Formulierung und Auswertung des MILP-UC-Problems mit variabler Zeitschrittgr öß e

Diese Arbeit besch aftigt sich mit der Formulierung und Auswertung des Mixed-Integer-Linear- Programming Unit-Commitment-Problems. Im Speziellen werden die Auswirkungen von unterschiedlichen Zusammensetzungen des verwendeten Prediction-Horizon auf dessen L osung untersucht. Dazu wurden sowohl ein energiebasiertes als auch ein leistungsbasiertes Modell erstellt, welche mit verschiedenen Zeitschrittgr o en arbeiten k onnen. Beim Aufbau der Prediction-Horizons wurden sowohl konstant bleibende Zeitschritte in 15-, 30- und 60-Minuten-Gr o e gew ahlt als auch variable Zusammensetzungen, bei denen verschieden gro e Zeitschritte verwendet wurden. Dabei zeigte sich, dass mit feinerer Au osung des Prediction-Horizon niedrigere Kosten erreicht werden k onnen, parallel aber die Berechnungszeit steigt. F ur die Anwendung der variablen Zeitschritte konnte gezeigt werden, dass sich Solverzeiten ergeben, die zwischen jenen der konstanten Zeitschritte liegen, und in g unstigen F allen auch Kosten ahnlich der feineren Au osung erreicht werden. Weiters stellte sich heraus, dass die Kosten mit zunehmender Gr o e des Prediction-Horizon gegen einen bestimmten Wert konvergieren. Das Konvergenzverhalten und eine m ogliche optimale L ange des Prediction-Horizon variieren jedoch abh angig vom Lastfall und der Anlagenkon guration. Neben den zeitlichen Au osungen des Prediction-Horizon sind auch die Auswirkungen verschiedener Speicherkon gurationen untersucht worden. Die Ergebnisse zeigen, dass bei ausreichend gro er Speicherleistung mit zunehmender Speicherkapazit at die Kosten sinken. Wird bei konstanter Speicherkapazit at die Leistung variiert, kann eine deutliche Anderung des Konvergenzverhaltens der Kostenkurven beobachtet werden. This thesis rst deals with the formulation and then with the evaluation of the Mixed-Integer- Linear-Programming Unit-Commitment-Problem. In particular the e ects of di erent structures of the used prediction horizon for the problem solution are investigated. For this purpose both, an energy-based and a power-based model were realized, which can work with di erent time step sizes. On the one hand, constant time steps were used in 15-, 30- and 60-minute size for the structure of the prediction horizon. On the other hand, variable resolutions with di erent sized time steps within the prediction horizon were used. It can be shown that with a ner resolution of the prediction horizon lower costs can be achieved. At the same time, the calculation time to nd the optimal solution increases. For the application of the variable time steps it could be shown that solver times occur between those of the constant time steps and in favorable cases also costs similar to the ner resolution are achieved. Furthermore, it turned out that the costs converge to a certain value if the size of the prediction horizon increases. However, the convergence behavior and the optimal length of the prediction horizon vary depending on the load scenario and the plant con guration. In addition to the structure of the prediction horizon, the e ects of di erent storage con gurations have been investigated. The results show that with a su cient power of the storage and increasing storage capacity, the costs decrease. If the power varies and the storage capacity stays constant, a signi cant change in the convergence behavior of the cost curves can be observed.