Search

Durch die zunehmende Erzeugungsleistung auf Niederspannungsnetzebene (NS-Netzebene) durch Photovoltaikanlagen, sowie die Elektrifizierung des Wärme- und des Verkehrssektors sind Investitionen in die NS-Netze notwendig. Ein höherer Digitalisierungsgrad im NS-Netz birgt das Potential, die notwendigen Investitionen genauer zu identifizieren, und damit ggf. zu reduzieren oder zeitlich zu verschieben. Hierbei stellt die Markteinführung intelligenter Messsysteme, sog. Smart Meter, eine neue Möglichkeit dar, Messwerte aus dem NS-Netz zu erhalten und auf deren Grundlage die Stellgrößen verfügbarer Aktoren zu optimieren. Dazu stellt sich die Frage, wie Messdaten unterschiedlicher Messzyklen in einem Netzautomatisierungssystem genutzt werden können und wie sich das nicht-lineare ganzzahlige Optimierungsproblem der Stellgrößenoptimierung effizient lösen lässt. Diese Arbeit befasst sich mit der Lösung des Optimierungsproblems. Dazu kommt eine Stellgrößenoptimierung nach dem Merit-Order-Prinzip zur Anwendung.

Актуальність теми . Споживання електричної енергії населенням займає більше 30 % від загального електроспоживанням та в останні десять років воно тільки збільшується, тому ця категорія споживачів здійснює відчутний вплив на криву електронавантаження. Проблемним питанням є поганий облік електричної енергії, застарілі мережі, добовий графік електричного навантаження, його піки, провали. Оскільки в Україні вступив Закон «про ринок електричної енергії» споживачам потрібно задуматися та почати економити свої кошти. Мета дослідження. Вдосконалення та раціональне використання систем обліку, для підвищення енергоефективності систем обліку комунально- побутового споживача. Завдання дослідження. Аналіз сучасних систем обліку комунально- побутового споживача, розгляд концепції управління попитом, аналіз впливу зміни поведінки електроспоживачів на криву електроспоживання, розробка та впровадження АСКОЕ на об’єкті. Об’єкт дослідження. Системи автоматичного обліку комунально- побутового споживача. Предмет дослідження. Smart-лічильник, система АСКОЄ. Методи дослідження. В магістерській дисертації було використано наступні методи: системний підхід до моніторингу управління електроспоживанням, сценарний аналіз щодо управління моніторингом електроспоживання, методи прогнозування в управлінні моніторингу електроспоживання, SWOT-аналіз в управлінні моніторингу 6 електроспоживання, рівномірний закон розподілу при вимірюванні електроспоживання, статистичні методи застосовані при формуванні системи моніторингу електроспоживання, нормальний закон розподілу при вимірюванні електроспоживання Обґрунтування наукової новизни. Розроблено стартап пристрою на базі платформи Arduino для опитування електронних лічильник по оптичному порту, з подальшої реєстрації даних, зберігання і передачі їх по RS485, Ethernet, WIFI, Bluetooth, яка може бути використана операторами систем розподілу електроенергії для прогнозування попиту. Actuality of theme. Consumption of electricity by the population accounts for more than 30% of total electricity consumption and in the last ten years it has only increased, so this category of consumers has a significant impact on the electricity load curve. Problematic issues are poor electricity metering, outdated networks, daily schedule of electrical load, its peaks, failures. Since the Law "On the Electricity Market" has entered Ukraine, consumers need to think and start saving their money. The aim of the study. Improvement and rational use of metering systems to increase the energy efficiency of metering systems of household consumers. Objectives of the study. Analysis of modern utility consumer metering systems, consideration of the concept of demand management, analysis of the impact of changes in the behavior of electricity consumers on the power consumption curve, development and implementation of ASKOE at the facility. Object of study. Systems of automatic accounting of the communal household consumer. Subject of study. Smart-counter, ASKOE system. Research methods. The following methods were used in the master's dissertation: systematic approach to power consumption management monitoring, scenario analysis for power consumption monitoring management, forecasting methods in power consumption monitoring management, SWOT-analysis in power consumption monitoring management, uniform distribution law in power consumption measurement, statistical methods power consumption monitoring, normal distribution law when measuring power consumption 8 Substantiation of scientific novelty: Developed a startup device based on the Arduino platform to survey electronic meters on the optical port, with subsequent data registration, storage and transmission over RS485, Ethernet, WIFI, Bluetooth, which can be used by operators of electricity distribution systems to forecast demand.

