Le système de transport d’électricité doit évoluer pour satisfaire les besoins du marché de l’électricité et de l’insertion de la production renouvelable. Les systèmes de transport dits HVDC se développent. Les interfaces d’électroniques de puissance vont jouer un rôle majeur et doivent faire preuve d’une extrême fiabilité, d’une grande efficacité et rester économiquement abordables.La technologie MMC (Convertisseur Modulaire Multi-niveaux) connaît un essor par rapport à des technologies classiques, comme le convertisseur trois-niveaux. Sa topologie étant complexe, deux niveaux de contrôle peuvent être définis. Le premier niveau porte sur le contrôle des interrupteurs pour équilibrer les tensions des sous-modules. Le second niveau contrôle les courants, la puissance et l’énergie dans le système.Cette thèse est axée sur ce deuxième niveau de contrôle. Une approche hiérarchisée et formelle, basée sur l’inversion du modèle pour le contrôle de l’énergie du MMC est présentée. Pour ce contrôle, différentes méthodes ont été proposées et comparées. Cela implique de développer une modélisation, mettre en place un contrôle. Différents modèles et contrôles ont été développés.Le MMC est généralement intégré dans une liaison HVDC où deux stations AC/DC ont un contrôle différent. Un soin particulier doit être apporté à la station dédiée au contrôle de la tension. En effet, la gestion de l’énergie dans le MCC est un point critique pour la stabilité de la tension.Enfin, les différents types de contrôle évoqués ont été étudiés dans le cas d’une liaison HVDC. Il a été montré que les échanges entre le bus DC et les MMC jouent un rôle important pour la régulation de la tension du bus DC / In future, the capability of the electric power transmission continues to grow due to renewable energy production and the needs of electrical market. Consequently, many HVDC transmission systems are developed. Definitely the power electronic interfaces will play a key role to provide high reliability, good efficiency and cost effectiveness for this AC/DC conversion.Recently, the Modular Multilevel Converter (MMC) has taken the advantage over the more classical converter as three-level VSC. Since MMC topology is complex, two different control levels may be distinguished: the control of the switches mainly orientated on the balance of hundreds of voltage on the elementary submodules, the higher level control whose aim is to control the currents, power and energy in the system.This thesis is oriented mainly on the latter. It discusses a hierarchical and formal approach for the MMC to control the energy in all the storage elements. At first it is shown that an energy control is required mandatory. Secondly, it supposes to develop an energetic model which is inverted to design the energy control. Then different solutions of control have been developed and discussed.In the majority of applications, MMC is integrated in an HVDC point to point link where the two AC/DC substations have different roles. A specific attention has to be paid on the station which controls the voltage since the way to manage the energy in the MMC has a critical role in the DC voltage stability.Finally, all these types of control have been tested and discussed on an HVDC. It is shown that the exchange between the DC bus and the MMC placed on both sides play a key role in the DC bus voltage regulation.

This work deals with the deployment of distributed power sources into the electric power grid. The nature of these sources causes that the massive integration may experience problems with power quality in the local context, and also overall reliability of supply in the range of interconnected power systems may be endangered. Work is focused on local voltage quality problems with special emphasis on analysis and design of tools (e.g. reactive power compensation units of power plants or dynamic voltage control by transformers 110/22kV) for voltage control in power distribution systems. These tools should be used as a part of uniform concept of voltage control. The proposed concept is involved.

