Titelaufnahme

Titel
Eine statistische Betrachtung der Abrufmengen von Sekundär- und Tertiärregelenergie in Österreich / von David Lun
Weitere Titel
Statistical Analysis of the Control Reserve Energy in Austria
VerfasserLun, David
Begutachter / BegutachterinScherrer, Wolfgang
ErschienenWien, 2017
Umfangvi, 105 Seiten : Diagramme
HochschulschriftTechnische Universität Wien, Diplomarbeit, 2017
Anmerkung
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Regelenergie / Prognose / Tobit Modell
Schlagwörter (EN)control reserve energy / forecast / tobit model
URNurn:nbn:at:at-ubtuw:1-95237 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Eine statistische Betrachtung der Abrufmengen von Sekundär- und Tertiärregelenergie in Österreich [15.17 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Eine wesentliche Eigenschaft von Stromnetzen ist, dass sie keine Elektrizität speichern können. Jedoch muss für die ordnungsgemäße Funktion die Entnahme stets der Einspeisung entsprechen. Regelenergie hat die Aufgabe dieses Gleichgewicht aufrecht zu erhalten. Der Bedarf nach Regelenergie ist schwer prognostizierbar, weswegen stets Reserven vorgehalten werden müssen. Kraftwerksausfälle sowie Stromerzeugung durch volatile Energieformen wie Wind- und Solarenergie sind einige der möglichen Treiber von Regelenergieabrufen. In dieser Arbeit werden Abrufmengen von Sekundär- und Tertiärregelenergie in Österreich untersucht. Hierfür werden die Zeitreihen der Abrufmengen mit viertelstündlicher Auflösung zunächst einer deskriptiven statistischen Analysen unterzogen. Diese umfassen eine Interpretation der Autokorrelation, die Identifikation von saisonalen Mustern und Tests auf Stationarität der datengenerierenden Prozesse. Außerdem wird der Zusammenhang zwischen Abrufmengen von Regelenergie und Variablen des Strommarkts im Rahmen verschiedener Modelle der Ökonometrie untersucht. Diese umfassen ein lineares Regressionsmodell, ein Tobit Modell, SARIMA und gewichtete k-Nearest Neighbour Regression. In den unterschiedlichen Modellansätzen werden jeweils die Variablen mit dem höchsten Einfluss auf die Abrufmengen herausgearbeitet. Die einflussreichsten Variablen sind in sämtlichen Modellansätzen die Windeinspeisung beziehungsweise der assoziierte Prognosefehler und der ungewollte Stromaustausch der österreichischen Regelzone mit anderen Stromnetzen. Des Weiteren werden Intraday-Prognosen erstellt und evaluiert. Die Ergebnisse der Prognosen werden anschließend miteinander verglichen, wobei das lineare Regressionsmodell und das Tobit Modell die besten Ergebnisse liefern.

Zusammenfassung (Englisch)

Electricity grids cannot store energy. In order for an electricity grid to function, generation of electricity has to equal consumption at all times. Balancing energy is responsible for maintaining the equilibrium between supply and demand in an electricity grid. The demand for balancing energy is notoriously hard to predict, so control reserves should always be available. Blackouts of electricity generating units as well as generation from volatile sources such as wind and photovoltaic energy are some of the possible driving forces behind balancing energy. This thesis contains a statistical analysis of quarter-hourly time series data of the secondary and tertiary control reserves in Austria. The empirical autocorrelations are interpreted, seasonal components are identified and tests for unit roots are applied to the time series under consideration. Furthermore econometric models are used for modeling the dependencies between balancing energy and other variables of the electricity market. In particular a linear regression model, a Tobit model, SARIMA and weighted k-Nearest Neighbour Regression are considered. The most influential variables are the same for all considered models: electricity generation from wind energy and the associated forecast error as well as unintentional import/export of electricity between the Austrian control area and other control areas. In addition intraday-forecasts are computed and evaluated. Comparing the results shows that the linear regression model and the Tobit model produce the best results.