Der Zugang zu sauberer, erschwinglicher, nachhaltiger und zuverlässiger Energie stellt nach wie vor eine große globale Herausforderung dar. Die Vereinten Nationen haben das Ziel für nachhaltige Entwicklung Nr. 7 (SDG 7) festgelegt, um bis 2030 einen universellen Zugang zu modernen Energiedienstleistungen zu gewährleisten. Trotz weltweiter Bemühungen haben etwa zwei Milliarden Menschen keinen Zugang zu kommerziellen Energiequellen, davon fast eine Milliarde in Subsahara-Afrika. Strategien wie der Ausbau des Stromnetzes, Mikronetze, Solar Home Systems (SHS) und Schwarmnetze, engl. swarm grids (SG) wurden umgesetzt, um diese Lücke zu schließen. Swarm grids, die durch die Vernetzung mehrerer SHS zu autonomen Netzwerken entstehen, befinden sich noch in einem frühen Entwicklungsstadium. Zu den zentralen Herausforderungen zählen Strategien zur Energieverteilung, optimale Netzplanung, Energiemanagementsysteme, Sicherheit und Datenschutz sowie die Kosteneffizienz von Wandlern und Kommunikations-Transceivern.Diese Forschungsarbeit untersucht zwei Fragen: (1) Wie kann ein intelligenter Transceiver für die Implementierung von Schwarmnetzen in ländlichen Gebieten entwickelt werden? (2) Wie lassen sich solarbasierte Schwarmnetze unter Berücksichtigung von Investitionen, Betriebskosten und lokalen Einschränkungen optimal planen? Ein weiterer Schwerpunkt liegt auf: (a) der Identifizierung von Werkzeugen für den effizienten Einsatz von Solar-Schwarmnetzen, (b) der Integration des Werkzeugs in gängige Computeranwendungen zur einfachen Nutzung durch Laien und (c) der Bewertung von Antriebs- und Schwellenparametern für die Auswahl von Verteilungsleitungen bei der Implementierung von Schwarmnetzen.Zur Beantwortung dieser Fragen wird ein integriertes Rahmenkonzept entwickelt. Zunächst wird ein LoRa-basierter intelligenter Kommunikations-Transceiver entworfen, dessen Funktionalität durch Python-Simulationen und Laborprototypen validiert wird. Anschließend wird ein optimierungsbasiertes Planungsmodell unter Verwendung gemischt-ganzzahliger linearer Programmierung entwickelt, um kosteneffiziente Schwarmnetz-Konfigurationen zu ermitteln, wobei Netzwerktopologie, Energiebedarf, Leistungsfluss und Infrastrukturkosten berücksichtigt werden. Um die Benutzerfreundlichkeit für Anwender mit unterschiedlichem technischem Hintergrund zu verbessern, wird das Modell in Microsoft Excel integriert. Das Framework wird anhand eines Testfalls mit zehn Häusern im Dorf Kitame in Tansania evaluiert.Die Ergebnisse zeigen, dass der Transceiver die Kommunikation effektiv verwaltet, Energie verteilt, Transaktionen aufzeichnet und unbefugte Anfragen erkennt. Das Planungsmodell verbessert Energiedefizite um 56,2 % und reduziert Überschüsse um 84,9 %. Die Netzstabilität kann entweder durch ein zentralisiertes Energiespeichersystem (ESS) verbessert werden, was eine 100-prozentige Verbesserung bei hohen Kosten erzielt, oder durch verbraucherseitige Laststeuerung, engl. demand-side management (DSM), was eine 81-prozentige Verbesserung erzielt. Die Studie kommt zu dem Schluss, dass die Kombination von ESS und DSM unerlässlich ist, um Schwarmnetze zu stabilisieren und eine zuverlässige, kosteneffiziente dezentrale Elektrifizierung zu ermöglichen.
Joseph S. Mwakijale (Mon,) studied this question.