Modellierung und Simulation -...

175
Gefördert durch das im Rahmen von 1 Modellierung und Simulation Dokumententyp Ergebnisbericht (Arbeitspaketbericht) Sichtbarkeit Öffentlich sichtbare RegModHarz-Website Arbeitspaket AP 2.7.2 Modellierung und Simulation der Geschäftsmodelle für RegModHarz Editor CUBE Engineering (Lars Nicklaus, Dirk Filzek, Peter Ritter, Guluma Megersa, Uwe Welteke-Fabricius, Joshua Meskemper) Beitragende In diesem AP-Bericht sind ausschließlich die von CUBE Engineering durchgeführten Arbeiten mit Ergebnissen dokumentiert Version 2.5 Letzte Änderung 25.01.2013 Seitenzahl 175 Dateiname 2013-01-28_AP-Bericht272_Modellierung+Simulation.docx

Transcript of Modellierung und Simulation -...

Page 1: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

1

Modellierung und Simulation

Dokumententyp Ergebnisbericht (Arbeitspaketbericht)

Sichtbarkeit Öffentlich sichtbare RegModHarz-Website

Arbeitspaket AP 2.7.2 Modellierung und Simulation der Geschäftsmodelle für RegModHarz

Editor CUBE Engineering (Lars Nicklaus, Dirk Filzek, Peter Ritter, Guluma Megersa, Uwe Welteke-Fabricius, Joshua Meskemper)

Beitragende In diesem AP-Bericht sind ausschließlich die von CUBE Engineering durchgeführten Arbeiten mit Ergebnissen dokumentiert

Version 2.5

Letzte Änderung 25.01.2013

Seitenzahl 175

Dateiname 2013-01-28_AP-Bericht272_Modellierung+Simulation.docx

Page 2: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

2

Inhalt

1. ZUSAMMENFASSUNG ............................................................................................................. 4

2. MODELLENTWICKLUNG UND SIMULATIONSSOFTWARE ......................................... 6

2.1. Energieanlagen ................................................................................................................... 8 2.1.1. Windenergieanlagen ............................................................................................................. 8 2.1.2. Photovoltaik und Solarkollektor ............................................................................................ 9

2.2. Energiespeicher ................................................................................................................ 11 2.2.1. Wärmespeicher ................................................................................................................... 11 2.2.2. Kältespeicher ....................................................................................................................... 11 2.2.3. Stromspeicher ..................................................................................................................... 11

2.3. Strommarkt, Standorte und Inselbetrieb ........................................................................... 15

2.4. Benutzeroberfläche, Datenbank und Berechnungsmethode ............................................... 16

2.5. Einbindung weiterer Tools................................................................................................. 17

3. SIMULATIONEN .................................................................................................................... 19

3.1. Simulation des IST-Zustandes (Referenzjahr 2008) ............................................................. 19 3.1.1. Stromverbrauch .................................................................................................................. 20 3.1.2. Installierte Anlagenleistung und Stromerzeugung zu Projektbeginn ................................. 21 3.1.3. Erkenntnisse aus der physikalischen Simulation ................................................................. 24 3.1.4. Erkenntnisse aus der wirtschaftlichen Simulation .............................................................. 32

3.2. Simulation des 100%EE-Szenarios ...................................................................................... 45 3.2.1. Annahmen für das 100% Szenario ...................................................................................... 45 3.2.2. Modellierung und Simulation für das 100%EE- Szenario .................................................... 48

3.3. Flexibilisierung von Biogasanlagen .................................................................................... 81 3.3.1. EEG-Festvergütung .............................................................................................................. 84 3.3.2. Direktvermarktung mit EEG-Marktprämie .......................................................................... 85 3.3.3. Regelleistung für BHKW in Direktvermarktung ................................................................... 87 3.3.4. Flexibilisierung der Anlage durch Zusatzleistung ................................................................ 97 3.3.5. Erlössteigerung durch EPEX-marktgesteuerte Stromeinspeisung .................................... 101 3.3.6. Optimierung der Anlagenkonfiguration ............................................................................ 105

3.4. Anlagenkonfiguration zur Flexibilisierung vom BGA Standort Zilly ..................................... 119 3.4.1. Ziel der Simulationen ........................................................................................................ 119 3.4.2. Standortdaten ................................................................................................................... 119

Page 3: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

3

3.4.3. Annahmen und Ergebnisse der Simulationen ................................................................... 121 3.4.4. Genehmigung für die Erweiterung .................................................................................... 127 3.4.5. Anschluss und Netzkapazität............................................................................................. 128 3.4.6. Zusammenfassung ............................................................................................................. 128

3.5. Simulation der Fahrplangenerierung für flexibilisierte Anlagen ......................................... 129 3.5.1. Simulation der Steuerung einer Biogasanlage .................................................................. 129

3.6. Vermarktungsmodelle für Wind und PV ............................................................................ 132 3.6.1. Festvergütung Wind .......................................................................................................... 133 3.6.2. Reine Direktvermarktung Wind ........................................................................................ 134 3.6.3. Direktvermarktung nach EEG 2012 Wind ......................................................................... 134 3.6.4. Festvergütung PV .............................................................................................................. 141 3.6.5. Reine Direktvermarktung PV ............................................................................................. 142 3.6.6. Direktvermarktung nach EEG 2012 PV .............................................................................. 143 3.6.7. Zusammenfassung der Vermarktungsmöglichkeiten........................................................ 146

3.7. Netzbetriebsstrategie dynamischer Haushaltskundenvertrag ............................................ 147 3.7.1. Einleitung ........................................................................................................................... 147 3.7.2. Preisstufen im Feldtest ...................................................................................................... 147 3.7.3. Modellrechung .................................................................................................................. 157 3.7.4. Zeitliche Verteilung und Dauer der Preisstufen ................................................................ 158 3.7.5. Übertragung der Ergebnisse auf den Feldtest und Fazit ................................................... 173

4. QUELLENVERZEICHNIS .................................................................................................... 175

Page 4: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

4

1. Zusammenfassung Im Arbeitspaket 2.7.2 werden anhand zeitreihenbasierter Simulationen neue Geschäftsmodelle und Betriebsführungskonzepte für eine regenerative Stromversorgung untersucht. Die Simulationen dienen sowohl dazu, die in der ersten Projektphase erarbeiteten Konzepte zu verifizieren, als auch als Grundlage für die Demonstrationen und Feldversuche sowie für Empfehlungen zum Rechtsrahmen. Der vorliegende Arbeitspaket-bericht dokumentiert Ergebnisse von Simulationen, die beim Konsortialmitglied CUBE Engineering durchgeführt wurden.

Für die Umsetzung der Simulationen über die im Forschungsprojekt definierten Betriebsstrategien und Geschäftsmodelle sind Modellierungswerkzeuge erforderlich, die die relevanten Sachverhalte berücksichtigen und unwesentliche Details vernachlässigen. Hierzu wurde die Software energyPRO von EMD International A/S eingesetzt und als zentrales Werkzeug für die techno-ökonomischen Simulationen und Analysen bei CUBE Engineering verwendet. Um die zukunftsorientierten Analysen für RegModHarz zu ermöglichen, wurden neue Modelle für Erzeugungs- und Verbrauchsanlagen und Speicher sowie Algorithmen zur Interaktion mit den Märkten und zur Umsetzung der Vermarktung gemäß den Rahmenbedingungen im EEG 2012 entwickelt. In Zusammenarbeit mit EMD wurden diese Algorithmen und Modelle in energyPRO ergänzt und und so die Software umfangreich für die deutschen Rahmenbedingungen erweitert.

Als Ausgangs- und Vergleichsbasis dokumentiert der Arbeitspaketbericht eine simulative Darstellung des Ist-Zustandes von Stromerzeugung und -verbrauch in der Modellregion im Referenzjahr 2008. Knapp ein Drittel des Eigenstrombedarfs des Landkreises Harz wurde bereits im Jahr 2008 aus regenerativer Erzeugung gedeckt.

Im darauf folgenden Abschnitt wird ein im RegModHarz-Leitszenariendokument beschriebenes Soll-Szenario einer Stromversorgung mit 100% Erneuerbaren Energien (100% EE) näher untersucht. Die Simulationen zeigen, dass der für eine 100% EE-Stromversorgung erforderliche Bedarf an Stromspeichern deutlich reduziert werden kann, indem ein intelligentes Energiemanagement für flexibel steuerbare Anlagen umgesetzt wird. Eine hohe Anlagenflexibilität wird durch die Kopplung der Stromversorgung mit der Wärme/Kälte- und Gasversorgung (Power-to-Gas) erreicht.

Die betriebswirtschaftlichen Simulationen zur Marktintegration der Erneuerbaren Energien der Modellregion haben eine zentrale Bedeutung in RegModHarz. Dabei wurden Möglichkeiten der Vermarktung des im virtuellen Kraftwerk Harz erzeugten Stroms untersucht. Ein Schwerpunkt lag auf den verschiedenen Direktvermarktungsmodellen im EEG, die u.a. eine Vermarktung des Stroms an der Strombörse (EPEX) und an den Regelleistungsmärkten erlauben. Bei der Vermarktung von EE-Strom erfordern die besonderen Eigenschaften der jeweiligen Energieträger ein angepasstes Vorgehen. Dabei ist es entscheidend, ob es sich um fluktuierende Erzeuger wie Windkraftanlagen oder flexible Erzeuger wie Biogasanlagen handelt. Eine besondere Herausforderung bietet die Einsatzplanung von Biogasanlagen, da hier der Füllungsgrad der Gas- und Wärmespeicher Grenzen setzt.