Electricity theft remains a huge loss incurred by electricity distribution companies. This theft arises majorly because of activities carried out by consumers such as energy-meter by-passing, energy-meter tampering etc. This research study offers an approach for handling energy meter by-passing and tampering. The system design is based on the monitoring of the readings of two current sensors by a programmed microcontroller. While one of the current sensors monitors the current drawn by the user’s load, the latter installed before the meter monitors current drawn by all loads. Any discrepancy between the values read, indicates theft. A momentary switch is also installed in the meter to trigger the meter once it is tampered with. Furthermore, the user is provided with a remote access to the energy meter for recharging energy units and for monitoring energy consumption. It was observed that the system accurately measured load consumption and detect any attempt to by-pass or tamper with the energy meter. Lastly, all unscrupulous attempts were reported using GSM technology.

Integrating cognitive radio into the current power grid is designed to enable smart communication and decisions within the grid. Communication within the grid is not feasible without channel(s) and most studies have emphasized the use of cellular spectrum. This study proposes a strategy that enables the use of television white space (TVWS) within the grid. To be specific, we propose using a next-generation utility network (Next-GUN), which leverages on the cognitive radio (CR) channel aggregation capability. This strategy enables the aggregation of idle TVWS into a usable channel, thus making the Next-GUN different from the traditional power network. Next-GUN differs in terms of security, reliability, self-awareness, and cross-layer compatibility to the interface, and conveys different traffic classes, thereby making it a hybrid system. It has no dedicated channel assigned to it, and hence, utilizes the idle TVWS opportunistically to transmit data. The proposed scheme was modelled as a Markovian process and analyzed using a continuous time Markov chain (CTMC). Extensive system simulations were performed to evaluate this proposed model and the corresponding comparison with the literature was done to see the improvement. The result of our comparisons shows that when channels are aggregated, more data/information are transmitted. In addition, the use of cognitive radios on a power network enables smart transaction because idle TVWS is utilized instead of congesting the GSM spectrum. Lastly, the power utility establishment can save the cost of paying for a licensed spectrum.

To improve the living standard of urban communities and to render the healthcare services sustainable and efficient, e-health system is experiencing a paradigm shift. Patients with cognitive discrepancies can be monitored and observed through the analyses of power consumption of home appliances. This paper surveys recent trends in home-based e-health services using metered energy consumption data. It also analyses and summarizes the constant impedance, constant current and constant power (ZIP) approaches for load modelling. The analysis briefly recaptures both non-intrusive and intrusive techniques. The work reports an architecture using IoT technologies for the design of a smart-meter, and fog-computing paradigm for raw processing of energy dataset. Finally, the paper describes the implementation platform based on GirdLAB-D simulation to construct accurate models of household appliances and test the machine-learning algorithm for the detection of abnormal behaviour. Part of proceedings: ISBN 978-1-905824-63-2QC 20211012

With the rise in smart grid implementation in Europe, the requirement of a real test system where different smart grid application can be tested is inevitable. Most of the existing test feeders or networks are based on North American style distribution system. There are very few test systems representing the European style but they are not complete and do not represent actual European style network and feeder. In this thesis, changes are proposed in the existing model for IEEE European LV test feeder to make it represent an actual European style feeder. The proposed modified IEEE European LV test feeder will have four-wires model instead of three. The European distribution networks have TT grounding neutral, which is isolated from the ground of consumers. So the return path of all neutral current is through the neutral conductor, which gives rise in neutral voltage. The concept of neutral voltage is neglected in the original test bus system which we have included in modified test feeder. In the second part, a methodology is discussed to convert GIS data obtained from EDP Spain to OpenDSS model using the set of codes. Further, a comprehensive European test network with 30 LV substations, 10290 buses and 8087 load point with smart meter data of 20 days has been proposed to represent the European style LV distribution system. This test system provides the possibility to reconfigure LV network as well as provides an important base for economic and technical studies in large scale Network.

Tagungsband der Tagung "28. Forum Bauinformatik". Mit Beiträgen der deutschsprachigen Gemeinschaft im Bereich Bauinformatik.

