Seit Beginn der Energiewende im deutschen Stromversorgungssystem geht die Entwicklung in Richtung Dezentralisierung. Im Gegensatz zum früheren Stromversorgungssystem mit großen zentralen Kraftwerken haben Stromversorgungssysteme mit einem hohen Anteil an erneuerbaren Energien eine dezentrale Topologie mit verteilter Stromerzeugung. Darüber hinaus gewinnen Speichereinheiten zunehmend an Bedeutung, um die nicht planbare Stromerzeugung aus erneuerbaren Energien an den Stromverbrauch anzupassen. Energiespeichersysteme, die von Natur aus einen bidirektionalen Stromfluss ermöglichen, machen den Betrieb der dezentralen Stromerzeugung komplexer. Diese Komplexität erfordert eine sorgfältige Abwägung der Betriebsstrategien und der Dimensionierung. Am Fraunhofer IWES untersuchen wir die Machbarkeit der gleichzeitigen Optimierung von Dimensionierung und Betrieb lokaler Energiesysteme.
Da wir sowohl die Dimensionierung als auch den Betrieb verschiedenster Energiesysteme unter unterschiedlichen regulatorischen Rahmen- und Randbedingungen optimieren wollen, ist die Flexibilität bei der Systemauswahl von entscheidender Bedeutung. Dieser Ansatz ermöglicht maßgeschneiderte Lösungen, die sich an spezifische regionale Anforderungen, regulatorische Vorgaben und Technologien anpassen lassen, und stellt sicher, dass jedes lokale Energiesystem sowohl effizient als auch zuverlässig ist, um den Energiebedarf zu decken. Durch die Integration von Flexibilitäten in unsere Analyse können wir die vielfältigen Herausforderungen, die der Übergang zu einer dezentralen und auf erneuerbaren Energien basierenden Energielandschaft mit sich bringt, besser bewältigen.
Was sind lokale Energiesysteme?
Der Wandel des Energiesystems hin zu einem dezentralen System mit verteilter Stromerzeugung und -speicherung erfordert eine neue Sichtweise auf das Energiesystem als vernetzte lokale Energiesysteme. Ein lokales Energiesystem ist eine Ansammlung verteilter Energieressourcen, wie z. B. erneuerbare Energiequellen, Energiespeichersysteme und lokale Energieverbraucher.
Das lokale Energiesystem fungiert als eine Einheit, wodurch die lokale Energienutzung einfacher verwaltet und optimiert werden kann. Es sollte so konzipiert sein, dass es effizient mit anderen lokalen Energiesystemen interagiert und zur allgemeinen Stabilität des Stromnetzes beiträgt. Ein lokales Energiesystem kann bei Bedarf unabhängig (wie ein Mikronetz) betrieben werden, was eine flexible Anpassung an die Systemanforderungen ermöglicht. Es kann auf verschiedenen Spannungsebenen (niedrig, mittel, hoch) funktionieren und verschiedene Energiearten nutzen, darunter chemische (wie Brennstoffe), elektrische (wie Strom) und thermische (wie Wärme). Zusammenfassend lässt sich sagen, dass ein lokales Energiesystem verschiedene Energieressourcen und -lasten integriert, um das lokale Energiemanagement zu verbessern und die Netzstabilität zu unterstützen.
Wie können lokale Energiesysteme mithilfe der OPTILESSi-Toolchain dimensioniert werden?
