Lastoptimierung In diesem Kapitel wird die Entwicklung und Implementierung der Optimierung thematisiert. Anders als bei der Lastoptimierang im industriellen Umleld, Stich- wort: Industrielle Microgrids, stellt sich im privaten Bereich die Lage so dar, dass es eine grofle Menge Kleiner Geriite gibt, die im Vorantwortungsbereich von Privat louten liegen. Dies hat zur Folge, dass die ganze Laststeuerung, und -optimicrung, vollautomatisch und konfigurationsfrei ablaufen muss, da es, anders als teilweise in der Industyic, keine Fachleute gibt, die sich um Eintichtung und Wartung kiim- mer wirden. Auferdem fut die Struktur vieler kleiner Haushalte dazu, dass innerhalb des Bercichs der Optizaierung einzelue Abrechnungen pro Hausanschluss stattfinden und das globale Optimum fix die Teiluchuaer nicht wabsnelubar und is relevant ist. Far die Optimierung ist daher statt eines zentralisierten Ansatzes cher ein kooperativer Ansatz zu wablen, in dem die Teilnehmer einen gewissen Einfluss haben, 6.1 Struktur des Energiemanagements Abbildung 6.1 auf der nchsten Seite zeigt die Struktur des hicrarchischen Energiemanagement-System (EMS). Bs basiert auf einer Hierarchie mit drei Bbe- nen. Auf oberster Ebene befindet sich das Ortsnetz-Energiemanagement-System, (OEMS), das in der Ortsnetzstation verbaut ist. Darunterliegend ist jeder Haus halt mit einem Haushalts-Energiemanagement-System (HEMS) ausgeriistet. Auf unterster Ebene verfiigen die steuerbaren Haushaltsgerate tiber ein Gerate-Energic- management-System (GEMS). ‘Um ein universelles Energicmanagement zi schaffen, wird fiir die Umasetzung die im Sonderforschungsbereich 614 “Selbstoptimicrende Systeme des Maschinenbaus” entwickelte Form der hierarchischen Optimierung genutzt, Diese basiert darauf, dass jede Komponente eines verteilten Systems eine lokale Optimierung durchftihrt und dic Ergebnisse so vorverarbeitct an cine hohere Instanz schickt, dic dann dic letztendliche Auswahl trifft. Im Sonderforschungshercich 614 fand diese Methode im “Vernetzten Prifstand” Anwendung [SB13} © Syvinge-Vetlag GasbH Deutschland, in Teil von Springer Nae 2018 KS ‘Stlle, Energiemanagement von Haushaisgrofigeraten. neligente n “Technische Systeme ~Losungen as dem Spitzencaser i's OWL, pot org/101057/9783-662-56398-4. 578 6 Lastoptimierung ma © der Bnergiemanagementeyeteme und de os Kore Vorteil der verteilten Optimierung ist, dass jede Komponente ein Maximum an stemwissen in die Optimierung einbringen kann, das sonst in anderen Systemen vorhanden scin misste. Am Beispicl der Haushaltsgerate fihrt die bierarchische Optimierung dazu, dass der Systemprozess auf dem Gerit optimiert wird und nicht nur zentral in einem Haushaltsoptimierer. Dadurch kénnen mehr Flexibili- taiten genutzt werden, die nicht auf jeglichen Geraten vorhanden und méglich sind Zu solchen Flexibilitaten zahlen unter anderem die Méglichkeit, den Prozess 7 bestimmten Zeitpunkten fiir eme gewisse Zeit zu unterbrechen oder, wie in Ab- schinitt 5.1 auf Seite 69, verschiedene Prozessausprigungen unter Anwendung des Sinnerschen Kreises mu verwenden, Bei einer zentralen Optimierung ist, sofern der vontrale Optimierer nicht tiber das gesamte Prozesswissen der Gerate verfiigt, die Optimierung auf Flexibilitaten beschrankt, die alle Gerite gemeinsam haben. Somit bleibt lediglich die Méglichkeit, den Startzeitpunkt eines statischen Gi zeitlich au verschieben, wie dies mit SGready-Gerdten stattfinden kann.6.3. Optimierung auf Gerateebene 79 6.2 Optimierungsziele Die Optinierung auf den verschiedenen Ebenen findet nach verschiedenen Zielfunk- tionen statt: + Gerite-Energiemanagement-System (GEMS) — Minimicrung der Gesamtstrombosten fiir den Prozessdurchlauf des Gerats = Minimicrung der Prozesslaufveit bei veriinderbaren Prozessabfolgen + Haushalts Encrgiemanagement-System (HEMS) = Minimicrung der Gesamtstromkosten des Haushalts — Maximicrung der GleichfSrmickoit der aus dem Netz entuommenen Leistung + Oxtencta-Energiemanagement-System (OEMS) — Minimicrung von Maximalleistung und Leistungsspitzen im Ortsnetz = Minimicrung der Zusatzkosten durch zur Lastverteilung angewiesene sub- optimale Betriebspunkte der unterlagerten Hauser und Gerite = Faire Aufteilung dieser Zusatzkosten auf die Haushalte 6.3 Optimierung auf Gerateebene Zur Laststouerung muss auf der untersten Ebene jedes steuerbare Gerit ait ei nem Gerate-Energiemanagement-System (GEMS) ausgestattet sein, Dieses System libernimuat alle eratesperifischen Funktionen im Energiemanagement, Der im Ge- rit ablaufende Prozess gehort zu den groflen Geschaftsgeheimmissen eines jeden Hersteller. Die lokale Optimierung eines GEMS befindet sich im jeweiligen Ge- rit und wird vom Geratehersteller entwickelt und programmiert, Dadurch ist es 1noglich, den Betricb lokal im Gerat mit einem Maximum an Systemissen 2x op- timieren. Die Daten, die das Gerit in Richtung HEMS verlassen, stellen mur eine abstrahierte lokal optimierte Abbildung des elektrischen Verhaltens des Gerits dar. Das GEMS muss den Stromtarif fir den zu optimierenden Zeitraum bis zum Planungshorizont (pian kennen, um eine Optimierung auf minimale Kosten durch- fahren zu konnen. Eine Zielfunktion der Optimierung auf Gerateebene ist immer die Minimierung det Gesarntkosten des Provesses, Diese etste Zielfanktion fz iat in Gleichung 6.1 auf der niichsten Seite mathematisch datgestellt, Aber es gibt auch andere Zicle die betrachtet werden sollten, Fur programmigesteuerte Gerate, wie Waschmaschinen, ist eine kurze Prozesslaufzet inkl aller Verschiebungen und Unterbrechungen erstrebenswert, dic allerdings gegenliuf cur Kostemmiuinierung ist, da schuelle Progrannie allgemein mehr Energie verbrauchen. Fur Kahlgerite racht solch ein Ziclallerdings keinen Sinn, wel es kein Prozessende gibt, Bei thet~ tnischen Geriven ist daher als zweites Ziel eine miglicist stabile Temperatur nae80 6 Lastoptimierung dem Sollwert Yt 74 wablen. Die zweiten Zielfunktionen werden mit Jo,2.pr0p br. Jo.2sherm bezeichnet Die lokale Optimierung auf dem GEMS wird durchgefiihrt, um Pareto-optimale Betriebsabliwfe vu finden. Da nur diese lokal voroptimierten M@glichkeiten an das liberlagerte Haushalts-Energiemanagement-System weiter gegeben worden, wird die Komplexitit der dortigen Optimierung deutlich reduziert. Die Zielfunktionen in mathematischer Form lauten: faa = J Pow) e(r)ar (62) Sesame ~ tenis >" — [Progiammtall tarten T Rat Lasungamenge oplimieren ‘Dhertragung Rest ‘Lésungemenge an HEMS ‘Alewalisiorung betuie Planung? ‘Stromtarie Aktualisierung? TLetater Programmteil taut? ‘Abb.6.3 Ablauidiagromm des Gerite-Energiemanagements, (02015 IEEE)84 6 Lastoptimierung wird cer Dijkstra-Algorithmus [Dij59) aus dieser Klasse genutzt, um eine optimierte Programm-Sequenz far programmgesteuerte Haushaltsgerate 7u finden, Dieser wurde ausgewahlt, weil er bei der Suche nach dem optimalen Pfad bei jedem Schritt den ginstigsten an der Wurzel beginnenden Teilpfad fortsetzt und daher schneller zur Lésung finden kann. Das Problem der feblenden Zirkularitatser- zeennung, vor Listugen kat bei diesem Optimierungsproblem ignoriert werden, da dor Graph per Definition sehleifentrei ist. Bin aweiter Punkt bedarf jedoch geson- dester Beachtung. Da der Dijkstra-Algorithius nicht mit negativen Kantenkosten umgehen kann, so dass die Optimalitat der Lésung nicht garantiert werden kann, muss sichergestellt worden, dass alle Kantonstimmen, auch bei negative Stromta~ Xf, positiv sind, Ein anderer potentieller Optimierungsalgorithamus ist der Belliman-Ford-Algo- xithmus Bel56; Fori6). Dieser kann mit negativen Kantenkosten und Zirkulait’- ten im Graphen ungeben. Der Dijkstra-Algorithmus wird aber praferiest, weil ex ‘weniger Knoten hesucht, um die beste Losung au finden 6.3.2.2 Abstraktion des Optimierungsproblems Fir die Rrstellung des das Optimierungsproblem darstellenden Graphen muss eine gewisse Abstraktion angewendet werden, Graphen bestehen aus Knoten und Kan- ten, Bei Routenplanern sind Knoten StraSenkzeusungen und Kanten die Strafien dazwischen. Knoten werden dabei durch ihren Index definiert, Kanten uber die Kantenkosten sowie Quell- und Ziellnoten. Tn diesem Schema kann ein Programmablauf als Pfad durch einen solchen Gra phen beschrichen werden, Ein Knoten stellt dabei einen Programmteil dar, der zu einem bestimmiten Zeitpunkt ausgefithrt wird, Um den