Der Ausbau dezentraler Energieanlagen wie fotovoltaischen Anlagen beeinflusst die Netzzustände signifikant. Dabei ist unsicher, wo und in welchem Maße deren Ausbau zukünftig erfolgt. Es ist nun an den Netzbetreibern gleichzeitig die aktuellen Herausforderungen zu meistern und die Netzplanung und -regelung für die Zukunft zu aktualisieren. Eine statistische Methode wird entwickelt, die Verteilnetzplanung unter Einsatz von quasi-stationär modellierten ”Smart Grid”-Lösungen wie Blindleistungsreglern und regelbaren Ortsnetztransformatoren ermöglicht. Durch Stichprobenverfahren werden Unsicherheiten wie Ort, Größe und Leistungsprofile der Energieanlagen in das Netzmodell eingebunden. Diese als probabilistischer Lastfluss bekannte Methode wird durch Gütemaße im Bereich geringer Kombination evaluiert. Beispiele probabilistischer Netzplanung werden an Netztopologien präsentiert.:Abbildungsverzeichnis iv Tabellenverzeichnis viii Abkürzungsverzeichnis viii Formelzeichen x 1. Einleitung 1 1.1. Definition der Herausforderung 1 1.2. Netzplanung 2 1.3. Ziel der Arbeit3 1.4. Struktur der Arbeit 5 2. Normen und technische Rahmenbedingungen 6 2.1. DIN EN 50160 6 2.2. VDE-AR-N 41057 2.3. Technische Anschlussbedingungen 9 2.4. Erneuerbare-Energien-Gesetz 11 2.5. Zusammenfassung 12 3. Gliederung probabilistischer Lastflussverfahren 13 3.1. Punktschätzende und iterative Verfahren 14 3.2. Gliederung nach Stichprobenverfahren 15 3.3. Reduzierung des Grundraumes 16 3.3.1. Cluster-Analyse17 3.3.2. Ausreißerbehandlung 21 3.3.3. Wahrscheinlichkeits- und Verteilungsfunktion 21 3.4. Methode der Stichprobenziehung 22 3.4.1. Einfache Zufallsstichprobe 23 3.4.2. Systematische Stichprobe24 3.4.3. Geschichtete Zufallsstichprobe 25 3.5. Reduzierung des Stichprobenraumes 26 3.6. Invertierung von Stichproben 26 3.7. Zusammenfassung 27 4. Vergleich probabilistischer Verfahren 28 4.1. Nicht-Gaußsche Eingangsdaten 28 4.2. Bestimmung notwendiger Clusterzentren 29 4.3. Erstellung des Stichprobenraumes pro Kombination 31 4.4. Gütemaße und Effizienz von Stichprobenverfahren 33 4.4.1. Median 34 4.4.2. Median der absoluten Abweichung vom Median 37 4.4.3. Maximale normierte Perzentilsdifferenz 40 4.4.4. Zusammenfassung 43 4.5. Streuung der Stichprobenverfahren bei wiederholter Ausführung 44 4.5.1. Median 44 4.5.2. Median der absoluten Abweichung vom Median 45 4.5.3. Maximale normierte Perzentilsdifferenz 47 4.5.4. Zusammenfassung 49 4.6. Sensitivität bei unterschiedlicher Anzahl statistischer Netzknoten 52 4.6.1. Median 52 4.6.2. Median der absoluten Abweichung vom Median 54 4.6.3. Maximale normierte Perzentilsdifferenz 56 4.6.4. Zusammenfassung58 4.7. Notwendige Kombinationen für Ziel-Gütemaße 59 5. Software-basierte probabilistische Verteilnetzplanung 61 5.1. Struktur der entwickeltenSoftware 61 5.2. Last- und Erzeugungsprofile 63 5.2.1. Synthetische Haushaltslast 63 5.2.2. Elektrofahrzeug 64 5.2.3. Wärmepumpe 65 5.2.4. Photovoltaische Anlagen 66 5.2.5. Windenergieanlagen 66 5.3. Optimale Auswahl nach Regeleffizienz 67 5.4. DezentraleWirkleistungsregler 68 5.4.1. P(U)-Regler für Schnellladeinfrastruktur 68 5.4.2. P(U)-Regelung von Wärmepumpen gemäß thermischer Grenzen 69 5.5. Blindleistungsregler 72 5.5.1. Zentrale Steuerung 73 5.5.2. Dezentrale Regelung 75 5.5.3. Verteilte Regelung 79 5.6. Regelbarer Ortsnetztransformator 83 5.7. Automatisierte Netzausbauplanung 86 5.7.1. Transformatortausch 87 5.7.2. Vergrößerung des Leiterquerschnitts 89 5.7.3. Zusätzliche Stichleitung 89 5.7.4. Kostenberechnung 90 5.8. Zusammenfassung 91 6. Anwendungsfälle probabilistischer Planung 92 6.1. Verwendete Verteilnetzmodelle 94 6.2. Abschätzung der Auswirkung von PV-Anlagenausbau 95 6.2.1. Unterschiede der Planungsverfahren zur Schätzung der PVA-Nennleistung 95 6.2.2. Einfluss der Blindleistungsregelung auf mögliche Anlagenleistung 100 6.3. Abschätzung von Netzauslastungen in Wohngebieten 106 6.3.1. Annahmen und Szenarien 107 6.3.2. Auswertung der Knotenspannungen 110 6.3.3. Auswertung der Betriebsmittelauslastungen 116 6.4. Zusammenfassung 118 7. Zusammenfassung und Ausblick 119 Literaturverzeichnis 121 Anhang 135 A. Statistische Merkmale 135 A.1. Empirische Wahrscheinlichkeitsfunktion 135 A.2. Kumulative empirische Verteilungsfunktion 136 A.3. Quantile 136 A.4. Interquartilsabstand 137 B. PLF-Methoden 138 B.1. Veröffentlichte PLF-Methoden 138 B.2. Test Gaußsche Verteilung 138 C. Definitionen 140 C.1. Symbole für Flussdiagramme 140 C.2. Zählpfeilsystem 140 D. Ergänzende Ergebnisse 142 E. Danksagung 143 / Development of distributed energy units such as photovoltaic systems affects grid states significantly. It