Page 5: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

5

Mit dem EEG2012 wurde die Flexibilisierung von Biogasanlagen ein zentrales Thema. Biogasanlagen sollen zukünftig bedarfsorientiert Strom einspeisen und am Markt handeln. Durch die Installation von zusätzlicher Generatorleistung und Gas- und/oder Wärmespeicher kann das Biogas vorwiegend dann verstromt werden, wenn der Markt Stromknappheit signalisiert. Die Investitionen werden über die mit dem EEG2012 eingeführte Flexibilitätsprämie gefördert. Im Rahmen des Projektes wurde ein Verfahren zur marktorientierten Auslegung von flexiblen Biogas-/KWK-Anlagen entwickelt. Grundlage für die Bewertung unterschiedlicher Anlagenkonfigurationen sind stundengenaue Simulationen von Energieerzeugung und –handel. Für eine konkrete Beispielanlage aus der Modellregion wurde die betriebswirtschaftlich geeignetsten Anlagenkonfigurationen ermittelt und beschrieben.

Sollen einmal flexibilisierte Biogasanlagen bzw. Biomethan-BHKW optimal am Markt agieren, werden täglich erstellte Einsatzpläne benötigt, die zum einen die erzielbaren Markterlöse gemäß Preisprognose und zum anderen die speziellen Restriktionen des flexiblen Biogasanlagensystems berücksichtigen. Der Prozess der Fahrplangenerierung wurde simuliert und im Rahmen einer Demonstration die Kopplung der Einsatzoptimierung mit der Biogasanlage an der Messewand präsentiert.

Weiterhin galt es, in Vorbereitung auf den Haushaltskunden-Feldtest Parameter zur Justierung des Preissignals zu ermitteln. Als Anreiz zur Lastverlagerung wurde ein regionaler, regenerativer Stromtarif für die Feldtestkunden konzipiert, dessen dynamischer Strompreis sich an der Vortagsprognose der Residuallast im Landkreis Harz orientiert. Durch die Simulationen der Preisbildung wurde für verschiedene Szenarien analysiert, wie häufig die verschiedenen Preisstufen mit welcher Dauer auftreten und wie sich dies auf die Möglichkeit zur Lastverlagerung im Haushalt auswirkt.

Page 6: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

6

2. Modellentwicklung und Simulationssoftware Als zentrales Werkzeug für die techno-ökonomischen Simulationen und Analysen des Anlagenbetriebs und der für RegModHarz definierten Geschäftsmodelle wurde bei CUBE Engineering die Software energyPRO von EMD International A/S eingesetzt. Die Software energyPRO ist ein geeignetes Werkzeug zur Simulation und Optimierung des Betriebs von komplexen Energiesystemen mit einer Vielzahl von energieerzeugenden Anlagen und Energiespeichern. Basierend auf der Eingabe und Definition der Kenndaten von Energieanlagen, Energiespeichern, Energiebedarf sowie natürlichen und wirtschaftlichen Rahmenbedingungen optimiert energyPRO den Betrieb eines Energiesystems entsprechend der technischen und ökonomischen Anforderungen.

Für die Umsetzung der Simulationen wurden in Zusammenarbeit von CUBE Engineering und EMD International A/S neue Anlagen- und Speichermodelle sowie Algorithmen zur Analyse des Stromhandels gemäß den Rahmenbedingungen im EEG 2012 entwickelt und in energyPRO eingebunden. Des Weiteren erfolgte die Implementierung eines Algorithmus zum zeitgleichen Handel an verschiedenen Märkten und der bilanziellen Deckung eines regionalen Strombedarfs. In den Simulationsberechnungen können Energieanlagen unterschiedlicher Art berücksichtigt und mit benutzerdefinierten Betriebsstrategien versehen werden. Berechnungsgrundlage bilden – je nach Analysegegenstand – ganzjährige Zeitreihen zum Strom- und Wärmebedarf sowie meteorologische Randbedingungen. Als ökonomische Parameter können sowohl Preiszeitreihen (z.B. Spot- oder Minutenreservemarkt), Tarifpreise als auch Festpreise für Energiemengen, Leistungsvorhaltung, Betriebsstunden, Startvorgänge oder CO2-Ausstoß berücksichtigt werden. Die Optimierung erfolgt iterativ in Abhängigkeit der ökonomischen Parameter und der gewählten Betriebsstrategie unter Berücksichtigung der Speicherfüllstände mehrere Tage im Voraus. Die Abbildung 1 zeigt eine optimale Betriebsweise unterschiedlicher Erzeugungsanlagen anhand einer Führungsgröße (hier die Residuallast der BRD als Strompreisreferenz) unter Berücksichtigung vorhandener Speicherkapazitäten.

Page 7: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

7

Abbildung 1: Ausgabe der in energyPRO berechneten Fahrpläne im Zeitverlauf

Im Rahmen des RegModHarz Projektes wurden für die kommerzielle Software energyPRO, die ursprünglich als Software vorrangig zur Simulation von kommunalen KWK-Systemen konzipiert war, neue Algorithmen entwickelt und modulhaft implementiert, so dass die Simulationssoftware nun ein vollständiges Simulationstool für die Optimierung von komplexen Energiesystemen mit großem Anteil von Anlagen zur Erzeugung von Strom aus Erneuerbarer Energien und der Teilnahme an verschiedenen Strommärkten wie Spotmarkt und Regelenergiemarkt darstellt. Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin einmalig.

Um die Anforderungen aus der Simulation der Region Harz mit den verschiedenen Energieerzeugungsanlagen und der Geschäftsmodelle für RegModHarz zu erfüllen betrifft, die Weiterentwicklung die Bereiche Energieanlagen, Energiespeicher, Benutzeroberfläche, Strommärkte, Vergütungsmodelle und Betriebsstrategien.

Page 8: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

8

2.1. Energieanlagen Um die Erzeuger von Strom und Wärme aus Erneuerbarer Energien in der Modellregion wiedergeben zu können, wurden Module zur Simulation von Windkraftanlagen und Windparks, Photovoltaikanlagen und Solarkollektoren zur Erzeugung solarer Wärme entwickelt.

2.1.1. Windenergieanlagen Die energyPRO Energieanlage „Windpark“ eignet sich zur Berechnung der Stromproduktion von Windenergieanlagen oder Windparks. Die durch eine Zeitreihe definierte Windgeschwindigkeit wird unter Berücksichtigung des Hellman Exponenten auf die Nabenhöhe umgerechnet. Für die Berechnung der Produktion muss entsprechend eine Leistungskurve für die jeweilige Windkraftanlage bzw. den gesamten Windpark hinterlegt werden.

Der Windpark (Abbildung 2) bietet die beiden Berechnungsmodi „Berechnung der jährlichen Produktion“ und „festgelegte jährliche Produktion“. Hierdurch kann einerseits die jährliche Produktion bei eingegebener Windgeschwindigkeit berechnet werden. Hier steht außerdem die Skalierung der Leistungskennlinie zur Verfügung, wenn die tatsächliche Leistungskennlinie nicht bekannt ist. Der andere Modus bietet das zeitliche Ausrollen bei einer bekannten Jahresproduktion anhand der eingegebenen Windgeschwindigkeit.

Abbildung 2: Modellierung von Windpark

Page 9: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

9

2.1.2. Photovoltaik und Solarkollektor Die beiden Energieanlagen Photovoltaik und Solarkollektoren bieten die Berechnung der Stromproduktion einer Photovoltaikanlage (Abbildung 3) bzw. die Produktion solarer Wärme eines Solarkollektors (Abbildung 4). Für die jeweilige Ertragsberechnung kann entweder jeweils eine Zeitreihe für die direkte und diffuse Einstrahlung verwendet werden oder eine aggregierte Zeitreihe für die Gesamteinstrahlung, welche dann entsprechend umgerechnet wird. Beide Berechnungen berücksichtigen jeweils die spezifischen Eigenschaften der Module bzw. Solarkollektoren, die entsprechend der jeweiligen Datenblätter definiert werden. Für beide Berechnungen kann auch eine Verschattung durch Aufreihung der PV-Module oder Solarkollekten bei großen Modul- oder Kollektorfeldern berücksichtigt werden. Außerdem werden Breitengrad, Neigung der Modul-/Kollektorfläche und Nord-Süd-Ausrichtung berücksichtigt.

Abbildung 3: Modellierung von Photovoltaikanlage

Page 10: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

10

Abbildung 4: Modellierung von Solarkollektor

Page 11: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

11

2.2. Energiespeicher In Energiesystemen mit hohem Anteil volatiler Stromeinspeisung durch Anlagen zur Erzeugung von Strom aus Erneuerbaren Energien wird die Einbindung von Energiespeichern (Wärme- und Stromspeicher) immer wichtiger, um Erzeugungsengpässe zu überbrücken und Überproduktion zu speichern.

