Zukunftsgerichtete Planung von Energiesystemen dank öffentlicher Daten und validierter Modelle
- Philipp Schütz
- vor 2 Tagen
- 9 Min. Lesezeit
Autoren: Philipp Schütz, Ueli Schilt, Pascal Vecsei, Santhosh Iyyakkunnel, Curtis Meister, Olivier Gisiger, Andreas Melillo
Der Ersatz fossiler Heizsysteme, der Umstieg von Fahrzeugen mit Verbrennungsmotoren auf Elektrofahrzeuge und die Integration von erneuerbaren Energien haben in den letzten Jahren deutlich Fahrt aufgenommen. Trotz allem ist eine deutliche Beschleunigung bei der Umsetzung dieser Massnahmen erforderlich, um die Ziele des Bundes für Netto-Null im Jahr 2050 erreichen zu können. Die Steigerung ist auch deswegen dringend erforderlich, da in mehreren Regionen bereits eine Reduktion der Zubaurate von Photovoltaiksystemen zu verzeichnen ist [1]. Eventuell entstand durch die positive Berichterstattung über den starken Zubau an erneuerbaren Energien der falsche Eindruck, dass die bisher getroffenen Massnahmen bereits ausreichen würden.
Gemeinden und Energieversorgende sollen diese Situation nun durch eine zukunftsgerichtete Energieplanung retten. Insbesondere kleine Gemeinden und Energieversorgende verfügen oft nicht über die personellen oder zeitlichen Ressourcen, um die erforderlichen Daten zusammenzusuchen, geeignete Szenarien auszuwählen und diese detailliert quantitativ zu untersuchen. Oft müssen daher externe Beratungsunternehmen beauftragt werden, für deren Arbeit das notwendige Budget oft nicht zur Verfügung steht und daher nur Standardlösungen untersucht werden können.
Insbesondere bei der Integration grosser Elektrizitätsproduktionsleistungen oder leistungsstarker Ladestationen kann es bei anhaltendem Tempo rasch zu Engpässen im elektrischen Netz kommen. Im Prinzip könnte diese Problematik durch einen Ausbau des Netzes gelöst werden. Der Ausbau ist aber aufgrund der hohen Kosten und vor allem der langen Planungs- und Bauzeit oft keine passende Lösung. Eine kürzliche Studie des Bundesamts für Energie [2] zeigt auf, dass hier auch eine fein abgestimmte Kombination von elektrischen und thermischen Speichern helfen kann.
Abhilfe können Werkzeuge schaffen, die helfen, schnell unterschiedliche Szenarien der Entwicklung des Energiesystems zu untersuchen. Damit helfen die Werkzeuge, Engpässe im Energiesystem frühzeitig zu erkennen und durch passende Koordination des Zubaus sowie durch koordinierte Aktivität der Verbraucher einen Netzausbau trotz starker Integration neuer erneuerbarer Energien und Elektromobilität, sowie dem Zubau von Wärmepumpen zu verzögern oder gar ganz zu verhindern.
Was müsste ein Planungswerkzeug für mehr erneuerbare Energien können?
Um Planende bei knappen Ressourcen effizient und effektiv unterstützen zu können, sollte ein Planungswerkzeug folgende Merkmale mitbringen:
«Batteries included»: Die Parametrisierung neuer Simulationen sollte mit sehr geringem Aufwand möglich sein und die erforderlichen Daten sollten entweder mit dem Werkzeug mitgeliefert werden oder aus öffentlichen Daten extrahiert und mittels Datenvalidierungswerkzeuge (z. B. mittels Machine-Learning-Verfahren) aufbereitbar sein. Falls die Gemeinde oder die Quartier- und Fernwärmebetreibende genauere oder verlässliche Daten haben, sollten natürlich auch diese Daten leicht integriert werden können.
Vertrauenswürdig und reproduzierbar: Die Berechnungen sind durch reale Messdaten validiert, so dass die Simulationsresultate vertrauenswürdig sind. Darüber hinaus besteht die Möglichkeit die Simulationen so durchzuführen, dass diese bei wiederholter Durchführung dasselbe Resultat liefern. Um die Vertrauenswürdigkeit der Lösung besser beurteilen zu können, bietet das Werkzeug auch die Möglichkeit den Einfluss von Unsicherheiten in den Ausgangsdaten zu untersuchen.
