Neue Methode erhöht Solaraufnahmekapazität in Niederspannungsnetzen
Im Zeitalter des dringenden Klimaschutzes und der raschen Elektrifizierung ist die Integration dezentraler Energiequellen – insbesondere von netzgekoppelten Photovoltaikanlagen – in Niederspannungsverteilnetze sowohl eine Notwendigkeit als auch eine Herausforderung geworden. Während die Solarenergie in Wohngebieten rasant zunimmt, sehen sich Netzbetreiber mit wachsendem Druck konfrontiert, beispiellose Mengen an Rückeinspeisung zu bewältigen, ohne Zuverlässigkeit oder Sicherheit zu beeinträchtigen. Eine bahnbrechende Studie, die in Southern Power System Technology veröffentlicht wurde, bietet eine robuste mehrstufige Lösung, die neu definieren könnte, wie Versorgungsunternehmen die Aufnahmekapazität von Verteilumspannwerken bei hoher Solarpenetration bewerten und erweitern.
Unter der Leitung von Zijun Liu und Huaying Zhang vom Joint Laboratory for New Smart City High-Quality Power Supply beim Shenzhen Power Supply Bureau Co., Ltd. entwickelte das Team in Zusammenarbeit mit Forschern der Hunan University – darunter Yifang Jin, Ziao Su, Yihong You und Bin Zhou – eine neuartige Methodik, die drei kritische Problembereiche moderner Verteilungssysteme gleichzeitig adressiert: Rücküberlastung, Spannungsverletzungen und Dreiphasenunsymmetrie. Ihr Ansatz bewertet nicht nur Kapazitäten, sondern erweitert diese aktiv durch intelligente Koordination dezentraler Ressourcen.
Das Problem ist nicht hypothetisch. In vielen Regionen, insbesondere in schnell wachsenden Ballungsräumen wie Shenzhen, haben private Solarinstallationen die lokale Stromnachfrage überholt. Zur Mittagszeit, wenn die Sonneneinstrahlung ihren Höhepunkt erreicht, aber der Wohnverbrauch sinkt, fließt überschüssige Solarerzeugung rückwärts durch Verteiltransformatoren in Richtung des Übertragungsnetzes. Dieser „Rückleistungsfluss“ kann Transformatoren überlasten, Spannungen über gesetzliche Grenzen treiben und – wenn einphasige PV-Systeme ungleichmäßig auf die Phasen verteilt sind – schwere Dreiphasenunsymmetrien verursachen. Solche Bedingungen verschlechtern die Transformatorleistung, beschleunigen die Isolationsalterung und riskieren katastrophale Ausfälle.
Herkömmliche Methoden zur Berechnung der verfügbaren Kapazität stützen sich oft auf vereinfachende Regeln, wie die Begrenzung der Solaranbindung auf 80 % der Nennleistung eines Transformators. Doch wie das Forschungsteam demonstriert, ignoriert dieser statische Ansatz dynamische Wechselwirkungen zwischen Erzeugung, Last und Netztopologie. Schlimmer noch, er berücksichtigt keine Einschränkungen auf der vorgelagerten 35-kV- oder 110-kV-Umspannwerksebene, wo kumulierte Rückströme aus Dutzenden von Niederspannungsabgängen Überlastungen auslösen können, die weit vom Anschlusspunkt entfernt liegen.
Die vorgeschlagene Lösung führt ein dreiphasiges, mehrstufiges Bewertungsframework ein, das in sequentieller Abfolge arbeitet: phasenbewusste PV-Zuteilung, virtuelle Kapazitätserweiterung durch flexible Ressourcen und systemweite Verifizierung mit korrigierendem Feedback.
Die erste Stufe bekämpft Dreiphasenunsymmetrie an der Wurzel. Anstatt neue PV-Systeme willkürlich an beliebige Phasen anbinden zu lassen – oft basierend auf Installateurbequemlichkeit oder Hausbesitzerpräferenz – optimiert das Modell die Phasenzuweisung jeder neuen Installation. Durch strategische Verteilung zusätzlicher PV-Kapazität auf die Phasen A, B und C minimiert der Algorithmus den Unsymmetrieindex über den Bewertungszeitraum. Dabei geht es nicht nur um Fairness; es verbessert direkt die Rückbelastungsfähigkeit des Transformators. Das Team integriert eine physikalisch basierte Beziehung, die zeigt, dass mit zunehmender Unsymmetrie die effektive Kapazität des Transformators aufgrund von Hotspot-Erwärmung in überlasteten Wicklungen sinkt. Durch phasengleiche Belastung kann das gleiche physische Asset sicher mehr Rückleistung bewältigen.
