Refine
Document Type
- Article (reviewed) (3)
- Conference Proceeding (3)
- Part of a Book (1)
- Report (1)
Conference Type
- Konferenzartikel (3)
Has Fulltext
- no (8)
Is part of the Bibliography
- yes (8)
Keywords
Institute
- INES - Institut für nachhaltige Energiesysteme (8) (remove)
Open Access
- Closed Access (4)
- Open Access (3)
- Grün (1)
Der Einbau von Smart Metern und deren intelligente Vernetzung in Richtung eines Smart Grid wird Stromverbrauchsmuster bis in die Haushalte hinein verändern. Über die technisch geprägte Diskussion um die Komponenten dafür darf deshalb keinesfalls die Einbeziehung der Gesellschaft in den anstehenden Wandel vergessen werden. Transparenz bei den Kosten, die Förderung von Vertrauen insbesondere in die Datenschutzstandards und eine verständliche Aufklärungsarbeit sind Schlüssel für den notwendigen Dialog zwischen Energieversorgern, Politik und Bürgern.
Ziel und Tempo der Energiewende sind gesetzt. Der Ausstieg aus der Stromproduktion in Kernkraftwerken soll bis 2022 geschafft sein. Eine Elektrizitätserzeugung, die auf erneuerbaren Energien beruht, soll die bisherige Erzeugung auf der Grundlage von Kohle, Kernbrennstoffen und Erdgas bis 2050 stufenweise weitgehend ablösen und damit maßgeblich zu den Klimaschutzzielen der Bundesregierung beitragen. Der Weg zu diesen Zielen ist für die Beteiligten hingegen noch nicht deutlich einsehbar. Viele offene Fragestellungen technischer, ökonomischer, legislativer und gesellschaftlicher Natur verstellen den Blick auf eine klare Strategie zur Erreichung der energiepolitischen Ziele. Vielschichtige Aufgaben und immense Herausforderungen kommen mit der Mammutaufgabe „Energiewende“ auf Politik, Wirtschaft, Wissenschaft und Bevölkerung zu. Ein wichtiger Enabler für die erfolgreiche Integration von Wind- und Sonnenenergie sowie für neue Prozesse, Marktrollen und Technologien ist die Informations- und Kommunikationstechnologie (IKT). An diesem Punkt setzt die hier vorliegende Studie an.
Power systems are increasingly built from distributed generation units and smart consumers that are able to react to grid conditions. Managing this large number of decentralized electricity sources and flexible loads represent a very huge optimization problem. Both from the regulatory and the computational perspective, no one central coordinator can optimize this overall system. Decentralized control mechanisms can, however, distribute the optimization task through price signals or market-based mechanisms. This chapter presents the concepts that enable a decentralized control of demand and supply while enhancing overall efficiency of the electricity system. It highlights both technological and business challenges that result from the realization of these concepts, and presents the state-of-the-art in the respective domains.
Im vorliegenden Beitrag wird ein Strommarktsimulationsmodell entwickelt, mit dessen Hilfe die Bereitstellung von Flexibilität auf dem Strom- und Regelleistungsmarkt in Deutschland modell-gestützt analysiert werden soll. Das Modell bildet dabei zwei parallel verlaufende, zentrale Wettbewerbsmärkte ab, an denen Akteure durch die individuelle Gebotsermittlung handeln können. Die entsprechend hierzu entwickelte Gebotslogik wird detailliert erläutert, wobei der Fokus auf der Flexibilität fossil-thermischer Kraftwerke liegt. In der anschließenden Gegen-überstellung mit realen Marktpreisen zeigt sich, dass die verwendete Methodik und die Ge-botslogik den bestehenden Markt und dessen Marktergebnis in geeigneter Form wiederspie-geln, wodurch zukünftig unterschiedlichste Flexibilitätsszenarien analysiert und Aussagen zu deren Auswirkungen auf den Markt und seine Akteure getroffen werden können.
