart-Meter-Durchdringungsrate aufweisen; wobei
- die dritte Kategorie Mittelspannungsknoten umfasst, deren Niederspannungsnetze keine vollständige Smart-Meter-Durchdringungsrate und eine Smart-Meter-Durchdringungsrate größer oder gleich dem festgelegten Schwellenwert aufweisen; und
- die vierte Kategorie Mittelspannungsknoten umfasst, deren Niederspannungsnetze eine Smart-Meter-Durchdringungsrate kleiner als der festgelegte Schwellenwert aufweisen; wobei
- die Kovarianz zwischen einem Mittelspannungsknoten einer beliebigen Kategorie und wenigstens einem Mittelspannungsknoten der vierten Kategorie durch den bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte N,M in den jeweiligen Niederspannungsnetzen festgelegt wird.

Mit anderen Worten werden die Mittelspannungsknoten in die vier Kategorien eingeteilt, wobei die Kategorien sich im Wesentlichen darin unterscheiden, ob unmittelbare Echtzeitmessungen zur Verfügung stehen (erste Kategorie) oder ob diese nicht zur Verfügung stehen und wie groß die jeweilige Smart-Meter-Durchdringungsrate ist (zweite bis vierte Kategorie).
Die erste Kategorie umfasst Mittelspannungsknoten, für welche eine unmittelbare Messung ihrer elektrischen Leistung zur Verfügung steht (Echtzeitmessungen) . Dadurch sind die Messdaten von untergeordneten Niederspannungsnetzen in diesem Fall nicht zwingend erforderlich. Mit anderen Worten gilt für die elektrischen Leistungen eines Mittelspannungsknotens der ersten Kategorie P_MV,t = P_MVmeas,t und Q_MV,t = Q_MVmeas,t, wobei P_MVmeas,t die gemessene Wirkleistung und Q_MVmeas,t die gemessene Blindleistung bezeichnet. Die erste Kategorie kann somit abgekürzt als MV_meas bezeichnet werden und es können die erfassten Messungen an den Mittelspannungsknoten (MS-Knoten) direkt als Zeitreiheneingang verwendet werden. Beispielsweise kann MV_meas Großkunden (RLM-Verbraucher), unterliegende Trafostation sowie Ortnetzstation umfassen.
In der zweiten Kategorie weisen alle Haushalte des Niederspanungsnetzes des jeweiligen Mittelspannungsknoten ein Smart-Meter auf. Mit anderen Worten beträgt die Smart-Meter-Abdeckung beziehungsweise die Smart-Meter-Durchdringungsrate in diesem Fall für das untergeordnete Niederspannungsnetz 100 Prozent. Dadurch kann die zeitabhängige elektrische Leistung der Mittelspannungsknoten der zweiten Kategorie durch Aggregation der Smart-Meter-Daten ermittelt werden.
Mit anderen Worten ist in diesem Fall $P_{MV, t} \approx \sum_{i = 1}^{N} P_{{LV}_{meas}, i, t}$ und $Q_{MV, t} \approx \sum_{t = 1}^{N} Q_{{LV}_{meas}, i, t},$ wobei P_LVmeas,i,t, Q_LVmeas,i,t die jeweiligen Smart-Meter-Wirkleistungsdaten beziehungsweise Blindleistungsdaten bezeichnet. Hierbei ist N die Anzahl der Haushalte des untergeordneten Niederspannungsnetzes, da in der zweiten Kategorie eine vollständige Smart-Meter-Abdeckung vorliegt, das heißt jeder Haushalt weist ein Smart-Meter auf. Mit anderen Worten werden in diesem Fall Wirkleistung und Blindleistung der Smart-Meter für den entsprechenden MS-Knoten aufsummiert, wodurch sich eine aggregierte Zeitreihe für den jeweiligen MS-Knoten ausbildet. Hierbei werden Leistungsverluste vernachlässigt. Die zweite Kategorie kann abgekürzt als SM_100% bezeichnet werden.
Die dritte Kategorie umfasst Mittelspannungsknoten deren untergeordnetes Niederspannungsnetz zwar keine vollständige Smart-meter-Abdeckung beziehungsweise Smart-Meter-Durchdringungsrate aufweisen, aber noch eine Smart-Meter-Durchdringungsrate größer oder gleich dem festgelegten Schwellenwert aufweisen. Es kann somit ein im Sinne des Schwellenwertes ausreichend großer Anteil von Smart-Meter-Daten verwendet werden.
