Dynamic OD estimators based on traffic measurements inevitably encounter the indeterminateness problem on the posterior OD flows as such systems structurally have more unknowns than constraints. To resolve this problem and take advantage of the emerging urban mobility data, the paper proposes a dynamic OD estimator based on location-based social networking (LBSN) data, leveraging the two-stage stochastic programming framework, under the assumption that similar check-in patterns are generated by the same OD pattern. The search space of the OD flows will be limited by integrating a batch of realizations/scenarios of the second-stage problem state (i.e. check-in pattern) in the model. The two-stage stochastic programming model decomposes in a master problem and a set of subproblems (one per scenario) via the Benders decomposition algorithm, which will be tackled alternately. The preliminary results from experiments conducted with the Foursquare data of Tokyo, Japan, show that the proposed OD estimator can effectively recurrent the check-in patterns and result in a good posterior OD estimate.

For ensuring network survivability in case of single component failures many routing protocols provide a primary and a back up routing path for each origin destination pair. We address the problem of selecting these paths such that in the event of multiple failures, occuring with given probabilities, the total loss in routable demand due to both paths being intersected is small with high probability. We present a chance constraint model and solution approaches based on an explicit integer programming formulation, a robust formulation and a cutting plane approach that yield reasonably good solutions assuming that the failures are caused by at most two elementary events, which may each affect several network components.

For ensuring network survivability in case of single component failures many routing protocols provide a primary and a back up routing path for each origin destination pair. We address the problem of selecting these paths such that in the event of multiple failures, occuring with given probabilities, the total loss in routable demand due to both paths being intersected is small with high probability. We present a chance constraint model and solution approaches based on an explicit integer programming formulation, a robust formulation and a cutting plane approach that yield reasonably good solutions assuming that the failures are caused by at most two elementary events, which may each affect several network components.

Die Dissertationsschrift thematisiert die Frage nach den Kosten und Nutzen einer Diversifikationsstrategie im europäischen Erdgasmarkt und gliedert sich in neun Kapitel. In einer Vorbetrachtung beschreiben die Kapitel eins bis vier die Ausganglage mit Blick auf Angebots- und Nachfragestrukturen sowie der Gasinfrastruktur. Unsicherheiten in Bezug auf die Entwicklung der Nachfrage, Importverfügbarkeit und Preisniveaus werden diskutiert. In einem analytischen Rahmen wird das Thema Diversifikation in den Kontext der Energiesicherheit eingeordnet. Die Kapitel fünf bis sieben befassen sich mit der Beschreibung und der Analyse des europäischen Gasmarkts. Dafür wird ein lineares Modell, GAMAMOD-EU, entwickelt, welches als stochastische Optimierung den Ausbau der Erdgasinfrastruktur unter Einbezug von drei Unsicherheitsdimensionen in den Jahren 2030 und 2045 abbildet. Zusätzlich werden drei Diversifikationsstrategien in Hinblick auf Infrastrukturentwicklung und Versorgungssicherheit analysiert. In einer Erweiterung wird der Import Grüner Gase in die Betrachtung einbezogen. Kapitel acht stellt das deutsche Gasnetzmodell GAMAMOD-DE mit einer Fallstudie vor, die die Versorgungslage im kalten Winter 2012 nachmodelliert. Im abschließenden Kapitel neun werden die zu Beginn aufgeworfenen Forschungsfragen beantwortet, politische Handlungsempfehlungen gegeben und der weitere Forschungsbedarf skizziert.:Table of Contents List of Figures List of Tables Abbreviations Country Codes Nomenclature: GAMAMOD-EU Nomenclature: GAMAMOD-DE 1 Introduction 2 Uncertainties in Gas Markets 3 Diversification in Gas Markets to Ensure Security of Supply 4 Natural Gas Infrastructure 5 The European Natural Gas Market Model (GAMAMOD-EU) 6 Results on Security of Supply in the European Gas Market 7 Impact of Green Gas Imports on Infrastructure Investments 8 The German Natural Gas Market Model (GAMAMOD-DE) 9 Conclusion and Outlook Laws and Communication Papers References Appendix / The dissertation addresses the question of the costs and benefits of a diversification strategy in the European natural gas market and is divided into nine chapters. In a preliminary analysis, chapters one to four describe the initial situation with regard to supply and demand structures as well as the gas infrastructure. Uncertainties regarding the development of demand, import availability and price levels are discussed. In an analytical framework, the topic of diversification is placed in the context of energy security. Chapters five to seven deal with the description and analysis of the European gas market. For this purpose, a linear model, GAMAMOD-EU, is developed, which maps the expansion of the natural gas infrastructure as a stochastic optimisation, taking into account three uncertainty dimensions in the years 2030 and 2045. In addition, three diversification strategies are analysed with regard to infrastructure development and security of supply. In an extension, the import of green gases is included in the analysis. Chapter eight presents the German gas grid model GAMAMOD-DE with a case study, which models the supply situation in the cold winter of 2012. In the concluding chapter nine, the research questions raised at the beginning are answered, political recommendations for action are given and the need for further research is outlined.:Table of Contents List of Figures List of Tables Abbreviations Country Codes Nomenclature: GAMAMOD-EU Nomenclature: GAMAMOD-DE 1 Introduction 2 Uncertainties in Gas Markets 3 Diversification in Gas Markets to Ensure Security of Supply 4 Natural Gas Infrastructure 5 The European Natural Gas Market Model (GAMAMOD-EU) 6 Results on Security of Supply in the European Gas Market 7 Impact of Green Gas Imports on Infrastructure Investments 8 The German Natural Gas Market Model (GAMAMOD-DE) 9 Conclusion and Outlook Laws and Communication Papers References Appendix

