EP4690086A1 - Verfahren zur erzeugung von eingangsdaten für eine zustandsschätzung eines stromnetzes, zustandsschätzung sowie steuerung eines stromnetzes - Google Patents

Verfahren zur erzeugung von eingangsdaten für eine zustandsschätzung eines stromnetzes, zustandsschätzung sowie steuerung eines stromnetzes

Info

Publication number
EP4690086A1
EP4690086A1 EP24721869.6A EP24721869A EP4690086A1 EP 4690086 A1 EP4690086 A1 EP 4690086A1 EP 24721869 A EP24721869 A EP 24721869A EP 4690086 A1 EP4690086 A1 EP 4690086A1
Authority
EP
European Patent Office
Prior art keywords
voltage
medium
category
low
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP24721869.6A
Other languages
English (en)
French (fr)
Inventor
Eva BUCHTA
Mathias Duckheim
Michael Metzger
Paul Stursberg
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Corp
Original Assignee
Siemens AG
Siemens Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG, Siemens Corp filed Critical Siemens AG
Publication of EP4690086A1 publication Critical patent/EP4690086A1/de
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote monitoring or remote control of equipment in a power distribution network
    • H02J13/12—Monitoring network conditions, e.g. electrical magnitudes or operational status
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2103/00—Details of circuit arrangements for mains or AC distribution networks
    • H02J2103/30—Simulating, planning, modelling, reliability check or computer assisted design [CAD] of electric power networks
    • H02J2103/35—Grid-level management of power transmission or distribution systems, e.g. load flow analysis or active network management

