04 Fakultät Energie-, Verfahrens- und Biotechnik
Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/5
Browse
1 results
Search Results
Item Open Access Implementierung eines Vorhersage- und Optimierungsalgorithmus in eine Datenschnittstelle für Smart Meter Gateways(2022) Kimmich, JoelDie Steigerung des Anteils erneuerbarer Energieträger am Gesamtenergieverbrauch geht mit einer zunehmend fluktuierenden Stromerzeugung einher. Daher werden Maßnahmen für die Sicherstellung eines stabilen Netzbetriebs künftig an Bedeutung gewinnen, beispielsweise die angebotsgesteuerte Aufnahme elektrischer Leistung mit individuellen Speicherungskonzepten zur Umverteilung von Lasten. Mittels Smart Meter Gateways, die konventionelle Stromzähler in Gebäuden ersetzen, wird eine Kommunikation zwischen Netzbetreiber und Gebäude ermöglicht. Auf Basis geeigneter Marktsignale können entsprechende Regelungsansätze umgesetzt werden, die die elektrische Leistungsaufnahme hinsichtlich einer gegebenen Größe optimieren und Lasten umverteilen. Gleichzeitig können dadurch CO2-Emissionen und Stromkosten eingespart werden, sofern der Stromanbieter schwankende Marktpreise an den Verbraucher weiterleitet. Vor diesem Hintergrund wird in der vorliegenden Arbeit ein Applikationsmodell erstellt, das mittels Modellprädiktion und Optimierung eine Lastumverteilung ermöglicht. Am Beispiel der Heizleistung eines typischen Einfamilienhauses werden Model-in-the-Loop-Simulationen zur Funktionsüberprüfung des Applikationsmodells durchgeführt. Dazu werden Simulationsdaten des Gebäudes am Standort Stuttgart und die zugehörigen Wetterdaten des Deutschen Wetterdienstes berücksichtigt. Zur Vorhersage wird ein neuronales Netz implementiert, das mit historischen Daten trainiert wird. Die erstellten Werte werden einem neuartigen Optimierer übergeben, der unter Einhaltung der physikalischen Randbedingungen die Lastumverteilung mittels eines thermischen Speichers bis zum Vorhersagehorizont plant. Eine gegebene Kostenfunktion - beispielsweise der Anteil fossiler Energieerzeuger am Strommix oder der Strompreis - wird dabei minimiert. Abschließend wird das Applikationsmodell anhand von Realdaten auf Praxistauglichkeit untersucht. Die Simulationen zeigen bei den CO2-Emissionen ein Einsparpotential durch Lastumverteilung in Höhe von 9,5 % pro Jahr. Die jährlichen Stromkosten können um 19 % reduziert werden. Die Untersuchungen zeigen, dass die Qualität der Vorhersage einen geringen Einfluss auf die Einsparpotentiale bei Strompreis und CO2-Emissionen hat, da die Kostenfunktion den bedeutenderen Faktor bei der Optimierung darstellt. Wird hinsichtlich eines minimalen Strompreises optimiert, kann gleichzeitig der CO2-Ausstoß während der Stromerzeugung um 5,1 % gesenkt werden. Umgekehrt gelingt eine Stromkostensenkung um 10 %, wenn hinsichtlich geringstmöglicher CO2-Emissionen optimiert wird. Die Potenziale zur Reduzierung von Kosten bzw. CO2-Emissionen sind vom betrachteten Lastfall und der Anlagentechnik abhängig. Die Realdatensimulationen bestätigen trotz verschlechterter Vorhersagequalität die Simulationen zur CO2-Emissionsoptimierung. Bei der Stromkostenoptimierung resultiert ein um 50 % höheres CO2-Einsparpotential, wenn die Nutzung einer Nachtabsenkung in die Betrachtung einbezogen wird. Das Applikationsmodell zeigt die Potentiale der Lastumverteilung auf und zeigt seine Funktionstüchtigkeit mittels effektiver Kostenreduzierung durch Optimierung. Weitere Forschung kann sich mit der Verbesserung der Optimierung befassen und weitere Technologien zur Energiespeicherung, beispielsweise Stromspeicher, betrachten.