Smart metering is one of the fundamental units of a smart grid, as many further applicationsdepend on the availability of fine-grained information of energy consumption and production.Demand response techniques can be substantially improved by processing smart meter data to extractrelevant knowledge of appliances within a residence. The thesis aims at finding generic solutions for thenon-intrusive load monitoring and future usage prediction of residential loads at a low sampling rate.Load monitoring refers to the dis-aggregation of individual loads from the total consumption at thesmart meter. Future usage prediction of appliances are important from the energy management point ofview. In this work, state of the art multi-label temporal classiffication techniques are implemented usingnovel set of features. Moreover, multi-label classiffers are able to take inter-appliance correlation intoaccount. The methods are validated using a dataset of residential loads in 100 houses monitored over aduration of 1-year.; Nous abordons dans ces travaux l'identification non intrusive des chargesdes bâtiments résidentiels ainsi que la prédiction de leur état futur. L'originalité de ces travaux résidedans la méthode utilisée pour obtenir les résultats voulus, à savoir l'analyse statistique des données(algorithmes de classification). Celle-ci se base sur des hypothèses réalistes et restrictives sans pourautant avoir de limitation sur les modèles comportementaux des charges (variations de charges oumodèles) ni besoin de la connaissance des changements d'état des charges. Ainsi, nous sommes enmesure d'identifier et/ou de prédire l'état des charges consommatrices d'énergie (et potentiellementcontrôlables) en se basant uniquement sur une phase d'entrainement réduite et des mesures de puissanceactive agrégée sur un pas de mesure de dix minutes, préservant donc la vie privée des habitants.Dans cette communication, après avoir décrit la méthodologie développée pour classifier les charges etleurs états, ainsi que les connaissances métier fournies aux algorithmes, nous comparons les résultatsd'identification pour cinq algorithmes tirés de l'état de l'art et les utilisons comme support d'applicationà la prédiction. Les algorithmes utilisés se différencient par leur capacité à traiter des problèmes plus oumoins complexe (notamment la prise en compte de relations entre les charges) et se ne révèlent pas tousappropriés à tout type de charge dans le bâtiment résidentiel.

Smart metering is one of the fundamental units of a smart grid, as many further applicationsdepend on the availability of fine-grained information of energy consumption and production.Demand response techniques can be substantially improved by processing smart meter data to extractrelevant knowledge of appliances within a residence. The thesis aims at finding generic solutions for thenon-intrusive load monitoring and future usage prediction of residential loads at a low sampling rate.Load monitoring refers to the dis-aggregation of individual loads from the total consumption at thesmart meter. Future usage prediction of appliances are important from the energy management point ofview. In this work, state of the art multi-label temporal classification techniques are implemented usingnovel set of features. Moreover, multi-label classifiers are able to take inter-appliance correlation intoaccount. The methods are validated using a dataset of residential loads in 100 houses monitored over aduration of 1-year.; Nous abordons dans ces travaux l’identification non intrusive des charges des bâtiments résidentiels ainsi que la prédiction de leur état futur. L'originalité de ces travaux réside dans la méthode utilisée pour obtenir les résultats voulus, à savoir l'analyse statistique des données(algorithmes de classification). Celle-ci se base sur des hypothèses réalistes et restrictives sans pour autant avoir de limitation sur les modèles comportementaux des charges (variations de charges ou modèles) ni besoin de la connaissance des changements d'état des charges. Ainsi, nous sommes en mesure d’identifier et/ou de prédire l'état des charges consommatrices d'énergie (et potentiellement contrôlables) en se basant uniquement sur une phase d'entrainement réduite et des mesures de puissance active agrégée sur un pas de mesure de dix minutes, préservant donc la vie privée des habitants.Dans cette communication, après avoir décrit la méthodologie développée pour classifier les charges et leurs états, ainsi que les connaissances métier fournies aux algorithmes, nous comparons les résultats d’identification pour cinq algorithmes tirés de l'état de l'art et les utilisons comme support d'application à la prédiction. Les algorithmes utilisés se différencient par leur capacité à traiter des problèmes plus ou moins complexe (notamment la prise en compte de relations entre les charges) et se ne révèlent pas tous appropriés à tout type de charge dans le bâtiment résidentiel

