Ein geringer Treibstoffverbrauch ist aufgrund von ökologischen und ökonomischen Zielen für die zivile Luftfahrt von großer Bedeutung. Daher werden seit Jahrzehnten konventionell hydraulisch oder pneumatisch betriebene Flugzeugsysteme durch elektrisch betriebene Systeme ersetzt. Dieser Trend wird auch als „More Electric Aircraft (MEA)“ bezeichnet. In bisherigen Studien waren MEA-Architekturen zwar effizienter, jedoch deutlich schwerer als die konventionellen Architekturen. Basierend auf ökonomischen Modellen wird in der vorliegenden Arbeit die modellbasierte Entwicklung eines intelligenten Energiemanagements für Flugzeug-Energiesysteme demonstriert. Das Energiemanagement ermöglicht eine deutliche Reduktion der Systemmasse, verbessert die Energieeffizienz und kann damit den Treibstoffverbrauch eines MEA beträchtlich reduzieren. Insbesondere durch die integrierte und frühzeitige Entwicklung des Energiemanagements mit dem elektrischen System in der Modellbeschreibungssprache Modelica lassen sich die Systemkomponenten mit realistischen Lastprofilen dimensionieren und dadurch die Systemmasse reduzieren. Anhand eines elektrischen Referenzsystems wird das Optimierungspotenzial des Energiemanagements bezüglich Massenreduktion und Energieeffizienzsteigerung quantifiziert und am Systemmodell validiert. Es ergibt sich für das Systemmodell eine Reduktion der Systemmasse um 32 % sowie eine leichte Verbesserung der Energieeffizienz. Durch die multiphysikalische Implementierung des Energiemanagements lässt sich dieses auch für das thermische Management im Flugzeug verwenden. Hierbei kann eine deutliche Verbesserung der Energieeffizienz für die Bereitstellung von Kühlleistung erzielt werden. Aufgrund der erreichten Vorteile sollte ein Energiemanagement bei der Entwicklung zukünftiger Flugzeugenergiesysteme in Betracht gezogen werden. Insbesondere beim MEA existiert ein großes Optimierungspotenzial durch das Energiemanagement. Die Ausführungen in der vorliegenden Arbeit sollen als Motivation für die Flugzeugindustrie dienen, mit realistischen Lastprofilen zu dimensionieren und die modellbasierte und integrierte Entwicklung eines Energiemanagements mit den Energiesystemen bereits in frühen Entwicklungsphasen durchzuführen. / Low fuel consumption is a major concern in civil aerospace due to environmental and economic objectives. Hence, conventional hydraulically or pneumatically driven aircraft systems have been replaced by electrically driven systems for decades. This trend is also known as More Electric Aircraft (MEA). In former studies, MEA architectures were more efficient, but much heavier than their conventional counterparts. The present work demonstrates the model-based development of intelligent energy management algorithms for aircraft energy systems based on economic models. This energy management facilitates a significant reduction of system mass, improves energy efficiency and can hence reduce fuel consumption of MEA considerably. In particular, the integrated development of an energy management along with the electrical system in the Modelica modelling language enables sizing of system components with realistic load profiles. Hence, this reduces the system mass. The optimization potential of the energy management is quantified and validated by means of an electrical reference system model. Applying the energy management, the mass of this system model can be reduced by 32 % and the energy efficiency can be improved slightly. Due to the multi-physical modelling of the energy management, it can also be applied to thermal management of aircraft systems. Thus, the energy efficiency of the cooling system can be improved significantly. As a result of the demonstrated benefits, an energy management should be considered for future development of aircraft energy systems. Especially for MEA, there is tremendous optimization potential for the energy management. Hence, the present work shall motivate aircraft industry to size aircraft systems with realistic load profiles and perform a model-based and integrated development of the energy management along with the electrical system in early phases of the system design process.

Decentralised power systems with a high portion of power generated from renewable energy sources and cogeneration units (CHP) are emerging worldwide. Optimising the energy usage of such systems is a difficult task as the stochastic fluctuations of generation from renewable sources, the coupling of electrical and thermal power generation by CHP and the time dependence of necessary storage devices require new approaches. Evolutionary algorithms are able to solve the optimisation task of the energy management. They use the principles of erroneous replication and cumulative selection that can be observed in biological processes, too. Very often recombination is included in the optimisation process. Using these quite simple principles the algorithm is able to explore difficult, large and high dimensional solution spaces. It will converge to the optimal solution in most of the cases quite fast, compared to other types of optimisation algorithms. At the example of an one dimensional replicator it is derived that the convergence speed in optimising convex functions increases by several orders of magnitude even after a few cycles compared to Monte-Carlo-simulation. For several types of equipment models are developed in this work. The cost to operate a given power system for a given time span is chosen as objective function. There is a variety of parameters (more than 15) that can be set in the algorithm. With quite extensive investigations it could be shown that the product of number of replicators and the number of calculated cycles has the most important influence on the quality of the solution but the calculation time is also proportional to this number. If there are reasonable values chosen for the remaining parameters the algorithm will find appropriate solutions in adequate time in most of the cases. Although a pure evolutionary algorithm will converge to a solution the convergence speed can be greatly enhanced by extending it to a hybrid algorithm. Grouping the replicators of the first cycle in suggestive regions of the solution space by an intelligent initialisation algorithm and repairing bad solutions by introducing a Lamarckian repair algorithm makes the optimisation converge fast to good optima. The algorithm was tested using data of several existing energy systems of different structure. To optimise the energy usage in a power system with 15 different types of units the required computation time is in the range of 15 minutes. The results of this work show that extended hybrid evolutionary algorithms are suitable for integrated optimisation of energy usage in combined local energy systems. They reach better results with the same or less effort than many other optimisation methods. The developed method of optimisation of energy usage can be applied in energy systems of small and large size and complexity as optimisation computations of energy systems on the island of Cape Clear, at FH Offenburg and in the Allgäu demonstrate.