In diesem Fall wird angenommen, dass die aufsummierten beziehungsweise aggregierten Smart-Meter-Zeitreihen P_SM,t und Q_SM,t der gemessenen Smart-Meter-Haushalte repräsentativ für das Verhalten von Lasten dieses Niederspannungsnetzes sind. Für den korrekten Energiebedarf am MS-Knoten werden die aufsummierten Smart-Meter-Zeitreihen mit einem Skalierungsfaktor f_scale multipliziert. Hierbei entspricht der Skalierungsfaktor dem Verhältnis zwischen dem aufsummierten Energiebedarf aller Niederspannungsknoten (NS-Knoten) beziehungsweise Haushalte, die von analogen oder digitalen Zählern erfasst werden, und dem aufsummierten Energiebedarf der Lasten, deren zeitlicher Verlauf von Smart-Metern erfasst wird. Hierbei kann die Blindleistung mit einem Leistungsfaktor cos<p als konstant angenommen werden. Allerdings kann ein nicht konstanter Leistungsfaktor ebenfalls vorgesehen sein.
Mit anderen Worten gilt P_MV,t ≈ P_∑SM,t · f_scale und Q_MV,t ≈ Q_∑SM,t · f_scale mit f_scale = E_∑LV/E_∑SM', wobei E_∑LV den Gesamtenergieverbrauch des Niederspannungsnetzes und E_ΣSM den Gesamtenergieverbrauch der Haushalte im Niederspannungsnetz mit Smart-Metern bezeichnet. Die dritte Kategorie kann abgekürzt als SM_mostly bezeichnet werden.
Die vierte Kategorie umfasst Mittelspannungsknoten deren untergeordnete Niederspannungsnetze bezüglich des festgelegten Schwellenwertes keine ausreichende Smart-Meter-Abdeckung beziehungsweise Smart-Meter-Durchdringungsrate aufweisen. Die vierte Kategorie kann somit abgekürzt als SM_less bezeichnet werden.
Mittels Standardprofilen und der vorhandenen Smart-Meter-Daten kann für den jeweiligen Mittelspannungsknoten eine aggregierte Last beziehungsweise aggregierte elektrische Leistung ermittelt werden. Mit anderen Worten wird in diesem Fall allen Lasten/Haushalten, die nicht über Smart-Meter erfasst sind, ein geeignetes skaliertes Standardlastprofil (SLP) zugewiesen. Diese Lastprofile werden mit den gemessenen Profilen an Lasten, die durch Smart-Meter gemessen werden, zu einem aggregierten Summenprofil am MV-Knoten aggregiert.
Mit anderen Worten gilt P_MV,t ≈ P_∑SM,t + P_LV|SLP,t und Q_MV,t ≈ Q_∑SM,t + Q_LV|SLP,t. Mittels dieser aggregierten elektrischen Leistungen können die Erwartungswerte für die Eingangsdaten ermittelt werden. Allerdings sind die derart erzeugten elektrischen Leistungen für das Ermitteln der Korrelation beziehungsweise Kovarianz ungeeignet, da der Anteil der Standardprofile zu hoch ist. Dadurch würde sich eine unrealistisch hohe Korrelation von nahezu 100 Prozent ausbilden. Es ist somit erfindungsgemäß vorgesehen, die Kovarianzen in diesem Fall, das heißt im Falle der vierten Kategorie, mittels der bereitgestellten Kovarianz-Werte Cov(N,M) in Abhängigkeit der jeweiligen Anzahl an Niederspannungsknoten (Haushalte) zu ermitteln.
Hierbei kann zum Ermitteln der bereitgestellten und in diesem Sinne standardisierten Kovarianz-Werte wie folgt vorgegangen werden:

a) Mittels einer ausreichend großen Menge von Messdaten repräsentativer Lasten werden zufällige Teilmengen unterschiedlicher Größe gebildet und die paarweise Korrelation der aggregierten Zeitreihen in Abhängigkeit der Größe der Teilmengen berechnet. Diese Berechnung muss für ein Netzgebiet nur einmalig durchgeführt werden.
b) Für ein Mittelspannungsknotenpaar (n, m), für welches die Kovarianz Σ_xn,xm ermittelt werden soll, wird in Abhängigkeit der Anzahl der Lasten in den jeweiligen Subnetzen ein typischer Kovarianz-Wert beziehungsweise Korrelation-Wert aus den zuvor berechneten Werten ermittelt. Beispielsweise ergibt sich für ein Mittelspannungsnetz n mit 75 Niederspannungsknoten/Lasten/Haushalten im darunterliegenden Niederspannungsnetz und ein Mittelspannungsnetz m mit 15 Niederspannungsknoten/Lasten/Haushalten ein typischer Korrelationskoeffizient von etwa 0,6.
c) Ab einer genügend großen Anzahl an Haushalten/Verbrauchern im Niederspannungsnetz ergeben sich gering schwankende Korrelationswerte (geringer Wert für die Standardabweichung der Korrelationskoeffizienten), wodurch die Werte verlässlicher sind.

