Ein Ansatz zur Leistungsfluss‑Modellierung, der Unsicherheit in Eingangsgrößen (Lasten, dezentrale Erzeugung, Störungen) durch die Leistungsflussgleichungen des Netzes propagiert, um statistische Charakterisierungen — Momente, Dichtefunktionen, Quantile oder Risikomaße — von Knotenspannungen, Leitungsflüssen und anderen stationären Ausgaben zu liefern; Methoden umfassen Monte‑Carlo‑Stichproben, analytische Momentenfortpflanzung oder Punkt‑Schätzverfahren und erfordern explizite probabilistische Eingangsmodelle und Korrelationsannahmen.

Prinzip

Unsicherheit der Eingaben wird durch den (in der Regel nichtlinearen) Leistungsflussoperator auf die Ausgaben abgebildet; Approximationen durch Linearisierung liefern Momentenschätzungen, während Stichproben nichtlineare Effekte erfassen — die Resultate sind bedingt durch Eingangsverteilungen, Korrelationen und das gewählte Verfahren.

Demonstration

Illustratives Szenario → Ein Versorgungsnetz mit hoher PV‑Durchdringung und unsicherer Einspeisung und Last. Erkennen → probabilistische Modelle für PV‑Leistung (inkl. Korrelation mit Einstrahlung) und Last spezifizieren. Aktion → Monte‑Carlo‑Leistungsflussläufe durchführen, Verteilung der Busspannungen ermitteln und die Wahrscheinlichkeit eines Spannungsüberschreitens berechnen. Folge → Betreiber erhalten risikobasierte Kennzahlen (z. B. 95. Perzentil) zur Steuerung von Reserve‑ oder Einspeisebegrenzungsmaßnahmen.

Fehlanwendung

Probabilistische Ausgaben als objektive Real‑Wahrscheinlichkeiten interpretieren ohne Validierung der Eingangsmodelle oder Korrelationen zu berücksichtigen; oder lineare Momentenmethoden in stark nichtlinearen Zuständen anwenden — semantischer Fehler ist die Überschätzung der Verlässlichkeit konditionaler Ergebnisse.

Konsequenz

Probabilistische Lastflussrechnung ermöglicht risikobasierte Planung und Betrieb durch Quantifizierung von Verletzungswahrscheinlichkeiten und informiert Reserve‑ und Investitionsentscheidungen; ihre Ergebnisse sind jedoch bedingt durch die modellierten Unsicherheiten und Methodenwahl und können irreführend sein, wenn Eingangsdaten schlecht sind.

Umkehrung

Für extreme, seltene Ereignisse oder adversariale Szenarien sind szenarienbasierte, Worst‑Case‑ oder physikgetriebene Analysen oft geeigneter als probabilistische Mittelwertermittlung; bei kleinen Stichproben oder unsicheren Eingangmodellen sind probabilistische Schätzungen unzuverlässig.

Abgrenzung

Klar innerhalb: stationäre Leistungsflussanalysen mit stochastischen Eingangsmodellen zur Bewertung von Verteilungen von Spannungen und Flüssen. Randfall: die Einbindung probabilistischer statischer Ergebnisse in Dynamikstudien erfordert zusätzliche Modellierung. Klar außerhalb: reine Dynamik‑ oder Schutztransientenanalysen ohne Erweiterung zu stochastischen dynamischen Modellen.

Semantische Spannung

Deterministisch (garantierte Grenzen) ↔ Probabilistisch (risikobasierte Grenzen): probabilistische Ansätze tauschen absolute Garantien gegen quantifizierte Risikomaße und operative Flexibilität.

Synthese

Die probabilistische Lastflussrechnung macht explizit, wie Eingangsunsicherheit stationäre Netzgrößen beeinflusst; ihr Nutzen hängt von realistischen Eingangsmodellen und methodischer Sorgfalt ab und sie ergänzt deterministische Studien, indem sie Unsicherheit in handhabbare Risikomaße überführt.