Graphen effizient aufbau- en mu kénnen, wird ausitzlich zum Knotenindex der Start- und der Endzeitpunkt, sowie die Stromkosten fiir die Ausfithrung in diesem Zeitintervall, abgespeichert. Die Kanten stellen nur die Verbindung aller Knoten untereinander dar, die die zeitlichen Randbedingungen und die Kausalitat erfillen. Far die Berechnung der ersten Zielfunktion (Prozessgesamtkosten) wird dann fir jede mogliche Kante, die die zeitlichen Randbedingungen zwischen den Knoten erfillt, die Summe der Kos- ten fiir die Programmteilausfihrung und die vorhergehende Pause als Kantenkosten abgespeichert. Fir eine schnelle Berechnung der zweiten Zielfunktion (Prozessend- veitpunkt) werden ausitzlich Knoten mit Linge Null und Kosten Null fir jeden Zeitschritt bis num Optimierungshorizont hinzugefigt. Einen so aufgebauten Gra- phen zeigt Abbildung 6.4 auf Seite 86.6. Optimiening auf Gerateebene 85 6.3.3 Implementierung der Optimierung Die Implementierung der Optimierung arbeitet das Problem in 5 Schritten ab. Dies sind! Erstellung und Berechnung der Knoten Konstruktion der Kanten Pfadsuche Lésungsrekonstruktion Suboptimale Losungen Die gesamte Optimierungsimplementierung basiert auf zeitdiskreten Variable mit Zeitschritten tp. Die diskreten Zeitpunkte werden dabei mit d, diskrete Zeit spannen mit D bezeicanet. Indizes beginnen bei Eins. 6.3.3.1 Erstellung und Berechnung der Knoten Bevor die Kostenfunktion (Gleichung 6.1 auf Seite 80) berecknet wird, miissen die Strompreisdaten, die fir die Berechnung genutat werden, fir alle Sperrzeiten des Gerits ungtiltig gemacht werden. Dadurch werden bei det Berechnung Programm- abliufe, die die Sperrzeiten verletven, automatisch ungiiltig und fallen weg. Eine sperielle Behandlung dieser Zeitriuumne kann so vermieden werden, ‘ach dieser Vorbercitung kana die Knotenmenge K erstellt werden, Dies muss, selbst im Falle von || > 1, also mehrerer angebotener Programmkombinationen, nur einmal durchgefilhat werden. Verschiedene Programmsequenzen setzen sich aus derselben Menge von Komponenten zusammen. K wird in 4 Schritten aufgebaut: Startknoten Die Knotenmenge K wird mit einem Nulllangen-Knoten Ki; initialisiert, Dieser Knoten bildet den Anfang fir alle moglichen Pfade durch den Graphen. Die Zeits- tempel fair Begin und Ende werden logischerweise auf dstart = 1 tnd dente = gosotzt Programmteile Nach der Initialisierung des Startknotens witd eine Sehleife ber alle Programmteile gestartet, die die Gerdtesteuerung in den gelieferten Programmsequenzen verwen~ det hat, Innezhalb dieser Schleife werden die Kosten €[p,d,] fix die Ausfihrung von Programmteil p, beginnend zum Zeitpunkt dj, mithilfe der Formel 14D, eial= oP a, Irdi)-eldi)-ta Vay €[Lsdene— Dy] (6.7)88 6 Lastoptimierung jPaliol , Pash | T= lesb) | Tso ir 12) jp WW? Vorwische, IIWs Houptwicche, SP; Spulen und Schleuder Abb. 6.4 Vorcinfachte Knotenstruktur6.3. Optimierung auf Gerateebene je Palio, P= (6h T= loeb] yp r=0 = [o12b) WW: Vorwische, IIW: Houptwicche, SP: Spulon wad Sahloudem Abb.6.5 Vorcinfachte Knotenetruktur & rulissige Kanten, Sequens: VW1, HW2, SP2 8788 6 Lastoptimierung Palio , P= lion. 7 fob) T= (0:12) WW: Vorwische, IIW: Houptwicche, SP: Spulen wad Sohloudem ‘Abb. 6.6 Vorcintachte Knotenstruktur mit Bester Lisung6.3. Optimierung auf Gerateebene 89 berechnet, wobei D, die diskrete Dauer des Programmteils p bezeichnet. Papi] ist dic vom Gerat in Programmteil p in Zeitschritt i aufgenommene Wirkleistung, [i] bezeichnet den Stromtarif zum Zeitschritt é und trie 1) to riot (6.8) ist das Optimicrungsfonster in Zoitschritten, Alle giiltigen Losungen von Gleichung 6.7 auf Seite 85 werden dann, zusammen mit den Zeitstempeln deta = dy und dente = dy + Dy und der Programmteil- Nummer p, in der Knotenmenge K gespeichert Prozessabschlussknoten ‘Um ohne gusitzlichen Aufwand auch die zweite Ziolfunktion (Gleichung 6.2 auf Seite 80) bestimmen zu kinnen, werden Prozessabschlussknoten fir alle zulassigen Prozessabschlusszeitpunkte exstellt. Diese reprasentieren weder entstehende Kosten noch eine Zeitspanne, sodass sowohl die Linge I = 0, als auch die Kosten € = Ozu Null gesetat werden. Nach der Lésung des Optimierungsproblems gibt der Zeitstem- pel des vom Lisungspfad besuchten Prozessabschlussknotens den Funktionswert der 2weiten Zielfunktion an, Fristknoten AbschlieSend wird noch ein Abschlussknoten Kip. mit Dauer D = 0 und Kosten = 0 definiert, dessen Zeitstempel auf die vom Benutzer vorgegebene Frist de;.e dene = devet gesetat wird, Alle gultigen Pfade missen diesen Knoten erreichen, Erstellte Knotenstruktur Abbildung 6.4 auf Seite 86 zeigt — stark vereinfacht — eine so erstellte Knotenstruk- ‘ur.90 6 Lastoptimierung 6.3.3.2 Konstruktion der Kanten Nachdem die Knotenmenge K erstellt ist, miissen die Kanten zwischen den Knoten exstellt werden, Wie schon erwalnt, muss die Knotenmenge ~ auch bei mehreren méglichen Programmsequenzen — nur einmal erstellt werden. Die Kanten des Gra- phen hangen aber direkt von der Sequenz. ab. Daher miissen sie fir jede einzelne Programmsequeny neu erstellt worden. Abbildung 6.5 auf Seite 87 zcigt die Kno- ten fiir die Sequenx (VWI, HW2,SP2). Dabei sind nur die giltigen Kanten gezeigt. Alle anderen Verbindungen zwischen den Kanten sind nicht méglich, da entweder die Knoten nicht in der Sequenz vorkommen, oder die zeitlichen Randbedingungen, (2.B. Maximaldauer) der Unterbrechungen nicht eingehalten werden. Die Kanten werden in der Tyansitionsmatrix M gespeichert, wobei Mi, die Kante vom Knoten ¢ zum Knoten j bezeichnet. Per Definition sind alle Programmteile in den Elementen von S, (vgl. Glei- chung 6.5 auf Seite $1 und Abbildung 6.2) mit geradzahligen Indizes gespei- chert, Abbildung 6.5 auf Seite 87 zeigt anschaulich, dass die Anzahl der giltizen Kanten im Vergleich zam Quadrat der Knotenanzahl (GroBe der ‘Transitionsma- trix) sehr gering ist, Die Transitionsmatrix ist also diinn besetat (engl. sparse). Bei der Implementierung sollte, um den Speicherbedarf in Grenzen 2 halten, fir die ‘Transitionsmatrix ein auf diimnbesetzte Matrizen spezialisierter Datentyp genutzt ‘werden, der mur die definierten Matrixfelder speichert, Die Elemente der Transitionsmatrix M werden durch eine Iteration ither die Progtammsequenz, $ ermittelt, wobei immnct zwei Elemente (cin Programmteil $41 und die vorangehende Unterbrechung S,) auf einmal verwendet werden. Aus diesen Daten werden zwei Untermengen erzeugt: K, CK besteht aus allen Knoten, die durch den aktuell betrachteten Programmteil definiert werden. Ky CK besteht aus allen Knoten des Programmieils $,_1, der der Unterbrechung vorausgeht (Knoten 1 im Falle des exsten Programmsequenz-Schritts (S2)) Auf Basis dieser Knotenmengen werden dann alle Kanten awischen Ky © Kp und K, CK, exstelt, die die Rabmenbedingungen der Unterbrechung S, erfillen. Die Kante wird dann durch die Berechnung der Kostensumme Mya = Cre, + rau (titel Me); tar) (69) Trin(Si) < tstart(Ks) — trinde(A'p) < Tmax(Si) (6.10) berechnet, wobei Cpause(ti,t2) die Standby-Kosten der Prozessunterbrechung von 1 bis ty beschreibt. Ex, sind die Kosten des von Knoten Kp reprasentierten Pro- grammteil, die vorher durch Gleichung 6.7 auf Seite 85 berechnet und in K gespei- chert wurden. Da die Anzahl der Sequenzelemente per Definition ungeradzahlig ist (siche Glei- chung 6.4 auf Seite 80), wied im letaten Schritt nur noch die letzte Unterbrechung. ohne einen folgenden Programmteil verarbeitet. Dieser letzte Schritt muss daber gesondert behandelt werden. Zu diesem Zweek werden die Sonderknoten am Ende der Knotenmenge genutzt. Alle Knoten in K, haben in diesem Schritt genau eine abgchende Kante zum Prozessabschlussknoten mit dem gleichen Zeitstempel. Die6.3. Optimierung auf Gerateebene ot Unterbrechung selbst wird danach daza gemutzt, alle giiltigen Kanten vom Prozess- abschlussknoten zum Fristknoten zu setzen. Das Problem des Dijkstra-Algorithmus, dass er bei negativen Kantenkosten die beste Lésung nicht finden kann, kann durch Addition einer gentigend grofen Kon- stanten zu allen Kantenkosten gelést werden. Nach Abschluss der Pfadsuche wird dieser Offset dann wieder subtrabiert. ‘Abbildung 6.5 auf Seite 87 zeigt den Graphen mit allen Kanten, die die Rand bedingungen exfillen, 6.3.3.3 Pfadsuche Der Pfadsuch-Algorithmus muss fir jeden besuchten Knoten die Summe der Kan- tenkosten des gtinstigsten Teilpfades speichern. Da die Knotenmenge K, selbst bei der Bearbeitung mehrerer moglicher Programmsequenzen, nur cinmal erstellt wird, ist cine Speicherung in dieser Menge nicht méglich. Stattdessen geniigt aber ein cinfacher Vektor V, der die Kantensummen der einzelnen Pfade unter dem Index des jeweiligen Knotens aufnimmt. Die Linge des Vektors V ist identisch mit der Knotenanzabl, also der Gréfe der Knotenmenge K. Der Vektor muss initialisiert worden mit Viz too Wi (1) Fir die spater erfolgende Piadrekonstruktion wird cin zweiter Vektor R genatat, der jeweils den Vorgangerknoten auf dem kostenoptimalen Pfad abspeichert. Nach diesen Vorbereitungen wird, mithilfe von Algorithmus 6.1, der optimale Pfad durch den Graphen gesucht. 