Somit wird die Korrelation beziehungsweise die Kovarianz nur dann nicht mittels der oben genannten aggregierten zeitlichen Leistungen gebildet, wenn die Korrelation beziehungsweise Kovarianz mit wenigstens einem Mittelspannungsknoten der vierten Kategorie ermittelt wird. Ist kein Mittelspannungsknoten der vierten Kategorie beteiligt, so kann die Korrelation beziehungsweise Kovarianz in bekannter Weise aus den oben genannten Zeitreihen für die aggregierten elektrischen Leistungen gebildet werden. Beispielsweise gilt für diskrete Zeitreihen $\sum_{x_{n}, x_{m}} = \sum_{t = 1}^{T} (x_{n, t} - μ_{x_{n}}) (x_{m, t} - μ_{x_{m}}) / (T - 1) .$ Die Erwartungswerte können hingegen unabhängig von der Kategorie gemäß $μ_{x_{n}} = \sum_{t = 1}^{T} x_{n, t} / T$ ermittelt werden. Hierbei ist jeweils x_n,t = P_MV,t für einen Mittelspannungsknoten n, wobei P_MV,t je nach Kategorie wie obenstehend genannt gebildet wird.
In einer vorteilhaften Weiterbildung der Erfindung wird für jeden Mittelspannungskoten der ersten Kategorie seine elektrische Leistung durch die zum jeweiligen Mittelspannungsknoten zugehörigen erfassten elektrischen Leistungen ermittelt.
Wie obenstehend bereits ausgeführt, ist in diesem Fall die am jeweiligen Mittelspannungsknoten aggregierte Leistung unmittelbar durch Echtzeitmessungen bestimmt.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird für jeden Mittelspannungsknoten der zweiten Kategorie seine elektrische Leistung durch eine Aggregation der zum jeweiligen Mittelspannungsknoten zugehörigen Smart-Meter-Messdaten ermittelt.
Wie obenstehend bereits ausgeführt, ist in diesem Fall die am jeweiligen Mittelspannungsknoten aggregierte Leistung unmittelbar durch Smart-Meter-Daten bestimmt. Das ist deshalb der Fall, da für Mittelspannungsknoten der zweiten Kategorie das jeweilige zugehörige Niederspannungsnetz eine vollständige, das heißt 100-prozentige, Smart-Meter-Abdeckung beziehungsweise Smart-Meter-Durchdringungsrate aufweist.
In einer vorteilhaften Weiterbildung der Erfindung wird für jeden Mittelspannungsknoten der dritten Kategorie seine elektrische Leistung durch einen Skalierungsfaktor und eine Aggregation der zum jeweiligen Mittelspannungsknoten zugehörigen Smart-Meter-Messdaten ermittelt.
Mit anderen Worten werden die in diesem Fall zur Verfügung stehenden Smart-Meter-Daten auf das gesamte jeweilige Niederspannungsnetz hochskaliert. Gemäß der Definition der dritten Kategorie sind für solche Mittelspannungsknoten innerhalb ihres zugehörigen Niederspannungsnetzes noch ausreichend viele Smart-Meter vorhanden. Dadurch kann angenommen werden, dass die Smart-Meter-Daten repräsentativ für das jeweilige Niederspannungsnetz und somit für die aggregierte Leistung am jeweiligen Mittelspannungsknoten ist. Hierbei gilt für die Leistungen an einen Mittelspannungsknoten der dritten Kategorie P_MV,t ≈ P_∑SM,t · f_scale und Q_MV,t ≈ Q_∑SM,t · f_scale mit f_scale = E_∑LV/E_∑SM, wobei E_ΣLV den Gesamtenergieverbrauch des Niederspannungsnetzes und E_∑SM den Gesamtenergieverbrauch der Haushalte im Niederspannungsnetz mit Smart-Metern bezeichnet.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird für jeden Mittelspannungskoten der vierten Kategorie seine elektrische Leistung durch eine Aggregation der zum jeweiligen Mittelspannungsknoten zugehörigen Smart-Meter-Messdaten und Standartlastprofile ermittelt.
In diesem Fall stehen gemäß der Definition der vierten Kategorie zu wenig Smart-Meter-Daten zur Verfügung, sodass im Gegensatz zur dritten Kategorie nicht angenommen werden kann, dass die zur Verfügung stehenden Smart-Meter-Daten repräsentativ für das jeweilige Niederspannungsnetz und den zugehörigen Mittelspannungsknoten sind. Somit werden die in diesem Sinne fehlenden Daten mittels Standardlastprofilen ergänzt.
Mit anderen Worten gilt für die aggregierten elektrischen Leistungen an einem der Mittelspannungsknoten der vierten Kategorie P_MV,t ≈ P_∑SM,t + P_LV|SLP,t und Q_MV,t ≈ Q_∑SM,t + Q_LV|SLP,t, wobei P_∑SM,t, Q_ΣSM,t die gemessenen Smart-Meter-Daten und P_LV|SLP,t, Q_LV|_SLP,t die Standardlastprofile bezeichnet.
