Publication | Other papers | Smart- and Microgrid
Ganzheitliche Planung dezentraler Energiekonzepte durch mathematische Optimierung
Liedtke P, Stadler M, Zellinger M, Hengl F
Published 2019
Citation: Liedtke P, Stadler M, Zellinger M, Hengl F. Ganzheitliche Planung dezentraler Energiekonzepte durch mathematische Optimierung. e-nova Konferenz 2019.
Abstract
Kernthema dieses Beitrags ist die ganzheitliche Konzeption von Mikronetze, die sich auf die Reduzierung von Kosten und CO2-Emissionen konzentriert. Mikronetze, oder auch Microgrids, ermöglichen die koordinierte Energieerzeugung von dezentralen Energieressourcen, die Speicherungen der produzierten Energie und ein Lastmanagement zum Ausgleich von Wärme-, Kälte- und Elektrizitätsdienstleistungen. Mikronetze können vom breiteren Versorgungsnetz getrennt werden, können diverse Dienstleistungen erbringen und/oder selbst Energie erzeugen sowie in Überschusszeiten speichern und bei Bedarf wieder Kosten- oder Stabilitäts-orientiert freigeben.
Die mathematische Optimierung dient als unvoreingenommene Alternative für eine gesamtheitliche Planung von dezentralen Energietechnologien. Dieses Kriterium wird bei einer Kosten- oder CO2-Reduktion vor allem dann essentiell, wenn vielfältigen Kombinationen von Technologien und Kapazitäten möglich sind. Modernste Ansätze betrachten jedoch einen quasistatischen Aufbau unter Verwendung linearisierte Modelle und Mixed Integer Linear Optimization (MILP), wobei dynamische Effekte vernachlässigt werden. Unter Berücksichtigung von Lasten, geografischen, ökonomisch-ökologischen und tariflichen Daten sind mathematische Optimierungsalgorithmen in der Lage, verschiedene Anwendungsfälle zu beurteilen, wobei Effekte wie Vorwärmung, Sollwertänderungen oder kurzfristige Sonnenschwankungen unberücksichtigt bleiben. Dies bedeutet, dass die in quasistatischen Ansätzen verwendete Wärme- und Strombilanzen ungenau sein können (eventuell können physikalische Randbedingungen sogar verletzt werden, was zu suboptimalen Ergebnissen bei der Planung führen würde).
Die Notwendigkeit besteht quasistatische Optimierung mit einer weiteren Modellierungsart zu vergleichen und die Auswirkungen auf traditionelle quasistatische Ansätze, wie sie in DER-CAM oder ReOpt eingesetzt werden, aufzudecken. Um Abweichungen - bestehend aus dynamischen oder sogar Rebound Effekten - zu erkennen, werden mit TRNSYS Gebäude- und Anlagensimulationen für eine geplante Siedlungsanlage erstellt und ein Energiekonzept mit dem mathematischen Optimierungsprogramm OptEnGrid berechnet. Der Ansatz wird für vier Doppelhäuser und ein Mehrfamilienhaus getestet. Die Gebäude werden in TRNSYS simuliert und bieten thermische Lastdaten für den Referenzfall. Auch die Stromerzeugung mit PV-Modellen und der elektrische Verbrauch mit synthetischen Lastprofilen sind sowohl in der Optimierung als auch in der Simulation beteiligt. In der elektrischen Stromerzeugung zeigt die mathematische Optimierung bereits eine Abweichung von mehr als 5% auf Jahresbasis zur TRNSYS-Simulation. Ergebnisse im thermischen Energiebereich folgen nach weiterer Auswertung.