Zusammenfassung
Effiziente Transportnetze für Gas, Elektrizität und Wasser sind von größter Bedeutung, die industrielle Produktion mit ihrem umfänglichen Ressourcenbedarf nicht mehr wegzudenken. Um unsere Ansprüche und Sicherheitsvorstellungen in Balance zu Ressourcenknappheit und Klimaschwankungen zu bringen, braucht es Systemansätze für sektorübergreifende Optimierungen. Hierzu sind Konversionstechnologien (Power‐to‐X) aber auch Flexibilitätsoptionen (Speicher) notwendig. Neben den erforderlichen Technologien werden hier zwei ineinandergreifende Ansätze, welche der Entscheidungsfindung, Planung und dem Betrieb dienen, beschrieben. Aus technologischer Sicht geht es um die Entwicklung von Cross‐Energy‐Technologien und ihre Einbringung als Komponenten in cross‐sektorale Netze. Zur Optimierung aus Sicht der Netze wird ein Ansatz zur Modellierung, Simulation und Analyse relevanter Energiekreisläufe und ihrer Komponenten erläutert mit dem Ziel eine fundierte Entscheidungsunterstützung zu bieten. So unterschiedlich der Startpunkt jeweils ist, beide Ansätze gehören zusammen und sollen in der Praxis konvergieren.
Silodenken überwinden: Cross‐sektorale Energietechnologien und Netzwerke spartenübergreifend betrachten ermöglichen neue Optimierungspotenziale
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Notes
- 1.
Cross‐sektoral bedeutet sektor‐ oder bereichübergeifend (https://www.bmvit.gv.at/service/glossar/c/crosssektoral.html).
- 2.
Häufig auch Power2Heat.
- 3.
Häufig auch Power2Gas.
- 4.
Häufig auch Power2Liquid.
- 5.
PEM steht für Proton Exchange Membrane (Protonen‐Austausch‐Membran).
- 6.
Unter dem unscharfen Begriff „Überschussstrom“ wird im allgemeinen Strom verstanden, für den es regional keine Verwendung gibt, was dazu führt, dass entweder die regenerative Erzeugungsanlage abgeregelt wird oder aber mit extrem geringen oder sogar negativen Preisen für den Strom versucht wird für diesen eine andere Verwendung zu finden.
- 7.
- 8.
Vgl. Bergins et al. (2015).
- 9.
„[…] Für die spezifischen Treibhausgasemissionen von Kraftstoffen nach Anlage 1 Buchstabe a und b ist der in Anlage 1 hinterlegte Wert in Kilogramm Kohlenstoffdioxid‐Äquivalent pro Gigajoule nur dann zugrunde zu legen, sofern ausschließlich Strom aus erneuerbaren Energien nichtbiogenen Ursprungs für die Herstellung der Kraftstoffe nach Absatz 1 eingesetzt wurde und der Strom nicht aus einem Netz nach § 5 Nummer 26 des Erneuerbare‐Energien‐Gesetzes vom 21. Juli 2014 (BGBl. I S. 1066), das durch Artikel 9 des Gesetzes vom 26. Juli 2016 (BGBl. I S. 1786) geändert worden ist, in der jeweils geltenden Fassung, entnommen wurde […]“.
- 10.
Vgl. Buddenberg (2016).
- 11.
Residuallast ist die verbleibende Last nach Abzug von EE und Must‐run Kapazitäten.
- 12.
Vgl. EEG (2000, § 8,1 und 2).
- 13.
Vgl. EEG (2016).
- 14.
Annahme 1000 km Transportentfernung und 10 m/s Gasgeschwindigkeit.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20.
Vgl. Gay (2005).
- 21.
- 22.
Vgl. Gay (2005).
- 23.
Vgl. Fourer et al. (2002).
- 24.
Vgl. Modelica (2012).
- 25.
- 26.
- 27.
- 28.
- 29.
Vgl. Clees (2016) mit Anwendungen im Gastransport.
- 30.
Veröffentlichung in Artikelform noch ausstehend.
- 31.
Leibniz‐Rechenzentrum (LRZ) der Bayerischen Akademie der Wissenschaften.
- 32.
SuperMUC ist ein Supercomputer des Leibniz‐Rechenzentrums in Garching bei München; die Endung „MUC“ wurde dem IATA‐Code des Münchner Flughafens entlehnt.