Problematisch ist nun, dass durch den hohen Anteil der Standardlastprofile keine technisch brauchbare Bestimmung der Korrelation beziehungsweise Kovarianz von einem Mittelspannungsknoten beliebiger Kategorie mit wenigstens einem Mittelspannungsknoten der vierten Kategorie erfolgen kann. Die vorliegende Erfindung sieht daher vor, die Korrelation beziehungsweise Kovarianz nicht über die genannten elektrischen Leistungen, sondern durch im Wesentlichen standardisierte Korrelations-Werte beziehungsweise Kovarianz-Werte zu bestimmen, die von der Anzahl der Haushalte beziehungsweise der Anzahl der Niederspannungsknoten in den beteiligten Niederspannungsnetzen abhängig ist. Die standardisierten Korrelations-Werte beziehungsweise Kovarianz-Werte können vorab einmalig bestimmt werden, beispielsweise mittels Mittelspannungsnetzen/Niederspannungsnetzen, die technisch vergleichbar sind und eine entsprechend hohe Datenbasis aufweisen.
In einer vorteilhaften Weiterbildung der Erfindung werden somit die Kovarianzen und Erwartungswerte der Eingangsdaten mittels der ermittelten elektrischen Leistungen der Mittelspannungsknoten ermittelt, wobei die Kovarianz zwischen einem Mittelspannungsknoten einer beliebigen Kategorie und wenigstens einem Mittelspannungsknoten der vierten Kategorie durch den bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte in den jeweiligen Niederspannungsnetzen festgelegt wird.
Dadurch ist vorteilhafterweise sichergestellt, dass technisch realistische Korrelationen beziehungsweise Kovarianzen für die Zustandsschätzung verwendet werden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung weist der festgelegte Schwellenwert für die Smart-Meter-Durchdringungsrate einen Wert im Bereich von 0,5 bis 0,8 auf.
Besonders bevorzugt weist die Smart-Meter-Durchdringungsrate (Smart-Meter-Abdeckung) einen Wert von 0,6, das heißt von 60 Prozent auf. Dadurch ist sichergestellt, dass die Smart-Meter-Daten der dritten Kategorie noch ausreichend repräsentativ für das jeweilige Niederspannungsnetz sind, sodass eine technisch realistische Korrelation beziehungsweise Kovarianz mittels der skalierten elektrischen Leistungen ermittelt werden kann.
In einer vorteilhaften Weiterbildung der Erfindung wird der bereitgestellte Kovarianz-Wert Cov(N,M) durch eine Ermittlung von bezüglich der Anzahl von Haushalten vergleichbaren Niederspannungsnetzen ermittelt, wobei für die hierbei verwendeten Niederspannungsnetze Messdaten der elektrischen Leistungen ihrer Haushalte vorhanden sind.
Dadurch kann der Kovarianz-Wert vorab vorteilhafterweise bestimmt werden und in diesem Sinne standardisiert werden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung werden als elektrische Leistungen elektrische Wirkleistungen und/oder Blindleistungen verwendet.
Das ist deshalb von Vorteil, da typischerweise Leistungsdaten durch die Smart-Meter und/oder die Echtzeitmessungen zur Verfügung gestellt werden.
In einer vorteilhaften Weiterbildung der Erfindung umfassen die Eingangsdaten Korrelationen zwischen den Mittelspannungsknoten, wobei die jeweiligen Korrelationen mittels der jeweiligen Kovarianzen gebildet werden.
Vorliegend können somit äquivalent Korrelationen und/oder Kovarianzen als Eingangsdaten für die Zustandsschätzung verwenden werden. Die Korrelationen ergeben sich aus den Kovarianzen durch Normierung auf die jeweiligen Standardabweichungen.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung erfolgt die Zustandsschätzung mittels einer Bayesschen Zustandsschätzung oder einer WLS-Zustandsschätzung.
Vorteilhafterweise können die erzeugten Eingangsdaten für probabilistische Verfahren und/oder WLS-Verfahren verwendet werden.
Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus den im Folgenden beschriebenen Ausführungsbeispielen sowie anhand der Zeichnungen. Dabei zeigen schematisiert:

1 ein Stromnetz mit mehreren Mittelspannungsknoten und zugehörigen Niederspannungsnetzen; und
2 ein Ablaufdiagramm eines Verfahrens gemäß einer Ausgestaltung der vorliegenden Erfindung.

Gleichartige, gleichwertige oder gleichwirkende Elemente können in einer der Figuren oder in den Figuren mit denselben Bezugszeichen versehen sein.
Die 1 zeigt ein Stromnetz 1, das exemplarisch mehrere Mittelspannungsknoten MV1,...,MV4 umfasst.
Der Mittelspannungsknoten MV1 weist hierbei kein unmittelbar unterliegendes Niederspannungsnetz auf, sondern dieser bildet die Schnittstelle beziehungsweise den Anschluss zu einem übergeordneten Hochspannungsnetz 10 aus.