2.2.1. Wärmespeicher Die Wärmespeicher-Simulation in energyPRO wurde um eine Berechnung der Speicherverluste ergänzt. In die Berechnung der Speicherverluste gehen Isolationsstärke und Wärmeleitkoeffizient sowie die Außentemperatur ein. Als weitere Neuerung kann die Temperaturdifferenz im Speicher und auch die Speicherverluste benutzerdefiniert durch Formeln errechnet werden.

2.2.2. Kältespeicher Um die Speicherung von erzeugter Kälte simulieren zu können wurde ein Kältespeicher adäquat zum Wärmespeicher ergänzt. Der Kältespeicher bietet die gleiche Funktionalität, d.h. Berechnung der Speicherkapazität durch die Temperaturdifferenz und Berechnung der Speicherverluste, wie beim Wärmespeicher. Ebenso kann bestimmt werden, welche Energieanlagen die Speicher speisen dürfen.

2.2.3. Stromspeicher Im Rahmen des RegModHarz Projektes wird auch die Simulation von Stromspeichern wichtig. Wichtiger Bestandteil des RegModHarz-Energiesystems ist das Pumpspeicherkraftwerk Wendefurth, außerdem können auch Elektro-Kfz als mobile Stromspeicher eine Rolle spielen.

Das Pumpspeicherkraftwerk (Abbildung 5) berechnet aus der eingegeben Höhendifferenz und dem maximalen Volumen des Wasserreservoirs die elektrische Speicherkapazität. Pumpleistung und Produktionsleistung kann jeweils berücksichtigt werden, wobei für jeweils Pumpleistung und Generatorleistung der eingegebene Wirkungsgrad berücksichtigt wird. Über verschiedene Strommärkte kann die Betriebsstrategie des Pumpspeicherwerkes bestimmt werden. So ist auch die Simulation von Stromeinkauf zu Niedrigpreiszeiten und Stromeinspeisung zu Hochpreiszeiten möglich. Als weitere Option kann ein Wasserzulauf zum Wasserreservoir des Pumpspeicherkraftwerks als Zeitreihe berücksichtigt werden.

Page 12: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

12

Abbildung 5: Modellierung von Pumpspeicherkraftwerk

Bei der Simulation von Elektro-Kfz als mobile Stromspeicher ist es vor Allem wichtig eine Aussage über die Verfügbarkeit dieser Speicher treffen zu können. Die Simulation von E-Kfz (Abbildung 6) in energyPRO sieht vor, die Speicherkapazität sowie die Lade- und Entladeleistung des verwendeten Akkus zu berücksichtigen; hierbei werden außerdem die jeweiligen Wirkungsgrade einbezogen. Die Verfügbarkeit der Speichermöglichkeit zur Ladung oder Entladung kann hierbei als Zeitreihe berücksichtigt werden. Die Zeitreihe des Fahrbedarfs gibt gleichzeitig Auskunft über die Leerung des Akkus durch Fahrbetrieb. Weitere Laderestriktionen, wie z.B. Mindestkapazität oder bestimmte Ladezeiten können durch weitere Zeitreihen und Auswahloptionen berücksichtigt werden.

Page 13: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

13

Abbildung 6: Modellierung von E-Kfz

Zur Simulation von Stromspeicherung in statischen Stromspeicher z.B. Solarbatterie im häuslichen Bereich wurde zusätzlich ein Berechnungsmodul zur Simulation von Batterien entwickelt. Auch diese Batterie (Abbildung 7) berücksichtigt die maximale Speicherkapazität und Lade- und Entladeleistung mit entsprechenden Wirkungsgraden.

Page 14: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

14

Abbildung 7: Modellierung von Batterie

Allen Speichern gemeinsam ist die innovative Berechnung der optimalen Füllung und Entleerung des Speichers. In der energyPRO-Berechnung wird der Speichereinsatz genauso wie der Betrieb aller Energieanlagen nicht chronologisch geplant, sondern mit einem in der Simulation üblichen Mittel der „Perfect Foresight“ (allwissende Voraussicht) über die Projektzeit (mehrere Tage, einen Monat oder ein Jahr) geplant. Demnach steht dem Optimierungsalgorithmus die gesamte Information über den Planungszeitraum zur Verfügung. Dementsprechend werden iterativ immer erst die wirtschaftlich interessantesten Zeiträume für den Betrieb der jeweiligen Energieanlagen eingeplant. Die jeweilige Betriebsstrategie kann vom Benutzer fallbezogen definiert

Page 15: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

15

werden, indem entsprechende Restriktionen, Rahmenbedingungen bzw. wirtschaftlichen Zusammenhänge eingegeben werden.

2.3. Strommarkt, Standorte und Inselbetrieb In komplexen Energiesystemen nehmen verschiedene Anlagen oder auch eine Anlage gleichzeitig an verschiedenen Märkten teil. So speist z.B. eine EEG-Anlage nach entsprechender EEG-Festvergütung ein, während ein Pumpspeicherkraftwerk eventuell am Börsenhandel und gleichzeitig am Regelenergiemarkt teilnimmt. Im Rahmen des RegModHarz-Projektes wurde auch das energyPRO MARKETS Modul entwickelt, welches die Beschreibung von verschiedenen Strommärkten und die Zuordnung von Energieanlagen zu diesen erlaubt. Dies ermöglicht die Simulation von innovativen Geschäftsmodellen, wie z.B. den flexiblen Betrieb von Biogasanlagen zum Ausgleich der volatilen Stromeinspeisung aus der Erzeugung von Windkraftanlagen und eröffnet die Möglichkeit verschiedene Vermarktungsoptionen zu simulieren.

Gerade die Flexibilisierung und Direktvermarktung von EEG-Anlagen wird mit der Novelle des EEG im Jahr 2012 immer interessanter. Die Flexibilitätsprämie belohnt die Flexibilisierung von EEG-Anlagen durch Leistungszubau und die Marktprämie unterstützt den Einstieg in die Direktvermarktung von Strom aus Erneuerbaren Energien. In energyPRO wurde frühzeitig die Simulation beider Prämien ermöglicht, um so den Mehrerlös für Anlagenbetreiber durch diese beiden Instrumente zu errechnen.

Bei der Simulation von großen regionalen Energieverbünden muss auch mit Restriktionen in der Übertragung und dem Austausch von Energien über Leitungen gerechnet werden. Im Rahmen des Forschungsprojektes wurde in energyPRO die Einrichtung von Standorten mit jeweils eigens zugeordneten Randbedingungen und Bedarfen erweitert. Hierbei können mehrere Standorte (Abbildung 8) parallel betrieben werden, wobei auch die Option besteht Energie zwischen diesen Standorten auszutauschen. Die jeweilige Übertragungsleistung der Leitungen und eventuelle Verluste können dabei bestimmt werden. Diese Option ermöglicht z.B. auch die Simulation von zwei örtlich getrennten kommunalen Wärmenetzen, die über einen Wärmeaustausch verfügen.

Abbildung 8: Modellierung von Standorte und Energieübertragung

Page 16: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

16

Neben der Teilnahme an mehreren Märkten und dem Austausch von Energien zwischen verschiedenen Standorten wurde auch der Betrieb von Energiesystemen im Inselbetrieb untersucht. Auch diese Option wurde im Rahmen der Forschungsarbeit in energyPRO integriert. Die Option „Inselbetrieb“ ermöglicht dabei die energieautarke völlige Abkopplung von jeglichen Möglichkeiten zum Austausch von Energien. Alle Energie muss also im System selber erzeugt und verbraucht werden. Hierbei wird der optimierte Einsatz von Speichern umso interessanter. Eventuell mögliche Überproduktion – durch z.B. Solarstromerzeugung – wird in entsprechenden Fällen heruntergefahren und verhindert. Als zusätzliche Option lässt sich auch im Inselbetrieb der Austausch, d.h. Bezug und Einspeisung von Energien (vorrangig Strom) bei bestimmten Rahmenbedingungen erlauben. In dieser Variante wird zwar weiterhin der Schwerpunkt auf den Inselbetrieb gesetzt, im äußersten Fall ist aber der Austausch erlaubt.

2.4. Benutzeroberfläche, Datenbank und Berechnungsmethode Neben der Ergänzung von energyPRO um weitere Berechnungsmodule und Energieanlagen wurden die Benutzeroberfläche, Softwareergonomie und Datenbank angepasst, um die Anforderungen des Forschungsprojekts zu erfüllen. Eine grafische Oberfläche (Abbildung 9) ermöglicht einen bildlichen Überblick über den Aufbau und die Zusammenhänge des Energiesystems. Durch einfaches Klicken auf die einzelnen Komponenten können diese geöffnet werden und etwaige Veränderungen an den Eigenschaften vorgenommen werden. Verbindungen und Zusammenhänge können einfach geschaffen werden.

Page 17: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

17

Abbildung 9: Grafische Benutzeroberfläche Um die Erstellung von Projekten bei späteren Simulationen zu vereinfachen wurden die notwendigen Daten (Energieanlagen, Preiszeitreihen, Lastzeitreihen) im energyPRO-Format hinterlegt.