Literatur
Verwendete Literatur
von der Assen, N. et al. (2015). Was tun mit Überschussstrom? Ein ökologischer Vergleich von Nutzungsoptionen. ortragsveranstaltung „Energie im Wandel – Rohstoff Strom und jetzt?“, Fraunhofer UMSICHT, 11.–12. Nov. 2015, Aachen. University. Lehrstuhl für Technische Thermodynamik, RWTH.
Ausfelder, F., et al. (2015). Energiespeicherung als Element einer sicheren Energieversorgung. Chem.Ing. Tech., 87(1–2), 17–89. doi:10.1002/cite.201400183.
Avriel, M. (2003). Nonlinear Programming: Analysis and Methods. New York: Dover Publishing.
Aymanns, P. et al. (2008). Online simulation of gas distribution networks. 9th SIMONE Congress, Dubrownik, Croatia, October 15–17, 2008.
Baumanns, S. et al. (2012). MYNTS User’s Manual, Release 1.3. Fraunhofer SCAI.
Bazaraa, M. S., Shetty, C. M. (1979). Nonlinear programming: theory and algorithms. Hoboken, NJ: John Wiley Sons.
Belotti, P., et al. (2013). Mixed-integer nonlinear optimization. Acta Numerica, 22, 1–131.
Bergins, C., et al. (2015). Power to Methanol Solutions for Flexible and Sustainable Operations in the Power and Process Industries. POWER-GEN Europe. Amsterdam, 9.–11. June 2015, http://www.mefco2.eu/pdf/3.%20Presentation%20on_Power%20to%20Methanol%20Solutions%20for%20Flexible%20and%20Sustainable%20Operations%20in%20Power%20and%20Process%20Industries.pdf. Zugegriffen: 01. Dez. 2016.
Bertsekas, D. P. (1999). Nonlinear Programming. Michigan: Athena Scientific.
Buddenberg, T. (2016). „Power to Gasoline – Aus Strom produziertes Benzin für den deutschen Markt“, Mitsubishi Hitachi Power Systems Europe GmbH. Brandenburger Fachworkshop „Energiespeicher“, Potsdam, Duisburg, 12. September 2016.
Clees, T. (2012). MYNTS – Ein neuer multi physikalischer Simulator für Gas, Wasser und elektrische Netze. Energie-Wasser Praxis, (09), 174–175.
Clees, T. (2016). Parameter studies for energy networks with examples from gas transport. Springer Proceedings in Mathematics Statistics, 153, 29–54.
Clees, T. et al. (2016a). Cooling circuit simulation I: Modeling. Technical Report. Fraunhofer SCAI.
Clees, T. et al. (2016b). Cooling circuit simulation II: A numerical example. Technical Report. Fraunhofer SCAI.
Clees, T. (2016c). A globally convergent method for generalized resistive systems and its application to stationary problems in gas transport networks. In Procs. 6th Int. Conf. Simulation and Modeling Meth., Techn. and Applications (SIMULTECH 2016), 29.–31. July 2016, (S. 64–70). ISBN 9789897581991.
Clees, T. (2016d). MYNTS: Multi-phYsics NeTwork Simulator. In Procs. 6th Int. Conf. Simulation and Modeling Meth., Techn. and Applications (SIMULTECH 2016), 29.–31. July 2016, (S. 179–186). ISBN 9789897581991.
Doetsch, C. (2015). Die zukünftige Entwicklung des Energiesystems. Fraunhofer UMSICHT, Vortragsveranstaltung „Energie im Wandel – Rohstoff Strom und jetzt?“, Oberhausen, 11–12. Nov. 2015.
Doetsch, C. (2016). Skript zur Vorlesung „Energiespeichertechnologien“. Ruhr-Universität Bochum, Fachbereich Maschinenbau, 2016/2017.
EEG (2000). Gesetz für den Ausbau erneuerbarer Energien (Erneuerbare‐Energien‐Gesetz – EEG 2000). http://www.gesetze-im-internet.de/bundesrecht/eeg/gesamt.pdf. Zugegriffen: 04. Okt. 2016.