Die weitere Mittelspannungsknoten MV2,...,MV4 weisen jeweils ein untergeordnetes Niederspannungsnetz LV2,...,LV4 auf. Die Mittelspannungsknoten MV1,...,MV4 bilden im vorliegenden Ausführungsbeispiel ein Ringsystem aus, wobei im Normbetrieb der Ring an wenigstens einer Stelle unterbrochen ist, sodass sich im Normalbetrieb eine radiale Netztopologie ausbildet.
Die Mittelspannungsknoten MV1,...,MV4 werden gemäß einer Ausgestaltung der vorliegenden Erfindung in vier Kategorien K1,..,K4 eingeteilt.
Der Mittelspannungsknoten MV1 liegt hierbei in der ersten Kategorie K1. Für diesen Mittelspannungsknoten MV1 liegen somit Echtzeitmessungen seiner elektrischen Leistungen, das heißt seiner elektrischen Wirkleistung und/oder Blindleistung, vor.
Mit anderen Worten ist an dem Mittelspannungsknoten MV1 eine Echtzeitmessung installiert. Die weiteren Mittelspannungsknoten MV2,...,MV4 weisen keine solche installierten Echtzeitmessungen auf. Somit muss grundsätzlich aus den Messungen der untergeordneten Niederspannungsnetze, beispielsweise von Smart-Metern, auf die am jeweiligen Mittelspannungsknoten MV2,...,MV4 aggregierten elektrischen Leistungen (Summenleistungen) geschlossen werden. Die Menge der Mittelspannungsknoten der ersten Kategorie K1 kann mit MV_meas bezeichnet werden.
Weiterhin werden die Mittelspannungsknoten MV2,...,M4 in die drei weiteren Kategorien K2,...,K4 unterteilt (insgesamt vier Kategorien mit dem Mittelspannungsknoten MV1). Hierbei erfolgt die Zuordnung der Mittelspannungsknoten MV2,...,M4 gemäß der Smart-Meter-Abdeckung beziehungsweise gemäß der Smart-Meter-Durchdringungsrate ihres jeweiligen untergeordneten Niederspannungsnetzes LV2,...LV4.
Die zweite Kategorie K2 umfasst alle Mittelspannungsknoten, die eine vollständige, das heißt 100-proznetige Smart-Meter-Durchdringungsrate aufweisen. Das bedeutet, dass alle Haushalte beziehungsweise Niederspannungsknoten des zum jeweiligen Mittelspannungsknoten zugehörigen Niederspannungsnetzes ein Smart-Meter, das heißt eine Smart-Meter-Messung aufweisen. Vorliegend umfasst die zweite Kategorie K2 somit lediglich den zweiten Mittelspannungsknoten MV2. In der 1 ist die Installation eines Smart-Meters durch einen schwarz ausgefüllten Kreis am jeweiligen Haushalt gekennzeichnet. Die Menge der Mittelspannungsknoten der zweiten Kategorie K2 kann mit SM_100% bezeichnet werden.
Die dritte Kategorie K3 umfasst alle Mittelspannungsknoten, die eine ausreichend vollständige Smart-Meter-Abdeckung aufweisen, das heißt eine Smart-Meter-Abdeckung oberhalb oder gleich einem festgelegten Schwellenwert α_thres, jedoch weniger als 100 Prozent aufweisen. Mit anderen Worten gilt in diesem Fall für die Smart-Meter-Abdeckung beziehungsweise die Smart-Meter-Durchdringungsrate α die Ungleichung α_thres ≤ α < 1. Vorliegend umfasst die dritte Kategorie K3 somit den dritten Mittelspannungsknoten MV3. Die Menge der Mittelspannungsknoten der dritten Kategorie K3 kann mit SM_>αthres oder SM_mostly bezeichnet werden.
Die vierte Kategorie K4 umfasst alle Mittelspannungsknoten, die keine ausreichende Smart-Meter-Abdeckung beziehungsweise keine ausreichende Smart-Meter-Durchdringungsrate ihres zugehörigen Niederspannungsnetzes aufweisen. Das ist der Fall, wenn die Smart-Meter-Durchdringungsrate α einen Wert kleiner als der festgelegte Schwellenwert α_thres aufweist. Mit anderen Worten gilt in diesem Fall für die Smart-Meter-Abdeckung beziehungsweise die Smart-Meter-Durchdringungsrate α die Ungleichung 0 ≤ α < α_thres. Vorliegend umfasst die vierte Kategorie K4 somit den vierten Mittelspannungsknoten MV4. Die Menge der Mittelspannungsknoten der dritten Kategorie K4 kann mit SM_<αthres oder SM_less bezeichnet werden.
Demnach können alle Mittelspannungsknoten MV1,...,MV4 gemäß der Ausgestaltung der vorliegenden Erfindung nach dem Vorhandensein von Echtzeitmessungen und/oder nach ihrer Smart-Meter-Durchdringungsrate ihres untergeordneten Niederspannungsnetzes LV2,...,LV4 eingeteilt werden.
