Echtzeit (RT) Netz-Streaming-Engine
Zusammenfassung
Dieses Dokument stellt die grundlegende Architektur der Real-Time (RT) Grid Streaming Engine vor, die zur Verarbeitung massiver Telemetriedaten und zur nahezu verzögerungsfreien Durchführung von Topologieberechnungen entwickelt wurde.
Forschungskontext: Dies ist die erste von vier kommenden Publikationen, die das hierarchieübergreifende Netzverhalten (vom deutschen CIGRE-Mittelspannungsnetz bis zum australischen Höchstspannungsnetz) analysieren. Diese vier Studien begründen kumulativ das 5-Faktoren-Entscheidungs-Framework für Energiesystemingenieure. Konkret belegt dieses initiale ETECOM 2026 Paper, dass im deutschen Mittelspannungsnetz der Betriebszustand die Spannungsmargen weitaus stärker diktiert als die lokale Ereignisgröße ().
Methodik
Inhalt wird derzeit im Peer-Review geprüft.
- Ingestionsschicht: Eine hochdurchsatzfähige Kafka/gRPC-Pipeline, die Echtzeit-Telemetrie verarbeitet und gleichzeitig mit irreführenden Schwellenwerten und Datenqualitätsproblemen umgeht.
- Verarbeitungs-Engine: Migration von Pandapower (Python) zu OpenDSS, um Leistungsengpässe bei Zeitreihenprognosen und der Echtzeit-Zustandsschätzung zu überwinden.
- Topologie & Graphenmodellierung: Algorithmische Busauswahl unter Verwendung optimierter Dijkstra-Pfadfindung zur Kartierung von Niederspannungsnetzen mit begrenzten Sensordaten.
- Streaming-Infrastruktur: Implementierung einer speziellen Caching-Schicht zur Überwindung der "Memory Wall", was kontinuierliche Schweregrad-Scans und die Echtzeit-Korrelation von Erzeugung und Last ermöglicht.
Erwartete Ergebnisse
Die Implementierung demonstriert die Fähigkeit, kontinuierliche Zeitreihenprognosen und Engpasskartierungen (The Redispatch Atlas) ohne die Latenz durchzuführen, die Python-Batch-Umgebungen innewohnt.
Indem nachgewiesen wird, dass der Betriebszustand die Ereignisgröße auf der Mittelspannungsebene dominiert, etabliert dieses Paper Faktor 3 (Relative Variabilität) des einheitlichen 5-Faktoren-Entscheidungs-Frameworks und bereitet damit den Weg für die nachfolgende Forschung zu Niederspannungs-Dachsolaranlagen und Hyperscale-Rechenzentren auf Übertragungsnetzebene.