Praktikable Lösungen: Das Werkzeug sollte automatisch Szenarien für die Entwicklung vorschlagen, die für die Gemeinden auch umsetzbar sind (z.B. keine Windenergie vorschlagen ausserhalb von kantonalen Windentwicklungsgebieten). Auch sollte das Werkzeug nur eine kurze Einarbeitungszeit benötigen und die Komplexität der ersten Nutzung sollte durch plausible Annahmen reduziert sein.
Für die Zielnetzplanung sollte das Werkzeug aber nicht nur die klassischen Anwendungen der Szenarioanalyse anbieten, sondern insbesondere die folgenden kritischen Aspekte beleuchten:
Stabile Lösungen: Wie lassen sich Planungsrisiken, die durch falsche Prognosen des Wärme-/Kälte-/Elektrizitätsbedarfs in der Zukunft, sowie unsichere Klimaentwicklung entstehen, verringern? Hier können schon einfache Experimente, bei denen die Eingabedaten zufällig verändert werden, z.B. durch Hinzufügen von geringem Rauschen, helfen, rasch zu überprüfen, ob sich die Vorhersagen stärker verändern als bei Vergleichsgrössen. Damit kann geklärt werden, ob ein Anlass gegeben ist, diese Grösse genauer zu untersuchen, respektive das Energiesystem so zu entwerfen, dass es gegenüber beiden Lösungen verlässlich betrieben werden kann.
Spitzenlastreduktion durch Speicher: Wie lassen sich Spitzenlasten durch den Einsatz von elektrischen/thermischen Speichern und der Gebäudeträgheit reduzieren? Vielfach wird vergessen, dass die Gebäudemasse eine grosse Speichermasse ist und in einer Vielzahl von Gebäuden Potentiale zur Nutzung von Flexibilität schafft.
Nutzen von Flexibilität: Welche Zusatznutzen/-einkünfte können durch das flexible Ansteuern von Lasten erzielt werden? Die koordinierte Aktivierung und Deaktivierung von Ladestationen, Warmwasseranlagen und Wärmepumpen ermöglicht es, Spitzenlasten zu reduzieren und lokal erzeugte erneuerbare Energie noch besser zu nutzen.
Planungsdaten Wärme-/Kälte-/Elektrizitätsbedarfsprofile aus öffentlichen Daten
Öffentliche Quellen stellen modellierte Daten für Jahresverbrauche zur Verfügung. Um unterschiedliche Energiesystemkonfigurationen studieren zu können, sind allerdings Verlaufsprofile notwendig. Nur so kann die Nutzung von Produktionsüberschüssen (z.B. PV im Sommer) oder die Stromknappheit im Winter untersucht werden. Ferner bieten die uns bekannten öffentlichen Quellen die Herausforderung, dass nicht klar ist, basierend auf welchen Annahmen diese Profile berechnet wurden.
Um diese Lücke zu schliessen haben wir ein Verfahren entwickelt, das basierend auf öffentlichen Daten (vor allem aus dem Gebäude- und Wohnungsregister [3]) nachvollziehbar Wärmebedarfe und zeitliche Profile berechnet [4]. Dank der Zusammenarbeit mit dem statistischen Amt des Kantons Basel-Landschaft und dem Energieversorger SGSW hatten wir die Möglichkeit, das Modell an den Gas- und Fernwärmeverbrauchen von mehr als 45'000 realen Gebäuden im Kanton Basel-Landschaft, aber auch in der Stadt St. Gallen, zu validieren. Ein Vergleich von Vorhersage und tatsächlichem Verbrauch (vgl. Figur 1) zeigt, dass die Verbräuche sehr genau vorhergesagt werden können. Die mittleren symmetrischen prozentualen Abweichungen (sMAPE) sind weniger als 13 % für die Daten aus St. Gallen und weniger als 18 % für die Daten aus dem Kanton Basel-Landschaft.
