Visualisierung von Spannungsdaten im Stromnetz: Neue Methoden

Elektrische Netze sind komplex und bestehen aus vielen verschiedenen Teilen, darunter verschiedene Knotenpunkte, die als Bussen bekannt sind. Jeder Bus trägt eine bestimmte Spannung, und es ist wichtig, diese Spannung stabil zu halten, damit die elektrischen Systeme funktionieren. Für Versorgungsunternehmen ist es wichtig, sicherzustellen, dass die Spannung an jedem Bus in einem bestimmten Bereich des erwarteten Wertes bleibt. Wenn man die Daten dieser Netze visualisieren möchte, ist es eine Herausforderung, den Zustand jedes Busses genau darzustellen, besonders wenn viele Bussen über ein geografisches Gebiet verteilt sind.

Früher haben Forscher farbige Konturenkarten verwendet, um Spannungsdaten darzustellen. In diesen Karten werden Farben bestimmten Bereichen zugeordnet, basierend auf der durchschnittlichen Spannung der nahegelegenen Bussen. Diese Methode erzeugt eine glatte visuelle Darstellung, kann aber zu Missverständnissen führen. Zum Beispiel kann die Art und Weise, wie Bussen in Farben kombiniert werden, wichtige Details verbergen oder extreme Spannungswerte falsch darstellen.

Angesichts dieser Probleme haben wir uns andere Möglichkeiten zur Visualisierung dieser Informationen angesehen. Besonders konzentrierten wir uns auf vier alternative Methoden: Voronoi-Polygone, H3-Tessellungen, S2-Tessellungen und netzwerkgewichtete Konturenkarten. Unser Ziel war es, Methoden zu finden, die die Spannungsdaten genauer darstellen und gleichzeitig leicht verständlich sind.

#Das Verständnis der Herausforderung

Elektrische Netze können sowohl als räumlich (wo Dinge liegen) als auch topologisch (wie die Komponenten verbunden sind) betrachtet werden. Mit dem Aufkommen erneuerbarer Energiequellen sind diese Netze komplizierter geworden, und der Bedarf an besserer Visualisierung ist gestiegen. Beispielsweise können Faktoren wie Wetteränderungen oder die Nutzung von Elektrofahrzeugen das Netz beeinflussen. Ausserdem kann die Verteilung der Bussen in der Dichte stark variieren, was die genaue Visualisierung erschwert.

#Der traditionelle Ansatz: Farbige Konturenkarten

Farbige Konturenkarten werden häufig verwendet, um Daten von Energiesystemen darzustellen. Sie bieten eine kontinuierliche Visualisierung, indem sie jeden Bereich basierend auf der durchschnittlichen Spannung der nahegelegenen Bussen einfärben, die aus den Entfernungen zu diesen Bussen berechnet wird. Obwohl sie beliebt sind, hat dieser Ansatz seine Mängel. Indem er die nahegelegenen Werte mischt, kann er wichtige Variationen in der Spannung verbergen. Es können Anomalien geglättet werden, die Aufmerksamkeit benötigen, und das Erstellen dieser Karten kann viel Rechenleistung kosten, besonders bei grossen Datensätzen.

#Untersuchung von Alternativen

Um zu sehen, ob es bessere Methoden zur Visualisierung dieser Daten gibt, haben wir vier Alternativen vorgeschlagen:

1. Voronoi-Tessellation: Diese Methode erstellt ein Polygon um jeden Bus. Jedes Polygon umfasst alle Punkte, die am nächsten zu diesem Bus liegen. Die Farbe des Polygons spiegelt die Spannung des Busses wider, den es darstellt. Dieser Ansatz bewahrt die individuellen Buswerte und kann Bereiche mit hoher und niedriger Spannung deutlich zeigen.

2. H3-Tessellation: Diese Methode teilt das Gebiet in hexagonale Fliesen. Bussen werden diese Hexagons basierend auf ihrem Standort zugeordnet. Die Hexagons werden entsprechend der durchschnittlichen Spannung der enthaltenen Bussen eingefärbt. Mit unterschiedlich grossen Hexagons balanciert diese Methode den Bedarf, Details zu zeigen und eine Gesamtansicht zu erhalten.

3. S2-Tessellation: Ähnlich wie H3 verwendet diese Methode auch viereckige Fliesen, variiert jedoch darin, wie sie das Gebiet abdecken. Die Fliesen variieren in der Grösse, um Bereiche mit hoher und niedriger Spannung besser darzustellen. Durch das Überlagern dieser Fliesen können wir eine vollständige Ansicht des Gebiets beibehalten und dennoch Variationen hervorheben.

