Bedingt durch Umweltbelange und steigende Kosten für fossile Brennstoffe werden immer mehr Wind- und Solaranlagen (distributed generation, DG) in Verteilernetzen (distribution networks, DNs) installiert. Es ist eine bekannte Tatsache, dass die Einspeisung durch erneuerbare Energieträger starken Schwankungen unterliegt. Ein möglicher Lösungsansatz zur Behandlung dieser Schwankungen ist die Nutzung von Energiespeichersystemen wie z. B. Batteriespeichersysteme (BSS). Der Einsatz solcher Systeme verwandelt traditionelle passive Verteilernetze (PDNs) in aktive Verteilernetze (ADNs). Folglich ist es wichtig, die Auswirkungen und Vorteile der Integration solcher Einheiten in konventionelle Verteilernetze zu untersuchen.In dieser Dissertation wird eine systematische Untersuchung (bestehend aus Modellierung, Simulation und Optimierung) des dynamischen Betriebs von Energieversorgungsnetzen mit eingebetteten erneuerbaren Energieträgern und Speichersystemen vorgenommen. Basierend auf komplexen Lastflussmodellen werden verschiedene Optimierungsprobleme mathematisch formuliert und gelöst.In dieser Arbeit werden neue mathematische Modelle und eine neue Problemformulierung für den kombinierten optimalen Lastfluss von Wirk- und Blindleistung (active-reactive optimal power flow, A-R-OPF) in PDNs (ohne DG-Anlagen und BSSs) und ADNs (mit DG-Anlagen und BSSs) vorgestellt. Typischerweise enthalten DNs zwei Spannungsebenen, nämlich Nieder- und Mittelspannung. Deshalb werden Untersuchungen in den beiden Spannungsebenen getrennt durchgeführt. Modellierungsverfahren für PDNs, ADNs und Energiepreise werden vorgestellt. Diese Verfahren dienen als Grundlage der vorliegenden Arbeit. Darauf aufbauend werden Simulationsstudien in PDNs zur Analyse der Betriebseigenschaften durchgeführt. Insbesondere wird die Auswirkung des Betriebs der Laststufenschalter der Haupttransformatoren hervorgehoben. Darüber hinaus wird ein Optimierungsverfahren zur Minimierung der gesamten Energieverluste in PDNs vorgestellt.In ADNs werden zwei Spannungsebenen mit jeweils zugehörigen realen Fallstudien getrennt betrachtet. Auf der Niederspannungsebene wird eine hohe Einspeisungsrate von PV-Anlagen (photovoltaic systems, PVSs) angenommen, um die Auswirkungen eines solchen Szenarios zu zeigen. Insbesondere wird die Fähigkeit der Inverter dieser PV-Anlagen zur Erzeugung von Blindleistung untersucht. Die Gesamteinnahmen aus den installierten PV-Anlagen werden maximiert, während gleichzeitig die Gesamtkosten der Energieverluste und die Nachfrage minimiert werden. Durch die Verwendung unterschiedlicher Preismodelle können viele interessante Ergebnisse generiert werden, z. B. besteht keine Notwendigkeit, BSSs in Niederspannungsnetzen für die Aufnahme überschüssiger PV-Energie zu installieren. Auf der Mittelspannungsebene wird ein DN mit einer hohen Einspeisungsrate von Windenergie und BSSs betrachtet. In diesem Fall werden die Gesamteinnahmen der Windparks und BSSs maximiert, während die Gesamtkosten der Energieverluste minimiert werden. Es zeigt sich, dass eine enorme Reduktion der Energieverluste und der Blindleistungsimporte erreicht werden kann. Um die Lebensdauer der BSSs zu verlängern wird nur ein fester Lade-/ Entlade-Zyklus pro Tag betrachtet. Diese Lösung liefert eine optimale Betriebsstrategie, welche die Zulässigkeit gewährleistet und den Profit signifikant erhöht. Aufgrund der Tatsache, dass die Profile der erneuerbaren Energien, der Nachfrage und der Preise von Tag zu Tag variieren, ist ein feststehender Betrieb der BSSs allerdings nicht optimal.Weiterhin wird ein flexibles Batterie-Management-System zur Behandlung solcher Schwankungen vorgestellt. Dies wird durch die Optimierung der Lade- und Entladezeiten der BSSs für jeden Tag erreicht. Daraus resultiert ein komplexes gemischt-ganzzahliges nichtlineares Optimierungsproblem (mixed-integer nonlinear program, MINLP). Für dessen Lösung wird ein iteratives zweistufiges Verfahren eingeführt. In der oberen Stufe werden die ganzzahligen Variablen (d. h. Lade- und Entladezeiten) optimiert und an die untere Stufe weitergegeben. In der unteren Stufe wird das A-R-OPF Problem mit einem NLP-Löser gelöst und der resultierende Wert der Zielfunktion wird an die obere Stufe für die nächste Iteration weitergegeben. Dieses Verfahren konvergiert, wenn eine Anzahl von Iterationen erreicht ist. Die Verwendung dieses flexiblen Ansatzes resultiert in bedeutend höheren Profiten.