Netze werden vor allem für die Zukunft gebaut. Daher ist es sinnvoll, die Entwicklung des Wärmebedarfs in die Zukunft zu betrachten. Hierzu können die Klimamodelle CH2018 [5] und CH2025 [6] verwendet werden, die ortsaufgelösten Modelle der Entwicklung des Klimas und insbesondere der Temperatur liefern. Arbeitet man diese Daten auf, können diese anstelle der Messwerte genutzt werden, um damit zukünftige Wärmebedarfe zu schätzen. Nebst den klimatischen Einflüssen ist auch die Entwicklung des Gebäudeparks zentral. Hier stehen mehrere Modelle zur Verfügung, wie die Modelle von SWEET Cross [7], aber auch die Modellannahmen der Energieperspektiven 2050+ [8]. Die Auswahl richtete sich meist nach dem Auftraggebenden respektive dem Zweck der Studie, ob eher eine defensive oder progressive Umsetzung der Ziele angestrebt wird. Eine Auswertung [9] der Entwicklung der Wärme- und Kältebedarfe zeigt, dass sich im extremen Szenarium RCP 8.5 der totale Heizbedarf um 40 % verringern könnte (bei ähnlicher maximaler benötigter Wärmeleistung). Bemerkenswert ist vor allem aber, dass diese Modelle vorhersagen, dass der Kühlbedarf sich signifikant um bis zu 1300 % erhöhen könnte. Hier ist es wichtig, sich in Erinnerung zu rufen, dass der Kühlbedarf aktuell in diesen Modellen klein ist und daher ein mässiger Anstieg aufgrund höherer Sommertemperaturen einen deutlichen prozentualen Anstieg des Kühlbedarfs verursacht.
Kühlbedarfsprofile können analog zu den Wärmebedarfsprofilen berechnet werden. Eine Herausforderung hier besteht aber, da es uns auch in Zusammenarbeit mit Energieversorgenden nicht gelang ausreichend Daten für die Validierung der Modelle zu finden. Im Bedarfsfall können Kühllasten anhand der Merkblätter SIA 380/2 (2022) und SIA 2024 (2021) berechnet werden. Hierbei berechnet man mittlere Kühllasten pro Quadratmeter und generische Nutzungsprofile.
Schliesslich verbleibt die Berechnung von Elektrizitätsbedarfsprofilen. Hier können drei fundamental unterschiedliche Herangehensweisen gewählt werden.
Skalierung von Messdaten: Diverse Projekte / Publikationen (z.B. [10]) veröffentlichen Messdaten von Gebäuden, die anschliessend entsprechend der Zusammensetzung des betrachteten Gebäudeparks skaliert werden können. Eine Herausforderung bei diesem Ansatz ist genügend Informationen über die Gebäude zu haben, um die Vielfalt der Nutzungsprofile passend beschreiben zu können.
Simulation von Bedarfsprofilen: Online Lastgang-Simulatoren wie https://www.loadprofilegenerator.de/ oder SEP.multiload von der geoimpact erlauben es Bedarfsprofile aus unterschiedlichen Zusammensetzungen von Geräten und Nutzungen zu simulieren und so die Bedarfe der Gebäude / des Quartiers / der Gemeinde zu modellieren
Generische Verbrauchsprofile: In diesem Verfahren werden tatsächliche Messdaten unterschiedlicher Gebäude gewichtet und gemittelt und anschliessend für unterschiedliche Gebäudekategorien entsprechende Profile angeboten. Ein Beispiel hierfür ist das Datenset [11], das im Rahmen des SNF-geförderten Projekts «Swissstore» entstanden ist.
Obwohl der Schritt der Lastgangdaten-Sammlung/Erstellung viel Zeit erfordern kann, lohnt es sich diesen sorgfältig auszuführen, da viele kleine Fehler zu einem systematischen Über- oder Unterschätzen der Last führen können und damit die empfohlene Lösung signifikant verändern können. Dieser Schritt kann auch mit entsprechenden Programmen wie dem District Energy Model [12] oder nPro (Energy) [13] automatisiert werden.
Zielnetzplanung zur Reduktion/Vermeidung von Spitzenlasten
Variable erneuerbare Energien wie Photovoltaik, grosse Verbraucher wie Ladestationen oder Wärmepumpen im Wohnbereich und grosse Maschinen in der Industrie können grosse Leistungsspitzen im Netz erzeugen. Durch geschickte Bündelung in Unternetzen, aber auch koordinierte Aktivität der Geräte und der Nutzung von thermischen, elektrischen Speichern können Leistungsspitzen minimiert oder gar verhindert werden. Damit lassen sich Netzausbauten verzögern oder gar verhindern.