4. Netzwerk-gewichtete Konturenkarte: Bei diesem Ansatz werden die Abstände zwischen den Bussen bei der Berechnung der Spannungen berücksichtigt. Durch die Verwendung von nahegelegenen, verbundenen Bussen liefert diese Methode einen genaueren Durchschnittswert für jeden Bereich. Sie kann die Struktur des Netzes zeigen und gleichzeitig die Spannungsdaten visuell darstellen.

#Bewertung der Methoden

Wir haben diese vier Methoden anhand ihrer Fähigkeit verglichen, die statistische Verteilung der Spannungsdaten darzustellen, Anomalien zu verfolgen und Bereiche der Variabilität zu zeigen. Ausserdem haben wir berücksichtigt, wie lange jede Methode zur Erstellung benötigt, was für die praktische Nutzung wichtig ist.

#Voronoi-Tessellation

In unseren Tests schnitten Voronoi-Tessellationen sehr gut ab. Jeder Bus hat sein eigenes Polygon, was die Einzigartigkeit der Spannungswerte bewahrt. Die resultierende Visualisierung spiegelte klar Bereiche mit hoher Variabilität wider und glättete keine Anomalien. Der einzige Nachteil ist, dass in kleineren Datensätzen zu viele Polygone sich überlappen könnten, was es schwierig macht, Details zu erkennen.

#H3-Tessellation

H3-Tessellungen zeigten viele der gleichen Stärken, verloren jedoch einige Details durch die Durchschnittsbildung der Buswerte innerhalb der Hexagons. Obwohl es eine klare Struktur für das Netz schuf, bedeutete der Verlust der einzigartigen Spannungswerte, dass einige wichtige Variationen übersehen werden könnten. Die rechnerische Effizienz war besser als bei den traditionellen Konturenkarten, insbesondere bei niedrigen Auflösungen.

#S2-Tessellation

S2-Tessellungen boten mehr Details in Bereichen mit hoher Variabilität als H3, neigten jedoch ebenfalls dazu, Ausreisser zu aggregieren. Die viereckigen Fliesen vermittelten nicht effektiv die topologische Struktur des Netzes. Die Rechenzeit war mit der für H3 vergleichbar, was bei grösseren Datensätzen zu berücksichtigen ist.

#Netzwerk-gewichtete Konturenkarte

Die netzwerkgewichtete Konturenkarte ermöglichte glattere Übergänge entlang der Netzlinien, verlor jedoch einige einzigartige Spannungswerte. Sie bot eine klarere Ansicht der Netzstruktur, benötigte jedoch länger zur Berechnung als die anderen Methoden aufgrund der Komplexität, die mit der Bestimmung der Verbindungen zwischen den Bussen verbunden ist.

#Zusammenfassung der Ergebnisse

Durch die Bewertung dieser Methoden haben wir festgestellt, dass die Voronoi-Tessellation als die beste Option für diesen Datensatz von über 24.000 Bussen heraussticht. Sie bewahrte effektiv Anomalien und spiegelte die statistische Verteilung der Originaldaten wider. Die netzwerkgewichtete Konturenkarte zeigte ebenfalls Potenzial, besonders für grössere Datensätze.

Diese Alternativen zu farbigen Konturenkarten bieten neue Möglichkeiten zur Visualisierung von Daten in Energiesystemen. Sie bewahren die Integrität der Informationen und erleichtern das Erkennen wichtiger Details. Allerdings können unterschiedliche Datensätze unterschiedliche Ergebnisse liefern; daher ist es ratsam, diese Methoden in anderen Kontexten weiter zu erforschen.

#Zukünftige Richtungen

Wir schlagen vor, zukünftige Untersuchungen zu diesen Methoden durch die Einbeziehung von Zeitreihendaten zu ergänzen. Das würde es den Nutzern ermöglichen, Veränderungen über die Zeit hinweg zu beobachten. Zudem könnte eine Kombination verschiedener Visualisierungstypen das Verständnis der Daten verbessern, ebenso wie das Sammeln von Feedback von Nutzern, um herauszufinden, welche Methoden sie am nützlichsten finden.

Zusammenfassend spielt die Visualisierung eine entscheidende Rolle im Verständnis elektrischer Netze. Indem wir die Art und Weise verbessern, wie Spannungsdaten dargestellt werden, können wir sicherstellen, dass Variationen genau dargestellt werden und potenzielle Probleme nicht übersehen werden. Die Erforschung verschiedener Visualisierungsmethoden ist ein notwendiger Schritt, um dieses Ziel zu erreichen, mit der Hoffnung, zu einer effektiveren Überwachung und Verwaltung von Energiesystemen in der Zukunft zu führen.