Neben all diesen Modulen und Algorithmen, waren Anpassungen bereits vorhandener Algorithmen erforderlich, um die Software an die Simulationsanforderungen aus dem Forschungsprojekt, anzupassen. Wichtigste Änderung hierbei ist wohl die Möglichkeit der modulübergreifenden Nutzung von Zeitreihen, welche die Flexibilität bei der Erstellung von wirtschaftlichen Zusammenhängen vergrößerte und so die Simulation der innovativen Geschäftsmodelle in RegModHarz ermöglicht. Weiterhin wurde das Optimierungsverfahren weiter verbessert, unter anderem wurde eine Auswahl der Optimierungsintervalle ermöglicht.

2.5. Einbindung weiterer Tools Für weitere Tools, die im Rahmen von RegModHarz entwickelt wurden, besteht die Möglichkeit einer Implementierung in die Software energyPRO im Rahmen der

Page 18: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

18

Projektverwertung. Sowohl Verfahren für eine Stromlastprognose als auch eine Wärmelastprognose wurden in RegModHarz entwickelt.

Die Zukunft des Energiemarktes wird nicht nur durch möglichst flexible Erzeugungsanlagen zum Ausgleich von volatiler Einspeisung geprägt sein. Hierfür werden weitere Berechnungsmodule zur Simulation von flexibel auf z.B. sich ändernde Strompreise reagierenden Verbrauchern entwickelt und implementiert. Zur besseren Simulation von Biogasanlagen und der Einspeisung von Biomethan in das Gasnetz wurde auch an Modellen für Brennstoff erzeugende Anlagen gearbeitet. So kann die Simulation von einer Flexibilisierung von Biogasanlagen noch weiter verbessert werden.

Page 19: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

19

3. Simulationen Die Simulation und Analyse von konkreten Szenarien für virtuelle Kraftwerke stellt eine wichtige Grundlage dar, um die diskutierten Marktmodelle bewerten und vergleichen zu können. Die dokumentierten Simulationen beziehen sich auf die im Forschungsprojekt definierten Betriebsstrategien und Geschäftsmodelle und dienen zu Verifizierung der die in der ersten Projektphase erarbeiteten Konzepte, als auch als Grundlage für die Demonstrationen und Feldversuche sowie für Empfehlungen zum Rechtsrahmen (siehe Arbeitspaketbericht 5.3 .

Als Ausgangs- und Vergleichsbasis wird in diesem Kapitel zu Beginn eine simulative Darstellung des Ist-Zustandes von Stromerzeugung und -verbrauch in der Modellregion im Referenzjahr 2008 dokumentiert. Im darauf folgenden Abschnitt wird ein im RegModHarz-Leitszenariendokument beschriebenes Soll-Szenario einer Stromversorgung mit 100% Erneuerbaren Energien (100% EE) näher untersucht. Die untersuchten Szenarien sind im Arbeitspaketbericht 1.1 „Leitszenarien für RegModHarz“ näher beschrieben.

Die betriebswirtschaftlichen Simulationen zur Marktintegration der Erneuerbaren Energien der Modellregion haben eine zentrale Bedeutung in RegModHarz. Dabei wurden Möglichkeiten der Vermarktung des im virtuellen Kraftwerk Harz erzeugten Stroms untersucht. Ein Schwerpunkt lag auf den verschiedenen Direktvermarktungsmodellen im EEG, die u.a. eine Vermarktung des Stroms an der Strombörse (EPEX) und an den Regelleistungsmärkten erlauben.

Mit dem EEG2012 wurde die Flexibilisierung von Biogasanlagen ein zentrales Thema. Biogasanlagen sollen zukünftig bedarfsorientiert Strom einspeisen und am Markt handeln. Durch die Installation von zusätzlicher Generatorleistung und Gas- und/oder Wärmespeicher kann das Biogas vorwiegend dann verstromt werden, wenn der Markt Stromknappheit signalisiert. Die Investitionen werden über die mit dem EEG2012 eingeführte Flexibilitätsprämie gefördert. Im Rahmen des Projektes wurde ein Verfahren zur marktorientierten Auslegung von flexiblen Biogas-/KWK-Anlagen entwickelt. Grundlage für die Bewertung unterschiedlicher Anlagenkonfigurationen sind stundengenaue Simulationen von Energieerzeugung und –handel. Für eine konkrete Beispielanlage aus der Modellregion wurde die betriebswirtschaftlich geeignetsten Anlagenkonfigurationen ermittelt und beschrieben. Weiterhin wurde gezeigt, wie die täglichen, marktoptimierten Einsatzpläne für die flexibilisierten Biogasanlagen erstellt werden können.

3.1. Simulation des IST-Zustandes (Referenzjahr 2008) Im Forschungsprojekt RegModHarz soll modellhaft am Beispiel des Landkreises Harz (LK Harz) gezeigt werden, wie eine Stromversorgung aus hohen Anteilen erneuerbarer Energien umsetzbar wird. Dazu werden neben Feldtests auch Modellrechnungen und Simulationen durchgeführt. Drei Szenarien sind definiert, anhand derer der Weg vom aktuellen Stand zu einer 100%-Versorgung aus Erneuerbaren Energien aufgezeigt werden kann: 1.

Page 20: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

20

Ausgangssituation im Jahr 2008, 2. Annahme für den Ausbau Erneuerbarer Energien im Jahr 2020, 3. 100%ige Stromversorgung aus Erneuerbaren Energien.

Zu Beginn des Forschungsprojektes erfolgte eine Bestandsaufnahme von Stromerzeugung und –verbrauch im Landkreis Harz. Jahreszahlen und Zeitreihen wurden zusammengetragen und erste Berechnungen durchgeführt.

3.1.1. Stromverbrauch Der Stromverbrauch des Landkreises Harz wurde für das Jahr 2008, inklusive Netzverlusten, auf rund 1.300 GWh (Gigawattstunden) beziffert – ohne Industrieverbrauch aus Eigenerzeugung. Zum Vergleich: Der Brutto-Inlandsstromverbrauch der Bundesrepublik lag in 2008 bei 615.000 GWh (destatis). Ein typischer 3-Personen-Haushalt benötigt etwa 4.000 kWh = 0,004 GWh pro Jahr. Dabei zeichnet der Stromverbrauch kulturell bedingte Tages-, Wochen- und Saisonmuster nach. Zudem hat die Witterung einen Einfluss auf den Bedarf an Strom. Die zu einer bestimmten Zeit am Stromnetz anliegende Netzlast wird als Leistungswert angegeben und ist in Abbildung 10 als rote Linie dargestellt. Sie bewegte sich im Landkreis Harz im Jahr 2008 zwischen 65 und 221 MW (Megawatt).

Abbildung 10: Fluktuierende Stromerzeugung und Stromverbrauch im Referenzjahr

Page 21: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

21

3.1.2. Installierte Anlagenleistung und Stromerzeugung zu Projektbeginn

Die Stromerzeugung im Landkreis Harz erfolgt ausschließlich aus Wind-, PV-, Wasserkraft-, Biogas- und Biomasseanlagen sowie mit Erdgas betriebenen Blockheizkraftwerken (BHKW). Aus der RegModHarz Erzeugerliste geht hervor, dass die installierte Leistung aller Erzeuger im LK Harz im Jahr 2008 bei 192,41 MW lag. Das nachfolgende Abbildung 11 zeigt das Anlagenportfolio des LK Harz nach den jeweiligen Erzeugungstechniken. Hierbei ist gut zu er kennen, dass die Windkraft mit einer installierten Leistung von 150,57 MW (entspricht 78% der Gesamtleistung) eine exponierte Rolle in der Erzeugungsstruktur des Landkreises einnimmt. Weitere Erneuerbare Energien wie Photovoltaik, Wasser, oder Biogas /-masse nehmen mit Anteilen an der installierten Leistung zwischen 2-5% nur eine untergeordnete Rolle ein. Fossile KWK Anlagen mit einer installierten Leistung von 14,71 MW (entspricht 8% der Gesamtleistung) bilden den zweitgrößten Anteil im Anlagenportfolio des LK Harz.

Aufgrund der Volatilität der Erzeugung aus Wind und PV gibt es keinen linearen Zusammenhang zwischen der installierten Leistung und der Erzeugung. Dies macht sich besonders bei der Erzeugung aus fossilen KWK bemerkbar, die mit einem Anteil an der installierten Leistung von 8% fast 18% der erzeugten Energie generieren. Wind- und Sonnenenergieanlagen speisen je nach Wetterlage in schwankendem Maße Strom ein. Demgegenüber werden Biogasanlagen und BHKW nach derzeit üblicher Betriebsführung (Jahr 2008) durchgängig mit voller Leistung gefahren. Deshalb unterscheidet sich das Tortendiagramm der Stromerzeugung im Harz von dem der Anlagenleistungen (siehe Fehler! Verweisquelle konnte nicht gefunden werden.). Im Jahr 2008 wurden insgesamt 467 GWh Strom im Landkreis Harz erzeugt. Dies entspricht auf das Jahr bezogen rund 36 % des Stromverbrauchs von 1.300 GWh. Wind- und Solarenergie lieferten 69 % (321 GWh) dieser Erzeugung.