In einer kürzlichen Studie untersuchten wir gemeinsam mit den Kollegen der ZHAW und von Consentec in einer vom Bundesamt für Energie geförderten Studie, welche Speicher die Schweiz benötigt [2]. Es zeigte sich dabei aber, dass eine gesamtschweizerische Betrachtung nur eine untere Grenze für Spitzenlasten oder Speicherbedarfe setzen kann, da oft grosse Energie- und Wärmequellen räumlich von grossen Senken getrennt sind. Daher ist es essenziell, diese Frage für jede Gemeinde respektive jedes Netz separat zu klären.
Um Fragen zur Integration erneuerbarer Energien und Speichern beantworten zu können, haben wir das District Energy Model (DEM) entwickelt [14]. Dieses Modell erlaubt es, auf einfache Weise lokale Energiesysteme in der Schweiz zu modellieren. DEM verkürzt die Suche nach Verbrauchsdaten, indem es Verbrauchsprofile (Wärme und Elektrizität) nach Angabe der Gebäudeidentifikatornummern (EGID) der Gebäude in einem Distrikt oder einer Gemeinde erzeugt. DEM ermöglicht Ihnen aber auch mit wenig Aufwand Energiesysteme zu modellieren, indem es eine Vielzahl von Komponenten bereits beinhaltet und nur die Konfiguration des Energiesystems eingegeben werden muss. Im Unterschied zu anderen Werkzeugen zeichnet sich DEM dadurch aus, dass es nicht nur auf die Nutzung der Elektrizität, sondern auch auf die Besonderheiten der Wärmenutzung eingeht.
Im Rahmen unserer Arbeit haben wir beispielsweise die Gemeinde Sirnach bei der Überwachung der Umsetzung der Energieplanung [15] unterstützt, indem wir historisierte Daten über das Energiesystem analysiert und so die Veränderungen verfolgt haben. Aber auch indem wir den Bewohnenden aufzeigen konnten, welche zusätzlichen Massnahmen noch erforderlich sind, um das Netto-Null Ziel zu erreichen. In einer weiteren Studie haben wir DEM eingesetzt, um die Vorteile eines grossen Geothermiespeichers für das (Teile des) Fernwärmenetz der Stadt Bern zu untersuchen (vgl. Figur 2). Auslöser war das dann leider nicht realisierte Projekt Forsthaus-Geothermiespeicher [16]. In unserer Studie zeigte sich, dass der Speicher die Nutzung der Abwärme der Kehrichtverbrennungsanlage deutlich erhöhen könnte, sodass sogar das Fernwärmenetz deutlich vergrössert werden könnte.
Zusammen mit sogenannten Spanning-Tree Verfahren (die Antwort auf die Frage wie muss ich Punkte im Raum verbinden, so dass ich so wenig «Tinte» (Rohrlänge) verwenden muss wie möglich) lassen sich die Verbrauchsmodelle auch nutzen, um damit eine erste Geometrie des thermischen Netzes vorherzusagen und damit dessen Länge und Installationskosten abzuschätzen.
Durch die Verwendung von öffentlichen Modellen für die Entwicklung des Wärmebedarfs, aber auch des Gebäudeparks und der Effizienz der Systeme können wir damit auch die Entwicklung in der Zukunft prognostizieren und damit prüfen, ob die gesetzten Ziele erreicht werden können.
Netzresilienz und Zusatznutzen Flexibilität durch flexible Lasten
Flexibilität von Lasten bedeutet, dass die Aktivitätszeiten eines Systems verschoben werden können. Beispielsweise müssen bei vielen Energieversorgern Wärmepumpen eine vorgegebene Zeit ausgeschaltet werden können (oft 2 Stunden) ohne Komfortverlust für die Bewohnenden. In Wohnbauten sind die Flexibilitäten vor allem Elektroauto-Ladestationen und Wärmepumpen. Diese Form von Flexibilität ermöglicht es Netzbetreibern einzugreifen, wenn zu hohe Energie-Einspeisungen oder zu hohe Bedarfe das elektrische Netz belasten. Damit lassen sich Netzausbauten verzögern oder eventuell sogar komplett verhindern.
Insbesondere wenn wir die Trägheit von Gebäuden, Wärmeabgabesystemen und Heizsystemen betrachten, haben wir eine beträchtliche zusätzliche thermische Trägheit, die wir als Speicher nutzen können. Damit schaffen wir die Möglichkeit, den Zeitraum, während dem wir eine Wärmepumpe ohne Komfortverlust ausschalten können, deutlich zu verlängern.