5 fiir Jedes {n/3Mucn} 6 Wonn Mien + Vie < Va dann, t Va = Mien + VK 5 Ru=K 8 Ende wenn 10: Ende fir NK R= (Ky KM = min(V)) 15. Ende solange Algorithmus 6.1 endet, sobald der Pfad zum ersten Mal den Fristinoten Kips, erreicht. Da bei jedem Schritt der beste Teilpfad fortgesetzt wird, ist sichergestellt, dass damit die beste Gesamtlésung gefunden wurde, Abbildung 6.6 auf Seite 88 zeigt den so in dem behandelten Beispiel gefundenen optimalen Pfad.2 6 Lastoptimierung Wenn der Algorithnnus wegen der zweiten Abbruchbedingung, einer leeren Rest Knotenmenge K, beendot wird, ist damit gezeigt, dass es, mit den Rahmenbeclin- gungen, die bei der Kantenerstellung beriicksichtigt warden, keine giltige Lésung gibt. Dies trite meist dann auf, wenn es zi Inkonsistenzen zwischen Sperrzeiten, Prozessdauer und Frist kommt. In diesem Pall muss die Geratekonfiguration durch Léschung von Sperrzeiten oder eine Verschiebung, der Frist angepasst werden Wenn neben der besten Lésung einer Kinzieloptimierung auf die Gesamtkosten ganzer Sat S exstellt werden soll, kann der Algorithms ohne die erste Schleifenbedingung fortgesetzt werden bis K, = 0 silt oder bis die gewiinschte Losungsanzahl erreicht wurde, Lésungen fir die Chertragung 2um HD 6.3.3.4 Lésungsrekonstruktion Jésung (die optimale an Zweck wird Sobald das Optimaierungsproblem gelést wurde, muss die Programmsequenz O fir das Gerit) rekoustruiert werden. Zu dies der Graph rickwatts vom Fristknoten aum Startknoten durchlawfen. Dabei wird ‘ir eine direkte bei jedem Knoten der Vorgingetknoten der Lésung vorangestellt Indizierung kann dic Programmsoquenz-Linge { aus Gleichung 6.4 auf Seite 80 genutzt werden, Algorithinus 6.2 zeigt den beschriebenen Algorithmus, ‘Aigorithmus 6.2 Losungs- Rekonstruktion 1 = 91K) = Ke nist 3: solange 38, a = Re er 6 r=Jik; 7. Ende solange R. ‘Am Ende des Rekonstruktions-Durchlaufs muss i = 0 gelten. Ist dies nicht der Fall, exisiert keine giltige Lésung, Die Zielfunktionswerte (Gleicbung 6.1 und Gleichung 6.2 auf S einfach aus den passenden Knoten extrahiert werden: te 80) kinnen fea = VK = Kevse (6.12) Jor = denae(Ri)| Ki = Kerrie (6.13)6.3. Optimierung auf Gerateebene 93 6.3.3.5 Suboptimale Lésungen Ein Optimiorungssystem auf einer hoheren Hierarchieebene (das HEMS) muss mit emer Menge suboptimaler Losungen versorgt werden, um einen Optimienumgsspiel- raum a haben. Um ausitzliche Lésungen i berechnen, kann Algorithms 6.1 auf Seite 91 fortgesetzt werden, bis alle, oder zamindest ein definierter Teil der Prozessendimoten Ky € By CB mit E= {n3My Kn} (6.14) besucht wurden. E enthilt also alle Prozessendknoten, die eine gtiltige Kante zum Fristknoten Kpyin besitzen. Die Lasungsmenge wird dann rekonstruiert, indem Al- gorithmus 6.2 auf der vorherigen Seite von jedem Prozessendknoten K, © Ey aus ausgefirt wird, Da die giltigen Prozessendknoten das Ende von verschiedenen Pfaden darstellen, ist sichergestellt, dass nicht nur die eine global optimale Losung gefunden wird. 6.3.3.6 Reduktion des Rechenzeitaufwands Anders als im Falle eines Routenplaners oer eines Fabrplanauskunftssystems ist beim vorliegenden Optimierungsproblem die Lange, also die Elementanzahl des Lésungspfads im Vorhinein bekannt. Der am Standard-Dijkstra-Algorithmus orien- tierte Algorithmus 6.1 auf Seite 91 kennt diese Einschrankung nicht und wahlt die Knotenbearbeitungsreihenfolge nach der Sortierung der Teilpfad-Kosten aller Kno- ten, Dadurch bevorzugt der Algorithmus tendenziell kurze Teilpfade und berechnet zunachst alle kurzen Plade nahe des Startknotens, bevor er sich in Richtung Frist- Imoten bewegt. Dadurch werden viele schlechtere Teillésungen berechnet, die fiir die Gesamtlésung irrelevant sind. Dieses Verhalten kann angepasst werden, indem auch die Gesamitenergie als In- tegral der Leistungsprofile der Teilpfadkomponenten berechnet wird. In diesem Fall onnen dann die spezifischen Kosten ¢, = $e (der Quotient Kosten pro Energie) ge- natat werden, um die Rethenfolge der Abarbeitung zu bestimmen. Algorithmus 6.3, auf der nachsten Seite zeigt die Abwandlung von Algorithmus 6.1 auf Seite 91 mit den beschriebenen Anderungen. Fir diese Modifikation muss allerdings sicher gestellt werden, dass es keine Pro- srammteile p; € & gibt, die eine Gesamtenergie von Null haben, da durch diese Energie geteilt wird und so eine Division durch Nall worlage Die susatzliche Berechnung der Energien der Pfade, und insbesondere die Divi- sion zur Bildung der spevifischen Kosten, kosten zusitaliche Rechenzeit. Dies wird aber mehr als kompensiert durch die Praferens langer Pfade mit geringen Kosten fiber kurze Plade, die zwar nominell geringere Kosten aufweisen, aber durch dic Botzachtung der spezifischen Kosten weniger wahrstheinlich zu guten Lisungen sehiren. Die Optimierung des GEMS ist auch ‘Thema der eigenen Publikation (SB15]94 6 Lastoptimierung 2 Vi=oowi Meo Bi=0 5 = 00M 6 solange (Ey #0 und K, 4 @) 7 fiir jedes (n/3M an} & Wenn Micy + Vic < Vy dann, 8 Va = Mien + Vi 10. Ey =SoPo Peto + Be 11 on & 2 Py=k 15 Ende wenn 1 Ende fir OG KAK 16 K= (Ky © Kiley = min(e)} 17. Ende solange 6.4 Optimierung auf Haushaltsebene In diesem Abschnitt wird die Optimierung auf der den Geriten tbergeordneten Ebene, der Haushaltsebene, thematisiert. Der Begriff ,Haus(-halt)* wird dabei v cinfachend und verallgemeinernd fiir alle Verbrauchsstellen von elektrischer verwendet, fir die ein HEMS méglich ist wie z.B. Hinfarilienhaus, Wohnung, Cam- pingplatz ete 6.4.1 Funktionen des Haushalts-Energiemanagement-Systems In Abbildung 6.7 auf der nichsten Seite sind die Funktionen des HEMS und deren Abfolge grafisch dargestelt. 6.4.2 Eingangsdaten der Optimierung auf Haushaltsebene Im Rahmen der Optimierung ethalt das HEMS von jedem mit einem GEMS au gestatteten Gerat einen Satz von Angeboten, in dem die méglichen Betriebsaxten als Leistungsprofile dargestellt sind. Auferdem werden die Zielfunktionswerte der Gerateoptimierung iibertragen. Abbildung 6.8 auf Seite 97 zeigt beispielhaft die Werte der ersten Zielfunktion Kosten fir alle empfangenen Losungen zweier Haus- haltsgerate. Dabei ist deutlich zu sehen, dass es zwischen den einzelnen Angeboten der Angebotsmenge keine Korrelation gibt, was die Anwendung eines richtungsba- sierten Optimicrungsalgorithmus anmoglich macht6.4. Optimierung auf Haushaltsebene 95 Borodming des ofctiven Tokalen Stromtarie [Optimierang der Lesungakombinationen| L Bpeichening der Lasungkombinationen [Gokale Déeungeauswahl] Abb.6.7 Ablauldtiagramm dee Haushalte-Energiomanagemsents, (22016 IEEE)98 6 Lastoptimierung 6.4.3 Optimierungsstrategi Da die cinzelnen GEMS schon darauf optimieren, den kostengiinstigsten Arbeits- punkt auscuwahlen (unter Beriicksichtigung der Prozessgesamtdauer), witrde cine Einzicloptimierung auf die Gesamtstromikosten nur eine Bestatigung der Lésungen liefern, die von den GEMS gefunden wurden. Ein grofer Nachteil dieser Betriebsart, die dieselben Ergebnisse liefert, wie eine unkoordinierte lokale Optimierang auf den Goriten, ist die Tatsache, dass die meisten GEMS den Hauptteil ihrer Leistungs- aulnahme in die Zeit des geringsten Preises legen. Bei einer hohen Markidurcl- dsingung von solchen intelligenten Geriten hat dics dizekt cine Uberkompensation zur Folge. A\us der exwiinschten Lastverschiebung aur Leistungevergleichmasigung wird so sogar eine Verstirkung ciner neu geschaffenen Spitze beim Preisminimur [KBB15). Diese Spitzenbildung ist auch in Abb. 74a auf Seite 126 gut au sehen. ‘Uia diesem Verhalten vorzubeugen, russ eine zweite Zielfunktion beriicksichtigt werden, die die Leistungsunfirmigkeit reprisentiert. Diese