Definitions

  • 202307903 1 Description Method for generating input data for a state estimation of a power grid, state estimation and control of a power grid
  • the invention relates to a method according to the preamble of patent claim 1, a state estimation according to the preamble of patent claim 12, a control of a power grid according to the preamble of patent claim 14 and a computer program product according to the preamble of patent claim 15. Due to the progressive installation of additional consumers (e-mobility) and volatile decentralized generation units (photovoltaics and wind) in medium and low voltage grids, the higher utilization of the power grid in the two lower voltage levels (medium and low voltage) can increasingly lead to critical operating states.
  • additional consumers e-mobility
  • volatile decentralized generation units photovoltaics and wind
  • 202307903 2 riance are determined and taken into account.
  • probabilistic state estimators it is possible to process these uncertainties in the input data and to calculate output data with a probabilistic statement, i.e. a probability distribution for the state.
  • One technical challenge here is to combine measurement data and prior assumptions in a suitable way in order to obtain a reliable state estimate, i.e. an estimate of the network state of the power grid. It is particularly important to note that the loads typically have correlations, i.e. are not stochastically independent. According to the state of the art, such correlations or covariances are typically not taken into account.
  • MV networks For medium-voltage networks (MV networks), there is a high potential for useful prior information in the distribution of load data (performance data) of the underlying low-voltage networks, which can be estimated, for example, using performance profiles from intelligent measuring systems (smart meters), annual energy requirements from analog and digital meter data or from standard load profiles. Exogenous sources are also 202307903 3 len, such as solar radiation to estimate photovoltaic generation, can be used as a source of information.
  • the prior information mentioned has in common that its distribution, in contrast to typical measurement errors, is not stochastically independent. For example, if the load of a household is considerably higher than the annual average, the probability increases that the load of a neighboring household is also higher than the annual average.
  • Advanced known WLS methods therefore take the correlation between pseudo-measurements into account.
  • these methods place very high demands on the available sources of information on load distributions, since they calculate correlations between individual loads empirically from historical data and therefore require fully recorded power time series (from real-time measurements or smart meters).
  • power time series from real-time measurements or smart meters.
  • no country has 100 percent smart meter coverage.
  • collected meter data and smart meter data may not be used for network operation for data protection reasons. Therefore, for the background distribution or pseudo-measurements of the state estimation, additional information from energy consumption measurements and standard load profiles or from other external sources (solar radiation) must typically be taken into account.
  • known methods cannot derive any information on correlations from this.
  • the present invention is based on the object of generating input data for a state estimation of a power grid that shows a correlation or covariance between 202307903 4 medium-voltage nodes of the power grid are taken into account in an improved manner.
  • the problem is solved by a method with the features of independent patent claim 1, by a state estimation with the features of independent patent claim 12, by a method for controlling a power grid with the features of independent patent claim 14 and by a computer program product with the features of independent patent claim 15.
  • Advantageous embodiments and developments of the invention are specified in the dependent patent claims.
  • the method according to the invention for generating input data for a state estimation of a power grid wherein the power grid has at least two medium-voltage nodes, and the input data comprise at least covariances and expected values of electrical power at the medium-voltage nodes, wherein a low-voltage network with ⁇ households is connected to one of the medium-voltage nodes and a low-voltage network with ⁇ households is connected to the other of the medium-voltage nodes, is characterized in that at least one of the low-voltage networks has a smart meter penetration rate less than a specified threshold value, wherein the input data comprise at least one covariance between electrical power aggregated at the medium-voltage nodes, wherein the covariance is determined by a provided covariance value Cov ⁇ ⁇ , ⁇ depending on the number of households ⁇ , ⁇ in the respective low-voltage networks.
  • a control unit provided for controlling or regulating the power grid comprises one or more computing units which are designed and implemented for this purpose.
  • 202307903 5 are set up, for example by means of commands, to carry out the method.
  • the smart meter penetration rate is the relative number of smart meters installed in the low-voltage network. For example, 40 percent of the households in a low-voltage network have a smart meter. In this case, the smart meter penetration rate for this low-voltage network then has a value of 0.4 or 40 percent. It should be noted that the data of the respective smart meter must also be available.
  • a smart meter according to the present invention can thus be a general measuring unit that records at least the temporal course of the electrical active power and/or reactive power at a low-voltage node (household) discretely or continuously and makes it available externally with regard to the household.
  • a household in the sense of the present invention can be an electricity consumer and/or an electricity generator.
  • a household forms a low-voltage node of the respective low-voltage network.
  • a household could be formed by a large consumer, that is, by a consumer who has an annual energy consumption above a specified threshold value, for example above 0.1 MWh. Such large consumers can also be referred to as large customers or commercial customers.
  • RLM recording power measurement
  • This power profile like smart meter data or smart meter power profiles, typically has a temporal resolution of 15 minutes.
  • correlation and covariance are equivalent. If the covariance is known, the correlation is obtained in a known manner by normalization to 202307903 6 the respective standard deviations (root of the variances).
  • the covariance between medium voltage nodes ⁇ , ⁇ can typically be expressed as a matrix Each medium-voltage node ⁇ has a temporal progression of its electrical power ⁇ ⁇ , ⁇ , for example its active power and/or reactive power.
  • the correlation is thus ⁇ ⁇ , ⁇ ⁇ ⁇ ⁇ , ⁇ / ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ , where ⁇ ⁇ denotes the variances of the time-dependent electrical power ⁇ ⁇ , ⁇ or ⁇ ⁇ , ⁇ .
  • the covariance of the input data can thus basically be calculated according to ⁇ ⁇ , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ , ⁇ ⁇ ⁇ 1 ⁇ can be determined.
  • ⁇ ⁇ ⁇ ⁇ ⁇ , ⁇ / ⁇ are the expected values of the input data.
  • the covariance formed over the time series is not used, but rather the provided covariance value Cov ⁇ ⁇ , ⁇ .
  • a basic idea of the present invention is that for medium-voltage nodes whose low-voltage networks have a low smart meter penetration, no technically usable calculation of correlations or covariances with other medium-voltage networks can be carried out. This is because neither direct real-time measurements nor sufficient measurement data, for example via smart meters, are available for such medium-voltage nodes. However, it is disadvantageous to assume no correlation, as is typically assumed in the prior art.
  • the present invention solves this problem by determining the correlation. 202307903 7 or the covariance is determined by the provided covariance value Cov ⁇ ⁇ , ⁇ depending on the number of households in the respective low-voltage networks.
  • the covariance value Cov ⁇ ⁇ , ⁇ can be determined using low-voltage networks that have a sufficient database. According to the invention, typical correlation values or covariance values between low-voltage networks that are comparable in terms of the number of households are therefore used.
  • the provided covariance value Cov ⁇ ⁇ , ⁇ between a medium-voltage node whose low-voltage network has ⁇ households and a medium-voltage node whose low-voltage network has ⁇ households can be provided in the form of a table, a graph, a matrix and/or an analytical formula.
  • One advantage of the invention is that correlation information can be used even if there are not fully recorded power time series (from real-time measurements or smart meters). Other input variables such as the energy consumption of analog/digital measuring devices, SLP and exogenous sources such as solar radiation can thus be used without having to make the unrealistic assumption that these are stochastically independent. This leads to a significant improvement in the accuracy of a state estimate that uses the input data generated according to the invention.
  • the method according to the invention for estimating the state of a power grid with several medium-voltage nodes, using input data that include expected values and covariances of electrical power at the medium-voltage nodes is characterized in that the input data are generated by a method according to the present invention and/or one of its embodiments. 202307903 8
  • Similar, equivalent and equally effective advantages and/or embodiments of the inventive method for controlling a power grid by means of a control unit, wherein the power grid comprises several medium-voltage nodes and the control or regulation is based on a state estimate is characterized in that the state estimate is carried out by a method for state estimation according to the present invention and/or one of its embodiments.
  • the computer program product according to the invention is characterized in that it comprises commands which, when the program is executed by a computing unit, in particular a computer, cause the computer to carry out a method and/or steps of the method according to the present invention and/or one of its embodiments.
  • the control unit particularly preferably comprises the computing unit.
  • the medium-voltage nodes are divided into four categories, whereby the categories differ essentially in whether immediate real-time measurements are available (first category) or not and how high the respective smart meter penetration rate is (second to fourth categories).
  • the first category includes medium-voltage nodes for which immediate measurement of their electrical power is available (real-time measurements).
  • the measurement data from subordinate low-voltage networks are not absolutely necessary in this case.
  • the first category can thus be abbreviated as MV ⁇ and the recorded measurements at the medium voltage nodes (MV nodes) can be used directly as time series input.
  • MV ⁇ can include large customers (RLM consumers), the underlying transformer station and the local network station. 202307903 10
  • all households in the low-voltage network of the respective medium-voltage node have a smart meter.
  • the smart meter coverage or the smart meter penetration rate in this case for the subordinate low-voltage network is 100 percent. This allows the time-dependent electrical power of the medium-voltage nodes in the second category to be determined by aggregating the smart meter data.
  • ⁇ ⁇ , ⁇ , ⁇ , ⁇ ⁇ , ⁇ , ⁇ are the respective smart meter active power data or reactive power data.
  • ⁇ is the number of households in the subordinate low-voltage network, since in the second category there is complete smart meter coverage, i.e. every household has a smart meter.
  • the active power and reactive power of the smart meters are added up for the corresponding MV node, creating an aggregated time series for the respective MV node. Power losses are neglected here.
  • the second category can be abbreviated as SM ⁇ % .
  • the third category includes medium-voltage nodes whose subordinate low-voltage network does not have complete smart meter coverage or smart meter penetration rate, but still has a smart meter penetration rate greater than or equal to the specified threshold.