Abbildung 11: Installierte Erzeugungsleistung und jährliche Stromerzeugung (Stand 2008)

Page 22: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

22

Die maximale Leistung der regionalen Erzeugung betrug 180,3 MW (93,7% der installierten Leistung) während eine gesicherte Minimalleistung von 65 MW (33 % der Gesamtleistung) gewährleistet werden konnte. Bezieht man sich ausschließlich auf die Erzeugung aus regenerativen Energien, so konnte eine gesicherte Leistung von 3,77 MW bereitgestellt werden. Zur Darstellung der Volatilität der Erzeugung, explizit der Windenergie, zeigt die folgende Grafik die monatlichen Erträge aller Erzeuger im LK Harz des Referenzjahres 2008.

Abbildung 12: Erzeugung pro Monat für das Jahr 2008

Ein paar Zahlen sollen die Bedeutung der schwankenden Einspeisung aus Wind und Sonne verdeutlichen. Rechnerisch werden bei einer installierten Anlagenleistung von 150 MW bei kräftigem Wind 150 MWh je Stunde an Strom erzeugt. Tatsächlich schwankte die Einspeisung zwischen 0 und 150 MWh in den Stunden des Jahres 2008. Der Mittelwert lag bei 35 MWh/h. In 37 % der 8.784 Stunden lag die Einspeisung sogar unter 10 MWh/h, lediglich in 11 % der Stunden über 100 MWh/h. Im Forschungsprojekt RegModHarz wird gezeigt, wie diese schwankende Einspeisung mittels flexibler dezentraler Anlagen in Verbindung mit Informations- und Kommunikationstechnologie (IKT) bedarfsgerecht ausgeglichen werden kann.

Page 23: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

23

Abbildung 13: Häufigkeitsverteilung der Windeinspeisung im Landkreis Harz

Aus dem RegModHarz Leitszenariendokument geht hervor, dass die Bruttolast (Jahr 2008) im LK Harz bei 1.298.560 MWh lag. Die Gesamterzeugung, die bereits in Abbildung 11 dargestellt wurde, belief sich im gleichen Zeitraum auf 467.251 MWh. Wird die Zeitreihe des regionalen Verbrauchs der Erzeugungszeitreihe gegenüber gestellt, so können 34,3% (entspricht 445.524 MWh) des Verbrauchs aus regionaler Erzeugung gedeckt werden. Aufgrund der hohen Windleistung im LK Harz treten zeitliche Perioden auf, in denen die regionale Einspeisung den Bedarf übersteigt, was zu einem Stromexport von 21.726 MWh (4,6% der erzeugten Energie) im Jahr 2008 führte.

Abbildung 14: Strombilanz und Residuallast für 2008

Page 24: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

24

3.1.3. Erkenntnisse aus der physikalischen Simulation

3.1.3.1. Erkenntnisse zur Residuallast Die Residuallast beschreibt hier die Leistungsdifferenz zwischen dem realen Strombedarf und der Einspeisung aller Erneuerbaren Energien. Je nach zugrunde liegender Fragestellung kann sich die Residuallast auch ausschließlich auf die fluktuierende Einspeisung aus Wind und Photovoltaik beziehen. Im untersuchten Referenzjahr trat die niedrigste Residuallast am 22.12.08 zwischen 01:00 Uhr und 01:15 Uhr auf, bei der die Einspeiseleistung die Stromverbrauchsleistung um 91,92 MW übertraf. Betrachtet man ausschließlich die Einspeisung aus der Windenergie zum selben Zeitpunkt (siehe Diagramm), so berechnet sich eine maximale Überschussleistung von 83,55 MW. Die Abbildung 15 zeigt einen zweiwöchigen Ausschnitt des Jahresverlaufs, in dem der höchste und niedrigste viertelstündliche Leistungswert der Residuallast bezogen auf die Einspeisung aus Wind und PV auftrat. Weiterhin ergeben sich aus der Analyse der Residuallast die in Tabelle 1 zusammengestellten Daten.

Abbildung 15: Ausschnitt der Residuallast des LK Harz 2008

min. Residuallast

max. Residuallast

Page 25: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

25

Tabelle 1: Statistische Analyse der Residuallast

Einspeisung aus: Median [MW] Quantil (0,95) [MW]

Quantil (0,05) [MW]

Residuallast gesamt [MWh]

Wind und PV 118,20 188,01 0,39 978.119

Erneuerbare Erzeugung gesamt

111,71 180,53 0,33 914.892

Gesamte Einspeisung inkl. fossiler KWK

103,04 170,99 0,09 831.309

Wird die Betrachtung der Residuallast um die Einspeisung fossiler KWK Anlagen erweitert, so kann gezeigt werden, dass sich unter Berücksichtigung der Betriebsführung der KWK-Anlagen des Jahres 2008 der Median der Residuallast um 12,8% reduziert. Um eine quantitative Aussage über die Residuallast im Landkreis Harz (LK Harz) treffen zu können ist in Abbildung 16 die Häufigkeitsverteilung der 1/4 h Leistungswerte der Residuallast, bezogen auf die Einspeisung aller Regenerativen Energien, dargestellt. Die negativen Leistungswerte beschreiben die Überdeckung des regionalen Energiebedarfs. Aus der Analyse der Residuallast geht hervor, dass bei 5,9% aller Viertelstundenwerte eine Überdeckung vorliegt, was einer Zeitspanne von ca. 22 Tagen entspricht.

Analog zu Abbildung 16 beschreibt Abbildung 17 die Häufigkeitsverteilung der 1/4h Leistungswerte bezogen auf die Einspeisung aus Wind und PV. Aufgrund der hohen Windleistung im LK Harz und der damit verbundenen hohen Abhängigkeit der Residuallast von der Windeinspeisung, weisen die beiden Diagramme annähernd identische Verläufe auf. Die Korrelation der beiden Verteilungskurven liegt bei 97%. Bei der Betrachtung der Wind- und PV-Einspeisung reduziert sich die Anzahl der 1/4h Werte mit einer Überdeckung um ca. 1,2 Prozentpunkte auf 4,7% (entspricht ca. 17 Tage) gegenüber der Einspeisung aller Regenerativen Energien.

Page 26: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

26

Abbildung 16 Residuallast nach Leistung und Häufigkeit (aller Reg. Energien)

Abbildung 17 Residuallast nach Leistung und Häufigkeit (Wind+PV)

3.1.3.2. Erkenntnisse zum regionalen Überschuss Im folgenden Absatz werden Untersuchungen hinsichtlich der Reduktion des Überschusses durch den Einsatz von Speichern, hier in Anlehnung an ein Pumpspeicherkraftwerk, vorgenommen. Wie die Erkenntnisse zur Residuallast aus dem vorherigen Abschnitt zeigen, beläuft sich die Summe der 1/4h Werte mit Leistungsüberschüssen in der Jahresbilanz auf 22 Tage. Unter der Annahme einer beliebig großen Speicherkapazität, einer Pumpleistung, die der maximalen Überschussleistung entspricht und einer Generatorleistung von 80 MW, liegt die maximal zu speichernde Überschussenergie für das Jahr 2008 bei 1.719 MWh. Um die genannte Energiemenge zu speichern, nimmt der Speicher permanent für die Dauer, von

Page 27: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

27

51,75h die Leistungsüberschüsse des Anlagenportfolios auf. Zum Vergleich hat das Pumpspeicherkraftwerk (PSW) Wendefurth laut (IWES, 2010) eine Speicherkapazität von 616,1 MWh. Implementiert man das PSW, unter Berücksichtigung der in der Studie genannten Anlagencharakteristika (bzgl. der Anlagenwirkungsgrade), in das regionale Simulationsmodell des LK Harz, so kann der regionale Überschuss von 21.726 MWh auf 4.177 MWh reduziert werden. Begrenzende Faktoren für die Stromaufnahme des PSW liegen hauptsächlich in der Leistung der Pumpen und dem Fassungsvermögen des Speicherbeckens. Unter Berücksichtigung der Pump- und Generatorverluste liegt die Erzeugung des PSW bei 13.127 MWh. Zur Darstellung der leistungsbezogenen Eigenversorgung des Landkreis Harz (LK Harz), bei der die regionale Erzeugung des Anlagenportfolios im Landkreis dem Bedarf des Selben gegenübergestellt wird, könnte somit durch die Integration des PSW der Stromimport um 1,54 % auf 839.908 MWh gesenkt werden. Die Nutzung des regional erzeugten Stroms steigert sich demnach von 95,4 % auf 99,1%. Das PSW kann 1,83% (397 MWh) des regionalen Überschusses nicht aufnehmen, da die Überschussleistung die maximale Pumpleistung von 72 MW übersteigt. Aufgrund der begrenzten Speicherkapazität bzw. der maximalen Generatorleistung von 80 MW, können weitere 17,4% (3.780 MWh) des regional erzeugten Überschusses nicht im PSW gespeichert werden. Die Simulationen des PSW-Einsatzes im Jahresverlauf zeigen, dass vier längere Überschusszeiten, mit einer Überschussdauer von mehr als 40h, auftreten, die in der folgenden Tabelle beschrieben sind. Hierbei wird angenommen, dass die Pumpleistung der maximalen Überschussleistung von 101 MW entspricht. Die Generatorleistung wird, analog zur realen Generatorleistung des PSW Wendefurth, mit 80 MW angenommen. Die Speicherdauer bezieht sich auf den gesamten Zeitraum, vom Beginn der Überdeckung bis zur maximalen Befüllung des Speichers. Die Übersichtstabelle zeigt, dass die Überschussperioden besonders in den ersten beiden und im letzten Monat des Jahres auftreten. Bei der angenommenen Generatorleistung von 80 MW wird die maximal zu speichernde Energie von 1.719 MWh Anfang März erreicht.