Funktion weist beim Auftzeten von Lastspitzen hohe Werte auf, Durch eine Minizaierung dieser Funktion ‘werden Lastspitzen im Optimierungsalgorithmus berticksichtigt und so vermiedlen, ‘Man konnte argumenticren, dass dic Lastspitzenvermeidung auf Haushaltsebenc involevant ist, da den Privatkunden nur die Kostenersparnis wichtig ist. Nur durch die Bericksichtigung der Gleichzeitigkeit von Lasten bereits auf Haushaltschene ann aber eine geniigend grofe Menge unterschiedlicher Lisungen erzeugt werden, die auf hoheren Optimierungsehenen lastspitzenminimierend wirken. Andetenfalls ‘wiirden viele Lésungen mit einer kostonoptimalen Lastspitze erzcugt. Eine sinnvolle Realisierung einer Leistungsungleichmafigkeitsfunktion ist die auadratische Norm (Pyes(t) — P(é) dex Abvweichang von einem Referenzleistungs- verlauf Prey(t) des Haushalts. Diese Referenzleistung, kann auf verschiedene Weise dofiniert worden, Fir P,., kann die durchschnittliche elektrische Leistung des Haushalts gewablt werden, 2 Pose % | Bava (a9) T wobei Py; der elektrische Leistungsverlauf des gesamten Haushalts, gemessen durch das Intelligente Messsystem, ist. Dieser Referenzleistungeverlauf deckt sich aber nur sehr schlecht mit dem norma- len Lastprofil eines Privathaushalts. Deshalb kann es gtinstiger sein, cin Standard Haushalts-Lastprofil, wie das SLP-HO (sieke Abschnitt 4.4 auf Seite 50), 2u nutzen, Diese Variante exgibt eine gute Planbarkeit, ist aber nur cin Durchschnitt ther verschiedenste Haushalte, Eine andeze Maglichkeit ist os, den Durchschnittstages- gang der Haushaltsleistung 2B. des letzten Monats 2u verwenden, Diese Miglich- Kit bildet aaa besten das Lastverhalten des Haushalts ab, wahrend Netzbetzeiber und Stromlieferant zugleich noch eine gewisse Planbarkeit haben. Da Regenerative Energien von Natur aus eine starke Volatilitat im Leistungsprofil aufweisen, wire es auch eine Méglichkeit, die pridizierte Erzeugungskurve als Referenzleistungs- vverlauf fir die HEMS-Optimierung 7m nutzen, Da diese Referenzkurve aber in der6.4. Optimierung auf Haushaltsebene98 6 Lastoptimierung so nN os ° lose be saat net Ch a Tan bones as ‘Abb. 6.9 Mogliche Reforensleistungeverliule fir einen Psivathaushalt an einom Werktag im Frubjahr, normiert auf die Durchschnittsieistung, Mistelwerte uber alle Werktage vor: 08 03 - 10.05.2017 tuiglichen Pradiktion immer verschiedene Verliufe aufweist, sollte eine solehe Op- ing besser auf der OEMS-Ebene stattfinden, Auf Haushaltsebene ist eine statische Referenzleistung vorzuzichen Abbildung 6.9 zeigt die mdglichen Referenzleistungsverlaufe fiir einen Werk tag im Frubjahr. Alle Verliufe sind durch die Bildung von viertelstiindlichen Leis- ‘tungsmittelwerten aller betreffenden Tage far den Zeitraum vorn 08.03. bis zum 10.05.2017 exzougt worden. Die Haushaltsleistungsverliufe basioren auf realen Mess ‘werten des Autors und im Internet veriffentlichten Daten von Privatkunden [Sol Durch die Normierung auf den Leistungsmittelwert sind die Kurven direkt mitein- ander vergleichbar, ‘Wie leicht ma sehen ist, bildet das SLP-H0 die Lastginge der gezeigten Haushalte im Mittel relativ gut nach, Allerdings zeigen sich deutliche Abweichangen in der ersten Tageshalfte. Das Standardlastprofl nimmt weniger Leistung in der Nacht und mehr Leistung am Vormittag an. Hier muss jedoch gesagt werden, dass die Auswahl der Haushalte nicht reprasentativ ist, da die Verfigbarkeit von Haushalts- timies Leistungsmessdaten sehr gering ist Die Optimierung auf Haushaltsebene muss den Vertrag zwischen Kunde und sorger berticksichtigen. Daher bildet die erste Zielfunktion fir. direkt die Stromrechnung des Kunden ab, Stromy6.4. Optimierung auf Haushaltsebene 98 Neben der Bildung von Lastspiten durch die Planbarkeit tiber den bekamnten Stromtarif esteht noch die Problematik der Entstehung hoher Lastgtadienten zu den Tarifwechselzeitpunkten ‘Sch12; Scil3). Diese Problematik wird aber auch tber die zweite Zielfunktion erfasst. Bei der konkreten Optimierangsimplementierang sollte aber hedacht werden, dass Losungen, die an Tarifgrenzen beginnen, nicht egentiber anderen Lisungen praferiert werden sollten, Bei manchen Strukturen kinnte noch eine dritte Zielfunktion notwendig sein. Wenn der Haushalt selbst elektrische Energie erzeugt (2.8. durca PV oder BHKW), s0 soll die Einspeisevergiitung baw. die Binsparung durch Bigenverbrauch maxic miort werden. Diese Maximicrung kinnte durch dic Einfabrung einer dritten Ziel- funktion durchgeftihrt werden. Das Bigenerzcugungsgerat kounte aber auch durch ein GEMS erganzt werden, das Informationen tiber die Rahmenbedingungen der Erzeugung und Einspeisevergiitung haben muss. Das HEMS erhalt dann ein nega- tives Leistungsprofil sowie eine negative Kostenfunktion fo,i.g , wobei g der Index des jeweiligen Erzeugungsgerats im Haushalt ist, Durch diese Struktur verschmilat det Eigenerzeugungsertrag mit der Kostenfunktion, Die Zielfunktionen auf HEMS-Bbene lauten in mathematischer Darstellung fins Sofas (6210 faa om 2 / (nai Ere) ar (27) Trin Auch in diesen Zielfunktionen bezeichnet g die laufende Nummer der ng Gerate im Haushalt Um dem Optimicrungsalgorithmus die Méglichkeit za geben, diese Zielfunktio nen 241 minitnieren, muss das HEMS mit einer gewissen Untermenge der méglichen Loistungsverliufe sowie deren Zielfunktionswerten fc,a.9 (Kosten) versorgt werden, Die Untermenge witd aus den jeweils optimalen Losungen der lokalen Optimierun- gen auf allen GEMSen gebildet, sowie aus leicht suboptimalen Lisungen, um dem HEMS Optimierungsspielraum 2u geben. 6.4.4 Komplexitat des Optimierungsproblems Das Haushalts-Energiemanagement-System muss eine wechselnde Anzabl von steu- exbaren Lasten im Haushalt zusammenfassen und koordinieren, Konkret heift dies, die beste Kombination der yon den Geraten angebotenen Betriebs- und Leistungs- profile zu finden ‘Mit reiner Kombinatorik fidbrt dies zu einer Zahl von vom = Jf mance (6.8)100 6 Lastoptimierung rdglichen Konabinationen. Unter der Annahme, dass etwa nangy * 100 Angebote pro Gerat tbertragen ‘werden, filart dies za einer Zaki won (6.19) Imm Falle von nur zwei steuerbaren Geriiten im Haushalt, z.B. einem Geschitrspiiler und einer Waschmaschine, kinnten die sich ergebenden 10000 Kombinationen noch zu berechnen sein, Aber schon bei einem deitten Gerst (2.B. Waschetrockner) wien cine Million Kombinationen zu berechnen. Alle Optimierungsalgorithmen, die auf Korelationen awischen den Funktionswerten oder auf Differcuaierbarkeit beruhen, ‘wie gradientenbasierte Verfabren, sind bei diesem Problem nicht anwendbar, da es keinerlet Korrelationen awischen den Angeboten gibt. Grafisch gesehen bestebt die Optimierungsoufgabe darin, in Abbildung 6.10 auf der nachsten Seite die Punkte zu finden, die gleichzeitig moglichst niedrig und dunkelblau bis schwarz eingefarbt sind, Diese verbergen sich aber 2wischen den hoheren Funktionswerten um sie herum und jeder Algorithmus, der von Punkt zu Punkt geht, wirde standig nur lokale Minima finden. Die Lésung, die vom Optimierer auf Haushaltsebene gefunden werden soll, ist die Kombination aus jeweils genau einem Leistungsprofl von jedem aktiven Gerat. Die vorgestelite Optimierungsstrategie kann fiir beliebige Anzahlen von Geraten ng angewendet werden. In der Optimierung ist die Anzahl der Lésungevariablen sleich der Anzahl der Gerate. Da eine bere Anzahl von Geraten grafisch ni mehr sinnvoll darstellbar ist, wird in diesem Kapitel, ohne Beschrankung der All- gemeinheit, ein Beispicl unit zwei Geriten hetrachtet. In den Darstellungen werden dafiir die ersten beiden Achsen fir die Indizes der Angebote genutzt. Die dritte ‘Achse und die Farbe konrelieten nur bei Darstellungen einer Zielfunktion. Bei der Darstellung beider Zielfunktionen witd die eine liber die Hohe, die andere ther die Farbe visualisiext. Abbildung 6.10 zeigt das Optimicrungsproblem grafisch. Die vertikale Achse stellt die Leistungsungleichformigheit (2weite Zielfunktion) dar, die Farbe die Ge- samtkosten der Kombination (erste Zielfunktion). Die Lésung kombiniert dann ge- ringe Kosten mit einer geringen Leistungsungleichformigkeit. Letztere wurde hier nur fir die Darstellung fir alle Kombinationen berechnet, In der realen Optimie- rung ist zwar die erste Zielfunktion schnell za berechnen, da es lediglich cie Summe der ersten Zielfunktionswerte der Gerate