Die 2 zeigt ein Ablaufdiagramm eines Verfahrens gemäß einer Ausgestaltung der vorliegenden Erfindung.
Ziel des dargestellten Verfahrens ist es, Eingangsdaten für eine Zustandsschätzung eines Stromnetzes zu erzeugen, die die Kovarianzen beziehungsweise Korrelationen zwischen den elektrischen Leistungen an den Mittelspannungsknoten sowie die Erwartungswerte ihrer elektrischen Leistungen umfassen.
Mit anderen Worten weist jeder Mittelspannungsknoten einen zeitlichen Verlauf seiner elektrischen Wirkleistung und/oder elektrischen Blindleistung auf. Diese ergeben sich grundsätzlich durch Aggregation der jeweiligen untergeordneten Niederspannungsnetze. Mittels dieser elektrischen Leistungen kann grundsätzlich ihre Kovarianz beziehungsweise ihre Korrelation sowie ihr zeitlicher Erwartungswert ermittelt werden. Die ermittelten Kovarianzen/Korrelationen und Erwartungswerte sind durch die erzeugten Eingangsdaten umfasst, die dann für eine Zustandsschätzung, das heißt eine Schätzung des Zustandes des Stromnetzes, verwendet werden.
Der Start des in 2 dargestellten Verfahrens ist mit dem Bezugseichen S gekennzeichnet. Das Ende des in 2 dargestellten Verfahrens ist mit dem Bezugszeichen E gekennzeichnet.
In einem ersten Schritt S1 des Verfahrens erfolgt die bereits unter 1 beschriebene Klassifikation der Mittelspanungsknoten (MS-Knoten), das heißt die Zuordnung der Mittelspannungsknoten eines vorliegenden Stromnetzes, dessen Zustand geschätzt werden soll, zu einer der vier Kategorien MV_meas, SM_100%, SM_mostly oder SM_less. Hierzu können ergänzend aufgezeichnete Leistungsmessungen und/oder Energieverbrauchsmessungen, SLP-Klassen der Niederspannungsknoten und/oder Daten über die Netztopologie verwendet werden. Im Ergebnis des ersten Schrittes S1 ist jeder Mittelspannungsknoten einer der vier Kategorien zugeordnet.
In einem zweiten Schritt S2 des Verfahrens werden die Zeitreihen, das heißt die zeitabhängigen elektrischen Leistungen an jedem der Mittelspannungsknoten ermittelt. Hierbei unterscheidet sich die Ermittlung der elektrischen Leistungen je nach Kategorie.
Für Mittelspannungsknoten der ersten Kategorie können die vorliegenden Echtzeitmessungen direkt herangezogen werden.
Für Mittelspannungsknoten der zweiten Kategorie werden die jeweiligen Zeitreihen durch eine Aggregation der in diesem Fall vollständig zur Verfügung stehenden Smart-Meter-Daten ausgebildet.
Für Mittelspannungsknoten der dritten Kategorie werden die jeweiligen Zeitreihen durch eine Skalierung und Aggregation der vorhandenen Smart-Meter-Daten ermittelt. Hierbei wird somit angenommen, dass die Smart-Meter-Daten beziehungsweise die Smart-Meter-Messdaten repräsentativ sind, und die aggregierten Smart-Meter-Leistungen werden auf das gesamte jeweilige Niederspannungsnetz hochskaliert.
Für Mittelspannungsknoten der vierten Kategorie werden die jeweiligen Zeitreihen durch die vorhandenen Smart-Meter-Daten und die Verwendung von Standardlastprofilen erzeugt.
Im Ergebnis des zweiten Schrittes S2 sind somit die Zeitreihen der elektrischen Leistung P_MV,t, Q_MV,t für alle betrachteten Zeiten t ∈ {1,...,T} und alle betrachteten Mittelspannungsknoten ermittelt.
Im dritten Schritt S3 des Verfahrens können aus den derart erzeugten Zeitreihen x_n,t die jeweiligen Erwartungswerte, beziehungsweise der Erwartungswert, wenn als Vektor µ_S,samp zusammengefasst, mittels $μ_{x_{n}} = \sum_{t = 1}^{T} x_{n, t} / T$ unmittelbar ermittelt werden.
Bezüglich der Ermittlung der Kovarianz beziehungsweise der Kovarianzen Σ_xn,xm wird unterschieden, ob an der Kovarianz ein Mittelspannungsknoten der vierten Kategorie, das heißt der Kategorie SM_<αthres beziehungsweise SM_less beteiligt ist.
Wird keine Kovarianz mit einem Mittelspannungsknoten der vierten Kategorie gebildet, so wird die Kovarianz über die erzeugten Zeitreihen gemäß $\sum_{x_{n}, x_{m}} = \sum_{t = 1}^{T} (x_{n, t} - μ_{x_{n}}) (x_{m, t} - μ_{x_{m}}) / (T - 1)$ ermittelt. Die Gesamtheit dieser Kovarianzen, die in Form einer Matrix vorliegen kann, ist in der Figur mit Σ_Snm,samp bezeichnet.