Um ein lokales Energiesystem mithilfe der OPTILESSi-Toolchain zu dimensionieren, wird im Projekt OPTILESSI des Fraunhofer IWES ein Modell auf der Grundlage der Auswahl von Komponenten erstellt, das ein hohes Maß an Anpassungsfähigkeit an verschiedene Konfigurationen ermöglicht. Durch die Auswahl spezifischer Komponenten passt sich das Modell dynamisch an und spiegelt die einzigartigen Eigenschaften und Energiebilanzen der ausgewählten Elemente wider. Das Modell kann Erzeugungseinheiten wie Windturbinen und Photovoltaik-Anlagen, ein Batteriespeichersystem oder einen Wasserstoffspeichertank sowie Umwandlungseinheiten wie einen Elektrolyseur und eine Brennstoffzelle enthalten, die den gespeicherten Wasserstoff bei Bedarf wieder in Elektrizität umwandelt. Darüber hinaus kann eine Auswahl getroffen werden, ob eine Netzanbindung einbezogen werden soll oder ob der Schwerpunkt ausschließlich auf dem Eigenverbrauch des erzeugten Stroms und Wasserstoffs zur Deckung des lokalen Bedarfs liegen soll. Die Konfigurationsoptionen sind in Abbildung 1 dargestellt.
Nachdem das System definiert wurde, besteht der nächste Schritt darin, die Rahmenbedingungen festzulegen. Dazu gehören die Festlegung technischer Parameter, Projektkennzahlen und Energiebedarfe. Darüber hinaus können die Ziele der Optimierung ausgewählt werden. Ein Ziel kann beispielsweise das wirtschaftliche Optimum durch die Teilnahme am Energiemarkt sein. Auch andere Vergütungsmodelle, wie z. B. das Anbieten von Systemdienstleistungen oder das Erhalten staatlicher Subventionen, können untersucht werden. Alternativ kann der Schwerpunkt auf die lokale Energieversorgung gelegt werden, bei der Zuverlässigkeitsbedingungen festgelegt werden, um sicherzustellen, dass die Nachfrage durchgehend gedeckt wird. Das Modell verwendet dann Daten aus Energiemärkten, Wetterbedingungen oder dem lokalen Netzstatus, um seine Berechnungen durchzuführen. Es kann zudem aktuelle regulatorische Anforderungen berücksichtigen. Dieser Ansatz ermöglicht eine umfassende Analyse, die auf die spezifischen Bedürfnisse und Ziele des lokalen Energiesystems zugeschnitten ist.
Sobald alles konfiguriert ist, erfolgt die modellbasierte Optimierung. Damit das Modell linear ist, wird davon ausgegangen, dass die Wirkungsgrade aller Anlagen über verschiedene Betriebsbedingungen hinweg konstant bleiben und dass sich die Energie- und Leistungskapazitäten der Anlagen während des gesamten Projektlebenszyklus nicht ändern. Die Linearität ist wichtig, da so schnellere und einfachere Optimierungen über lange Projektlaufzeiten hinweg ermöglicht werden. Durch Nebenbedingungen wird sichergestellt, dass alle Betriebsvariablen innerhalb definierter Grenzen bleiben und dass die Leistungseingänge und -ausgänge maximale und minimale Betriebsschwellenwerte einhalten.
Die zu optimierenden Größen sind die Nennleistung oder Kapazität der ausgewählten Komponenten. Zusätzlich zu den optimierten Größen gibt das Modell auch optimierte Betriebsprofile aus, die die optimalen Leistungskurven aller Komponenten veranschaulichen. Diese Profile sollen sicherstellen, dass der Energiebedarf oder die Zielvorgaben effektiv erfüllt werden. Durch die Analyse dieser Betriebsprofile können die Beteiligten verstehen, wie jede Komponente im Laufe der Zeit optimal betrieben werden kann, um die Effizienz zu maximieren und den Betrieb mit den festgelegten Zielen des lokalen Energiesystems in Einklang zu bringen. Darüber hinaus werden Leistungskennzahlen (KPIs) generiert, um verschiedene Aspekte des Systems zu bewerten, darunter die wirtschaftliche Leistung, die Einhaltung der Versorgungssicherheit und die Gesamtauslastung des Systems.
Wie lassen sich der Betrieb und die Größe eines lokalen Energiesystems gleichzeitig optimieren?