ist. Fuir die Leistungsungleichformigkeit muss jedoch die Summe aus den Vektoren der Leistungsprofile gebildet werden und dese dann quadriert und diskret integriert werden. Dies ist bei vielen Kombinatio- nen nicht mehr in akzeptablen Zeiten méglich. Um diese Problematik zu umgehen, ‘wird eine Simplex-Vorauswabl (siche Abschnitt 6.4.6 auf Seite 103) angewandt,6.4. Optimierung auf Haushaltsebene 101 Quadratische Abweichung von der mittleren Leistung in W? om 0 9 Io 10 Im 130 Gesamtkosten in c& ‘Abb. 6.10 Ziclfunktionwerte aller moglichen Angebotskombinationen. Die vertikale Achse zeigt tie quadratische Abwoichung der Geessaleisting von ihtem eitichen Durchechnittewert, die Farbe stellt die Gesamthosten dat, (22016 IEEE) 6.4.5 Reduktionsgrad der Vorauswahl In einem ersten Schritt der Optimiorung soll die Anvabl der Angebotskombination nen so weit reduriert worden, dass eine weitere Optimierung mit angemessenem Aufwand mglich witd, ic ist, die nag h besten Lisungen fr cine Ubertragung an die Optimicrung auf Ortsnetzebene ai finden. Bine nabeliegende Vorgehensweise wire es, einfach die nazga Lasungen mit den geringsten Summenkosten zu verwenden. Dies hatte allerdings 2u Folge, dass das 2weite Ziel (die Minimierung der Leistungsspitzen) nicht bericksichtigt wirde. Um dies zu vermeiden, wird zunichst eine Vorauswahl dex nyoraaewahi Kostenminimalen Lésungen vorgenommen und aus diesen damn jene Lésungen ausgewahlt, de die niedrigsten Werte der aweiten Zielfunktion aufweisen. Die Anzahl der in der Vorauswahl bericksichtigten Lasungen ist ein Kompro- zmiss zwischen Erhaltung der Flexibilititsinformationen der Gerateoptimicrang und Berechnungskomplexitat der spateren Minimierung der zweiten Zielfunktion,102 6 Lastoptimierung 2200 2000 1300 1600 1400 z g £ 2 é sD Geeomtosten inc ‘Abb. 6.11 Zieliunktionswerte aller moylichen Kombinationen, sortiert nach den Rnergiekosten imam in der vorderen Ecke), Die erttkale Achse zeigt die quadratische Abweichung von yurchechnitteleisting, die Farbe gibt die Gesstnthosten an. (22016 torauswahl = Mom (a=) (6.20) Definicrte man eine konstante Anza fr dic Vorauswabl, so wiinde die Lésungs- aqualitat anit steigender Anzahl an Geriten rapide scblecter. ‘ivorauwstt definiert nun die Gréfe des 2u konstruierenden Simplex, in dem inn Folgeuden die Lsungen gesucht werden6.4. Optimierung auf Haushaltsebene 103 000 / 000 2000 Aneahl Lésungehombinationen nonuemaat in der Vorauswaht o 2 4 6 8 Ww 2 MW ww ws 2 Gerite im Hashalt nz ‘Abb.6.12 Funktion sur Berechnung der Gréte der Vorauswahlmenge, 6.4.6 Simplex Vorauswahl Die erste Zielfunktion auf Haushaltscbene bescareibt die Gesamtkosten aller mit GEMS ausgestatteten Gerite, In den Angebotsmengen der GEMS werden die Kos- ten des jewelligen Angebots als erster Ziclfunktionswert abertragen. Die Berech- nung der ersten Zielfunktion im HEMS beschrankt sich also auf die reine Addi- tion vorliegender skalarer Werte, Dieser Umastand kann genutzt werden, um eine schnelle Sortierung der Gesamtlésungen durchzufthren. Es geniigt dazu, die Ange- botsmengen nach dem jeweiligen ersten Zielfunktionswert (also den Prozesskosten des cinzeluen Gerits) 2u sortieren, Danach liegt die kostenminimale Lisung als Kombination aller ersten Angebote vor. Auferdem sind Lésungen, die nur wenig teurer sind als die kostenoptimale, als Kombinationen der Angebote am Anfang der sortierten Menge au finden, Die entstehende sortierte Angebotskombinationsmenge ist fur das Beispiel mit zwei Geraten in Abbildung 6.13 auf der nachsten Seite dargestellt. Da die Ange- ote nun sortiert, also in den Kosten monoton steigend, vorliegen, kann auch die Darstellung voreinfacht werden. Abbildung 6.11 auf der vorherigen Seite zeigt die sortierte Form von Abbildung 6.10 auf Seite 101. Nachdem nun alle kostenmini- malen Lésungen in der vorderen Eeke liegen, kann die Farbe genutzt werden, um die Leistungsungleichformigkeit, also die Hohe der Siulen darstellend zu unterstiit-108 6 Lastoptimierung Sortierte Angebo 60 CT a er von Gerit 1 Getsmathosten aller Gerite in o€ ‘Abb. 6.13 Zielfunktion Kosten far alle moglichen Angebotskombinationen, sortiert nach den Energiekosten der einzelnen Clerate (Minimum in der tezen liken Keke). Die etatker hervor- agehobexe Flicke zeigt das ausgewablte Simplex. (02016 IEEE) zen. Abbildung 6.14 auf Seite 107 zeigt die Darstellung aus Abbildung 6.11 auf Seite 102 ima Grundviss, wobei die kostenminimale Lésung in der unteren linken Eke liegt. ‘Mit dieser sortierten Lésungsmenge kann nun eine Vorauswabl getroffen werden, bevor die Leistungsungleichfermigkeit aufwandig berechnet wird. Die kostengtinsti- gon Lésungen befinden sich im Bereich der niedrigen sorticrten Indizes, Im anschau- lichen, zweidimensionalen Beispiel kénnte ein Viertelkreis oder ein gleichschenkliges rechtwinkliges Dreieck mit Mittelpunkt baw, einer Ecke im Koordinatenursprung verwendet werden, um den Bereich einzugrenzen. Der Begriff Koordinatenursprang ist hierbei, je nach Nummerierung der Sortierung, nicht unbedingt der Nullpunkt Wenn die Indizierung I-basiert ist, haben die kostennsinimalen Lisungen den Index 1. Der Koordinatenursprung ist, egal ob 1- oder O-basiert, atch die Kornbination aller ersten Lésungen.6.4. Optimierung auf Haushaltsebene 105 Aufden ersten Blick konnte man auch den in allen Dimensionen positiven Teil ei ner nq-dimensionalen Kugel, also 2.B. im Zwoidimensionalen den Viertelkreis vom Koordinatenursprung aus, als Vorauswahlraum in Betracht ziehen, Dies wiirde das Problem aber nicht exakt abbilden, da eine ng-dimensionale Kugel durch gleichen Abstand zum Koordinatenursprung definiert wird. In der Vorauswabl sollen aber cine Beschrinkung auf Losungskombinationen mit gleichen Gesamtkosten durchge- fahrt werden. Diese Kosten berechnen sich als Summe entlang der Dimensionen, wie auch das Simplex definiert ist Das Dreieck ist die aweidimensionale Ausprigung eines geometzischen Objekts, das allgemein als Simplex bezoichnet wird. Bis zur flinften Dizension gibt es ge- briuebliche Begriffe far Simplizia (Plural von Simplex), die in Tabelle 6.1 daxge- stellt sind, Diese geometrischen Objekte sollen nun dafiy genutat werden, um eine ‘Vorauswabl der Lésungskombinationen zu treffen. Dimensionsanzahl Seba: Syinbol[Sch50]_ Simplexname z co) Drciock 3 {3,3} Tetraeder 4 (3.3.3) Pentachoron Tabelle 6.1 Schlift-Symbole mebrdimensionaler Simplizia Das Kinheits-Simplex mit einer Heke im Koordinatenursprung lisst sich mathe- matisch durch (6.21) beschreiben. Im zweidimensionalen Anschauungsbeispiel stellt Gleichung 6.21 ein rechbwink- liges, gleichschenkliges Drcieck im ersten Quadranten der x-v-Ebene dar Far den Vorauswahlprozess muss das Simplex wertdiskretisiert und skaliert wer den, um myorauswah! Elemente zu enthalten. rgtem, die Anzahl der Elemente im ‘Simplex berechnet sich durch 1 Tee (tenax) = TL imu (622) rit dem Index des Bckpunktes auf der Ach inns Fr dic Vorouswahl werden dann die Werte in iny € N"° so gosctzt, dass git Tielem * MVorauswabl (6.23) Eine genaue Gleichheit kinnte wegen der Diskretisierung auf natirliche Zahlen nicht sichergestelit werden.108 6 Lastoptimierung Wie in der gesamten Abbildung 6.13 auf Seite 104 geveigt ist, kann die Verteilung. der Kosten auf die Gerate sebr unterschiedlich sein. Gerat 1 hat in soinen Angeboten eine deutlich hohere Preisspreizang und auch deutlich hohere Maximalkosten. Die durch Gleichung 6.23 auf der vorherigen Seite ausgewahlten Angebote wiirden aber, ohne weitere Abwandlungen, cin gleichschenkliges, rechtwinkliges Dreieck mit einer Schenkellinge von imag = “Fem (6.24) in die untere linke Keke legen, Um eine gleichmafige Auswahl zu erreichen, sollten also mehr Angehote des Gerats mit den niedrigeren Kosten (in diesem Fall Gerat 2) beritcksichtigt werden, da diese die Gesamtkosten weniger steigern. Far die weiteren Berechmngen wird das touerste Angebot von Gerat 9 als Exons = 9x (Fe.3,nb) (625) defniert, wobet fo1,9,4 die Kosten des k-ten Angebots von Gert g bezeichnet. Dieser Wert wird nun genutzt, um die Ecken des Simplex festzulegen. Je hober die Maximalkosten €inas.g, desto weniger Angebote dieses Gerats werden beriick- sichtigt, indem der Wert Von imacy geseukt wird, Als Parameter wird dazu der Quotient aus Angebotsanzahl nang, Und Maximalkosten €inaxy gebildet. Alterna- tiv zu den Maximalkosten einer Angebotsmenge