Die Veränderungen in der Energieversorgung führen zu einer neuen Systemarchitektur der Stromversorgung, die nur durch einen massiven Einsatz von Informations- und Kommunikationstechnologien (IKT) bewältigt werden kann und meist als „Smart Grid“ bezeichnet wird. Während es bereits umfangreiche Forschungsarbeiten und Demonstrationsprojekte zu einzelnen technologischen Komponenten gibt, existieren noch wenige Überlegungen, in welchen technologischen Schritten eine Migration hin zu Smart Grids durchgeführt werden sollte, die sowohl betriebstechnisch zukunftssicher ist, als auch marktgetriebene Innovationen begünstigt. Der Beitrag veranschaulicht die Herleitung solcher Migrationspfade im Rahmen eines schrittweisen Vorgehens. Zunächst werden Zukunftsszenarien für das Jahr 2030 konstruiert, um die maßgeblichen, oft auch nichttechnischen Einflussfaktoren auf das Smart Grid zu identifizieren. Darauf aufbauend werden die wesentlichen IKT-bezogenen Technologiefelder und ihre Zuordnung zu den Domänen der Energiewirtschaft beschrieben. Für jedes Technologiefeld werden die in den nächsten zwei Jahrzehnten denkbaren Entwicklungsstufen ermittelt und deren Abhängigkeit untereinander analysiert. Die gemeinsame Betrachtung von Szenarien, der Entwicklungsstufen der Technologiefelder und deren Interdependenzen führen schließlich zu einer Roadmap, welche die Migrationspfade in das Smart Grid beschreiben. Es lassen sich drei Entwicklungsphasen erkennen: Die Konzeptionsphase, die Integrationsphase und die Fusionsphase. Die präsentierten Ergebnisse entstammen dem Projekt „Future Energy Grid – Migrationspfade ins Internet“, welches vom Bundesministerium für Wirtschaft und Technologie im Rahmen des E-Energy-Programms (Förderkennzeichen 01ME10012A und 01ME10013) gefördert wurde.
Heat generation that is coupled with electricity usage, like combined heat and power generators or heat pumps, can provide operational flexibility to the electricity sector. In order to make use of this in an optimized way, the flexibility that can be provided by such plants needs to be properly quantified. This paper proposes a method for quantifying the flexibility provided through a cluster of such heat generators. It takes into account minimum operational time and minimum down-time of heat generating units. Flexibility is defined here as the time period over which plant operation can be either delayed or forced into operation, thus providing upward or downward regulation to the power system on demand. Results for one case study show that a cluster of several smaller heat generation units does not provide much more delayed operation flexibility than one large unit with the same power, while it more than doubles the forced operation flexibility. Considering minimum operational time and minimum down-time of the units considerably limits the available forced and delayed operation flexibility, especially in the case of one large unit.
Optimal microgrid scheduling with peak load reduction involving an electrolyzer and flexible loads
(2016)
This work consists of a multi-objective mixed-integer linear programming model for defining optimized schedules of components in a grid-connected microgrid. The microgrid includes a hydrogen energy system consisting of an alkaline electrolyzer, hydrogen cylinder bundles and a fuel cell for energy storage. Local generation is provided from photovoltaic panels, and the load is given by a fixed load profile combined with a flexible electrical load, which is a battery electric vehicle. The electrolyzer has ramp-up constraints which are modeled explicitly. The objective function includes, besides operational costs and an environmental indicator, a representation of peak power costs, thus leading to an overall peak load reduction under optimized operation. The model is used both for controlling a microgrid in a field trial set-up deployed in South-West Germany and for simulating the microgrid operation for defined period, thus allowing for economic system evaluation. Results from defined sample runs show that the energy storage is primarily used for trimming the peak of electricity drawn from the public grid and is not solely operated with excess power. The flexible demand operation also helps keeping the peak at its possible minimum.