Historically, electricity supply was heavily centralized and was provided by conventional thermal power plants such as coal-fired, gas, or nuclear power plants. The share of conventional power generation is being increasingly replaced by power generation from renewable sources. In Europe, the share of electricity generation from fossil fuels fell from 49% in 2011 to 37% in 2020, whereas the share from renewables increased from 22% to 38% during the same timeframe. Renewable generation is expected to rise by 10% annually to almost triple the current renewable capacity by 2030. The accelerating adoption of renewables changes the character of the electricity infrastructure from a centralized energy supply to a highly decentralized one, such that generation is moving closer to the point of demand. This change brings numerous challenges with it. This work focuses on challenges in operational planning of distributed energy resources from the perspective of so-called aggregators that are increasingly participating in energy markets. Aggregators combine different energy resources, i.e., electricity producers and consumers, and operate them as a distributed power plant. However, the planning of the energy resources is still coordinated collectively in a centralized manner by the aggregator. This work aims to develop a framework to schedule energy resources from the perspective of an aggregator to cover a large variety of technical assets and to simultaneously consider market interactions such as bid acceptance and rejection possibilities. The inevitable and accelerating proliferation of renewable energy resources brings with it -- as a consequence of its intermittency -- a growing need in control reserve and storage technologies. Hence, a focus is placed on control reserve, energy storage, and integrated scheduling and bidding, as well as their trade-offs, to answer the following research questions: 1) What is the current state of control reserve formulations and how can they be improved? Specifically regarding reserve under consideration of limitations with respect to the rate of change of power output, maximum power output, and energy capacity. 2) What are the effects of using different control reserve formulations? 3) Which trade-offs exist in the operation of storage plants in a market environment? 4) Is it possible to derive a rigorous, tractable mathematical model to simultaneously determine scheduling and bidding decisions? 5) Which trade-offs exist between scheduling and bidding decisions and what are their effects? 6) To what extent is it possible to solve energy resource scheduling models faster while retaining sufficiently high solution quality? / In der Vergangenheit war die Stromerzeugung stark zentralisiert und wurde durch konventionelle Kraftwerke wie Kohle-, Gas- oder Kernkraftwerke bereitgestellt. Der Anteil der konventionellen Stromerzeugung wird zunehmend durch die Stromerzeugung aus erneuerbaren Quellen ersetzt. In Europa sank der Anteil der Stromerzeugung aus fossilen Brennstoffen von 49% im Jahr 2011 auf 37% im Jahr 2020, während der Anteil der erneuerbaren Energien im gleichen Zeitraum von 22% auf 38% anstieg. Es wird erwartet, dass die Stromerzeugung aus erneuerbaren Energien jährlich um 10 % steigt und sich die derzeitige Kapazität bis 2030 fast verdreifacht. Die zunehmende Einführung erneuerbarer Energien verändert den Charakter der Elektrizitätsinfrastruktur von einer zentralisierten zu einer stark dezentralisierten Energieversorgung, so dass die Erzeugung näher an den Ort des Bedarfs rückt. Dieser Wandel bringt zahlreiche Herausforderungen mit sich. Diese Arbeit konzentriert sich auf die Herausforderungen bei der Betriebsplanung dezentraler Energieanlagen aus der Perspektive sogenannter Aggregatoren, die zunehmend an den Energiemärkten teilnehmen. Aggregatoren fassen verschiedene Energieanlagen, d.h. Stromerzeuger und -verbraucher, zusammen und betreiben sie als dezentrales Kraftwerk. Die Planung der Energieressourcen wird jedoch weiterhin zentral durch den Aggregator koordiniert. Diese Arbeit zielt darauf ab, ein Framework für die Planung von Energieressourcen aus der Sicht eines Aggregators zu entwickeln, um eine große Vielfalt an technischen Anlagen abzudecken und gleichzeitig Marktinteraktionen wie Gebotsannahme- und Ablehnungsmöglichkeiten zu berücksichtigen. Der unvermeidliche und zunehmende Ausbau von erneuerbaren Energieressourcen bringt -- als Folge ihrer Unstetigkeit -- einen wachsenden Bedarf an Regelleistung- und Speichertechnologien mit sich. Daher liegt der Schwerpunkt auf Regelleistung, Energiespeicherung und integrierter Anlagen- und Gebotsplanung sowie deren Trade-offs, um die folgenden Forschungsfragen zu beantworten: 1) Was ist der aktuelle Stand von Regelleistungsmodellen und wie können diese verbessert werden? Insbesondere im Hinblick auf Regelleistung unter Berücksichtigung von Einschränkungen hinsichtlich der Änderungsrate der Leistungsabgabe, der maximalen Leistungsabgabe und der Energiekapazität. 2) Welche Auswirkungen hat die Verwendung unterschiedlicher Regelleistungsmodelle? 3) Welche Zielkonflikte bestehen beim Betrieb von Speicheranlagen in einem Marktumfeld? 4) Ist es möglich, ein rigoroses, praktikables mathematisches Modell zur gleichzeitigen Bestimmung von Anlagen- und Gebotsplanung aufzustellen? 5) Welche Zielkonflikte bestehen zwischen Anlagen- und Gebotsplanung und welche Auswirkungen haben sie? 6) Inwieweit ist es möglich, Modelle zur Planung von Energieressourcen schneller zu lösen und dabei eine ausreichend hohe Lösungsqualität beizubehalten?