Energiesystemmodellierung

Heute existieren praktisch unendlich viele technische Kombinationsmöglichkeiten zur Versorgung eines Quartiers oder eines Industriebetriebs mit Strom und Wärme. Üblicherweise werden einige dieser Kombinationen herausgegriffen und in einer Variantenbetrachtung gegenübergestellt (orange Punkte in der Grafik). Bei dieser Vorgehensweise gibt es keine Gewissheit, dass unter den ausgewählten Varianten auch eine bestmögliche Kombination ist.

Im Unterschied dazu enthält ein Energiesystemmodell alle zur Verfügung stehenden Technologien. Diese sind in einer minimalen und einer maximalen Ausprägung skalierbar im Modell hinterlegt. Für jede Technologie wird diese Spanne vom Computer solange variiert, bist für das Gesamtsystem das Minimum einer vorgegebenen Zielgröße erreicht wird.

Als Zielgrößen kommen in Frage:

• Kosten (Kostenminimum, unten rechts im Kosten-Emissionen-Diagramm)
• Emissionen (Emissionsminimum, oben links im Kosten-Emissionen-Diagramm)
• Kosten bei vorgegebenen Emissionen (Punkte auf der Paretokurve zwischen den beiden Extremwerten Emissionsminimum und Kostenminimum)

Die Methodik nutzt im Kern das »open energy modeling framework« (oemof). Dabei handelt es sich um eine aktiv entwickelte Open Source Software Bibliothek in der Programmiersprache Python.

Um den Workflow von der Modellgenerierung über die Optimierung bis hin zur Ergebnisdarstellung in Lastgängen, Grafiken und Karten zu beschleunigen, wurde für das BMBF Forschungsprojekt »RessourcenPlan im Quartier« (R2Q) der »Spreadsheet Energy System Model Generator« (SESMG) aufgebaut. Auch diese Softwareschicht steht unter einer Open Source Lizenz offen zur Verfügung.

Die Energiesystemmodellierung gibt Ingenieurinnen und Ingenieuren die Möglichkeit, sehr strukturiert zu arbeiten und bietet Sicherheit, ein optimales System gefunden zu haben. Die Werkzeuge liefern aber keine Ergebnisse allein auf Knopfdruck. Die Hauptaufgabe besteht darin, die Anforderungen von Quartieren, Neubaugebieten, größeren Liegenschaften oder Industrieunternehmen zu erfassen, aufzubereiten und so zu vereinfachen, dass das Modell in der zur Verfügung stehenden Zeit mit der zur Verfügung stehenden Rechenleistung gelöst werden kann, ohne dass die Ergebnisse unzulässig von der Realität abweichen.

Ergebnisse sind nur dann nutzbar, wenn sie konkret sind und Nutzer und Entscheider sie verstehen. Die Ergebnisaufbereitung liefert konkrete Technologiekombinationen, individuelle Gebäudesteckbriefe mit Empfehlungen für die verschiedenen Nutzer eines Quartiers, installierte Leistungen und Kapazitäten einzelner Wärmeerzeuger, Stromerzeuger und Speicher, heruntergebrochene und kumulierte Lastgänge, Zahlungsreihen und räumliche Darstellungen der Ergebnisse in offenen Geodatenformaten.

Sie haben Fragen, möchten Energiesysteme selbst modellieren oder mit uns zusammen arbeiten? Unsere Kontaktdaten finden Sie am linken Seitenrand oder ganz unten (bei Darstellung auf Mobilgeräten).

KLEMM, Christian; WIESE, Frauke; VENNEMANN, Peter. Model-based run-time and memory reduction for a mixed-use multi-energy system model with high spatial resolution. Applied Energy, 2023, 334 p. 120574,
https://doi.org/10.1016/j.apenergy.2022.120574

KLEMM, Christian; BECKER, Gregor; TOCKLOTH, Jan Niklas; BUDDE, Janik; VENNEMANN, Peter. The Spreadsheet Energy System Model Generator (SESMG): A tool for the optimization of urban energy systems Journal of Open Source Software, 8(89) p. 5519-2023,
https://doi.org/10.25974/fhms-17084

BECKER, Gregor; KLEMM, Christian; VENNEMANN, Peter. Open Source District Heating Modeling Tools - A Comparative Study. energies, 2022, 15 p. 8277, https://doi.org/10.3390/en15218277

KLEMM, Christian; WIESE, Frauke. Indicators for the optimization of sustainable urban energy systems based on energy system modeling. Energy, Sustainability and Society, 2022, 12(1) p. 1-20,
https://doi.org/10.25974/fhms-14513

KLEMM, Christian; VENNEMANN, Peter. Modeling and optimization of multi-energy systems in mixed-use districts: A review of existing methods and approaches. Renewable and Sustainable Energy Reviews, 2021, 135 p. 110206,
https://doi.org/10.1016/j.rser.2020.110206