Verfahren zur adaptiven Identifikation von Mittelspannungsteilnetzen durch den Einsatz des maschinellen Lernens

Abstract

Im Rahmen dieser Dissertation wird ein Verfahren zur Identifikation von Teilnetzen in der Mittelspannungsebene entwickelt. Die Besonderheit liegt vor allem in der adaptiven Implementierung und Erweiterung in Ortsnetzstationen durch den Einsatz von Virtualisierungslösungen und Algorithmen des maschinellen Lernens. Der Begriff Teilnetz beschreibt eine physikalisch vom Verbundsystem isolierte und von der Größe unbestimmte Versorgungsstruktur, welche aufgrund auftretender Störungen unbeabsichtigt weiter betrieben wird. Die Modellierung der Testumgebung und die darauf zugrunde liegende Bewertung der Funktionsweise des im Rahmen dieser Arbeit entwickelten Teilnetzidentifikationsverfahrens erfolgt anhand dynamischer Netzsimulationen in MATLAB Simulink© sowie durch eine Hardware-in-the-Loop Simulation unter Verwendung eines Echtzeitsimulators.

In this thesis, a subgrid identification procedure for medium voltage grids is developed. The main feature is the adaptive implementation and scaling in local substations by using virtualization solutions and machine learning algorithms. Subgrids describe supply structures that are physically isolated from the interconnected grid, unspecified in their size and continue to operate unintentionally due to disturbances. The modeling of the test environment and the evaluation of the functionality of the subgrid identification procedure is carried out by dynamic simulations in MATLAB Simulink© as well as by a Hardware-in-the-Loop simulation using a real-time simulator.