konnten auch die mittleren Kosten semutzt werden. Dies hat den Vortel, dass einzelne Ausreifer mit sehr bohen Kosten dle Gewichtung der Angebotsmengen weniger beeinflusst. ‘Um dann die berechnete Zielanzahl nyorauewahi Witd eine zentrische Streckung rit dom Skalierungsfaktor » durchgefihrt. oa) oa Das so erzougte Simplex ist in starkeron Farben in der unteren linken Eeke von Abbildung 6.13 auf Seite 104 und in Abbildung 6.14 auf der nachsten Seite dargestellt6.4. Optimierung auf Haushaltsebene 107 Sonterie Angebote von Gerat 1 1400) 1600) 1800 2000 2200 00 Quadeatiacho Abweichung von der mittleren Leiatung in W? ‘Abb. 6.14 Zielfunktion Leistungsungleichformigkeit Sir alle moglichen Angebotskombinstionen fontient nach den Energiekosten der einzelnen Gerste (Min Die in kratiges Barben hervorgehobene Fliche zeigt tum im der unteren liken Feke). ise ausgewablte Simplex, (62016 IEEE) 6.4.7 Optimierung der ausgewahlten Untermenge Boi dor Vorauswahl in Abschnitt 6.4.6 auf Seite 103 wurde nur die exste Zielfunk- tion (Kosten, Gleichung 6.16 auf Seite 99) in Betyaeht gezogen. Nach der Auswahl einer enigermafen kostenoptimalen Lésungsuntermenge wird nun die aweite Ziel- funktion (Leistungsunleichformigkeit, Gleichung 6.17 auf Seite 99) betrachtet, uaa Leistungsspitzen zu mininieren, Abbildung 6.14 zeigt die Leistungsungleichformig- eit aller moglichen Lasungskombinationen, wobei durch die Vorauswahl nur die ‘Werte in der unteren linken Ecke berechnet werden (dargestellt durch starkere Far- ben). Optimiorungsalgorithmen, dio auf Extrapolation, Gradienten oder irgendeiner anderen Korrelation zwischen den Funktionswerten basieren, sind hier nicht an- ‘wendbar. Da das Simplex ole Berucksichtigung der zweiten Zieunktion berechnet wurde, war der Rechenaufwand bis hier cher gering. Nun werden fir die deutlich108 6 Lastoptimierung geringere Anzahl vorausgewablter Kombinationen die Zielfunktionswerte berechnet und die geringsten ausgewablt. Grafisch geschen werden damit die dunkelblauen und sehwarzen Punkte im Dreieck unten links in Abbildung 6.14 auf der vorherigen Seite ausgewahle 2400 2300 stung in W? 2200 2100 2000 00 00 Quadratische Abweichung von der mittleren 70 30 0 jo oa Gesarathosten in c€ ‘Abb.6.16 Mogliche und ausgewilte Lisungen, dargestellt im Bildraum. (82016 IRE6.5. Optimierung auf Ortsnetzebene 108 6.4.8 Lésungen im Bil Die méglichen Lésungskombinationen und die Ergebnisse der Optimiorung kinnen auch im Bildraum, also in der von den Zielfunktionen aufgespannten Ebene, darge- stellt werden. Diese Form erlaubt auch die Darstellung hoherdimensionaler Optimio- rumgsprobleme, da mur die Werte der in diesem Fall zwei Zielfunktionen dargestellt werden. Hinter jedem Punkt verbirgt sich dabei eine Losung in n-dimensionalen Urbildrau Abbildung 6.15 auf der vorherigen Seite eigt den Bildraum des in diesem Ka- pitel behandelten konlroten Beispicls. Die Gesatutkosten sind auf der horizontalen Achse, dic Leistungsungleichformigkeit auf der vertikalen Achse aufgetzagen. Li- sungen sind besser, wenn sie weiter links und/oder weiter unten liegen. Die blauen Punkten zeigen alle aus den Angeboten resulticrenden moglichen Lisungskombinationen, die aber dank der Vorauswahl im normalen Betrieb nicht betechnet werden. Durch die Vorauswabl beschrinkt sich die Menge dex zu berech- nenden Lisungen auf die in rot und griin dargestellten Punkte. Mit der absclie Senden Optimierung werden dann aus den in rot und griin dazgestellton Punkten dic grimen ausgowablt, dic dic Angebotsmenge darstellen, dic einer hoheren Op- timicrungsinstanz (dem OEMS) zur Verfiigung gestellt wird, Wenn kein OEMS -verfiighar ist, wird lokal der Punkt mit dem geringsten Abstand zum Koordinaten- ursprung ausgewahlt Die Optimierung des ITEMS ist auch Thema der eigenen Publikation [Sti+16b]. 6.5 Optimierung auf Ortsnetzebene Aufgrund der geringen Anzahl an Geriten auf Haushaltsebene ist das Potential fiir eine Lastvergleichmafigung far das HEMS stark begrenzt. Auf Ortsnetzebene ist dieses Potential deutlich grofer, da eine koordinative Instanz auf Ortsnetzebene Einfluss auf viel mehr Gerste nehmaen kann, In diesem Kapitel wird das Ortsnetz-Energiemanagement-System (OEMS) vor~ gestellt, das genau diese Funktion tbernimmt.110 6 Lastoptimierung 6.5.1 Eingangsdaten der Optimierung Die Haushalts-Energiemanagement-Systeme (IIEMS) ibertragen bei jeder Ande- rung des Systemzustands der steuerbaren Gerate in ihrem Haushalt eine Angebots- menge, die im weiteren als Gy bezeichnet wird. Eine Anderung des Systemzustand kana das Bofiillen und Konfigurieren eines weiteren Gerats sein, aber auch der Start ines Programmteils, der die Flexibilitaten der weiteren Prozessabfolge einschrinkt. Eine Angebotsmenge besteht aus: + der kostenoptimalen Lisung, bestehend aus dem Leistungsprofil Fiza,1 und dem Wert der giinstigsten méglichen Kosten 44,1 der Provessdurchfthrang, Dieser Wert wird als Ausgangewert genutzt, um dic Zusatzkosten der anderen angebo- tenen Lésungen zu berechnen. + einer gewissen Zahl an Lésungen, die ausgefiihrt werden kinnten, jeweils be stehend aus dem Leistungsprofil Piya, und den entstehenden Kasten 1.4 Die Menge der Lisungen wird nach Kosten sortiert tbertragen, Dic bei der Auswahl der Angebote erechnote Leistungsungleichformigkeit wird von den HEMS nicht an das OEMS abertragen, da aufgrund der nichtlinoaren Funktion obnehin keine weitere kombinatorische Verwendung méglich ist. Bei der Angebotsanzahl muss ein Kompromiss zwischen der Optimierangskom- plexitat und der Losungsqualitat eingegangen werden. Da es sich bei der Optimic- rung um ein kombinatorisches Problem handelt, wachst die Komplexitat dex Berech- nung exponentiell mit der Angebotsanzahl. Auf der anderen Seite wichst mit hihe- rer Anzahl angebotener Lisungen die Flexibilitat und somit ist es wabrscheinlie, essere Lésungen finden 21 kénnen. Als Kompromiss zwischen Optimierungs: sowie UChortragungsaufwand und Losungsqualitat wurde ein Wert von nangenowe * 100 zu dbertragenden Angeboten gevwalt. In Abschnitt 7.2.2 auf Seite 130 wird eine simulative Untersuchung tber die Ab- hngigheit von Lastverschicbepotential, Leistungavergleichmaiguag und Rechen- aufwand von der Angebotsanzahl gezeigt 6.5.2 Optimierungsziele Wie in Abscliitt 6.2 exliutert, ist es das Hauptziel des Lastmanagements auf Ort netzebene, die Maximalleistung so gering wie moglich zu halten, Da die Netzinfra- struktur auf die Maximalleistung dimensioniett sein muss, kann durch die Redukti- on der Leistungsspitzen eine hohere Netzausmatzung erreicht und damit die Kosten gosenkt werden. Diesos Ziel ist auch in den Netzanschlusstarifen fir Gewerbekunden Klar zu erkennen. Die Gebiihren fir den Netzanschluss werden dort auf Basis der Jahresmaximalleistung abgerechnet. Die Minimierung der Maximalgesamtleistung ist daher auch die erste Zielfunktion der Optimierung auf Ortsnetzebene (siehe Glei- chung 6.29 auf der nichsten Seite) Das OEMS liegt rechtlich gesehon auf der anderen Seite des Energielieforvertra- ges. Wahrend alle HEMS in den Zustindigkeitsbereich der cinzelnen Stromkunden6.5. Optimierung auf Ortsnetzebene m fallen, wird der Betrieh ces Ortsnetzes, und damit auch der des OEMS vom Ver~ teilnetzbetreiber verantwortet. Die Haushalte widen von sich aus mur eine Kostenoptimierung durchfithren und damit alle zur selben Zeit mit dem geringsten Strompreis waschen und spiilen, Das OEMS nimmt Einfluss auf die Haushalte und verteilt die Programmplanungen durch passende Auswahl von Angeboten so aber die Zeit, dass die Gesamtleis- tungsaufnahme sich vergleichmaBigt. Nachdem die Abrechnung uber den Strom- vihler als einzigem gecichten Gert im System gesckehen muss, entstehen dadurch tatsichliche zusitzliche Kosten. Bine Abrechnung nach dem gemeldeten Wansch- Leistungsprofil wirde zu einer Bichpflicht einer Registrierenden Leistungsmessung aller Gerate fahren, die weder wirtschaftlich darstellbar noch praktikabel ware. Die durch die Lastvergleichmafigung entstchenden Zusatzkosten sollten aus zwei Grimden minimiert werden, Der erste und nohelicgende ist, dass es Keinen Sinn macht, qusitzliche Kosten za erzeugen, ohne dadurch einen nemenswerten zusitz~ lichen Nutzen zu haben. Der zweite Grund basiert auf dem Sinn des zeitvariablen Stromtarifs, Es werden ja verschiedene Tarife fir verschiedene Zeitpunkte definiert, um einen