MotiV - Modelltiefe in Verteilnetzestudien

Abstract

Das Projekt „MotiV“ untersucht den Einfluss verschiedener Detailgrade auf die Ergebnisqualität von Netzstudien. Dabei werden die Herausforderungen der Netzplanung im Zusammenhang mit dem raschen Ausbau erneuerbarer Energien und der Elektrifizierung von Wärme- und Mobilitätssektoren angesprochen. Es wird eine zweistufige Methodik angewendet, die zunächst die klassische, vereinfachte Modellierung erweitert, um verschiedene Aspekte wie detaillierte Szenarien, Regionalisierung, Netzmodellierung und innovative Netzplanungsmaßnahmen zu integrieren. Im zweiten Schritt erfolgt eine Analyse zur Komplexitätsreduktion, um eine angepasste Modelltiefe zu bestimmen, die ein Optimum zwischen Detailgrad, Datenaufbereitung, Rechenaufwand und Ergebnisqualität ermöglicht. Die Ergebnisse unterstreichen die Bedeutung einer detaillierten Netzmodellierung für präzise Prognosen und Planung von Verteilnetzen im Kontext der Energiewende. Anhand verschiedener Untersuchungsperspektiven wird gezeigt, dass eine angepasste Modelltiefe, die den spezifischen Anforderungen der Netzstudien entspricht, entscheidend für die Effizienz und Ergebnisse verschiedener Netzstudien ist. Durch die Anwendung der entwickelten Methodik kann die Modelltiefe bei einer Netzstudie mit Fokus auf Netzausbauplanung flexibel und effektiv angepasst werden.

Datei-Upload durch TIB

The present project examines the influence of different levels of detail on the quality of results in network studies. It addresses the challenges of network planning in relation to the rapid expansion of renewable energies and the electrification of heat and mobility sectors. A two-stage methodology is applied, initially extending classical, simplified modeling to integrate various aspects such as detailed scenarios, regionalization, network modeling, and innovative network planning measures. In the second step, an analysis of complexity reduction is conducted to determine an adapted model depth that allows for an optimum balance between level of detail, data preparation, computational effort, and result quality. The results underscore the importance of detailed network modeling for precise forecasts and planning of distribution networks in the context of the energy transition. Through various perspectives of investigation, it is demonstrated that an adapted model depth, aligned with the specific requirements of network studies, is crucial for the efficiency and results of various network studies. By applying the developed methodology, model depth in a network study focusing on network expansion planning can be flexibly and effectively adjusted.