EEG (2016). Gesetz für den Ausbau erneuerbarer Energien (Erneuerbare‐Energien‐Gesetz – EEG 2000) (Entwurf). https://www.bmwi.de/BMWi/Redaktion/PDF/G/gesetzentwurf-ausschreibungen-erneuerbare-energien-aenderungen-eeg-2016,property=pdf,bereich=bmwi2012,sprache=de,rwb=true.pdf. Zugegriffen: 30. Nov. 2016.
Fletcher, R. (2013). Practical Methods of Optimization. Chichester, England: John Wiley Sons.
Fourer, R. et al. (2002). AMPL: A Modeling Language for Mathematical Programming (2. Aufl.). Belmont: Cengage Learning.
Gay, D. M. (2005). Writing .nl Files. Technical Report. Albuquerque: Sandia National Laboratories.
Gill, P. E., et al. (2005). SNOPT: An SQP algorithm for large-scale constrained optimization. SIAM Review, 47(1), 99–131.
Milano, F. (2015). PSAT Software. faraday1.ucd.ie/psat.html.
Modelica (2012). A Unified Object-Oriented Language for Systems Modeling. Linköping, Sweden: Modelica Association.
Murtagh, B., Saunders, M. (1978). Large-scale linearly constrained optimization. Mathematical Programming, 14, 41–72.
Nitsch, J. (2015). SZEN-15 – Aktuelle Szenarien der deutschen Energieversorgung unter Berücksichtigung der Eckdaten des Jahres 2014. Kurzexpertise für den Bundesverband Erneuerbare Energien e. V. Stuttgart, http://www.bee-ev.de/fileadmin/Publikationen/20150419-Szenarien_SZEN-15.pdf. Zugegriffen: 01. Dez. 2016.
Nocedal, J., Wright, S. J. (2006). Numerical Optimization, 2nd Edition. New York: Springer.
Rogalla, B.-U., Wolters, A. (1994). Slow transients in closed conduit flow – part I: Numerical methods. In M. H. Chaudhry L. W. Mays (Hrsg.), Computer Modeling of Free-Surface and Pressurized Flows NATO ASI Series, (Bd. 274, S. 613–642). Netherlands: Springer.
Scheibe, D., Weimann, A. (1999). Dynamische Gasnetzsimulation mit GANESI. GWF Gas/Erdgas, (9), 610–616.
Stevanovic, V. D., et al. (2009). Prediction of thermal transients in district heating systems. Energy Conversion and Management, 50(9), 2167–2173.
Wächter, A., Biegler, L. T. (2006). On the implementation of an interior-point filter line-search algorithm for large-scale nonlinear programming. Mathematical Programming, 106(1), 25–57.
Zimmerman, R. D., Murillo-Sanchez, C. E. (2015). Matpower 5.1 User’s Manual. www.pserc.cornell.edu/matpower. Zugegriffen: 04. Okt. 2016.
Weiterführende Literatur
Clees, T. (2015). RBF-metamodel driven multiobjective optimization and its application in focused ultrasonic therapy planning. In C.-P. Rückemann (Hrsg.), ADVCOMP 2015, The Ninth International Conference on Advanced Engineering Computing and Applications in Sciences, July 19–24, 2015, Nice, France (S. 71–76). Wilmington (USA): International Academy, Research, and Industry Association.
EEG (2014). Gesetz für den Ausbau erneuerbarer Energien (Erneuerbare-Energien-Gesetz – EEG 2014). http://www.gesetze-im-internet.de/eeg_2014/. Zugegriffen: 04. Okt. 2016. erhältlich über das Bundesministerium der Justiz und für Verbraucherschutz.
Milano, F. (2010). Power System Modelling and Scripting. Berlin, Heidelberg: Springer.
Schmidt, M., et al. (2015a). High detail stationary optimization models for gas networks: model components. Optimization and Engineering, 16(1), 131–164.
Schmidt, M., et al. (2015b). High detail stationary optimization models for gas networks: validation and results. Optimization and Engineering online doi:10.1007/s11081-015-9300-3.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2017 Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Doetsch, C., Clees, T. (2017). Systemansätze und -komponenten für cross-sektorale Netze. In: Doleski, O. (eds) Herausforderung Utility 4.0. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-15737-1_17
Download citation
DOI: https://doi.org/10.1007/978-3-658-15737-1_17
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-15736-4
Online ISBN: 978-3-658-15737-1
eBook Packages: Computer Science and Engineering (German Language)