Anreiz zu schaffen, dic Leistungsanfnahme auf einen Zeitpankt mit ho- hem Angebot zu verschieben, Kine Minimierung der Zusatzkosten sichert also auch einen Betrieb, der sich so gut wie mdglich an der prognostizierten Gesamterzeu- sung im Netz und der voraussichtlichen Leistung nicht steuerbarer Verbraucher orientiert. Die Summe uber alle Haushalte der Kostenunterschiede awischen den gewiinschten Leistungsprofilen und den vor OEMS vorgeschriebenen bildet somit die zweite Zielfunktion (siche Gleichung 6.30) Eine Optimierung mit den beschriebenen zwei Zielfunktion filhrt aber nicht un- bedingt 2u einer fairen Verteilung der Zusatzkosten auf die Haushalte. Eine Még- lichkeit ware ein 2usitzliches Abrechnungssystem, das die Zusatakostenungleichheit awischen den Nachbarm durch Ausgleichszablungen ausgleicht. Diese Lisung hatte aber einen immensen Aufwand zur Folge und warde die weiter oben beschriebenen eichrechtlichen Probleme mit sich bringen. Altemativ kann eine dritte, langerfristi- ge Ziclfunktion eingefilut werden. Dafur werden die Zusatzkosten aber die Dauer einer Abrechnungsperiode (2.B. ein Monat oder ein Jahr) aufsummniert und mit dem Gesamtverbrauch des jeweiligen Haushalts gewichtet. Damit ergibt sich eine gleich- mafige, relative Erhohung der Stromtarife aller Haushalte, Diese Erhohung sollte méglichst gering ausfallen und bildet damit die dritte Zielfunktion (Gleichung 6.31), Die Zielfunktionen auf Ortsnetzebene lauten zusammengefasst: foa =, max (Sen) (629) ms foa = S" A€innas (Tein) (6.30) a foa= x (46% 1s(Tructung)) ~ AE (Tracoane)) (631)112 6 Lastoptimierung ‘wobei Ticinung die Abrechmngsperiode ist, mast die Anzabl der an das Oxtsnety, angeschlossenen Haushalte und Toian das aktuelle Optimierungszeitfenster bis zum Optimicrungshorizont (vgl. Abschnitt 4.2 auf Seite 43). Die Gri8e AGiz,(T") beschreibt die relativen Zusatzkosten des Haushalts h, die ddom jeweiligen Haushalt wegen der Auswahl des OEMS gegentiber der kostenopti- malen Lostmng Pitopt, die lokal ausgewablt. worden ware, entstehen: Eatin ~ Citnin AE nD) = a) (6.32) wobei Gin, die mit dem Angebot dbertragenen Kosten des ig-ten Angebots von Haushalt sind. AE(L) beschreibt dabei die relativen Zusatzkosten BET) =F Yo AG (T) (6.33) Far die Berechnung der dritten Zielfunktion fo, (Gleichung 6.31 auf der vorhe. rigen Seite) miissen die Werte fr eine Abrechnungsperiode gespeichert werden, da die Daten nicht mit Angeboten tbertragen werden, Die Optimierung muss zusitzlich die Maximalleistung Po,max der Ortsnetzstati- on als Randbedingung einhalten: fo $ Posmex (634) 6.5.3 Komplexitat des Optimierungsproblems. Inn folgenden wird davon ausgegengen, dass ein realistisches Wohngebietsortanet, also alle Hiuser, die von einem cinzeluen Ortsnetz-Transformator auf der Span- uangschene 400 versorgt werden, eine Gréfenorduung von hundert Haushalten hhat (nn * 100). Wie schon in Abschnitt 6.4 auf Seite 94 erlautert, muss dem OEMS eine nennenswerte Menge moglicher Betriebsoptionen von den HEMS ange- boten werden, um Freiheiten far die Optimierung auf Ortsnetzebene zu haben as primaire Optimicrungsrie ist, wie in Gleichung 6.29 auf der vorherigen Seite dlefiniert, das Finden derjenigen Angebotskombination, die die geringste Maximal- Gosamntleistung aufweist. Eine Berechnung der Gesarntleistungen aller méglichen Angebotskombinationen ist-aufgrund der schieren Anzabl von Mkombi = MAH, = 10089 = 107” (6.35) Kombinationen nicht cinmal ansatzweise denkbar, da die Maximalgesamtleistung nicht die Summe der einzelnen Haushaltsmaximalleistungen ist und daher die Leis- ‘tungsprofile komplett aufaddiert werden maissen,6.5. Optimierung auf Ortsnetzebene 113 Andere Optimierungsmethoden, die auf Funktionsverliufen oder deren Gradien- ten basieren, sind wegen der fehlenden Korrelation zwischen den einzelnen Ange- boten und den Angebotsmengen auch hier nicht méglich, 6.5.4 Optimierungsstrategie Wie in Abschnitt 6.5.3 auf der vorherigen Seite bereits beschrioben, ist es Suerst wunrealistiseh, unter den dort genannten etwa 102° mdglichen Kombinationen die optimale 2 finden. Um eine optimieste Lisung 2a finden, wird sinnvollerweise Salwitt fir Schiitt vorgegangen, wobei jewels die Angebotstnenge eines Haushalts beteachtet wird. Daz werden der Reike nach die Leistungsprofile aller Angebote By, der nach Kosten sorticrten Menge ©, temporary am Gesantleistungsprofil Pye aller anderen Haushalte hinzw addicrt. Aus den so berechneten Leistungsprof- Jen werden dann alle Lisungen ausgewable, deren Leistungsspitzen den minizalen Wert aufweisen. Dies sind im allgemeinen mehrere Lisungen, die sich nur au Zeit~ punkten abseits des Gesamtleistungespitzenwerts unterscheiden ‘Aus diesen Losungen wird dann mit der zweiten Zielfunktion (siche Glei chung 6.30 auf Seite 111) die endgiltige Losumg ausgewahlt, Dies ist das Ange- bot mit minimalen Kosten aus den vorher ausgewablten Lésungen mit minimaler Maximalleistung Die Strategie, sequentiell dic Leistungsprofile der Haushalte zur Gesamtlcistung, hinzurufigen, hat den groflen Vorteil, dass bei einer Angehotsaktualisierung, wenn also in einem Haushalt ein zusatzliches Gerat eladen oder ein bei einem Gerat ein Programmteil gestartet wurde, nicht die esate Optimierung neu gestartet werden russ. Stattdessen werden die Leistungsprofile Py.g,, der ausgewablten Lisungen Joeath MWischengespeichert und bei ciner Aktualisierung von der Gesantlistung Poe subtrabiert, bevor die Optimicrung durchgefuhst wied. Bic Benticksichtigung der dritten Ziclfunktion (siche Gleichung 6.81 auf Sei- te 111), die die gereehte Verteilung der Zusatzkosten auf die angeschlossencn Haus- halte beschreibt ist am schwierigsten. Wenn eine Angebotsaktualisierung nur durch Optimiening der Angebote dieses cinen Haushalts stattfindet, kann auch nur diesex betrachtet werden. Fur eine gerechto Verteilung der Zusatzkosten miissten aber al- Je Haushalte auf einmal betrachtet werden. Dies wire nur méglich, wenn bei jeder Optimierung eine komplette Nevoptimierung durchgefidort wiirde. In diesem Falle wirde die Reihenfolge innerhalb der Schleife ber die Summe der Zusatzkosten (wie in Gleichung 6.31 auf Seite 112) festgelegt, wobei der Haushalt mit der hochsten Summe von Zusatzkosten zucrst bearbeitet wird. Dieser kann in der noch leeren Lésungsmenge sein ginstigstes Angebot platzieren, Mit jedem weiteren Haushalt riissen dann teurere Kompromisse gewahlt werden, weil die giinstigen Momente schon belegt sind. Durch diese standigen Neuoptimierungen wiirden aber auch alle Houshalte neue Lasungsauswablen bekommen, sobald sich an irgendeinem Gerat im Ortsnetz etwas andert. Es wiirde also stindig umgeplant Die Problematik der gorechten Verteilang der Zusatzkosten proftiert aber vor zufalligen, nicht korrelierton Verhalten der Benutzer. Am dieser Stele sei auf das14 6 Lastoptimierung Sinnulationsergebnis in Abschnitt 7.2.4 auf Seite 133 hingewiesen, das zeigt, dass sich die Zusatzkosten tiber einen lingeren Zeitraum, der ja durch lange Abrech- mungsperioden im Allgemeinen vorliext, gleichmasig auf die Haushalte aufteilen, ohne dass dies dezidiert im Optimierungsproblem berticksichtigt werden muss. 6.5.5 Algorithmus Der Algorthimus mur Lésung dieses Optimierungsproblemns it in Algorithinus 6.4 als Peendocode dargestllt. Die Idee dahiater ist, zuerst ein Gesamtlestungspro- fl Dey mit der pradzierten Residuallestung aller nicht steuerbaren Verbraucher and Erzouger 2a initalseren. Damit wird auch dic tageezcitabhingige Leltung aller anderen Gorite bei der Lastvergeichmafigung berictaichtgt, Fur dic Erstl- lung der pradiierten Residualleisting kiunen die Haushalts-Standaydlastprofile (eiche Abschnit 44 auf Seite 50) oder die in Abschnitt 46.5 auf Seite 60 erwahn- ten Pradiktionnaethoden geuutat werden, Anschlieend werden der Rethe nach ale Teistangsprofi der won den angeschossenen Tawshalten vorliegenden Angebote fins nach dem anderen, temporss ram Gessnslestungsprofl adie ‘Rigorithmus 64 Brster Optinicrmngsdurchlaut Bingaber Gy: Angebotsmenge aller altiven Haushalte B.,.:Pradisirte Residualleistung aller nicht steuerbacen Verbraucher und Eraeuger 2: fiir jodes hE NIL < hk < new 2 wenn 20, dann Pe oo 5: fir jedea 3B, © O 6 Baum = (yas + Bo} t worn mix (Pq) Pauw dann ‘ ° 6 Ende fir Pro Haushalt wird dann das Suamenprofl Poum = (Pees + Pas) (6.36) mit der geringsten