  • a sufficiently large proportion of smart meter data can therefore be used in terms of the threshold.
  • the summed or aggregated smart meter time series and ⁇ ⁇ , ⁇ of the measured smart meter households are representative of the behavior of loads in this low-voltage network.
  • the accumulated 202307903 11 The calculated smart meter time series are multiplied by a scaling factor ⁇ ⁇ .
  • the scaling factor corresponds to the ratio between the total energy demand of all low-voltage nodes (LV nodes) or households recorded by analogue or digital meters and the total energy demand of the loads whose temporal progression is recorded by smart meters.
  • the reactive power can be assumed to be constant with a power factor cos ⁇ .
  • a non-constant power factor can also be provided.
  • the third category can be abbreviated as SM ⁇ .
  • the fourth category includes medium-voltage nodes whose subordinate low-voltage networks do not have sufficient smart meter coverage or smart meter penetration rate with regard to the specified threshold value.
  • the fourth category can therefore be abbreviated as SM ⁇ .
  • an aggregated load or aggregated electrical power can be determined for the respective medium-voltage node.
  • all loads/households that are not recorded via smart meters are assigned a suitable scaled standard load profile (SLP).
  • SLP scaled standard load profile
  • the expected values for the input data can be determined. 202307903 12
  • the electrical power generated in this way is unsuitable for determining the correlation or covariance because the proportion of standard profiles is too high. This would result in an unrealistically high correlation of almost 100 percent.
  • the covariances in this case i.e. in the case of the fourth category, are determined using the covariance values Cov ⁇ ⁇ , ⁇ provided depending on the respective number of low-voltage nodes (households).
  • the correlation or covariance can be formed in a known manner from the above-mentioned time series for the aggregated electrical powers.
  • the expected values can be calculated independently of the category according to ⁇ ⁇ , ⁇ / ⁇ .
  • ⁇ ⁇ , ⁇ ⁇ ⁇ ⁇ , ⁇ is for a medium voltage node ⁇ , where depending on the category as mentioned above.
  • the electrical power of each medium-voltage node in the first category is determined by the recorded electrical power associated with the respective medium-voltage node.
  • the aggregated power at the respective medium-voltage node is determined directly by real-time measurements.
  • the electrical power of each medium-voltage node in the second category is determined by aggregating the smart meter measurement data associated with the respective medium-voltage node.
  • the aggregated power at the respective medium-voltage node is determined directly by smart meter data. This is the case because for medium-voltage nodes in the second category, the respective associated low-voltage network has complete, i.e. 100 percent, smart meter coverage or smart meter penetration rate.
  • for each medium-voltage node of the third category its 202307903 14 electrical power is determined using a scaling factor and an aggregation of the smart meter measurement data associated with the respective medium-voltage node.
  • the smart meter data available in this case is scaled up to the entire respective low-voltage network.
  • the smart meter data is representative of the respective low-voltage network and thus of the aggregated power at the respective medium-voltage node.
  • the electrical power of each medium-voltage node in the fourth category is determined by aggregating the smart meter measurement data and standard load profiles associated with the respective medium-voltage node.
  • the fourth category there is too little smart meter data available, so that, in contrast to the third category, it cannot be assumed that the available smart meter data is representative of the respective low-voltage network and the associated medium-voltage node.
  • the data missing in this sense is thus supplemented using standard load profiles.
  • ⁇ , ⁇ are the standard load profiles.
  • the problem is that due to the high proportion of standard load profiles, no technically usable determination of the correlation or covariance of a medium-voltage node of any category with at least one medium-voltage node of the fourth category can be made.
  • the present invention therefore provides for the correlation or covariance to be determined not via the electrical power mentioned, but rather by essentially standardized correlation values or covariance values, which depend on the number of households or the number of low-voltage nodes in the low-voltage networks involved.
  • the standardized correlation values or covariance values can be determined once in advance, for example using medium-voltage networks/low-voltage networks that are technically comparable and have a correspondingly large database.
  • the covariances and expected values of the input data are thus determined using the determined electrical power of the medium-voltage nodes, whereby the covariance between a medium-voltage node of any category and at least one medium-voltage node of the fourth category is determined by the provided covariance value Cov ⁇ ⁇ , ⁇ depending on the number of households in the respective low-voltage networks.
  • the defined threshold value for the smart meter penetration rate has a value in the range of 0.5 to 0.8.
  • the smart meter penetration rate (smart meter coverage) particularly preferably has a value of 0.6, i.e.
  • the covariance value Cov ⁇ ⁇ , ⁇ provided is determined by determining low-voltage networks that are comparable in terms of the number of households, with measurement data for the electrical power of their households being available for the low-voltage networks used here. This means that the covariance value can advantageously be determined in advance and standardized in this sense.
  • active electrical power and/or reactive power are used as electrical power. This is advantageous because power data is typically made available by the smart meters and/or the real-time measurements.
  • the input data includes correlations between the medium-voltage nodes, whereby the respective correlations are formed using the respective covariances.
  • equivalent correlations and/or covariances can therefore be used as input data for the state estimation.
  • the correlations result from the covariances by normalization to the respective standard deviations. 202307903 17
  • the state estimation is carried out by means of a Bayesian state estimation or a WLS state estimation.
  • the input data generated can advantageously be used for probabilistic methods and/or WLS methods.
  • Figure 1 shows a power grid with several medium-voltage nodes and associated low-voltage networks
  • Figure 2 shows a flow chart of a method according to an embodiment of the present invention. Similar, equivalent or equivalent elements can be provided with the same reference numerals in one of the figures or in the figures.
  • Figure 1 shows a power grid 1 which, by way of example, comprises several medium-voltage nodes MV1,...,MV4.
  • the medium-voltage node MV1 does not have a directly underlying low-voltage network, but rather forms the interface or connection to a higher-level high-voltage network 10.
  • the other medium-voltage nodes MV2,...,MV4 each have a subordinate low-voltage network LV2,...,LV4.
  • the medium-voltage nodes MV1,...,MV4 form a ring system, whereby in standard operation the ring is interrupted at at least one point, so that a radial network topology is formed in normal operation. 202307903 18
  • the medium-voltage nodes MV1,...,MV4 are divided into four categories K1,..,K4 according to an embodiment of the present invention.
  • the medium-voltage node MV1 is in the first category K1.
  • real-time measurements of its electrical power i.e. its electrical active power and/or reactive power, are therefore available. In other words, a real-time measurement is installed at the medium-voltage node MV1.
  • the other medium-voltage nodes MV2,...,MV4 do not have such installed real-time measurements. Thus, conclusions must be drawn about the electrical power (total power) aggregated at the respective medium-voltage node MV2,...,MV4 from the measurements of the subordinate low-voltage networks, for example from smart meters.
  • the set of medium-voltage nodes in the first category K1 can be designated as MV ⁇ .
  • the medium-voltage nodes MV2,...,M4 are further divided into the three further categories K2,...,K4 (a total of four categories with the medium-voltage node MV1).
  • the medium-voltage nodes MV2,...,M4 are assigned according to the smart meter coverage or the smart meter penetration rate of their respective subordinate low-voltage network LV2,...LV4.
  • the second category K2 includes all medium-voltage nodes that have a complete, i.e. 100 percent, smart meter penetration rate. This means that all households or low-voltage nodes in the low-voltage network associated with the respective medium-voltage node have a smart meter, i.e. a smart meter measurement. In this case, the second category K2 only includes the second medium-voltage node MV2.
  • the installation of a smart meter is marked by a black circle at the respective household.
  • the set of medium-voltage nodes in the second category K2 can be denoted by SM ⁇ % .
  • the third category K3 includes all medium-voltage nodes that have sufficiently complete smart meter coverage, i.e. a smart meter coverage above or equal to a specified threshold ⁇ ⁇ , but less than 100 percent. In other words, in this case the inequality ⁇ ⁇ ⁇ ⁇ ⁇ 1 applies to the smart meter coverage or the smart meter penetration rate ⁇ . In this case, the third category K3 therefore includes the third medium-voltage node MV3.
  • the set of medium-voltage nodes in the third category K3 can be denoted by SM ⁇ or SM ⁇ .
  • the fourth category K4 includes all medium-voltage nodes that do not have sufficient smart meter coverage or a sufficient smart meter penetration rate in their associated low-voltage network. This is the case if the smart meter penetration rate ⁇ has a value smaller than the specified threshold value ⁇ ⁇ . In other words, in this case the inequality 0 ⁇ ⁇ ⁇ ⁇ ⁇ applies to the smart meter coverage or the smart meter penetration rate ⁇ . In this case, the fourth category K4 therefore includes the fourth medium-voltage node MV4.
  • the set of medium-voltage nodes in the third category K4 can be referred to as SM ⁇ or SM ⁇ .
  • FIG. 1 shows a flow chart of a method according to an embodiment of the present invention.
  • the aim of the method presented is to generate input data for a state estimation of a power grid, which includes the covariances or correlations between the electrical power at the medium-voltage nodes as well as the expected values of their electrical power.
  • each medium-voltage node has a temporal progression of its electrical active power and/or electrical reactive power. These are basically obtained by aggregating the respective subordinate low-voltage networks.
  • MV nodes medium-voltage nodes
  • each medium-voltage node is assigned to one of the four categories.
  • the time series i.e. the time-dependent electrical power at each of the medium-voltage nodes, are determined. 202307903 21 the determination of the electrical power varies depending on the category.
  • the available real-time measurements can be used directly.
  • the respective time series are created by aggregating the smart meter data, which is completely available in this case.
  • the respective time series are determined by scaling and aggregating the available smart meter data. It is therefore assumed that the smart meter data or the smart meter measurement data are representative, and the aggregated smart meter power is scaled up to the entire respective low-voltage network.
  • the respective time series are generated using the available smart meter data and the use of standard load profiles.
  • the result of the second step S2 is therefore the time series of the electrical power ⁇ ⁇ , ⁇ , for all considered times and all medium voltage nodes considered are determined.
  • the respective expected values, or the expected value when summarized as a vector ⁇ ⁇ , ⁇ can be determined from the time series ⁇ ⁇ , ⁇ generated in this way using ⁇ ⁇ , ⁇ / ⁇ can be determined directly.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