Due to environmental and fuel cost concerns more and more wind- and solar-based distributed generation (DG) units are embedded in distribution networks (DNs). It is, however, a well-known fact that renewable energy generators are highly fluctuating sources, and therefore, energy storage systems such as battery storage systems (BSSs) are considered as a solution to handle such fluctuations. In general, DG units and/or BSSs convert traditional passive DNs (PDNs) into active DNs (ADNs). Consequently, it is important to investigate the impact and benefits of integrating such entities in conventional DNs.This dissertation presents a systematic study consisting of modeling, simulation, and optimization of dynamic operations of energy supply networks with embedded renewable generation and storage. Based on complex power flow models, different optimization problems are mathematically formulated and solved. In this work, novel mathematical models and a new combined problem formulation for active-reactive optimal power flow (A-R-OPF) in PDNs (without DG units and BSSs) and ADNs (with DG units and BSSs) are studied. Typically, DNs consist of two different networks in terms of voltage levels, namely, low-voltage and medium-voltage DNs. For this reason, investigations are carried out separately on both networks. Modeling procedures for PDNs, ADNs, and energy prices are presented. These procedures serve as the basis for this work. Then, simulation studies in PDNs are made to analyze its operating characteristics. In particular, the operation of on-load-tap-changers of main transformers is highlighted. Moreover, an optimization framework is introduced to minimize the total energy losses in PDNs.In ADNs, two voltage levels with two real case studies are separately considered. On the low-voltage level, a high penetration level of photovoltaic (PV) systems (PVSs) is considered in the network in order to reveal the impact of such a scenario. In particular, the reactive power capability of the inverters of these PVSs is explored. The total revenue from the installed PVSs is maximized whilst the total cost of energy losses and demand is minimized. Using different price models many interesting results are found, e.g., no need to use BSSs in low-voltage DNs for accommodating expected spilled PV energy. On the medium-voltage level, a DN with a high penetration of wind energy and BSSs is considered. In this case, the total revenue from wind parks and BSSs is maximized and the total cost of energy losses is minimized. It is found that a huge reduction in energy losses and reactive energy imports can be achieved. To prolong the life of BSSs only one fixed charge/discharge cycle every day is considered. The solution provides an optimal operation strategy which ensures the feasibility and enhances the revenue significantly. However, due to the fact that the profiles of renewable energy generation, demand and prices vary from day to day a fixed operation of BSSs cannot be optimal.A flexible battery management system is proposed to adapt to such variations. This is accomplished by optimizing the lengths (hours) of charge and discharge periods of BSSs for each day, leading to a complex mixed-integer nonlinear program (MINLP). An iterative two-stage framework is proposed to address this problem. In the upper stage, the integer variables (i.e., hours of charge and discharge periods) are optimized and delivered to the lower stage. In the lower stage the A-R-OPF problem is solved by a NLP solver and the resulting objective function value is brought to the upper stage for the next iteration. This procedure will converge when number of iterations is reached. Using this flexible system a considerably higher revenue can be achieved.