Ist ein Mittelspannungsknoten der vierten Kategorie beteiligt, das heißt soll die Kovarianz eines Mittelspannungsknoten einer beliebigen Kategorie mit wenigstens einem Mittelspannungsknoten der vierten Kategorie ermittelt werden, so wird die Kovarianz nicht durch die ermittelten Zeitreihen, sondern durch einen vorab bereitgestellten Kovarianz-Wert Cov(N,M), der von der Größe, das heißt der Anzahl der Haushalte N,M der beteiligten Niederspannungsnetze abhängig ist, festgelegt. Diese derart gebildete beziehungsweise erzeugte Kovarianz ist in der 2 mit Σ_Snm,comp bezeichnet.
Somit liegen nach dem dritten Schritt S3 und seiner Fallunterscheidung bezüglich der Kategorien alle Kovarianzen Σ_S und Erwartungswerte µ_S vor. Die derart ermittelten Kovarianzen und Erwartungswerte bilden die Eingangsdaten für eine Netzzustandsschätzung des betrachteten Stromnetzes aus.
Mit anderen Worten werden die Eingangsdaten, die die ermittelten Kovarianzen und Erwartungswerte umfassen, für eine Netzzustandsschätzung des betrachteten Stromnetzes verwendet. Da durch die Klassifikation und Unterscheidung im Schritt S3 technisch realistische Kovarianzen ermittelt werden, weist die darauf basierende Zustandsschätzung eine deutlich verbesserte Genauigkeit, das heißt eine deutlich reduzierte Unsicherheit auf.
Obwohl die Erfindung im Detail durch die bevorzugten Ausführungsbeispiele näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt oder andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.
Bezugszeichenliste

1: Stromnetz
10: Hochspannungsnetz
MV1,...,MV4: Mittelspannungsknoten
LV2,...,LV4: Niederspannungsnetze
K1: erste Kategorie
K2: zweite Kategorie
K3: dritte Kategorie
K4: vierte Kategorie
S1: erster Schritt
S2: zweiter Schritt
S3: dritter Schritt
S: Start
E: Ende

Claims

Verfahren zur Erzeugung von Eingangsdaten für eine Zustandsschätzung eines Stromnetzes (1), wobei das Stromnetz (1) wenigstens zwei Mittelspannungsknoten (MV2,...,MV4) aufweist, und die Eingangsdaten wenigstens Kovarianzen und Erwartungswerte von elektrischen Leistungen an den Mittelspannungsknoten (MV2,...,MV4) umfassen, wobei an einem der Mittelspannungsknoten (MV2,...,MV4) ein Niederspannungsnetz (LV2,... , LV4) mit N Haushalten und an dem weiteren der Mittelspannungsknoten (MV2,...,MV4) ein Niederspannungsnetz (LV2,...,LV4) mit M Haushalten angeschlossen ist, gekennzeichnet dadurch, dass wenigstens eines der Niederspannungsnetze (LV4) eine Smart-Meter-Durchdringungsrate kleiner einem festgelegtem Schwellenwert aufweist, wobei die Eingangsdaten wenigstens eine Kovarianz zwischen an den Mittelspannungsknoten (MV2,...,MV4) aggregierten elektrischen Leistungen umfassen, wobei die Kovarianz durch einen bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte N,M in den jeweiligen Niederspannungsnetzen festgelegt wird.
Verfahren gemäß Anspruch 1, gekennzeichnet dadurch, dass das Stromnetz (1) mehr als zwei Mittelspannungsknoten (MV1,...,MV4) aufweist, wobei an einem oder mehreren der Mittelspannungsknoten (MV2...,MV4) ein Niederspannungsnetz (LV2,...,LV4) angeschlossen ist, und die Mittelspannungsknoten (MV1,...,MV4) in vier Kategorien eingeteilt werden, wobei - die erste Kategorie (K1) Mittelspannungsknoten (MV1) umfasst, deren aggregierte elektrische Leistung gemessen wurde; wobei - die zweite Kategorie (K2) Mittelspannungsknoten (MV2) umfasst, deren Niederspannungsnetze (LV2) eine vollständige Smart-Meter-Durchdringungsrate aufweisen; wobei - die dritte Kategorie (K3) Mittelspannungsknoten (MV3) umfasst, deren Niederspannungsnetze (LV3) keine vollständige Smart-Meter-Durchdringungsrate und eine Smart-Meter-Durchdringungsrate größer oder gleich dem festgelegten Schwellenwert aufweisen; und - die vierte Kategorie (K4) Mittelspannungsknoten (MV4) umfasst, deren Niederspannungsnetze (LV4) eine Smart-Meter-Durchdringungsrate kleiner als der festgelegte Schwellenwert aufweisen; wobei - die Kovarianz zwischen einem Mittelspannungsknoten (MV1,...,MV4) einer beliebigen Kategorie (K1,...,K4) und wenigstens einem Mittelspannungsknoten (MV4) der vierten Kategorie durch den bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte N,M in den jeweiligen Niederspannungsnetzen (LV2,...,LV4) festgelegt wird.