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 Ν Haushalten und an dem weiteren der Mittelspannungsknoten (MV2,...,MV4) ein Niederspannungsnetz (LV2,...,LV4) mit Ν 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(Ν,Μ) in Abhängigkeit der Anzahl der Haushalte Ν,Μ 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

202307903 1 Beschreibung Verfahren zur Erzeugung von Eingangsdaten für eine Zustands- schätzung eines Stromnetzes, Zustandsschätzung sowie Steue- rung eines Stromnetzes 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 so- wie ein Computerprogrammprodukt gemäß dem Oberbegriff des Pa- tentanspruches 15. Durch eine fortschreitende Installation zusätzlicher Verbrau- cher (E-Mobilität) und volatiler dezentraler Erzeugungsein- heiten (Photovoltaik und Wind) in Mittel- und Niederspan- nungsnetzen kann es durch die Höherauslastung des Stromnetzes in den beiden unteren Spannungsebenen (Mittel- und Nieder- spannung) 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 Über- schreiten von Maximalleistungen, zu vermeiden. Diese Ansätze können allerdings technisch nur realisiert werden, wenn der Zustand des Stromnetzes beziehungsweise seiner Unternetze be- kannt 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 zusätz- liche Datenquellen und/oder Prior-Annahmen über den Netzzu- stand erforderlich. Solche Daten können beispielsweise aus historischen oder vorhergesagten Daten abgeleitet werden. Al- lerdings muss bei deren Verwendung als Eingangsdaten für die Zustandsschätzung deren Unsicherheit, beispielsweise ihre Va- 202307903 2 rianz, ermittelt und berücksichtigt werden. Mittels probabi- listischen Zustandsschätzern ist es möglich, diese Unsicher- heiten der Eingangsdaten zu verarbeiten und Ausgangsdaten mit probabilistischer Aussage, das heißt eine Wahrscheinlich- keitsverteilung 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 Kor- relationen aufweisen, das heißt nicht stochastisch unabhängig sind. Nach dem Stand der Technik werden solche Korrelationen beziehungsweise Kovarianzen typischerweise nicht berücksich- tigt. Verfahren zur Zustandsschätzung von Verteilungssystemen, die auf dem WLS-Ansatz (englisch: Weighted-Least-Square) basie- ren, der für höhere Spannungsebenen Stand der Technik ist, wandeln Prior-Wissen in sogenannte Pseudomessungen um. Sie werden dem Zustandsschätzer äquivalent zu den Echtzeitmessun- gen, aber mit hohen Standardabweichungen für die Messgenauig- keit (und damit niedrigem Gewicht), als Eingangsdaten überge- ben. 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 Niederspan- nungsnetze, die beispielsweise mittels Leistungsprofilen von intelligenten Messsystemen (Smart-Metern), Jahresenergiebe- darfen aus analogen und digitalen Zählerdaten oder aus Stan- dardlastprofilen geschätzt werden können. Auch exogene Quel- 202307903 3 len, 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 ei- nes Haushalts erheblich höher als im Jahresmittel, so steigt die Wahrscheinlichkeit, dass auch die Last eines benachbarten Haushalts höher als im Jahresmittel ist. Fortgeschrittene be- kannte 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 histo- rischen 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 Echtzeit- messungen 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 Hintergrundvertei- lung beziehungsweise Pseudomessungen der Zustandsschätzung typischerweise zusätzliche Informationen aus Energiever- brauchs-Messungen und Standardlastprofilen oder auch aus wei- teren externen Quellen (Sonneneinstrahlung) berücksichtigt werden. Allerdings können bekannte Verfahren keine Informati- onen zu Korrelationen hieraus ableiten. Es wird daher bei be- kannten Verfahren angenommen, dass die Daten stochastisch un- abhängig sind. Der vorliegenden Erfindung liegt die Aufgabe zugrunde, Ein- gangsdaten für eine Zustandsschätzung eines Stromnetzes zu erzeugen, die eine Korrelation beziehungsweise Kovarianz zwi- 202307903 4 schen Mittelspannungsknoten des Stromnetzes verbessert be- rücksichtigt. 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 Merkma- len des unabhängigen Patentanspruches 14 sowie durch ein Com- puterprogrammprodukt mit den Merkmalen des unabhängigen Pa- tentanspruches 15 gelöst. In den abhängigen Patentansprüchen sind vorteilhafte Ausgestaltungen und Weiterbildungen der Er- findung angegeben. Das erfindungsgemäße Verfahren zur Erzeugung von Eingangsda- ten 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 um- fassen, wobei an einem der Mittelspannungsknoten ein Nieder- spannungsnetz mit ^^ Haushalten und an dem weiteren der Mit- telspannungsknoten ein Niederspannungsnetz mit ^^ Haushalten angeschlossen ist, ist gekennzeichnet dadurch, dass wenigs- tens eines der Niederspannungsnetze eine Smart-Meter- Durchdringungsrate kleiner einem festgelegtem Schwellenwert aufweist, wobei die Eingangsdaten wenigstens eine Kovarianz zwischen an den Mittelspannungsknoten aggregierten elektri- schen Leistungen umfassen, wobei die Kovarianz durch einen bereitgestellten Kovarianz-Wert Cov^ ^^, ^^^ in Abhängigkeit der Anzahl der Haushalte ^^, ^^ in den jeweiligen Niederspannungs- netzen festgelegt wird. Das erfindungsgemäße Verfahren und/oder eine oder mehrere Funktionen, Merkmale und/oder Schritte des erfindungsgemäßen Verfahrens und/oder einer seiner Ausgestaltungen können com- putergestützt sein. Insbesondere umfasst eine zur Steuerung oder Regelung des Stromnetzes vorgesehene Steuereinheit eine oder mehrere Recheneinheiten, die dazu ausgebildet und einge- 202307903 5 richtet sind, beispielsweise mittels Befehlen, das Verfahren durchzuführen. Die Smart-Meter-Durchdringungsrate ist die relative Anzahl der im Niederspannungsnetz installierten Smart-Meter. Bei- spielsweise weisen 40 Prozent der Haushalte eines Niederspan- nungsnetzes ein Smart-Meter auf. Die Smart-Meter- Durchdringungsrate weist in diesem Fall für dieses Nieder- spannungsnetz dann einen Wert von 0,4 beziehungsweise von 40 Prozent auf. Hierbei ist zu beachten, dass die Daten des je- weiligen 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 konti- nuierlich erfasst und bezüglich des Haushalts extern zur Ver- fügung stellt. Ein Haushalt im Sinne der vorliegenden Erfindung kann ein Stromverbraucher und/oder ein Stromerzeuger sein. Typischer- weise bildet ein Haushalt einen Niederspannungsknoten des je- weiligen Niederspannungsnetzes aus. Weiterhin könnte ein Haushalt durch einen Großverbraucher ausgebildet werden, das heißt durch einen Verbraucher, der einen Jahresenergiever- brauch 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 re- gistrierenden Leistungsmessungen (RLM) auf, mittels welcher ein zeitaufgelöste Lastprofil zur Verfügung gestellt wird. Dieses Leistungsprofil weist, wie Smart-Meter-Daten bezie- hungsweise 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 202307903 6 die jeweiligen Standardabweichungen (Wurzel aus den Varian- zen). Die Kovarianz zwischen Mittelspannungsknoten ^^, ^^ kann typi- scherweise als Matrix dargestellt werden. Jeder Mit- telspannungsknoten ^^ weist hierbei einen zeitlichen Verlauf seiner elektrischen Leistung ^^^,௧, beispielsweise seiner Wirkleistung und/oder Blindleistung, auf. Damit gilt für die Korrelation ^^ ௫^,௫^ ൌ ^^ ௫^,௫^ / ^ ^^ ௫^ ^^ ௫^ , wobei ^^ ௫^ die Varianzen der zeitabhängigen elektrischen Leistung ^^^,௧ beziehungsweise ^^^,௧ bezeichnet. Für vorhandene diskrete Zeitreihen kann die Kovarianz der Eingangsdaten somit grundsätzlich gemäß ^^௫^,௫^ ൌ ∑ ୀ^ ^ ^^^,௧ െ െ 1^ ermittelt werden. Hierbei sind ^^௫^ ൌ ∑ ୀ^ ^^^,௧/ ^^ die Erwartungswerte der Eingangsdaten. Allerdings wird für Mittelspannungsknoten, bei welchem wenigstens einer der Mittelspannungsknoten wenigstens ein Niederspannungsnetz mit einer Smart-Meter-Durchdringungsrate kleiner dem festge- legten Schwellenwert aufweist, nicht die über die Zeitreihen gebildete Kovarianz verwendet, sondern der bereitgestellten Kovarianz-Wert Cov^ ^^, ^^^. Ein Grundgedanke der vorliegenden Erfindung ist, dass für Mittelspannungsknoten, deren Niederspannungsnetze eine gerin- ge Smart-Meter-Durchdringung aufweisen, keine technisch brauchbare Berechnung von Korrelationen beziehungsweise Kova- rianzen mit weiteren Mittelspannungsnetzen erfolgen kann. Das liegt daran, das für solche Mittelspannungsknoten weder un- mittelbare Echtzeitmessungen noch ausreichende Messdaten, beispielsweise über Smart-Meter, zur Verfügung stehen. Aller- dings ist es nachteilig, wie typischerweise im Stand der Technik angenommen, von keiner Korrelation auszugehen. Auch die Verwendung von Standardlastprofilen mag dieses tech- nische Problem nicht zu lösen, da dies zu einer unrealisti- schen perfekten Korrelation führen würde. Die vorliegende Er- findung löst dieses Problem dadurch, dass die Korrelation be- 202307903 7 ziehungsweise die Kovarianz durch den bereitgestellten Kova- rianz-Wert Cov^ ^^, ^^^ in Abhängigkeit der Anzahl der Haushalte in den jeweiligen Niederspannungsnetzen ermittelt wird. Hier- bei kann der Kovarianz-Wert Cov^ ^^, ^^^ mittels Niederspannungs- netzen ermittelt werden, die eine ausreichende Datenbasis aufweisen. Es werden somit erfindungsgemäß typische Korrela- tionswerte beziehungsweise Kovarianzwerte zwischen bezüglich der Anzahl von Haushalten vergleichbaren Niederspannungsnet- zen verwendet. Der bereitgestellte Kovarianz-Wert Cov^ ^^, ^^^ zwischen einem Mittelspannungsknoten dessen Niederspannungsnetz ^^ Haushalte aufweist und einem Mittelspannungsknoten dessen Niederspan- nungsnetz ^^ Haushalte aufweist, kann in Form einer Tabelle, eines Graphen, einer Matrix und/oder einer analytischen For- mel bereitgestellt werden. Ein Vorteil der Erfindung ist, dass Korrelationsinformationen verwendet werden können, auch wenn nicht vollständig aufge- zeichnete 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 Zustandsschät- zung, die die erfindungsgemäß erzeugten Eingangsdaten verwen- det. Das erfindungsgemäße Verfahren zur Zustandsschätzung eines Stromnetzes mit mehreren Mittelspannungsknoten, wobei hierbei Eingangsdaten, welche Erwartungswerte und Kovarianzen von elektrischen Leistungen an den Mittelspannungsknoten umfas- sen, verwendet werden, ist gekennzeichnet dadurch, dass die Eingangsdaten durch ein Verfahren gemäß der vorliegenden Er- findung und/oder einer ihrer Ausgestaltungen erzeugt werden. 