Smart metering is one of the fundamental units of a smart grid, as many further applicationsdepend on the availability of fine-grained information of energy consumption and production.Demand response techniques can be substantially improved by processing smart meter data to extractrelevant knowledge of appliances within a residence. The thesis aims at finding generic solutions for thenon-intrusive load monitoring and future usage prediction of residential loads at a low sampling rate.Load monitoring refers to the dis-aggregation of individual loads from the total consumption at thesmart meter. Future usage prediction of appliances are important from the energy management point ofview. In this work, state of the art multi-label temporal classification techniques are implemented usingnovel set of features. Moreover, multi-label classifiers are able to take inter-appliance correlation intoaccount. The methods are validated using a dataset of residential loads in 100 houses monitored over aduration of 1-year., Nous abordons dans ces travaux l’identification non intrusive des charges des bâtiments résidentiels ainsi que la prédiction de leur état futur. L'originalité de ces travaux réside dans la méthode utilisée pour obtenir les résultats voulus, à savoir l'analyse statistique des données(algorithmes de classification). Celle-ci se base sur des hypothèses réalistes et restrictives sans pour autant avoir de limitation sur les modèles comportementaux des charges (variations de charges ou modèles) ni besoin de la connaissance des changements d'état des charges. Ainsi, nous sommes en mesure d’identifier et/ou de prédire l'état des charges consommatrices d'énergie (et potentiellement contrôlables) en se basant uniquement sur une phase d'entrainement réduite et des mesures de puissance active agrégée sur un pas de mesure de dix minutes, préservant donc la vie privée des habitants.Dans cette communication, après avoir décrit la méthodologie développée pour classifier les charges et leurs états, ainsi que les connaissances métier fournies aux algorithmes, nous comparons les résultats d’identification pour cinq algorithmes tirés de l'état de l'art et les utilisons comme support d'application à la prédiction. Les algorithmes utilisés se différencient par leur capacité à traiter des problèmes plus ou moins complexe (notamment la prise en compte de relations entre les charges) et se ne révèlent pas tous appropriés à tout type de charge dans le bâtiment résidentiel

Smart metering is one of the fundamental units of a smart grid, as many further applicationsdepend on the availability of fine-grained information of energy consumption and production.Demand response techniques can be substantially improved by processing smart meter data to extractrelevant knowledge of appliances within a residence. The thesis aims at finding generic solutions for thenon-intrusive load monitoring and future usage prediction of residential loads at a low sampling rate.Load monitoring refers to the dis-aggregation of individual loads from the total consumption at thesmart meter. Future usage prediction of appliances are important from the energy management point ofview. In this work, state of the art multi-label temporal classiffication techniques are implemented usingnovel set of features. Moreover, multi-label classiffers are able to take inter-appliance correlation intoaccount. The methods are validated using a dataset of residential loads in 100 houses monitored over aduration of 1-year., Nous abordons dans ces travaux l'identification non intrusive des chargesdes bâtiments résidentiels ainsi que la prédiction de leur état futur. L'originalité de ces travaux résidedans la méthode utilisée pour obtenir les résultats voulus, à savoir l'analyse statistique des données(algorithmes de classification). Celle-ci se base sur des hypothèses réalistes et restrictives sans pourautant avoir de limitation sur les modèles comportementaux des charges (variations de charges oumodèles) ni besoin de la connaissance des changements d'état des charges. Ainsi, nous sommes enmesure d'identifier et/ou de prédire l'état des charges consommatrices d'énergie (et potentiellementcontrôlables) en se basant uniquement sur une phase d'entrainement réduite et des mesures de puissanceactive agrégée sur un pas de mesure de dix minutes, préservant donc la vie privée des habitants.Dans cette communication, après avoir décrit la méthodologie développée pour classifier les charges etleurs états, ainsi que les connaissances métier fournies aux algorithmes, nous comparons les résultatsd'identification pour cinq algorithmes tirés de l'état de l'art et les utilisons comme support d'applicationà la prédiction. Les algorithmes utilisés se différencient par leur capacité à traiter des problèmes plus oumoins complexe (notamment la prise en compte de relations entre les charges) et se ne révèlent pas tousappropriés à tout type de charge dans le bâtiment résidentiel.