Die zweite Stufe nutzt Flexibilität aus zwei schnell wachsenden Endverbrauchstechnologien: Elektrofahrzeuge (EVs) und intelligente Thermostate. Hier verlagert sich die Innovation von passiver Bewertung zu aktivem Management. Das Modell behandelt EV-Ladung und Klimaanlagenlasten als steuerbare Ressourcen, die eingesetzt werden können, um überschüssige Solarerzeugung während Spitzenproduktionszeiten aufzunehmen. Anstatt lediglich Solarleistung abzuregeln – eine teure und ineffiziente Lösung – fördert das System „virtuelle Kapazitätserweiterung“ durch Anpassung der Nachfrage an das Angebot.
Für EVs bedeutet dies, nicht nur wann sie laden, sondern auch an welche Phase sie angeschlossen werden, zu optimieren. Eine Flotte von 50 EVs kann beispielsweise dynamisch Phasen zugewiesen werden, um die Nettolast weiter auszugleichen. Gleichzeitig dürfen Klimaanlagensysteme – modelliert mit Thermovorgängen erster Ordnung – ihren Leistungsverbrauch während Solarspitzen leicht reduzieren, sofern die Raumtemperaturen innerhalb benutzerdefinierter Komfortbereiche bleiben. Dieser duale Ansatz reduziert sowohl die Größenordnung als auch die Asymmetrie des Rückleistungsflusses und schafft effektiv Spielraum für mehr Solar ohne Hardware-Upgrades.
Kritisch ist, dass das Modell Unsicherheiten berücksichtigt. Die Sonneneinstrahlung variiert mit dem Wetter, die EV-Nutzung hängt von unvorhersehbarem menschlichem Verhalten ab, und Außentemperaturen schwanken täglich. Um Zuverlässigkeit unter Worst-Case-Szenarien zu gewährleisten, formuliert das Team ein robustes Optimierungsproblem, das die ungünstigste Kombination dieser Unsicherheiten identifiziert und garantiert, dass Einschränkungen selbst dann eingehalten werden. Dieses konservative yet praktische Design entspricht den Risikomanagementprotokollen der Versorger.
Die dritte und letzte Stufe schließt den Kreislauf auf Systemebene. Selbst wenn einzelne Umspannwerke in der Lage zu sein scheinen, mehr Solar aufzunehmen, muss ihre kollektive Auswirkung auf das vorgelagerte 110-kV- oder 35-kV-Umspannwerk überprüft werden. Die Methode aggregiert die vorgeschlagenen Kapazitätserhöhungen aller angeschlossenen Niederspannungsabgänge und prüft, ob der gesamte Rückstrom die sichere Grenze des Umspannwerks überschreitet. Wenn ja, skaliert der Algorithmus die zulässige Kapazität für jeden Abgang proportional zurück – gewährleistet netzweite Integrität, ohne ein einzelnes Viertel ungerechtfertigt zu benachteiligen. Es zieht auch ausstehende Anschlussanträge („in-progress capacity“) ab, um realweltliche Warteschlangendynamiken widerzuspiegeln.
Um dieses komplexe, mehrschichtige Problem zu lösen, verwenden die Forscher einen ausgeklügelten Algorithmus, bekannt als Nested Column-and-Constraint Generation (N-C&CG). Diese Technik zerlegt das ursprüngliche Problem in drei miteinander verbundene Teilprobleme: PV-Phasenkonfiguration, flexible Ressourcenzuweisung und vorgelagerte Kapazitätsverifizierung. Diese Teilprobleme werden iterativ gelöst, wobei Informationen ausgetauscht werden, bis Konvergenz erreicht ist. Das Ergebnis ist eine global optimale Lösung, die lokale Transformatorbeschränkungen mit systemweiter Stabilität ausbalanciert.
Das Team validierte seine Methode mit realen Daten eines typischen Shenzhen Verteilumspannwerks mit einem 500-kW-Transformator und 300 kW bestehender PV (75 kW auf Phase A, 105 kW auf B, 120 kW auf C). Sie verglichen vier Szenarien: (1) ihre vollständige Methode; (2) Phasenzuteilung ohne unsymmetriebewusste Transformator Modellierung; (3) unsymmetriebewusste Modellierung ohne flexible Ressourcen; und (4) flexible Ressourcen ohne vorgelagerte Verifizierung.