202307903 8 Es ergeben sich zum erfindungsgemäßen Verfahren gleichartige, gleichwertige und gleichwirkende Vorteile und/oder Ausgestal- tungen der erfindungsgemäßen Zustandsschätzung. Das erfindungsgemäße Verfahren zur Steuerung eines Stromnet- zes mittels einer Steuereinheit, wobei das Stromnetz mehrere Mittelspannungsknoten umfasst, und die Steuerung oder Rege- lung basierend auf einer Zustandsschätzung erfolgt, ist ge- kennzeichnet dadurch, dass die Zustandsschätzung durch ein Verfahren zur Zustandsschätzung gemäß der vorliegenden Erfin- dung 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 ge- kennzeichnet, dass dieses Befehle umfasst, die bei der Aus- führung 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 Rechenein- heit. Es ergeben sich zum erfindungsgemäßen Verfahren gleichartige, gleichwertige und gleichwirkende Vorteile und/oder Ausgestal- tungen 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 Niederspan- nungsnetz angeschlossen ist, und die Mittelspannungsknoten in vier Kategorien eingeteilt werden, wobei - die erste Kategorie Mittelspannungsknoten umfasst, deren aggregierte elektrische Leistung gemessen wurde; wobei 202307903 9 - 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 Mittelspannungskno- ten der vierten Kategorie durch den bereitgestellten Kovari- anz-Wert Cov^ ^^, ^^^ in Abhängigkeit der Anzahl der Haushalte ^^, ^^ in den jeweiligen Niederspannungsnetzen festgelegt wird. Mit anderen Worten werden die Mittelspannungsknoten in die vier Kategorien eingeteilt, wobei die Kategorien sich im We- sentlichen darin unterscheiden, ob unmittelbare Echtzeitmes- sungen 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 Messda- ten von untergeordneten Niederspannungsnetzen in diesem Fall nicht zwingend erforderlich. Mit anderen Worten gilt für die elektrischen Leistungen eines Mittelspannungsknotens der ers- ten Kategorie und ^^^^,௧ ൌ ^^^^^^^౩,௧, wobei ^^^^^^^౩,௧ die gemessene Wirkleistung und ^^^^^^^౩,௧ die gemessene Blind- leistung bezeichnet. Die erste Kategorie kann somit abgekürzt als MV୫^ୟ^ bezeichnet werden und es können die erfassten Mes- sungen an den Mittelspannungsknoten (MS-Knoten) direkt als Zeitreiheneingang verwendet werden. Beispielsweise kann MV୫^ୟ^ Großkunden (RLM-Verbraucher), unterliegende Trafosta- tion sowie Ortnetzstation umfassen. 202307903 10 In der zweiten Kategorie weisen alle Haushalte des Nieder- spanungsnetzes 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 Aggre- gation der Smart-Meter-Daten ermittelt werden. Mit anderen Worten ist in diesem Fall und wobei ^^^^^^^౩,^,௧, ^^^^^^^౩,^,௧ die jeweiligen Smart-Meter-Wirkleistungsdaten beziehungsweise Blindleis- tungsdaten bezeichnet. Hierbei ist ^^ die Anzahl der Haushal- te des untergeordneten Niederspannungsnetzes, da in der zwei- ten Kategorie eine vollständige Smart-Meter-Abdeckung vor- liegt, 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 Leis- tungsverluste vernachlässigt. Die zweite Kategorie kann abge- kürzt als SM^^^% bezeichnet werden. Die dritte Kategorie umfasst Mittelspannungsknoten deren un- tergeordnetes 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 bezie- hungsweise aggregierten Smart-Meter-Zeitreihen und ^^ୗ^,௧ der gemessenen Smart-Meter-Haushalte repräsentativ für das Verhalten von Lasten dieses Niederspannungsnetzes sind. Für den korrekten Energiebedarf am MS-Knoten werden die aufsum- 202307903 11 mierten Smart-Meter-Zeitreihen mit einem Skalierungsfaktor ^^^ୡୟ୪^ 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 ^^ als konstant an- genommen werden. Allerdings kann ein nicht konstanter Leis- tungsfaktor ebenfalls vorgesehen sein. Mit anderen Worten gilt ^^^^,௧ ^ ^^ ^^,௧ ∙ ^^^ୡୟ୪^ und ^^^^,௧ ^ ^^^^^,௧ ∙ ^^^ୡୟ୪^ mit ^^^ୡୟ୪^ ൌ ^^^ై^/ ^^^^^ ,, wobei den Gesamtenergieverbrauch des Niederspannungsnetzes und ^^^^^ den Gesamtenergieverbrauch der Haushalte im Niederspannungsnetz mit Smart-Metern bezeichnet. Die dritte Kategorie kann abgekürzt als SM୫୭^^୪^ bezeichnet werden. Die vierte Kategorie umfasst Mittelspannungsknoten deren un- tergeordnete Niederspannungsnetze bezüglich des festgelegten Schwellenwertes keine ausreichende Smart-Meter-Abdeckung be- ziehungsweise Smart-Meter-Durchdringungsrate aufweisen. Die vierte Kategorie kann somit abgekürzt als SM୪^^^ bezeichnet werden. Mittels Standardprofilen und der vorhandenen Smart-Meter- Daten kann für den jeweiligen Mittelspannungsknoten eine ag- gregierte Last beziehungsweise aggregierte elektrische Leis- tung ermittelt werden. Mit anderen Worten wird in diesem Fall allen Lasten/Haushalten, die nicht über Smart-Meter erfasst sind, ein geeignetes skaliertes Standardlastprofil (SLP) zu- gewiesen. Diese Lastprofile werden mit den gemessenen Profi- len an Lasten, die durch Smart-Meter gemessen werden, zu ei- nem aggregierten Summenprofil am MV-Knoten aggregiert. Mit anderen Worten gilt ^^^^,௧ ^ ^^ ^^,௧ ^ ^^^^|ୗ^^,௧ und ^^^^,௧ ^ ^^^^^,௧ ^ ^^^^|ୗ^^,௧. Mittels dieser aggregierten elektrischen Leistungen können die Erwartungswerte für die Eingangsdaten ermittelt 202307903 12 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 Korrela- tion von nahezu 100 Prozent ausbilden. Es ist somit erfin- dungsgemäß vorgesehen, die Kovarianzen in diesem Fall, das heißt im Falle der vierten Kategorie, mittels der bereitge- stellten Kovarianz-Werte Cov^ ^^, ^^^ in Abhängigkeit der jewei- ligen Anzahl an Niederspannungsknoten (Haushalte) zu ermit- teln. 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 re- präsentativer Lasten werden zufällige Teilmengen unterschied- licher Größe gebildet und die paarweise Korrelation der ag- gregierten Zeitreihen in Abhängigkeit der Größe der Teilmen- gen berechnet. Diese Berechnung muss für ein Netzgebiet nur einmalig durchgeführt werden. b) Für ein Mittelspannungsknotenpaar ^ ^^, ^^^, für welches die Kovarianz ^^௫^,௫^ ermittelt werden soll, wird in Abhängigkeit der Anzahl der Lasten in den jeweiligen Subnetzen ein typi- scher Kovarianz-Wert beziehungsweise Korrelation-Wert aus den zuvor berechneten Werten ermittelt. Beispielsweise ergibt sich für ein Mittelspannungsnetz ^^ mit 75 Niederspannungskno- ten/Lasten/Haushalten im darunterliegenden Niederspannungs- netz und ein Mittelspannungsnetz ^^ mit 15 Niederspannungs- knoten/Lasten/Haushalten ein typischer Korrelationskoeffi- zient von etwa 0,6. c) Ab einer genügend großen Anzahl an Haushalten/Verbrauchern im Niederspannungsnetz ergeben sich gering schwankende Korre- lationswerte (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 202307903 13 Leistungen gebildet, wenn die Korrelation beziehungsweise Kovarianz mit wenigstens einem Mittelspannungsknoten der vierten Kategorie ermittelt wird. Ist kein Mittelspannungs- knoten der vierten Kategorie beteiligt, so kann die Korrela- tion beziehungsweise Kovarianz in bekannter Weise aus den oben genannten Zeitreihen für die aggregierten elektrischen Leistungen gebildet werden. Beispielsweise gilt für diskrete Zeitreihen Die Erwar- tungswerte können hingegen unabhängig von der Kategorie gemäß ^^^,௧/ ^^ ermittelt werden. Hierbei ist jeweils ^^^,௧ ൌ ^^^^,௧ für einen Mittelspannungsknoten ^^, wobei je nach Katego- rie wie obenstehend genannt gebildet wird. In einer vorteilhaften Weiterbildung der Erfindung wird für jeden Mittelspannungskoten der ersten Kategorie seine elekt- rische Leistung durch die zum jeweiligen Mittelspannungskno- ten zugehörigen erfassten elektrischen Leistungen ermittelt. Wie obenstehend bereits ausgeführt, ist in diesem Fall die am jeweiligen Mittelspannungsknoten aggregierte Leistung unmit- telbar durch Echtzeitmessungen bestimmt. Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird für jeden Mittelspannungsknoten der zweiten Kategorie seine elektrische Leistung durch eine Aggregation der zum jeweili- gen Mittelspannungsknoten zugehörigen Smart-Meter-Messdaten ermittelt. Wie obenstehend bereits ausgeführt, ist in diesem Fall die am jeweiligen Mittelspannungsknoten aggregierte Leistung unmit- telbar 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 beziehungs- weise Smart-Meter-Durchdringungsrate aufweist. In einer vorteilhaften Weiterbildung der Erfindung wird für jeden Mittelspannungsknoten der dritten Kategorie seine 202307903 14 elektrische Leistung durch einen Skalierungsfaktor und eine Aggregation der zum jeweiligen Mittelspannungsknoten zugehö- rigen Smart-Meter-Messdaten ermittelt. Mit anderen Worten werden die in diesem Fall zur Verfügung stehenden Smart-Meter-Daten auf das gesamte jeweilige Nieder- spannungsnetz hochskaliert. Gemäß der Definition der dritten Kategorie sind für solche Mittelspannungsknoten innerhalb ih- res zugehörigen Niederspannungsnetzes noch ausreichend viele Smart-Meter vorhanden. Dadurch kann angenommen werden, dass die Smart-Meter-Daten repräsentativ für das jeweilige Nieder- spannungsnetz und somit für die aggregierte Leistung am je- weiligen Mittelspannungsknoten ist. Hierbei gilt für die Leistungen an einen Mittelspannungsknoten der dritten Katego- rie ^^^^,௧ ^ ^^ ^^,௧ ∙ ^^^ୡୟ୪^ und ^^^^,௧ ^ ^^^^^,௧ ∙ ^^^ୡୟ୪^ mit ^^^ୡୟ୪^ wobei ^^^ై^ den Gesamtenergieverbrauch des Niederspannungsnet- zes und ^^^^^ den Gesamtenergieverbrauch der Haushalte im Nie- derspannungsnetz 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 jeweili- gen Mittelspannungsknoten zugehörigen Smart-Meter-Messdaten und Standartlastprofile ermittelt. In diesem Fall stehen gemäß der Definition der vierten Kate- gorie zu wenig Smart-Meter-Daten zur Verfügung, sodass im Ge- gensatz zur dritten Kategorie nicht angenommen werden kann, dass die zur Verfügung stehenden Smart-Meter-Daten repräsen- tativ für das jeweilige Niederspannungsnetz und den zugehöri- gen 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 Ka- und wobei Smart-Meter-Daten und ^^^^|ୗ^^,௧, ^^^^|ୗ^^,௧ die Standardlastprofile bezeichnet. 