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. / 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.

Kenntnisse über das prinzipielle Verhalten der Lasten und deren Benutzung durch die Endabnehmer sind im Wesentlichen vorhanden. Viele der aktuell notwendigen Untersuchungen benötigen jedoch Zeitreihen elektrischer Lasten, sogenannte Lastgänge. Mit der Synthese von Zeitreihen elektrischer Lasten können unter Berücksichtigung verschiedenster Anforderungen Lastgänge aufgebaut werden, wobei in dieser Arbeit der Fokus auf Haushaltsabnehmer liegt. Wichtige Eingangsdaten für die Lastgangsynthese sind die technischen Kenngrößen der elektrischen Geräte und die sozialen Kennzahlen zur Benutzung der Geräte durch die Endabnehmer. Anhand dieser Eingangsdaten wird die Lastgangsynthese durchgeführt und werden Anwendungsbeispiele dargestellt. Die Entwicklung von klassischen Versorgungsnetzen hin zu aktiven Verteilungsnetzen ist bedingt durch neue Verbraucher, wie Wärmepumpen, Elektroautos, sowie vielen dezentralen Erzeugungsanlagen. Speziell die fluktuierende Einspeisung durch Photovoltaik-Anlagen ist Anlass zur Forderung nach einem Verbrauchs- und Lastmanagement. Mit dem Verbrauchsmanagement wird die Last an die Einspeisung angepasst und das Lastmanagement berücksichtigt zusätzlich die Versorgungssituation des Netzes. Für die Lastgangsynthese werden die Haushaltsgeräte in fünf Geräteklassen unterteilt, für die spezifische Kennzahlen aus technischer und sozialer Sicht angegeben werden. Diese Kennzahlen sind Leistung pro Gerät oder Energieverbrauch pro Nutzung sowie Ausstattungsgrade, Benutzungshäufigkeiten und Zeiten für das Ein- und Ausschalten der Geräte. Damit wird ein neuer Ansatz gewählt, welcher nicht mehr auf die detaillierte Beschreibung des Bewohnerverhaltens beruht, da die Datenbereitstellung dafür äußerst schwierig war und ist. Vorzugsweise in Niederspannungsnetzen sind mit synthetischen Zeitreihen umfangreiche und umfassende Untersuchungen realisierbar. Es gibt verschiedenste Möglichkeiten, die Zeitreihen zusammenzustellen. Mit Lastgängen je Außenleiter können beispielsweise unsymmetrische Zustände der Netze analysiert werden. Zudem können auch Lastgänge für Geräte bzw. Gerätegruppen erstellt werden, welche für Potenzialanalysen des Verbrauchsmanagement essenziell sind. Der wesentliche Unterschied besteht darin, dass viele Berechnungen nicht mehr auf deterministische Extremwerte beruhen, sondern die stochastischen Eigenschaften der Endabnehmer mit den resultierenden Lastgängen berücksichtigt werden. / Distributed generation and novel loads such as electric vehicles and heat pumps require the development towards active distribution networks. Load curves are needed for the appropriate design process. This thesis presents a feasible and expandable synthesis of load curves, which is performed exemplary on residential customers with a period under review of 1 year and time steps of as little as 30 s. The data is collected for up-to-date appliances and current statics examining the way of life. The main focus lies on the input data for the synthesis and distinguishes between technical and social factors. Some thirty home appliances have been analyzed and are classified into five appliance classes by incorporating switching operations and power consumptions. The active power is the key figure for the technical perspective and the data is derived from manufacturer information. For the social perspective six different customer types are defined. They differ in sizes of household and housekeeping. The social key figures are appliance penetration rate and depending on the appliance class the turn-on time, turn-off time, operating duration or cycle duration. The elaborated two-stage synthesis is efficiently implemented in Matlab®. First, artificial load curves are created for each appliance of the households under consideration of the appliance class. In the second step, the individual load curves of the appliances are combined to load curves per line conductor. The algorithms have been validated in the implementation process by retracing the input data in the load curves. Also, the feasibility of the results is shown by comparing the key figures maximum load and power consumption to data in literature. The generated load curves allow for unsymmetrical calculations of distribution systems and can be used for probabilistic investigations of the charging of electric vehicles, the sizing of thermal storage combined with heat pumps or the integration of battery storage systems. A main advantage is the possibility to estimate the likelihood of operating conditions. The enhancement to further appliances and the changeability of the input data allows for versatile further possible investigations.