Effiziente Bewertung des Anschlusspotenzials von Niederspannungsnetzen für dezentrale Erzeugungsanlagen: Klassifikation mit Methoden der Computational Intelligence

Die Entwicklung optimierter Verteilnetze erfordert einen hohen Bedarf an Investitionsmitteln. Insbesondere auf der Niederspannungsebene gestaltet sich die Steuerung der im regulierten Netzgeschäft verfügbaren Investitionsmittel zur Verstärkung von Netzen auf Grund ihrer sehr hohen Zahl und historisch in Abhängigkeit von lokalen Gegebenheiten gewachsenen Netzstrukturen schwierig. Durch eine Klassifikation der Netze hinsichtlich ihres Aufnahmevermögens für dezentrale Erzeugungsanlagen, wie in diesem Artikel vorgestellt, kann die Menge der zu beobachtenden Netze automatisiert auf eine geringere Zahl „schwacher“ Netze reduziert werden. Weiterhin wird eine strukturierte Möglichkeit zur Auswahl von relevanten NS-Netzen für detaillierte Untersuchungen geschaffen (z. B. Smart Grids oder Flexibilität im Verteilnetz: gelbe Ampelphase). Es wird anhand von 300 realen, ländlichen und vorstädtischen Netzen gezeigt, dass durch Einsatz von Support Vector Machines (SVM) die Klassifikation effizient gestaltet werden kann, da nur eine Teilmenge der zu klassifizierenden Netze bewertet werden muss. Der restliche (große) Teil der Netze kann dann anhand von Merkmalen der Netze automatisch bewertet werden. Der Anteil falsch klassifizierter Netze ist mit 18 % gering.