202307903 15 Problematisch ist nun, dass durch den hohen Anteil der Stan- dardlastprofile keine technisch brauchbare Bestimmung der Korrelation beziehungsweise Kovarianz von einem Mittelspan- nungsknoten beliebiger Kategorie mit wenigstens einem Mit- telspannungsknoten der vierten Kategorie erfolgen kann. Die vorliegende Erfindung sieht daher vor, die Korrelation bezie- hungsweise Kovarianz nicht über die genannten elektrischen Leistungen, sondern durch im Wesentlichen standardisierte Korrelations-Werte beziehungsweise Kovarianz-Werte zu bestim- men, die von der Anzahl der Haushalte beziehungsweise der An- zahl der Niederspannungsknoten in den beteiligten Niederspan- nungsnetzen abhängig ist. Die standardisierten Korrelations- Werte beziehungsweise Kovarianz-Werte können vorab einmalig bestimmt werden, beispielsweise mittels Mittelspannungsnet- zen/Niederspannungsnetzen, die technisch vergleichbar sind und eine entsprechend hohe Datenbasis aufweisen. In einer vorteilhaften Weiterbildung der Erfindung werden so- mit die Kovarianzen und Erwartungswerte der Eingangsdaten mittels der ermittelten elektrischen Leistungen der Mit- telspannungsknoten ermittelt, wobei die Kovarianz zwischen einem Mittelspannungsknoten einer beliebigen Kategorie und wenigstens einem Mittelspannungsknoten der vierten Kategorie durch den bereitgestellten Kovarianz-Wert Cov^ ^^, ^^^ in Abhän- gigkeit der Anzahl der Haushalte in den jeweiligen Nieder- spannungsnetzen 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 202307903 16 Prozent auf. Dadurch ist sichergestellt, dass die Smart- Meter-Daten der dritten Kategorie noch ausreichend repräsen- tativ für das jeweilige Niederspannungsnetz sind, sodass eine technisch realistische Korrelation beziehungsweise Kovarianz mittels der skalierten elektrischen Leistungen ermittelt wer- den kann. In einer vorteilhaften Weiterbildung der Erfindung wird der bereitgestellte Kovarianz-Wert Cov^ ^^, ^^^ durch eine Ermittlung von bezüglich der Anzahl von Haushalten vergleichbaren Nie- derspannungsnetzen ermittelt, wobei für die hierbei verwende- ten Niederspannungsnetze Messdaten der elektrischen Leistun- gen ihrer Haushalte vorhanden sind. Dadurch kann der Kovarianz-Wert vorab vorteilhafterweise be- stimmt 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 Ver- fügung gestellt werden. In einer vorteilhaften Weiterbildung der Erfindung umfassen die Eingangsdaten Korrelationen zwischen den Mittelspannungs- knoten, wobei die jeweiligen Korrelationen mittels der jewei- ligen Kovarianzen gebildet werden. Vorliegend können somit äquivalent Korrelationen und/oder Kovarianzen als Eingangsdaten für die Zustandsschätzung ver- wenden werden. Die Korrelationen ergeben sich aus den Kovari- anzen durch Normierung auf die jeweiligen Standardabweichun- gen. 202307903 17 Gemäß einer vorteilhaften Ausgestaltung der Erfindung erfolgt die Zustandsschätzung mittels einer Bayesschen Zustandsschät- zung 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 er- geben sich aus den im Folgenden beschriebenen Ausführungsbei- spielen sowie anhand der Zeichnungen. Dabei zeigen schemati- siert: Figur 1 ein Stromnetz mit mehreren Mittelspannungsknoten und zugehörigen Niederspannungsnetzen; und Figur 2 ein Ablaufdiagramm eines Verfahrens gemäß einer Ausgestaltung der vorliegenden Erfindung. Gleichartige, gleichwertige oder gleichwirkende Elemente kön- nen in einer der Figuren oder in den Figuren mit denselben Bezugszeichen versehen sein. Die Figur 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 Aus- führungsbeispiel ein Ringsystem aus, wobei im Normbetrieb der Ring an wenigstens einer Stelle unterbrochen ist, sodass sich im Normalbetrieb eine radiale Netztopologie ausbildet. 202307903 18 Die Mittelspannungsknoten MV1,…,MV4 werden gemäß einer Ausge- staltung der vorliegenden Erfindung in vier Kategorien K1,..,K4 eingeteilt. Der Mittelspannungsknoten MV1 liegt hierbei in der ersten Ka- tegorie 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 Mittelspannungskno- ten MV2,…,MV4 weisen keine solche installierten Echtzeitmes- sungen auf. Somit muss grundsätzlich aus den Messungen der untergeordneten Niederspannungsnetze, beispielsweise von Smart-Metern, auf die am jeweiligen Mittelspannungsknoten MV2,…,MV4 aggregierten elektrischen Leistungen (Summenleis- tungen) geschlossen werden. Die Menge der Mittelspannungskno- ten der ersten Kategorie K1 kann mit MV୫^ୟ^ bezeichnet wer- den. Weiterhin werden die Mittelspannungsknoten MV2,…,M4 in die drei weiteren Kategorien K2,…,K4 unterteilt (insgesamt vier Kategorien mit dem Mittelspannungsknoten MV1). Hierbei er- folgt 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 Haus- halte beziehungsweise Niederspannungsknoten des zum jeweili- gen Mittelspannungsknoten zugehörigen Niederspannungsnetzes ein Smart-Meter, das heißt eine Smart-Meter-Messung aufwei- sen. Vorliegend umfasst die zweite Kategorie K2 somit ledig- lich den zweiten Mittelspannungsknoten MV2. In der Figur 1 ist die Installation eines Smart-Meters durch einen schwarz ausgefüllten Kreis am jeweiligen Haushalt gekennzeichnet. Die 202307903 19 Menge der Mittelspannungsknoten der zweiten Kategorie K2 kann mit SM^^^% bezeichnet werden. Die dritte Kategorie K3 umfasst alle Mittelspannungsknoten, die eine ausreichend vollständige Smart-Meter-Abdeckung auf- weisen, das heißt eine Smart-Meter-Abdeckung oberhalb oder gleich einem festgelegten Schwellenwert α^୦୰^^, 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^୦୰^^ ^ α ^ 1. Vor- liegend umfasst die dritte Kategorie K3 somit den dritten Mittelspannungsknoten MV3. Die Menge der Mittelspannungskno- ten der dritten Kategorie K3 kann mit SMவ^౪^౨^౩ oder SM୫୭^^୪^ be- zeichnet werden. Die vierte Kategorie K4 umfasst alle Mittelspannungsknoten, die keine ausreichende Smart-Meter-Abdeckung beziehungsweise keine ausreichende Smart-Meter-Durchdringungsrate ihres zuge- hörigen Niederspannungsnetzes aufweisen. Das ist der Fall, wenn die Smart-Meter-Durchdringungsrate α einen Wert kleiner als der festgelegte Schwellenwert α^୦୰^^ aufweist. Mit anderen Worten gilt in diesem Fall für die Smart-Meter-Abdeckung be- ziehungsweise die Smart-Meter-Durchdringungsrate α die Un- gleichung 0 ^ α ^ α^୦୰^^. Vorliegend umfasst die vierte Katego- rie K4 somit den vierten Mittelspannungsknoten MV4. Die Menge der Mittelspannungsknoten der dritten Kategorie K4 kann mit SMழ^౪^౨^౩ oder SM୪^^^ bezeichnet werden. Demnach können alle Mittelspannungsknoten MV1,…,MV4 gemäß der Ausgestaltung der vorliegenden Erfindung nach dem Vorhanden- sein von Echtzeitmessungen und/oder nach ihrer Smart-Meter- Durchdringungsrate ihres untergeordneten Niederspannungsnet- zes LV2,…,LV4 eingeteilt werden. Die Figur 2 zeigt ein Ablaufdiagramm eines Verfahrens gemäß einer Ausgestaltung der vorliegenden Erfindung. 202307903 20 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 grundsätz- lich durch Aggregation der jeweiligen untergeordneten Nieder- spannungsnetze. Mittels dieser elektrischen Leistungen kann grundsätzlich ihre Kovarianz beziehungsweise ihre Korrelation sowie ihr zeitlicher Erwartungswert ermittelt werden. Die er- mittelten 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 Figur 2 dargestellten Verfahrens ist mit dem Bezugseichen S gekennzeichnet. Das Ende des in Figur 2 darge- stellten Verfahrens ist mit dem Bezugszeichen E gekennzeich- net. In einem ersten Schritt S1 des Verfahrens erfolgt die bereits unter Figur 1 beschriebene Klassifikation der Mittelspanungs- knoten (MS-Knoten), das heißt die Zuordnung der Mittelspan- nungsknoten eines vorliegenden Stromnetzes, dessen Zustand geschätzt werden soll, zu einer der vier Kategorien MV୫^ୟ^, SM^^^%, SM୫୭^^୪^ oder SM୪^^^. Hierzu können ergänzend aufgezeich- nete 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 Zeit- reihen, das heißt die zeitabhängigen elektrischen Leistungen an jedem der Mittelspannungsknoten ermittelt. Hierbei unter- 202307903 21 scheidet 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 so- mit angenommen, dass die Smart-Meter-Daten beziehungsweise die Smart-Meter-Messdaten repräsentativ sind, und die aggre- gierten Smart-Meter-Leistungen werden auf das gesamte jewei- lige 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 Zeitrei- hen der elektrischen Leistung ^^^^,௧, für alle betrachte- ten Zeiten und alle betrachteten Mittelspannungs- knoten ermittelt. Im dritten Schritt S3 des Verfahrens können aus den derart erzeugten Zeitreihen ^^^,௧ die jeweiligen Erwartungswerte, be- ziehungsweise der Erwartungswert, wenn als Vektor ^^ௌ,^ୟ୫୮ zu- sammengefasst, mittels ^^^,௧/ ^^ unmittelbar ermittelt werden. Bezüglich der Ermittlung der Kovarianz beziehungsweise der Kovarianzen ^^௫^,௫^ wird unterschieden, ob an der Kovarianz ein Mittelspannungsknoten der vierten Kategorie, das heißt der Kategorie SMழ^౪^౨^౩ beziehungsweise SM୪^^^ beteiligt ist. 202307903 22 Wird keine Kovarianz mit einem Mittelspannungsknoten der vierten Kategorie gebildet, so wird die Kovarianz über die erzeugten Zeitreihen gemäß ^^௫^,௫^ ൌ െ 1^ ermittelt. Die Gesamtheit dieser Kovarianzen, die in Form ei- ner Matrix vorliegen kann, ist in der Figur mit ^^ௌ^^,^ୟ୫୮ be- zeichnet. Ist ein Mittelspannungsknoten der vierten Kategorie betei- ligt, das heißt soll die Kovarianz eines Mittelspannungskno- ten einer beliebigen Kategorie mit wenigstens einem Mit- telspannungsknoten der vierten Kategorie ermittelt werden, so wird die Kovarianz nicht durch die ermittelten Zeitreihen, sondern durch einen vorab bereitgestellten Kovarianz-Wert Cov^ ^^, ^^^, der von der Größe, das heißt der Anzahl der Haus- halte ^^, ^^ der beteiligten Niederspannungsnetze abhängig ist, festgelegt. Diese derart gebildete beziehungsweise erzeugte Kovarianz ist in der Figur 2 mit ^^ௌ^^,ୡ୭୫୮ bezeichnet. Somit liegen nach dem dritten Schritt S3 und seiner Fallun- terscheidung bezüglich der Kategorien alle Kovarianzen ^^ௌ und Erwartungswerte ^^ௌ vor. Die derart ermittelten Kovarianzen und Erwartungswerte bilden die Eingangsdaten für eine Netzzu- standsschätzung des betrachteten Stromnetzes aus. Mit anderen Worten werden die Eingangsdaten, die die ermit- telten 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 verbes- serte Genauigkeit, das heißt eine deutlich reduzierte Unsi- cherheit auf. Obwohl die Erfindung im Detail durch die bevorzugten Ausfüh- rungsbeispiele näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele ein- geschränkt oder andere Variationen können vom Fachmann hie- 202307903 23 raus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.
202307903 24 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