Die Ergebnisse waren frappierend. Im Vergleich zur Basislinie erhöhte die Vollmethode die verfügbare Kapazität um 9,84 %, reduzierte die maximale Dreiphasenunsymmetrie um 66,67 % und steigerte die Rückbelastungsfähigkeit des Transformators um 34,24 %. Szenario 2, das Unsymmetrieeffekte ignorierte, überschätzte die Kapazität und riskierte Transformatorüberlastung. Szenario 3 verbesserte die Sicherheit, ließ aber Kapazität ungenutzt. Szenario 4 maximierte die lokale Kapazität, trieb aber das vorgelagerte Umspannwerk in Rücküberlastung – was die Notwendigkeit der finalen Verifizierungsstufe unterstreicht.
Aus Sicht der Versorger übersetzen sich diese Gewinne direkt in operative und finanzielle Vorteile. Eine 10 %ige Erhöhung der Aufnahmekapazität bedeutet weniger Netzausbau, kürzere Anschlusswartezeiten und schnellere Solar adoption – alles bei gleichbleibender Zuverlässigkeit. Für Regulierungsbehörden bietet die Methode einen transparenten, physikalisch basierten Rahmen für die Festlegung fairer und sicherer Anschlussgrenzen. Für Hausbesitzer bedeutet sie weniger Ablehnungen und Verzögerungen bei Solaranträgen.
Darüber hinaus ist der Ansatz zukunftssicher. Mit wachsender EV-Penetration und ubiquitären intelligenten Thermostaten wird der Pool flexibler Ressourcen expandieren und die „virtuelle“ Kapazität bestehender Infrastruktur weiter erhöhen. Das Modell ist designed, diese Trends organisch einzubeziehen und potenzielle Netzbelastungen in Assets zu verwandeln.
Die Implikationen reichen über China hinaus. Während die Studie Shenzhen als Testfeld nutzt, sind die zugrundeliegenden Herausforderungen – Rückfluss, Spannungsanstieg, Phasenunsymmetrie – universell in Netzen mit hoher residentialer Solar penetration. Versorger in Kalifornien, Australien, Deutschland und anderswo sehen sich ähnlichen Beschränkungen gegenüber. Das modulare Design der Methodik ermöglicht Anpassung an lokale Vorschriften, Transformatorstandards und Ressourcenverfügbarkeit.
Kritisch ist, dass die Forschung ingenieurwissenschaftlichen Best Practices folgt. Sie baut auf etablierten Modellen für Transformator thermisches Verhalten, Dreiphasenleistungsfluss und thermische Gebäudedynamik auf. Sie respektiert gesetzliche Spannungsgrenzen (±7 % in China) und Transformatorbelastungsrichtlinien (80 % Dauerlast). Und sie verwendet realweltliche Daten für EV-Fahrprofile und Wetterverläufe, um praktische Relevanz zu gewährleisten.
Diese Arbeit aligniert sich auch mit globalen Trends hin zu Verteilungssystembetreiber (DSO) Funktionen, wo Versorger dezentrale Ressourcen aktiv managen, anstatt sie als passive Einspeisungen zu behandeln. Indem Nachfragesteuerung und Phasenbalance als kapazitätserweiternde Tools gerahmt werden, liefert die Studie eine Blaupause für die nächste Generation der Netzplanung.
Zusammenfassend repräsentiert die mehrstufige Bewertungsmethode, entwickelt von Liu, Zhang, Jin, Su, You und Zhou, einen signifikanten Sprung nach vorn in der Verteilnetzintegration. Sie geht über statische, komponentenbasierte Grenzen hinaus zu einem dynamischen, systembewussten Ansatz, der versteckte Kapazität durch Intelligenz rather than Investition freischaltet. Während die Welt um Dekarbonisierung ringt, werden solche Innovationen essentiell sein, um Netze zu bauen, die nicht nur cleaner, sondern auch smarter, safer und gerechter sind.
Autoren: Zijun Liu¹, Huaying Zhang¹, Xiaorui Liang¹, Yifang Jin², Ziao Su², Yihong You¹, Bin Zhou²
Zugehörigkeiten:
¹ New Smart City High-Quality Power Supply Joint Laboratory of CSG, Shenzhen Power Supply Bureau Co., Ltd., Shenzhen, Guangdong 518020, China
² College of Electrical and Information Engineering, Hunan University, Changsha 410082, China
Veröffentlicht in: Southern Power System Technology, Bd. 18, Nr. 5, Mai 2024
DOI: 10.13648/j.cnki.issn1674-0629.2024.05.013