Die Abstraktionsebene, die Beschränkungen und die Zielfunktion des Modells sind so strukturiert, dass ein Ansatz der linearen Programmierung (LP) möglich ist, sodass das Problem mit einem LP-Solver gelöst werden kann. Diese Art von Problem erfordert die Umwandlung des Problems in eine Matrixformulierung, ausgedrückt als Minimierung einer Funktion, die Gleichheits- und Ungleichheitsnebenbedingungen sowie Beschränkungen der Entscheidungsvariablen unterliegt.
Der Entscheidungsvariablenvektor umfasst sowohl Betriebsvariablen als auch Komponentengrößen. Die Betriebsvariablen sind die Lade- und Entladeeinheiten und die Leistungsprofile der Erzeugungs- und Umwandlungseinheiten. Alle Betriebsvariablen haben einen spezifischen Wert für jeden Abtastzeitpunkt, d. h. alle 60 Minuten eines Jahres. Durch zeitliche Diskretisierung der Ableitungen mit der Euler-Vorwärtsmethode können rekursive Gleichungen für die Systemzustände erstellt werden, sodass die Formulierung der Zustandsgleichungen in diskreten Zeitintervallen möglich ist.
Es werden Ungleichheitsnebenbedingungen hinzugefügt, um sicherzustellen, dass die Zustände innerhalb der vorgegebenen Grenzen bleiben. Dies führt zu mehreren Ungleichheitsnebenbedingungen, einschließlich derer, die sich auf den Ladezustand und die Leistungseingänge beziehen. Zusätzlich werden untere und obere Schranken definiert, um den Suchraum für die Dimensionierungsvariablen auf der Grundlage benutzerdefinierter Auswahlmöglichkeiten einzuschränken.
Beispiel für eine lokale Energiesystemoptimierung
Dieses Beispiel zeigt ein lokales Energiesystem, das eine Windenergieanlage, einen Elektrolyseur, einen Wasserstoffspeicher, eine Brennstoffzelle und einen Netzanschluss umfasst. Das System nimmt an der Day-Ahead Auktion der Strombörse EPEX SPOTteil, erhält eine EEG-Förderung in Übereinstimmung mit dem deutschen Rechtsrahmen und bietet Engpassmanagement an. Das bedeutet, dass das System der Speicherung von Strom Vorrang einräumt, wenn die Übertragungskapazität des Stromnetzes begrenzt ist. Ziel der Optimierung ist es, die Einnahmen zu maximieren und gleichzeitig die Lebenszykluskosten (LCC) auf einem Minimum zu halten, um so die wirtschaftliche Leistung des Systems zu steigern. Abbildung 3 veranschaulicht den gewählten Ansatz sowie die optimierten Größen der Komponenten.
Abbildung 4 zeigt die Betriebsprofile des Elektrolyseurs, der Brennstoffzelle und der Windturbine. Der Elektrolyseur wird eingesetzt, wenn entweder die Netzeinspeisung aufgrund von Netzüberlastung begrenzt ist oder wenn die Entwicklung der Strompreise auf dem EPEX-Markt ein günstigeres Szenario für die spätere Rückverstromung von gespeichertem Wasserstoff schafft.
Insgesamt ermöglicht die OPTILESSi-Toolchain die Dimensionierung eines lokalen Energiesystems, das flexibel für verschiedene Anwendungen und regulatorische Bedingungen zusammengesetzt werden kann. Dies steht im Einklang mit dem Übergang zur Dezentralisierung und einer erhöhten Integration erneuerbarer Energien sowie den damit einhergehenden Herausforderungen der Netzstabilität. Durch die Berücksichtigung unterschiedlicher Voraussetzungen, regulatorischer Rahmenbedingungen, Strommärkte und Anwendungsfälle kann das System ein breites Spektrum von Anwendungen effektiv optimieren, das von wirtschaftlichen Analysen über Stabilitätsbewertungen bis hin zur Beurteilung der Versorgungssicherheit reicht.