Tabelle 2: Bedarf an PSW Speicherkapazität

Datum/Uhrzeit von Datum/Uhrzeit bis Dauer Speicherein-

satz [h]

Überschuss- leistung max.

[MW]

Bedarf an Speicher-

kapazität max. [MWh]

20.01.2008 07:30 22.01.2008 04:15 44,75 79,65 1.150

25.01.2008 18:45 27.01.2008 20:30 49,75 88,40 1.556

29.02.2008 22:45 03.03.2008 02:30 51,75 99,00 1.719

20.12.2008 01:30 23.12.2008 05:45 76,50 100,95 1.346

Das folgende Diagramm zeigt die Häufigkeit und Dauer der Überschussperioden im LK Harz, die eine zusammenhängende und permanente Überdeckung aufweisen. Eine Betrachtung möglicher Speicherkapazitäten bzw. Speicherleistungen erfolgt im diesem Fall nicht. Für die Dauer der Überschusszeiten wurde die Anzahl der 1/4h Leistungswerte mit einem Leistungsüberschuss aufsummiert. . Aus der Häufigkeitsverteilung lässt sich gut erkennen, dass überwiegend kurze Überschussperioden auftreten, die in über 90% aller Fälle eine Dauer von 10 Stunden nicht überschreiten.

Page 28: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

28

Abbildung 18: Dauer und Häufigkeit der Überschussperioden

3.1.3.3. Erkenntnisse zu regionalen Erzeugungsflauten Analog zu den Überschussperioden sollen im Folgenden die Einspeisungsflauten untersucht werden. Um die stark fluktuierende Einspeisung zu glätten, wurde ein gleitender Mittelwert über 2 Stunden gebildet. Das Auftreten einer Flaute wurde anhand des Mittelwertes der realen Summeneinspeisezeitreihe aus Wind und PV festgemacht. Um eine qualitative Aussage über die Einspeiseflauten treffen zu können, wurden unterschiedliche Szenarien betrachtet. Das Auftreten einer Flaute wurde bei Unterschreitung des Mittelwertes (36,48 MW) um 50%, 75% und 90% analysiert. Aufgrund der Volatilität der Einspeisung aus Wind und PV wurden ausschließlich diese beiden Erzeugungsformen für die Analyse der Flautenzeiten betrachtet. Wie die Ergebnisse (siehe Abbildung 19) zeigen, ist die Auftrittshäufigkeit der Flauten besonders in den Monaten April bis Juni und im September des betrachteten Jahres zu erkennen. Grund hierfür ist die verhältnismäßige geringe Einspeisung der Windenergie in den genannten Monaten, die in Abbildung 12 dargestellt ist.

Weiterhin ist der nachfolgenden Tabelle zu entnehmen, dass bei einer Unterschreitung des Mittelwertes um 90%, was einer Einspeisung der installierten Wind- und PV-Leistung von 2,3% entspricht, im Schnitt an 5,44 Tagen pro Monat die viertelstündlichen Einspeisewerte unterhalb der 10% Marke des Mittelwertes liegen. Wird die als Flaute definierte Leistung auf 50% (11,3% der installierten Leistung) des Mittelwertes erhöht, so liegt die durchschnittliche Flautenzeit bereits bei 15,22 Tagen pro Monat. In der nachfolgenden Tabelle ist die Auftrittshäufigkeit der Flautezeiten (Viertelstunden als Median der untersuchten 12 Monate, sowie die entsprechende Anzahl der Stunden und Tage aufgeführt.

Page 29: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

29

Tabelle 3: Auftrittshäufigkeit der Viertelstunden mit Flauten

Unterschreitung Mittelwert um

50% 75% 90%

Median 1461,50 963,50 522,00

Anzahl Std 365,38 240,88 130,50

Anzahl Tage 15,22 10,04 5,44

Um einen besseren Überblick über den Jahresverlauf der Flautenzeiten zu bekommen, zeigt Abbildung 19 die Auftrittshäufigkeit der viertelstündlichen Leistungswerte, bei denen, je nach Definition der Flaute, die Leistungswerte unterschritten werden.

Abbildung 19: Erzeugungsflauten pro Monat auf Basis der Wind und PV Einspeisung

Es zeigt sich, dass im Mai des betrachteten Jahres die Auftrittshäufigkeit der Flauten am größten ist. Grund hierfür ist die geringe Einspeisung der Windenergie im genannten Monat, die lediglich 2,3% der Jahresenergie ausmacht. Im Gegensatz zur Windeinspeisung hat die PV- Einspeisung im Mai, bezogen auf die Jahreserzeugung aus solarer Strahlungsenergie, den größten Wert (15%), der aber aufgrund der geringen installierten PV Leistung die Windflauten nicht kompensieren kann. Die monatlichen Erträge aus Wind und PV Strom, sowie deren Anteil an der Jahreserzeugung, können der folgenden Tabelle entnommen werden.

Page 30: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

30

Tabelle 4: Jahresbilanz von Wind und PV

Monat Wind Anteil Jahr PV

Anteil Jahr

Einspeisung Summe Anteil Jahr

[MWh] [%] [MWh] [%] [MWh] [%]

1 51.138 16,5% 295 3% 51.433 16,1%

2 34.276 11,0% 658 7% 34.933 10,9%

3 47.829 15,4% 974 10% 48.804 15,2%

4 14.849 4,8% 1.192 12% 16.041 5,0%

5 7.232 2,3% 1.472 15% 8.703 2,7%

6 13.400 4,3% 1.422 14% 14.821 4,6%

7 19.402 6,2% 1.112 11% 20.514 6,4%

8 23.713 7,6% 960 10% 24.673 7,7%

9 13.643 4,4% 683 7% 14.326 4,5%

10 24.836 8,0% 614 6% 25.450 7,9%

11 33.492 10,8% 237 2% 33.729 10,5%

12 26.815 8,6% 197 2% 27.012 8,4%

Summe 310.624 100% 9.817 100% 320.441 100%

Analog zur Betrachtung der Überschussperioden wird im Folgenden die Dauer und Häufigkeit der Einspeiseflauten analysiert. Wie die Abbildung 20 zeigt, hält eine Flaute in 85% aller Fälle, je nach Flautendefinition, nicht länger als 12,5 h an. Die maximale Flautendauer tritt im 50 %-Unterschreitung-Szenario auf und erstreckt sich über einen Zeitraum von 216,5h bzw. ca. 9 Tage. In den beiden anderen Szenarien liegt die maximale Dauer bei 141h bzw. bei 41,5h. Die Tabelle 5 zeigt die prägnanten Netzdaten der physikalischen Simulation auf einen Blick.

Page 31: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

31

Abbildung 20 Dauer und Häufigkeit der Einspeiseflauten

Tabelle 5: Netzdaten der physikalischen Simulation

Netzkenndaten real Netzkenndaten mit Pumpspeicher

Beschreibung Einheit Kennwert Beschreibung Einheit Kennwert

Energiebedarf MWh 1.298.560 Energiebedarf MWh 1.298.560

Erzeugung gesamt 467.251 Erzeugung gesamt

467.251

davon Regenerativ 383.668 davon Regenerativ

383.668

Stromimport 853.036 Stromimport 839.908

Stromexport 21.726 Stromexport 4.177

max. Netzlast MW 220,80 max. Netzlast MW 220,80

max. Einspeisung 180,33 max. Einspeisung 180,33

max. Stromimport 199,07 max. Stromimport 199,07

max. Stromexport 100,95 max. Stromexport 99,00

Gesicherte Leistung aus EE

3,77

Gesicherte Leistung Wind + PV

0,00

Gesicherte Leistung LK Harz gesamt

5,96

Page 32: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

32

3.1.3.4. Erkenntnisse zur Residuallast hinsichtlich der KWK Einspeisung

Die Erzeugung aus fossilen KWK Anlagen spielt eine zentrale Rolle, wenn es um den Ausgleich der fluktuierenden Einspeisung aus Wind und Photovoltaik geht. Aufgrund der technischen Eigenschaften der KWK Anlagen, die ein hohes Maß an Flexibilität aufweisen, wird die KWK Technik auch als Brückentechnologie für die Netzintegration der erneuerbaren Energien gehandelt. Um diesen Zusammenhang genauer zu untersuchen, wurde eine Masterarbeit im Zuge des Projektes erstellt, mit dem Thema:

„Reduzierung der Residualen Last der Regenerativen Modellregion Harz durch einen netzgeführten KWK-Betrieb – Bestimmung optimaler Größen für Wärmespeicher“ angefertigt.