is uncertain, where and to what extent the development of these units is carried out in the future. It is now up to the distribution system operator to cope with todays grid challenges and to update grid planning and control for the future. A statistical method is developed, which incorporates quasi-stationary modeled ”smart grid” solutions such as reactive power controllers and on-load tap-changers. Uncertainties such as location, size and power profiles of energy systems are integrated into the grid model by sampling. This method is known as probabilistic load flow and is evaluated by quality measures at low combinations. Examples on probabilistic grid planning of different grid topologies are presented.:Abbildungsverzeichnis iv Tabellenverzeichnis viii Abkürzungsverzeichnis viii Formelzeichen x 1. Einleitung 1 1.1. Definition der Herausforderung 1 1.2. Netzplanung 2 1.3. Ziel der Arbeit3 1.4. Struktur der Arbeit 5 2. Normen und technische Rahmenbedingungen 6 2.1. DIN EN 50160 6 2.2. VDE-AR-N 41057 2.3. Technische Anschlussbedingungen 9 2.4. Erneuerbare-Energien-Gesetz 11 2.5. Zusammenfassung 12 3. Gliederung probabilistischer Lastflussverfahren 13 3.1. Punktschätzende und iterative Verfahren 14 3.2. Gliederung nach Stichprobenverfahren 15 3.3. Reduzierung des Grundraumes 16 3.3.1. Cluster-Analyse17 3.3.2. Ausreißerbehandlung 21 3.3.3. Wahrscheinlichkeits- und Verteilungsfunktion 21 3.4. Methode der Stichprobenziehung 22 3.4.1. Einfache Zufallsstichprobe 23 3.4.2. Systematische Stichprobe24 3.4.3. Geschichtete Zufallsstichprobe 25 3.5. Reduzierung des Stichprobenraumes 26 3.6. Invertierung von Stichproben 26 3.7. Zusammenfassung 27 4. Vergleich probabilistischer Verfahren 28 4.1. Nicht-Gaußsche Eingangsdaten 28 4.2. Bestimmung notwendiger Clusterzentren 29 4.3. Erstellung des Stichprobenraumes pro Kombination 31 4.4. Gütemaße und Effizienz von Stichprobenverfahren 33 4.4.1. Median 34 4.4.2. Median der absoluten Abweichung vom Median 37 4.4.3. Maximale normierte Perzentilsdifferenz 40 4.4.4. Zusammenfassung 43 4.5. Streuung der Stichprobenverfahren bei wiederholter Ausführung 44 4.5.1. Median 44 4.5.2. Median der absoluten Abweichung vom Median 45 4.5.3. Maximale normierte Perzentilsdifferenz 47 4.5.4. Zusammenfassung 49 4.6. Sensitivität bei unterschiedlicher Anzahl statistischer Netzknoten 52 4.6.1. Median 52 4.6.2. Median der absoluten Abweichung vom Median 54 4.6.3. Maximale normierte Perzentilsdifferenz 56 4.6.4. Zusammenfassung58 4.7. Notwendige Kombinationen für Ziel-Gütemaße 59 5. Software-basierte probabilistische Verteilnetzplanung 61 5.1. Struktur der entwickeltenSoftware 61 5.2. Last- und Erzeugungsprofile 63 5.2.1. Synthetische Haushaltslast 63 5.2.2. Elektrofahrzeug 64 5.2.3. Wärmepumpe 65 5.2.4. Photovoltaische Anlagen 66 5.2.5. Windenergieanlagen 66 5.3. Optimale Auswahl nach Regeleffizienz 67 5.4. DezentraleWirkleistungsregler 68 5.4.1. P(U)-Regler für Schnellladeinfrastruktur 68 5.4.2. P(U)-Regelung von Wärmepumpen gemäß thermischer Grenzen 69 5.5. Blindleistungsregler 72 5.5.1. Zentrale Steuerung 73 5.5.2. Dezentrale Regelung 75 5.5.3. Verteilte Regelung 79 5.6. Regelbarer Ortsnetztransformator 83 5.7. Automatisierte Netzausbauplanung 86 5.7.1. Transformatortausch 87 5.7.2. Vergrößerung des Leiterquerschnitts 89 5.7.3. Zusätzliche Stichleitung 89 5.7.4. Kostenberechnung 90 5.8. Zusammenfassung 91 6. Anwendungsfälle probabilistischer Planung 92 6.1. Verwendete Verteilnetzmodelle 94 6.2. Abschätzung der Auswirkung von PV-Anlagenausbau 95 6.2.1. Unterschiede der Planungsverfahren zur Schätzung der PVA-Nennleistung 95 6.2.2. Einfluss der Blindleistungsregelung auf mögliche Anlagenleistung 100 6.3. Abschätzung von Netzauslastungen in Wohngebieten 106 6.3.1. Annahmen und Szenarien 107 6.3.2. Auswertung der Knotenspannungen 110 6.3.3. Auswertung der Betriebsmittelauslastungen 116 6.4. Zusammenfassung 118 7. Zusammenfassung und Ausblick 119 Literaturverzeichnis 121 Anhang 135 A. Statistische Merkmale 135 A.1. Empirische Wahrscheinlichkeitsfunktion 135 A.2. Kumulative empirische Verteilungsfunktion 136 A.3. Quantile 136 A.4. Interquartilsabstand 137 B. PLF-Methoden 138 B.1. Veröffentlichte PLF-Methoden 138 B.2. Test Gaußsche Verteilung 138 C. Definitionen 140 C.1. Symbole für Flussdiagramme 140 C.2. Zählpfeilsystem 140 D. Ergänzende Ergebnisse 142 E. Danksagung 143