Quantifizieren einer kombinierten Auswirkung untereinander abhängiger unsicherer Ressourcen in einem elektrischen Stromnetz

Prozessorgestütztes Verfahren (200) zum Verbessern einer stochastischen Vorhersage für unsichere Stromerzeugungs- und bedarfsmengen zum Quantifizieren einer Auswirkung auf ein Stromnetz (100), wobei das prozessorgestützte Verfahren umfasst:- Anpassen (205) von Randverteilungen durch einen Prozessor (501 a, 502b, 503c) an Daten der unsicheren Stromerzeugungs- und -bedarfsmengen durch zwei oder mehr Stromerzeugungs- und -bedarfsknoten (101 - 109) des Stromnetzes, wobei jeder der zwei oder mehr Stromerzeugungs- und - bedarfsknoten entsprechende Stromerzeugungs- und -bedarfsmengen auf der Grundlage einer erneuerbaren Energiequelle bereitstellt;- Ermitteln (210) einer Korrelationsstruktur zwischen den zwei oder mehr Stromerzeugungs- und -bedarfsknoten durch den Prozessor durch Transformieren der Daten von Randverteilungen in eine zweite Verteilung und durch Anpassen einer multivariaten Zeitreihe an transformierte Daten;- Simulieren (215) einer verbesserten multivariaten stochastischen Vorhersage mit einer verbesserten Korrelationsstruktur, wobei der verbesserten multivariaten stochastischen Vorhersage die ermittelte Korrelationsstruktur zugrunde liegt; und- Durchführen (220) einer Netzanalyse des Stromnetzes durch den Prozessor auf der Grundlage der verbesserten multivariaten stochastischen Vorhersage,◯ wobei die Netzanalyse Ermitteln eines Netzzustands für jeden Abtastwert, Zusammenführen statistischer Daten und Optimieren des Netzbetriebs umfasst,◯ wobei die Randverteilungen auf Messdaten früherer Stromerzeugungs- und -bedarfsmengen durch die zwei oder mehr Stromerzeugungs- und - bedarfsknoten und Vorhersagedaten zukünftiger unsicherer Stromerzeugungen durch die zwei oder mehr Stromerzeugungs- und - bedarfsknoten beruhen. Embodiments herein relate to improving a stochastic forecast for uncertain power generations and demands to quantify an effect on an electrical power grid. To improve the stochastic forecast, a method includes fitting marginal distributions to data of the uncertain power generation and demand by power generation and demand nodes of the electrical power grid. The power generation and demand nodes provide corresponding uncertain power generation and demand based on a renewable energy source. The method also includes determining a correlation structure between the power generation and demand nodes by transforming the data from marginal distributions to a second distribution and by fitting a multivariate time series on transformed data. The meth