Mit Hilfe der Software energyPRO wurden 3 Simulationsmodelle entwickelt und analysiert, die auf den Einspeise- und Verbrauchszeitreihen des Landkreises Harz aus dem Referenzjahr 2008 basieren. Durch den Einsatz verschiedener Wärmespeichergrößen, bei dem eine Entkopplung der Strom- von der Wärmeproduktion um 2 Stunden und 2 Tage im Vergleich zur wärmegeführten Fahrweise ohne thermischen Speicher simuliert wurde, sollen die Auswirkungen flexibler KWK-Stromerzeugung auf die Residuallast dargestellt werden.

Die Simulationen ergaben, dass die positiven Auswirkungen der flexibilisierten Fahrweise von KWK Anlagen in 2 Kategorien unterteilt werden können. Zum einen ist eine Verringerung der Rückspeisung in die vorgelagerte Netzebene zu erkennen und zum anderen hat die Flexibilisierung eine Reduzierung der positiven Residuallast zur Folge. Weiterhin konnte herausgestellt werden, dass die positiven Auswirkungen der bestehenden KWK-Anlagen mit flexibilisierter Fahrweise fast ausschließlich in den Sommermonaten zum Tragen kommen, da hier der Wärmebedarf am geringsten ist. In den Winter- und Übergangsmonaten, in denen häufig ein Überangebot der fluktuierenden Einspeiser herrscht, kann aufgrund der bestehenden geringen installierten Wärmeerzeugungskapazitäten aus KWK-Anlagen kein Überschusswärme erzeugt werden, so dass nur begrenzt die Erzeugung mit Hilfe eines entsprechenden Wärmespeichers flexibilisiert werden.

3.1.4. Erkenntnisse aus der wirtschaftlichen Simulation

3.1.4.1. EEG- und KWKG-Festvergütungen der Anlagen im Jahr 2008 Die Berechnung der durchschnittlichen EEG Vergütungssätze basiert auf den Inbetrieb- nahmedaten, der installierten Leistung der Einzelanlagen, sowie der erzeugten Energiemenge im Referenzjahr. Anhand des Datums der Inbetriebnahme und der im EEG verankerten Degression der Vergütung konnte der reale EEG-Vergütungssatz jeder Einzelanlage bestimmt werden. Im Folgenden soll die Berechnung der Vergütungssätze je nach Technologie kurz erläutert werden.

Page 33: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

33

Wind

Beim EEG Vergütungsdurchschnitt für die Windenergie wird angenommen, dass alle Anlagen noch die erhöhte Anfangsvergütung beziehen. Unter Berücksichtigung dieser Annahme berechnet sich eine Durchschnittsvergütung in Höhe von 8,63 €ct/kWh für die Windeinspeisung im LK Harz für das Jahr 2008.

Tabelle 6: Vergütungssätze für Wind

Inbetriebnahmejahr Vergütungssatz [€ct/kWh]

Erzeugte Energie [MWh]

Anteil an Gesamt [%]

1993-2001 9,1 44.922 14,5

2002 9,0 9.901 3,2

2003 8,9 43.538 14,0

2004 8,7 91.378 29,4

2005 8,53 21.752 7,0

2006 8,36 49.885 16,1

2007 8,19 13.290 4,3

2008 8,03 35.961 11,6

durchschnittlicher Vergütungssatz 8,63€ct/kWh

PV

Im Vergleich zur Windenergie ist die Vergütung von PV Anlagen in drei Leistungsklassen gestaffelt. Die Einteilung der Klassen ist abhängig von der installierten Leistung und wird unterteilt in die Leistungsklasse ≤ 30 kW, ≤ 100 kW und > 100kW. Die Vergütungssätze der einzelnen Leistungsklassen können der folgenden Tabelle entnommen werden.

Page 34: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

34

Tabelle 7: EEG Vergütungssätze 2004-2013 für PV Strom (Quelle: BMU)

Die folgende Grafik zeigt, dass es in den Jahren 2005 bis 2008 einen erheblichen Zubau von PV Anlagen im LK Harz gegeben hat. Für 2009 wurde ausschließlich die Freiflächenanlage in Halberstadt aufgeführt, da diese in den folgenden Simulationen berücksichtigt wird.

Abbildung 21: Zubau der installierten PV Leistung im LK Harz

Aufgrund der Degression der Vergütungssätze errechnet sich für den in Leitszenario 1 definierten Anlagenpark (einschließlich der Freiflächenanlage) ein durchschnittlicher PV Vergütungssatz von 42,48 €ct/kWh (siehe nachstehende Tabelle).

Page 35: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

35

Tabelle 8: Vergütungssätze für PV

Inbetriebnahmejahr Vergütungssatz [€ct/kWh]

Erzeugte Energie [MWh]

Anteil an Gesamt [%]

1992-2001 50,62 101,23 1,03 2002 48,10 103,14 1,05 2003 45,70 26,90 0,27 2004 57,04 213,09 2,17 2005 51,651 371,64 3,79

52,331 123,29 1,26 52,601 100,58 1,02 52,671 90,68 0,92 54,001 33,95 0,35 54,53 385,59 3,58

2006 51,161 37,15 0,38 51,80 513,98 5,24

2007 46,851 225,61 2,30 47,571 87,78 0,89 49,21 671,48 6,84

2008 44,461 249,34 2,54 44,501 230,67 2,35 44,871 126,18 1,29 44,971 112,90 1,15 45,031 107,30 1,09 45,041 212,51 2,16 45,071 102,93 1,05 45,111 199,23 2,03 45,171 90,45 0,92 45,201 87,22 0,89 45,331 73,92 0,75 45,351 72,36 0,74 45,411 67,83 0,69 45,451 195,27 1,99 45,721 50,95 0,52 45,781 95,96 0,98 46,011 41,16 0,42 46,431 32,30 0,33 46,611 30,12 0,32 46,481 31,47 0,31 46,621 30,03 0,31 46,75 799,76 8,15

2009 44,41 18,32 0,19 33,182 3706,42 37,76

durchschnittlicher Vergütungssatz 42,48 €ct/kWh 1 Die hier angegebenen Vergütungssätze sind anhand der installierten Leistung der jeweiligen Einzelanlage berechnet worden

2 Hierbei handelt es sich um eine Freiflächenanlage

Page 36: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

36

Lauf- und Speicherwasser

Laut dem EEG Gesetzestext des Jahres 2000 belief sich die Grundvergütung für Strom aus Wasserkraft für Anlagen mit einer installierten Leistung bis einschließlich 500kW auf 7,67 €ct/kWh. Für Anlagen > 500kW ist die Grundvergütung abhängig vom Jahresmittel der in den Einzelmonaten gemessenen mittleren elektrischen Wirkleistung. Mit der Novellierung des EEG im Jahr 2004 wurde der Grundvergütungssatz von den besagten 7,67 €ct/kWh auf 9,67 €ct/kWh angehoben. Für das Jahr 2008 berechnet sich somit ein durchschnittlicher Vergütungssatz, für die im LK Harz installierten Anlagen, in Höhe von 7,36 €ct/kWh.

Tabelle 9: Vergütungssätze für Lauf- und Speicherwasser

Inbetriebnahmejahr Vergütungssatz [€ct/kWh]

Erzeugte Energie [MWh]

Anteil an Gesamt [%]

1990-2003 7,67 4.623,6 20,9

20001 7,55 4.966,2 22,4

20001 7,03 11.893,1 53,7

2004-2006 9,67 652,6 2,9

durchschnittlicher Vergütungssatz 7,36 €ct/kWh 1 hierbei handelt es sich um Anlagen mit einer installierten Leistung >500kW

Biogas- und Biomasseanlagen

Der EEG Vergütungssatz für Biogas bzw. Biomasse Anlagen setzt sich aus vier verschiedenen Komponenten zusammen. Er beinhaltet eine leistungsabhängige Grundvergütung, einen Bonus für die Verwertung nachwachsender Rohstoffe (NaWaRo –Bonus), sowie einen Technologiebonus und einen Bonus für die Auskopplung der anfallenden Wärme (KWK Bonus). Welcher Bonus real vergütet wird hängt von den individuellen Eigenschaften und der Fahrweise der Einzelanlage ab. Aufgrund fehlender Informationen zu den Einzelanlagen wurden die Vergütungssätze der EEG Jahresabrechnung entnommen, die auf der Internetpräsenz der 50Hertz Transmission GmbH veröffentlicht wird. Zur Berechnung des Vergütungssatzes wurde der angegebene Jahresertrag durch die vergütete EEG Summe dividiert. Der berechnete Vergütungssatz für die Einspeisung aus Biogasanlagen beläuft sich auf 17,53 €ct/kWh.

Page 37: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

37

Tabelle 10: Vergütungssätze für Biogasanlagen

Inbetriebnahmejahr Vergütungssatz [€ct/kWh]

Erzeugte Energie [MWh]

Anteil an Gesamt [%]

2000 10,23 785,5 3,5

2004 17,52 1.120,2 5,0

2005 17,04 2.804,3 12,5

2005 16,24 4.229,5 18,8

2006 18,88 522,0 2,3

2006 17,33 3.893,9 17,3

2007 16,08 1.042,5 4,6

2007 17,81 2.631,1 11,7

2007 18,2 2.341,4 10,4

2008 23,05 2.071,4 9,2

2008 17,99 1.065,5 4,8

durchschnittlicher Vergütungssatz 17,53 €ct/kWh

Die Berechnung der EEG Vergütungssätze für Biomasseanlagen unterliegt den gleichen rechtlichen Rahmenbedingungen wie bei den Biogasanlagen (siehe Abschnitt Biogasanlagen). Hiernach wurde eine Durchschnittsvergütung in Höhe von 17,40 €ct/kWh berechnet.