Verfahren gemäß Anspruch 2, gekennzeichnet dadurch, dass für jeden Mittelspannungsknoten (MV1) der ersten Kategorie (K1) seine elektrische Leistung durch die zum jeweiligen Mittelspannungsknoten (MV1) zugehörigen erfassten elektrischen Leistungen ermittelt wird.
Verfahren gemäß Anspruch 2 oder 3, gekennzeichnet dadurch, dass für jeden Mittelspannungskoten (MV2) der zweiten Kategorie (K2) seine elektrische Leistung durch eine Aggregation der zum jeweiligen Mittelspannungsknoten (MV2) zugehörigen Smart-Meter-Messdaten ermittelt wird.
Verfahren gemäß einem der Ansprüche 2 bis 4, gekennzeichnet dadurch, dass für jeden Mittelspannungskoten (MV3) der dritten Kategorie (K3) seine elektrische Leistung durch einen Skalierungsfaktor und eine Aggregation der zum jeweiligen Mittelspannungsknoten (MV3) zugehörigen Smart-Meter-Messdaten ermittelt wird.
Verfahren gemäß einem der Ansprüche 2 bis 5, gekennzeichnet dadurch, dass für jeden Mittelspannungskoten (MV4) der vierten Kategorie (K4) seine elektrische Leistung durch eine Aggregation der zum jeweiligen Mittelspannungsknoten (MV4) zugehörigen Smart-Meter-Messdaten und Standartlastprofilen ermittelt wird.
Verfahren gemäß einem der Ansprüche 2 bis 6, gekennzeichnet dadurch, dass die Kovarianzen und Erwartungswerte der Eingangsdaten mittels der ermittelten elektrischen Leistungen der Mittelspannungsknoten (MV1,...,MV4) ermittelt werden, wobei die Kovarianz zwischen einem Mittelspannungsknoten (MV1,...,MV4) einer beliebigen Kategorie und wenigstens einem Mittelspannungsknoten (MV4) der vierten Kategorie (K4) durch den bereitgestellten Kovarianz-Wert Cov(N,M) in Abhängigkeit der Anzahl der Haushalte in den jeweiligen Niederspannungsnetzen (LV2,...,LV4) festgelegt wird.
Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass der festgelegte Schwellenwert für die Smart-Meter-Durchdringungsrate einen Wert im Bereich von 0,5 bis 0,8 aufweist.
Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass der bereitgestellte Kovarianz-Wert Cov(N,M) durch eine Ermittlung von bezüglich der Anzahl von Haushalten vergleichbaren Niederspannungsnetzen ermittelt wird, wobei für die hierbei verwendeten Niederspannungsnetze Messdaten der elektrischen Leistungen ihrer Haushalte vorhanden sind.
Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass als elektrische Leistungen elektrische Wirkleistungen und/oder Blindleistungen verwendet werden.
Verfahren gemäß einem der vorhergehenden Ansprüche, gekennzeichnet dadurch, dass die Eingangsdaten Korrelationen zwischen den Mittelspannungsknoten (MV1,...,MV4) umfassen, wobei die jeweiligen Korrelationen mittels der jeweiligen Kovarianzen gebildet werden.
Verfahren zur Zustandsschätzung eines Stromnetzes (1) mit mehreren Mittelspannungsknoten (MV1,...,MV4), wobei hierbei Eingangsdaten, welche Erwartungswerte und Kovarianzen von elektrischen Leistungen an den Mittelspannungsknoten (MV1, ..., MV4) umfassen, verwendet werden, gekennzeichnet dadurch, dass die Eingangsdaten durch ein Verfahren gemäß einem der vorhergehenden Ansprüche erzeugt werden.
Verfahren gemäß Anspruch 12, gekennzeichnet dadurch, dass die Zustandsschätzung mittels einer Bayesschen Zustandsschätzung oder einer WLS-Zustandsschätzung erfolgt.
Verfahren zur Steuerung eines Stromnetzes (1) mittels einer Steuereinheit, wobei das Stromnetz (1) mehrere Mittelspannungsknoten (MV1,...,MV4) umfasst, und die Steuerung oder Regelung basierend auf einer Zustandsschätzung erfolgt, gekennzeichnet dadurch, dass die Zustandsschätzung durch ein Verfahren gemäß Anspruch 12 oder 13 erfolgt.
Computerprogrammprodukt, dadurch gekennzeichnet, dass dieses Befehle umfasst, die bei der Ausführung des Programms durch eine Recheneinheit, insbesondere einen Computer, diesen veranlassen, ein Verfahren und/oder Schritte des Verfahrens gemäß einem der Ansprüche 1 bis 14 auszuführen.