Maximalgesamtleistung ausgewahlt und das Gesamtleistungs- profil P,., auf dieses Summenproflgesctzt. Wenn mchrere Angebote zur derselben minimalen Maximalleistung fihren, kommt die zweite Zielfunktion, die Minimie- rung der Zusatzkosten, zum Tragen. Dies ist im Allgemeinen bei allen Angeboten6.5. Optimierung auf Ortsnetzebene 15 der Fall, die sum Zeitpunkt der Maximalgesamtleistung Null sind. Da die Angebo- te der Haushalte jedoch schon nach Kosten sortiert sind, reduziert sich die zweite Zielfunktion auf die Auswahl der ersten Lésung mit minimaler Maximalleistung. Spiter bearbeitete Angebote weisen hohere Kosten auf und sind daher nur eine Lésung, wenn dic Maximalgesamtleistung geringer ist. Dies reduziert gleichzeitig den Speicheraufwand, da nicht alle Lésungen bis zur Auswahl zwischengespeichert worden miissen, sondern die beste Lasung nur bei Vorliegen einer besseren Losung cersetzt wird, 5 Rr jodes 132, € &n (Pras + Pas) 5 wenn max(P,,..) © Paae dann Ree = ma Boag) tema nd 2 5 0 Ende wenn Ende fir or = Pa Der Rechenaufvand kann noch weiter redusiert werden, indet vor jedem Ite- rationsschrtt uber die Haushalte die Maxiinalleistung des Gesatntlistungsprofils bestimmt witd. Findet sich unter den vorn Haushalt angebotenen Leistungsprofilen eines, das diesen Wert nicht erhoht, das also zum Zeitpunkt der Maximalgesamtleis- tung Null ist ist dieses auch die optimale Lésung und die Schleife kann abgebrochen worden, Dies git jedoch nur unter der Nebenbedingung, dass die Leistangsprofile har positive Leistungen enthlven dirfen, es also keine Binspeisang gibt. Um den allgemeinen Fall nicht zu beschrinken, wird diese Abbruchbedingung aber nicht ‘weiter betrachtet Die Prozedur wind nacheinander fir alle Taushalte wiederholt. Zsitlich wird das Leistungsprofil des gewahlten Angebots Py.y,y, fir den jeweiligen Haushalt ‘fir eine Aktualisierungsoptimicrung wischongespeichert. AbschlieBend wied dex Index dos ausgewablton Angebote fnar.s an das jowelige Hatshalts-Bnergiemana- xement-System (HEMS) gesendet, woraufbin dieses die thm tantersteliten Gerite tnteprochend informiert Diese Optimicrung muss nur ¢inmal 2u Beginn durchgefihrt werden, da das Ge- samtleistungsprofl eine Superposition der cinzelnen Haushaltsleistungsprofie ist Zu spateren Zeitpunkten senden die Haushalte bei new altivierten Geraten sowie tit dem Prozessfortschritt dor laufonden Geri immer wieder noue Angebotstuen- sen, dic dio Restfiailititen reprisonticren, In diesen Momenten wid dann cinc ‘Atcualisicrungsoptimierung, wie sie in Algorithms 6.5 gezeigt ist, gotartet. Dic-118 6 Lastoptimierung Maximalieistung initialisoren: Pg Batecheidungaindoe ‘ives an HEMS Thsenden [Warten auf neue Angebote von HENS Ea fous Angebotemenge , von TEMS h emplange Pave = Eni ilschenspeicher [Angebotamnenge Op nach Kosten sortieren Bntecheldungsindex joan = —1 initilisieren (ungiltige Losung) Terationsindex initialisoren j = 0 (Bvstes Angebot) J [Maximallevang Fracx ie inaliore] ‘ke Lavang, wenn vorhanden, lschon ee ee ee nein Angebot verfaghar: Ons € On? is Gevartivitimaaprall aire Pras, Teistungaeitesgetinger? mar (Prim) < Pan ? Maximalleavang aKtualiierem P,,, — ma (Prag) T necheidungaindex aktualisiven’ Foon Werationsindex erhihen: 7 = 47 Abb. 6.46 Ablautdiagramnm des Ovteneta-Energiemanagements, (62016 IEEE)6.6. Notwendige Optimierungshardware 7 se Prozedur ist in Abbildung 6.16 auf der vorherigen Seite als Ablaufdiagramm, dargestelt Im Gegensaty 7u Algorithmus 6.4 auf Seite 114 witd dabet keine Neuoptimierung vorgenommen, sondern lediglich eine Aktualisierung fir den Haushalt durchgefihet. Dam wird das zwischengespeicherte ausgewahlte Leistungsprofil P,_.,, vom Ge- samtleisungsprofil Pz., abgezogen und dann die Suche des passendsten Haushalts- Ieistungsprofils, wie in Algorithmus 6.4 auf Seite 114, aber nur fr diesen cinzelnen Haushalt h durchgeftihet. Die Optimierung des OEMS ist auch Thema der eigenen Publikation [Sti+16al 6.6 Notwendige Optimierungshardware ‘Zax Unisetzang der in diesem Kapitel vorgestellten Optitnierung miissen alle betei- ligten Systeme tiber Rechenkapazitaten verfiigen und untereinander vernetzt sein Bei der Vernetzung kénnen prinzipiell alle digitalen Ubertragungstecaniken um. Einsaty: kommen. Es muss allerdings sichergestellt werden, dass die Struktur des Stromnetzes auf die Kommunikation abgebildet werden kann. Alle Optimierer miis- sen Verbindungen 2u den ihnen untergebenen Systemen haben und diese auch als solche identifizieren konnen. Als Kommunikationskanal ist daher eine stronlei- tungsgebundene Kommunikation (sog. Powerline Communication) 2u praferieren, da bier die Optimiermgsstruktur und die Kommunikationsstruktur kongruent sind. Ubertragungsprobleme, die haufig bei Powerlino-Verbindungen hoherer Bandbrei- te auftreten und diese Technologie in Verruf gebracht haben sind beim hier vor- xestellten Optimicrungskonzept inrelevant, da weder starke Echtzeitanforderungen, bestchen noch grofe Datenmengen zu iibertragen sind. Bei der Betrachtung der notwendigen Rechenhardware muss man beriicksich- tigen, dass modeme Haushaltsgerate oft bereits iiber Prozessoren verfigen, dic den Programmablauf steuern und tetls Komfortdienste, wie die Anbindung an ci- ne Handy-App, bieten, Auf solchen Geraten ware die Implementierung eines 7a sitzlichen Optimierers fir das Energiemanagement mit keinen oder nur geringen ‘Zusatzkosten verbunden. Auf Haushaltsobene ist das Intelligente Messsystem, das Dendtigt wird, um den Verbrauch zeityenau zu erfassen, der gréfite Kostenpunkt. Da der Binbau solcher Systeme aber schon im Gange ist (vgl. Abschnitt 4.3 auf Seite 48), stehen diese Kosten aber nicht oder nur in geringem MaBe im direkten Zusammenhang wit der vorgestellten Lastoptimicrung. Fir die Optimierung auf Haushaltscbene kinnten statt eines einzelnen Computersystems auch die Rechenka- pozitaten im Smart-Meter-Gateway oder im Internetrouter zum Binsatz kommen. ‘Als Rechensystem mit den hichsten Kommunikationsanforderungen ist der Orts- netzoptimierer zu sehen. Dieser ist aber nur einmal pro Ortsnetzstation notwendig, und kann parallel auch fiir die Zustandsmessung und -auswertung des Netzes ge- natat werden,118 Literaturverzeichnis Alles in allem niuss bei der Betrachtung des Gesamtmutzens beriicksichtigt wer den, dass die zusatzliche Hardware mit Kosten verbunden ist, die durch Einsparan- gen bei den Energickosten kompensiert werden miissen. 6.7 Zusammenfassung In dieser Kapitel wurden die Funktionen einer hierarchischen Optimicrung von der Geratechene bis aur Ortsnetzebene vorgestellt, Die Optimierangsprobleme un- terschoiden sich dabei auf den Ehenen. Auf unterster Ebene steht der planbare Gerateprozess sowie dessen Flexibilititen im Vordergrund. Das Finden guter Pro- grammablaue, also einer Abfolge definierter Komponenten, gleicht dabei einer klas- sischen Pfadsucke. Auf den héheren Ebenen stellt sich das Optimierungsproblem Kombinatorisch dar. Es miissen aus einer groSen Menge mbglicher Lasungen die besten Kombinationen gefunden werden. Da die méglichon Lsungen aber bewusst in ein allgemeines Schema passen miissen und keine Korrelation zwischen den an- gebotenen Einzelldsungen bestebt, sind viele Optimicrungsmethoden dabei nicht anwendbar. Fine vollstandige Enumeration ist aufgrund der Menge der méglichen Korbinationen allenfalls noch bei zwei Geriiten auf Haushaltsebene miglich, Zur Lisung wurden Algorithmen gewillt, die zwar nicht notwendigerweise das glabale Optimum finden, aber eine sehr gute Korbination, Die Verbesserung durch das Auflinden des globalen Optimus stiude aber in keinem Verbiltnis zum dafi notwendigen Zusatzaufwand Im nachsten Kapitel wird das entwickelte Optimierungssystem nun simulativ untersucht, Literaturverzeichnis [Bels6] RR, Bellman. On @ routing problem, DTIC Document, 1956 (siehe S.84) [Dij59] EE, W. Dijkstra, ,A note on two problems in connexion with graphs" In; Numerische Mathematik 1.1 (1959), S, 269-271 (siche S. 84). [Fors] LR, Ford Jr. Network flow theory. DTIC Document, 1956 (siche S.84) [KBB15] _S. M. Krause, S. Borries und 8. Bornholdt. ,eonophysics of adaptive power markets: When a market does not dampen fluctuations but amplifies them", In: Physical Review E. Bd. 92. American Physical Society, Juli 2015, $. 012815 unt: htep: //Link. aps .org/doi /10. 1103/PhysRevE 92012815 (siohe S. 96)