Tabelle 11: Vergütungssätze für Biomasseanlagen

Inbetriebnahmejahr Vergütungssatz [€ct/kWh]

Erzeugte Energie [MWh]

Anteil an Gesamt [%]

2005 17,14 9.939,8 65,9

2005 17,11 2.715,6 18,0

2006 18,36 81,78 0,9

2006 19,16 947,0 10,8

2006 18,14 381,3 4,3

durchschnittlicher Vergütungssatz 17,40 €ct/kWh

Page 38: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

38

Fossile KWK Anlagen

Die Vergütung für fossile KWK Anlagen wird nicht auf Grundlage des EEG, sondern auf Basis des Kraft-Wärme- Kopplungsgesetz (KWKG) berechnet. Im Gegensatz zur festen EEG Vergütung beinhaltet die KWK Vergütung eine fixe und eine variable Komponente, die vom Börsenpreis des vorangegangenen Quartals abhängig ist. Für das Referenzjahr 2008 wurden folgende Vergütungssätze, auch als „üblicher Preis“ bezeichnet, für die Stromeinspeisung aus KWK Anlagen gezahlt.

Tabelle 12: Üblicher Preis für die KWK-Vergütung 2008

Quartalsdurchschnitt EEX

KWK „üblicher Preis“1

Preis [€/MWh]

Q 4 2007 Q1 2008 57,75 Q 1 2008 Q2 2008 56,20 Q 2 2008 Q3 2008 65,54 Q3 2008 Q4 2008 73,17

1 wird für die Einspeisung des KWK Stroms im jeweiligen Quartal bezahlt

Die fixe Komponente (KWK Bonus) ist abhängig von der installierten Leistung und vom Inbetriebnahmejahr der förderungsfähigen Anlage. Für das Jahr 2008 wurden Vergütungssätze zwischen 5,11 €ct/kWh (für Anlagen ≤50 kW) und 0,82 €ct/kWh (Anlagen zwischen 50kW und 2MW) gezahlt. Die einzelnen Vergütungsstufen sowie die Berechnung des durchschnittlichen KWK Bonus können der folgenden Tabelle entnommen werden.

Tabelle 13: Vergütungssätze für fossile KWK-Anlagen

Inbetriebnahmejahr Vergütungssatz [€ct/kWh]

Erzeugte Energie [MWh]

Anteil an Gesamt [%]

1995-2001 0,82 44.580 53,53 1998-2006 2,10 28.987 34,69 2002-2008 5,11 3.344 4,00 20021 7,67 516 0,62 2009 2,18 6.131 7,30

durchschnittlicher Vergütungssatz (Bonus) 1,578 €ct/kWh +

Grundvergütung im Jahresmittel 6,317 €ct/kWh 1Hierbei handelt es sich um eine Grubengasanlage, die im Rahmen des Projektes zu den fossilen KWK Anlagen gezählt

wurde

Page 39: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

39

Zusammenfassung EEG- und KWK-Festvergütung

Im Vergleich der durchschnittlichen Vergütungssätze für Strom aus Erneuerbaren Energien bzw. aus KWK Anlagen zeigt sich eine Sonderrolle der Vergütung für PV Anlagen. Hierbei ist zu beachten, dass der Vergütungssatz für PV Strom im LK Harz aufgrund der Berücksichtigung der Freiflächenanlage in Halberstadt bereits um 5,65 €ct/kWh reduziert wurde. Für die Darstellung der KWK Vergütung wurde das Jahresmittel der 4 Quartalswerte („Üblicher Preis“) berechnet und der durchschnittliche KWK Bonus aufaddiert. Die niedrigste Durchschnittsvergütung wurde für Strom aus Wasserkraftanlagen gewährt. Wie aus der nachfolgenden Tabelle hervorgeht, lag die Durchschnittsvergütung der erzeugten elektrischen Energie im LK Harz im Jahr 2008, unter Berücksichtigung der zuvor getroffenen Annahmen, bei 9,93 €ct/kWh. Bei der Annahme einer rein regenerativen Erzeugungsstruktur würde sich der Durchschnittspreis um 4,4% auf 10,37 €ct/kWh erhöhen.

Abbildung 22 Durchschnittliche EEG/KWKG Vergütungen im LK Harz 2008

Abschließend sind in der folgenden Tabelle die wirtschaftlichen und physikalischen Ergebnisse, unter Beachtung der rechtlichen Rahmenbedingungen des Referenzjahres 2008, dargestellt.

Page 40: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

40

Tabelle 14: Ergebnisse der EEG- und KWK-Festvergütung im Überblick

Erzeuger Installierte Leistung [MW]

Anteil an Pgesamt [%]

Erzeugte Energie [MWh]

Anteil an Egesamt [%]

Erlöse EEG/KWKG [€]

Anteil an Erlösen [%]

Vergütung Ø [ct/kWh]

Wind 150,565 78,25 310.624 66,48 26.800.647 58,0 8,628

PV 10,357 5,38 9.817 2,10 4.170.128 9,0 42,48

Wasser 7,202 3,74 22.135 4,74 1.629.161 3,5 7,36

Biogas 5,715 2,97 31.442 6,73 5.511.755 11,9 17,53

Biomasse 3,863 2,01 9.650 2,07 1.679.316 3,6 17,40

KWK fossil

14,708 7,64 83.583 17,89 6.589.085 14,2 7,88

Gesamt 192,410 100 467.251 100 46.380.092 100 Ø 9,93

3.1.4.2. Direktvermarktung im Jahr 2008 In der folgenden Simulationsvariante werden die fiktiven Einnahmen berechnet, die sich aus der Einspeisung des LK Harz im Jahr 2008 und der entsprechenden Börsenpreise an der Strombörse EEX (Day Ahead-Spotmarkt) ergeben. Es soll gezeigt werden, welche Zusammenhänge zwischen den unterschiedlichen Einspeisezeiten der verschiedenen Erzeuger und den daraus resultierenden Durchschnittsvergütungen bestehen. Zur Berechnung der durchschnittlichen Vergütungssätze wird angenommen, dass die Erzeugungsprognosen exakt der realen Einspeisung entsprechen und keine Ausgleichsenergiekosten, aufgrund von Prognoseungenauigkeiten, anfallen. Anhand der im Rahmen des RegModHarz Projektes entwickelten Einspeisezeitreihen und der EEX Day Ahead Preise von 2008 berechnen sich die folgenden, spezifischen Erlöse der jeweiligen Erzeugungstechnik.

Page 41: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

41

Abbildung 23: Durchschnittliche Vergütungssätze (EEX Day Ahead)

Die Abbildung 24 zeigt, dass, auf das Jahresmittel gesehen, die höchsten spezifischen Erlöse im Jahr 2008 durch die Vermarktung von PV Strom hätten erzielt werden können. Grund hierfür ist tageszeitabhängige Einspeisecharakteristik der Photovoltaik und der Börsenstrompreise. In Zeiten mit hohem Bedarf, die häufig zur Mittagszeit auftreten, wurden im Jahr 2008 aufgrund von marktwirtschaftlichen Rahmenbedingungen (Angebot und Nachfrage) die höchsten Börsenpreise erzielt. In diesem Zeitraum liegen die Erzeugungsspitzen der Photovoltaik. Um diesen Fall zu verdeutlichen, zeigt die folgende Grafik den Zusammenhang der PV Einspeisung, hier des LK Harz, und der Börsenpreise anhand eines zweiwöchigen Ausschnitts. Hierbei ist zu erkennen, dass das Auftreten der Erzeugungsspitzen (blaue Linie) häufig mit den höchsten Börsenpreisen (rote Linie) zeitlich übereinstimmt. Ein anderes Bild zeigt sich in den Jahren nach 2012: aufgrund der hohen bundesweit installierten PV-Leistung existiert die preisliche Mittagsspitze beim Stromhandel nicht mehr länger (siehe Abschnitt 3.6.6 „Direktvermarktung nach EEG 2012 PV“ sowie Arbeitspaketbericht 2.7.1 „Marktbedingungen und Zugangsvoraussetzungen zum Strommarkt“).

Page 42: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

42

Abbildung 24: PV Einspeisung im Vergleich zum Börsenpreis (Bsp. Juli 2008)

Betrachtet man die bundesweite Windeinspeisung für den gleichen Zeitraum im Jahr 2008, so ist erkennbar, dass hohe Börsenpreise häufig in Zeiten mit verhältnismäßig geringer Windeinspeisung (siehe Abbildung 25) auftreten. Grund hierfür ist der sogenannte Merit-Order-Effekt. Bei einer erhöhten EEG-Einspeisung sinkt der Bedarf an Strom aus konventioneller Erzeugung, was zur Abschaltung teurer Kraftwerke führt. Da sich der Börsenpreis nach dem Kraftwerk mit den höchsten Grenzkosten richtet und bei hoher EEG Einspeisung teure Kraftwerke abgeschaltet werden, kann der Bedarf aus Kraftwerken mit geringeren Grenzkosten gedeckt werden. