Entwicklung eines netzseitigen Lastmanagements auf Basis intelligenter nichtlinearer Systemidentifikation zur Vermeidung von Transformator-Lastspitzen in einem Niederspannungsnetz
Publication date
2025-03-25
Document type
Sammelbandbeitrag oder Buchkapitel
Author
Organisational unit
Publisher
Universitätsbibliothek der HSU/UniBw H
Book title
Hamburger Energieinfrastruktur – Anforderungen, Problemstellungen und Lösungsansätze
First page
129
Last page
135
Part of the university bibliography
✅
Language
German
Keyword
Systemidentifikation
Lade- und Lastmanagement
Lastspitzenglättung
Maschinelles Lernen
Abstract
In deutschen Stromnetzen ist die Vorhersage zur Vermeidung von Überlast eine anspruchsvolle Aufgabe. Eine wenig digitalisierte Infrastruktur sowie eine strenge Datenschutzvorgabe erschweren die Vorhersage von Lasten in Netz und damit das präzise Reagieren auf Überlast. In diesem Beitrag wird ein intelligentes Last- und Lademanagement für die Integration der Elektromobilität vorgestellt, welches auf neuronalen Netzen basiert, und Lastspitzen in einem deutschen Niederspannungsnetz reduzieren kann. Nach einem prädiktiven Regel-Ansatz wird eine neuronale Netzarchitektur als Systemidentifikator dienen und dazu genutzt werden den richtigen Leistungspegel für das Laden von Elektrofahrzeugen zu bestimmen und die Last somit intelligent im Niederspannungsnetz zu verteilen.
Version
Published version
Access right on openHSU
Open access