Community-based Smart Energy Service through flexible Optimization Models and
fully automated Data Exchange
Gaisberger , M. Schmidthaler , A. Werner , G. Chasparis , M. Holzleitner
Motivation
Mit zunehmend konkreteren rechtlichen Rahmenbedingungen für Energiegemeinschaften, rückt auch die Frage nach deren Nutzen und optimalen Betrieb immer mehr in den Fokus der österreichischen und europäischen Forschungs- und Entwicklungslandschaft. Diese Gemeinschaften ermöglichen es einerseits jedem Bürger Teil der Energiewende zu werden und Energie bewusster wahrzunehmen. Andererseits begünstigen reduzierte Abgaben und Gebühren in Kombination mit dem Nähekriterium in erneuerbaren Energiegemeinschaften lokale Energieerzeugung und –verbrauch. Es wird damit netzdienliches Verbrauchsverhalten gefördert, wodurch eine übermäßige Belastung des Stromnetzes durch den Zubau fluktuierender erneuerbarer Energieerzeuger vorgebeugt werden kann.
(3) Optimierung
In der Optimierung laufen alle bisher erfassten und davon abgeleiteten Datenströme zusammen. Dadurch wird es möglich einen wirtschaftlich oder ökologisch optimalen Verlauf des Verbrauchsverhaltens bis zu 48 Stunden in der Zukunft zu berechnen. Bei den voraussichtlich geltenden Begünstigungen in erneuerbaren Energiegemeinschaften ist die lokale Stromnutzung die wirtschaftlichste. Ein Netzfreundliches Verhalten der Gemeinschaft wir damit begünstigt. Eine Randbedingung der Optimierung ist, dass kein Teilnehmer einen wirtschaftlichen Nachteil durch den optimierten Betrieb erfahren darf. Das Ergebnis ist der optimale Leistungsverlauf der Haushalte
Ziele
Es wird das Potential eines Service zur nicht-invasiven Optimierung von Energiegemeinschaften durch NutzerInnen-Interaktion ermittelt.
- Prognose & Optimierung für Energy-Communities
- Smart Energy Service mit integrierter Datenqualitätsüberwachung und -verbesserung
- NutzerInnen Interaktion, Anforderungen und Einschränkungen
- Funktionsvalidierung in simulativer und realer Umgebung (Testbeds)
Des Weiteren sollen für ein derartiges Service mögliche rechtliche Fragestellungen geklärt und Geschäftsmodelle entwickelt und analysiert werden.Vor allem der nicht-invasive und somit hoch skalierbare Charakter stellen die Stärken des Service-Konzeptes dar.
Methodik
Die Abbildung unterhalb zeigt den grundsätzlichen Prozess, der zum optimierten Verbrauchsverhalten in Energiegemeinschaften führen soll.
(4) Handlungsempfehlungen
Eine Besonderheit von Serve-U stellt die direkte Interaktion mit den NutzerInnen des Services dar. Es sollen anhand der Ergebnisse der Optimierung voll-automatisiert konkrete Handlungsempfehlungen auf Geräteebene an die NutzerInnen weitergegeben werden. Dies stellt eine zusätzliche Unsicherheit gegenüber der direkten Ansteuerung von Gerätschaften dar.
(1) Datenerfassung
Alle benötigten (Mess-)Daten werden von vorhandenen Geräten bezogen, somit kommt das Service ohne jegliche Investition in zusätzliche Hardware aus. Die Geräte umfassen neben den für Energiegemeinschaften zwingend nötigen Smart-Metern (Datenübermittlung durch Netzbetreiber) auch PV-Wechselrichter und Batteriespeicher.Um optimal mit der stark variierenden Datenqualität umzugehen, werden die Datenströme einer hoch automatisierten Datenqualitätsüberwachung und –verbesserung unterzogen. Diese vereint sowohl Expertenregeln als auch selbstlernende Analysen.
Um eine möglichst hohe Akzeptanz und Um-setzungsquote der Handlungsempfehlungen zu erreichen, werden zuerst geeignete Haushalts-geräte analysiert und kategorisiert.
Die Handlungsempfehlungen beziehen sich auf einzelne Geräte, welche bestimmten Einschränkungen (z.B. zeitlich) unterliegen. Für eine Funktionsvalidierung in mehreren Testbeds wird eine NutzerInnen-Schnittstelle erstellt, welche die Erkenntnisse aus der sozio-technologischen Begleitforschung berücksichtigt.
(2) Prognose
Die analysierten und verbesserten Daten werden anschließend zur Prognose des Verbrauchs- und Erzeugungsprofils von Einzelhaushalten sowie der gesamten Community genützt. Die Lastprognose greift dabei auf Methoden der Statistik und des maschinellen Lernens zurück. Diese Methoden kommen ebenfalls bei der Erzeugungsprognose zum Einsatz. Zusätzlich wird hier jedoch auch noch auf All-Sky-Imagers gesetzt, welche eine verlässliche Kurzzeitprognose der Einstrahlung ermöglichen und auch der Nebel- und Regenerkennung dienen.
(5) Handeln
Es obliegt am Ende den NutzerInnen ob die Handlungsempfehlungen für sie umsetzbar, zumutbar, oder interessant sind. Die Reaktionen der Teilnehmer sind von besonderem Interesse, da daraus Möglichkeiten zur Steigerung der Umsetzungsrate abgeleitet werden. Es wird versucht verschiedene Motivatoren zur NutzerInnen-Aktivierung zu entwickeln und deren Einsatz zu bewerten.
(6) Optimierter Verbrauch
Letztlich ergibt sich der optimierte Haushalts- und Community-Verbrauch sowie eine Kostenersparnis gegenüber dem prognostizierten Verbrauch.
Kontaktadresse
- Michael Schmidthaler
-
Roseggerstraße 15
4600 Wels
Austria - +43 5 0804 10, Fax: +43 50804 11900
- Serve-U.at