202307903 25 Patentansprüche 1. Verfahren zur Erzeugung von Eingangsdaten für eine Zu- standsschätzung eines Stromnetzes (1), wobei das Stromnetz (1) wenigstens zwei Mittelspannungsknoten (MV2,…,MV4) auf- weist, und die Eingangsdaten wenigstens Kovarianzen und Er- wartungswerte von elektrischen Leistungen an den Mittelspan- nungsknoten (MV2,…,MV4) umfassen, wobei an einem der Mit- telspannungsknoten (MV2,…,MV4) ein Niederspannungsnetz (LV2,…,LV4) mit ^^ Haushalten und an dem weiteren der Mit- telspannungsknoten (MV2,…,MV4) ein Niederspannungsnetz (LV2,…,LV4) mit ^^ Haushalten angeschlossen ist, gekennzeich- net dadurch, dass wenigstens eines der Niederspannungsnetze (LV4) eine Smart-Meter-Durchdringungsrate kleiner einem fest- gelegtem Schwellenwert aufweist, wobei die Eingangsdaten we- nigstens eine Kovarianz zwischen an den Mittelspannungsknoten (MV2,…,MV4) aggregierten elektrischen Leistungen umfassen, wobei die Kovarianz durch einen bereitgestellten Kovarianz- Wert Cov^ ^^, ^^^ in Abhängigkeit der Anzahl der Haushalte ^^, ^^ in den jeweiligen Niederspannungsnetzen festgelegt wird. 2. Verfahren gemäß Anspruch 1, gekennzeichnet dadurch, dass das Stromnetz (1) mehr als zwei Mittelspannungsknoten (MV1,…,MV4) aufweist, wobei an einem oder mehreren der Mit- telspannungsknoten (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) um- fasst, deren aggregierte elektrische Leistung gemessen wurde; wobei - die zweite Kategorie (K2) Mittelspannungsknoten (MV2) um- fasst, deren Niederspannungsnetze (LV2) eine vollständige Smart-Meter-Durchdringungsrate aufweisen; wobei - die dritte Kategorie (K3) Mittelspannungsknoten (MV3) um- fasst, deren Niederspannungsnetze (LV3) keine vollständige Smart-Meter-Durchdringungsrate und eine Smart-Meter- Durchdringungsrate größer oder gleich dem festgelegten Schwellenwert aufweisen; und 202307903 26 - die vierte Kategorie (K4) Mittelspannungsknoten (MV4) um- fasst, 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 wenigs- tens einem Mittelspannungsknoten (MV4) der vierten Kategorie durch den bereitgestellten Kovarianz-Wert Cov^ ^^, ^^^ in Abhän- gigkeit der Anzahl der Haushalte ^^, ^^ in den jeweiligen Nie- derspannungsnetzen (LV2,…,LV4) festgelegt wird. 3. Verfahren gemäß Anspruch 2, gekennzeichnet dadurch, dass für jeden Mittelspannungsknoten (MV1) der ersten Kategorie (K1) seine elektrische Leistung durch die zum jeweiligen Mit- telspannungsknoten (MV1) zugehörigen erfassten elektrischen Leistungen ermittelt wird. 4. Verfahren gemäß Anspruch 2 oder 3, gekennzeichnet dadurch, dass für jeden Mittelspannungskoten (MV2) der zweiten Katego- rie (K2) seine elektrische Leistung durch eine Aggregation der zum jeweiligen Mittelspannungsknoten (MV2) zugehörigen Smart-Meter-Messdaten ermittelt wird. 5. Verfahren gemäß einem der Ansprüche 2 bis 4, gekennzeich- net 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. 6. Verfahren gemäß einem der Ansprüche 2 bis 5, gekennzeich- net 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. 202307903 27 7. Verfahren gemäß einem der Ansprüche 2 bis 6, gekennzeich- net 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^ ^^, ^^^ in Abhängigkeit der Anzahl der Haushalte in den jeweiligen Niederspannungs- netzen (LV2,…,LV4) festgelegt wird. 8. Verfahren gemäß einem der vorhergehenden Ansprüche, ge- kennzeichnet dadurch, dass der festgelegte Schwellenwert für die Smart-Meter-Durchdringungsrate einen Wert im Bereich von 0,5 bis 0,8 aufweist. 9. Verfahren gemäß einem der vorhergehenden Ansprüche, ge- kennzeichnet dadurch, dass der bereitgestellte Kovarianz-Wert Cov^ ^^, ^^^ 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 vorhan- den sind. 10. Verfahren gemäß einem der vorhergehenden Ansprüche, ge- kennzeichnet dadurch, dass als elektrische Leistungen elekt- rische Wirkleistungen und/oder Blindleistungen verwendet wer- den. 11. Verfahren gemäß einem der vorhergehenden Ansprüche, ge- kennzeichnet dadurch, dass die Eingangsdaten Korrelationen zwischen den Mittelspannungsknoten (MV1,…,MV4) umfassen, wo- bei die jeweiligen Korrelationen mittels der jeweiligen Kova- rianzen gebildet werden. 12. Verfahren zur Zustandsschätzung eines Stromnetzes (1) mit mehreren Mittelspannungsknoten (MV1,…,MV4), wobei hierbei Eingangsdaten, welche Erwartungswerte und Kovarianzen von 202307903 28 elektrischen Leistungen an den Mittelspannungsknoten (MV1,…,MV4) umfassen, verwendet werden, gekennzeichnet dadurch, dass die Eingangsdaten durch ein Verfahren gemäß ei- nem der vorhergehenden Ansprüche erzeugt werden. 13. Verfahren gemäß Anspruch 12, gekennzeichnet dadurch, dass die Zustandsschätzung mittels einer Bayesschen Zustandsschät- zung oder einer WLS-Zustandsschätzung erfolgt. 14. Verfahren zur Steuerung eines Stromnetzes (1) mittels ei- ner Steuereinheit, wobei das Stromnetz (1) mehrere Mit- telspannungsknoten (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. 15. 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.
EP24721869.6A 2023-04-28 2024-04-10 Verfahren zur erzeugung von eingangsdaten für eine zustandsschätzung eines stromnetzes, zustandsschätzung sowie steuerung eines stromnetzes Pending EP4690086A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102023203985.0A DE102023203985B3 (de) 2023-04-28 2023-04-28 Verfahren zur Erzeugung von Eingangsdaten für eine Zustandsschätzung eines Stromnetzes, Zustandsschätzung sowie Steuerung eines Stromnetzes
PCT/EP2024/059651 WO2024223289A1 (de) 2023-04-28 2024-04-10 Verfahren zur erzeugung von eingangsdaten für eine zustandsschätzung eines stromnetzes, zustandsschätzung sowie steuerung eines stromnetzes