Kürzlich haben wir ein Verfahren publiziert, das ermöglicht, allein basierend auf öffentlichen Gebäudedaten Flexibilitätspotentiale abzuschätzen [17]. Mit den entwickelten Werkzeugen können wir für Gebäude physikalisch inspirierte Trägheiten und Wärmeverlustkoeffizienten schätzen, die uns erlauben, die Dynamik des Gebäudes, des Wärmeabgabesystems und typischer thermischer Speicher vereinfacht zu simulieren und damit die Komfortauswirkungen für die Bewohnenden zu analysieren. Insbesondere für Netzbetreibende ergibt sich dadurch die Möglichkeit, Schwärme von Wärmepumpen zu untersuchen und damit die Auswirkung einer kontrollierten Abschaltung der Wärmepumpen oder einer temporären Änderung der Zielraumtemperatur zu untersuchen. Insbesondere der Grad der Lastreduktion durch diese Massnahmen und das Überschwingen nach dem Ausschalten des Signals können untersucht werden.
Aktuell sind diese Flexibilitätspotentiale noch schwer zugänglich, da die kürzlich installierten Smartmeter leider oft keine Möglichkeit zum Kontrollieren von Lasten mitbringen. Nichtsdestotrotz gibt es bereits mehrere Anbieter, die entsprechende Lösungen anbieten. Bereits jetzt können die aktuellen Messdaten von Smartmetern zur Planung von Flexibilität genutzt werden. In einer kürzlich veröffentlichten Arbeit haben wir mit den Daten von über 6000 Smartmetern eine Methode entwickelt [18], die es ermöglicht, die Anteile von Wärmepumpen und Boilern aus Smartmeterdaten zu extrahieren. Damit ergibt sich für Netzbetreiber auch die Möglichkeit, bisher undokumentierte Wärmepumpen-Installationen zu finden.
Die extrahierten Profile können dabei genutzt werden, um das Verhalten der Wärmepumpe in den kommenden 24 Stunden vorherzusagen [19], was den Einkauf von Energie, aber auch die Vorbereitung der Betriebsfahrpläne deutlich vereinfacht.
Take-home Messages
Öffentliche Daten können Sie bei der Energieplanung auf Gemeindeebene und bei der Umsetzung von Massnahmen zur Integration von erneuerbaren Energien signifikant unterstützen. Besonders hervorzuheben sind dabei:
Wärme- und Elektrizitätsverbrauchsprofile lassen sich aus öffentlichen Daten nachverfolgbar modellieren und stehen in einem öffentlich verfügbaren Werkzeug zur Nutzung für zu betrachtende Gemeinden zur Verfügung. Essenziell bei der Auswahl eines Modellierungsverfahrens ist, zu prüfen, mit welchen und wie vielen Daten das Modell validiert wurde.
Eine zukunftsgerichtete Planung wird durch die Verwendung öffentlicher Klimamodelle und öffentlicher Entwicklungsszenarien für den Gebäudepark, den Bedarf an Mobilität und der Entwicklung unterschiedlicher Heizsysteme, deren Effizienz und Modellen für den Energiebedarf der Industrie ermöglicht.
Öffentliche Energiesystemmodelle ermöglichen den Einfluss unterschiedlicher Konfigurationen, sowie die Auswirkung der Integration von erneuerbaren Energien, zu untersuchen. Durch konsistente Validierung dieser Modelle mit realen Messdaten erreichen diese bereits ein hohes Mass an Vertrauenswürdigkeit.
Gebäudeträgheit und technische Speicher gemeinsam mit Wärmepumpen bieten ein oft wenig bis gar nicht genutztes Potential zur Flexibilisierung des Wärmebedarfs und können elektrische Netze lokal unterstützen, Lastspitzen abzufangen und den Anteil lokal genutzter PV-Elektrizität zu erhöhen.
Die Unsicherheit der Untersuchung lässt sich verringern, indem Sie die Abhängigkeit der Lösung von den Annahmen und Eingangsdaten untersuchen. Beispielsweise können künstlich hinzugefügte Störsignale zu den Eingabedaten helfen die Sensitivität der Lösung zu quantifizieren. Die Sensitivität zeigt anschliessend an, welche Grössen besonders sorgfältig geschätzt respektive verfolgt werden müssen.
Bei Fragen wenden Sie sich an Philipp Schütz: philipp.schuetz@hslu.ch oder an geompact info@geoimpact.ch .
Kommentare