Publications (1)

Publication Number Publication Date
EP4690086A1 true EP4690086A1 (de) 2026-02-11

Family

ID=90904249

Family Applications (1)

Application Number Title Priority Date Filing Date
EP24721869.6A Pending EP4690086A1 (de) 2023-04-28 2024-04-10 Verfahren zur erzeugung von eingangsdaten für eine zustandsschätzung eines stromnetzes, zustandsschätzung sowie steuerung eines stromnetzes

Country Status (3)

Country Link
EP (1) EP4690086A1 (de)
DE (1) DE102023203985B3 (de)
WO (1) WO2024223289A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4704280A1 (de) 2024-08-27 2026-03-04 Siemens Aktiengesellschaft Computerimplementiertes verfahren, system und computerprogrammprodukt zur optimierung eines stromverteilungsnetzes
EP4704281A1 (de) 2024-08-27 2026-03-04 Siemens Aktiengesellschaft Computerimplementiertes verfahren, system und computerprogrammprodukt zur optimierung eines stromverteilungsnetzes

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3336995B1 (de) 2016-12-19 2021-07-07 Siemens Aktiengesellschaft Verfahren, steuereinrichtung und system zum ermitteln von zustandswerten zur beschreibung von betriebszuständen in einem teilnetz eines energieversorgungsnetzes
CH717615A1 (de) 2020-07-03 2022-01-14 Bkw Energie Ag Netz zur Verteilung elektrischer Energie und Verfahren zur Strukturierung eines Netzes.
EP4075622A1 (de) 2021-04-13 2022-10-19 Siemens Aktiengesellschaft Ermitteln der netztopologie eines stromnetzes sowie regelung eines stromnetzes

Also Published As

Publication number Publication date
WO2024223289A1 (de) 2024-10-31
DE102023203985B3 (de) 2024-07-04

Similar Documents

Publication Publication Date Title
EP3707798B1 (de) Verfahren zur regelung eines elektrischen leistungstransfers sowie stromnetz
EP4690086A1 (de) Verfahren zur erzeugung von eingangsdaten für eine zustandsschätzung eines stromnetzes, zustandsschätzung sowie steuerung eines stromnetzes
EP3048687B1 (de) Verfahren zur steuerung eines elektrischen energieverteilnetzes
DE102013105444A1 (de) Verfahren zur spannungsstabilisierung in einem elektrischen verteilnetz und vorrichtung hierzu
EP2865063A2 (de) Netzplanerstellung und betriebsführung
DE112017004673T5 (de) Energie-Umwandlungsvorrichtung
DE102015101738A1 (de) Verfahren zum Betrieb einer Energieerzeugungsanlage und Energieerzeugungsanlage
EP3667851B1 (de) Erstellung dynamischer modelle von netzknoten in einem nieder- und/oder mittelspannungs-verteilnetz durch selbstlernenden algorithmus
DE102014115119A1 (de) Verfahren und System zum Überwachen einer Netzspannung in einem Niederspannungsnetz
DE102014000917A1 (de) REGELVORRlCHTUNG FÜR ElNE ELEKTRlSCHE ANLAGE ZUM WlEDERANFAHREN DER ELEKTRlSCHEN ANLAGE NACH EINEM STROMAUSFALL
EP3340413A1 (de) Verfahren, steuereinrichtung und system zum ermitteln von zustandsdaten eines elektrischen energieversorgungsnetzes
EP2834898B1 (de) Verfahren zur bestimmung von messstellen in niederspannungsnetzen und netzmanagementsubsystem zur durchführung des verfahrens.
EP4725093A1 (de) Verfahren und vorrichtung zum betrieb eines batteriespeichers innerhalb einer erneuerbaren-energie-gemeinschaft
EP3664242B1 (de) Prädiktive betriebsplanung in einem mikronetz mit leistungsaustausch zwischen dem mikronetz und einem hauptstromnetz
EP3916944A1 (de) Verfahren zum betreiben eines energieversorgungssystems und energieversorgungssystem
EP3787141A1 (de) Verfahren zum bestimmen eines leistungsanteils, betriebsverfahren, steuereinheit, energiespeicheranordnung und stromnetz
EP4060559B1 (de) Trainingsdatensatz, training sowie künstliches neuronales netz für die zustandsschätzung eines stromnetzes
DE102009006671A1 (de) Verfahren zum Betrieb eines Windparks
DE102018113129A1 (de) Technische Entkopplung eines Micro-Grids
EP4356493B1 (de) Steuerung von energieaustauschen zwischen mehreren an einem stromnetz angeschlossenen anlagen
EP4492631A2 (de) Verfahren zur dezentralen bewertung der versorgungssicherheit, system und computerprogrammprodukt
DE102024206455A1 (de) Bestimmung einer wahrscheinlichen Konfiguration eines Stromnetzes
EP3664243A1 (de) Prädiktive betriebsplanung in einem mikronetz unter berücksichtigung von hochlastzeitfenstern eines hauptstromnetzes
EP3876376A1 (de) Steuerungsplattform für energieaustausche zwischen mehreren energiesystemen sowie energieaustauschsystem
EP4531238A1 (de) Qualitätsverbesserung von niederspannungs-netzzustandsschätzungsverfahren durch simulationsunterstützte topologieverifikation

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20251024

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR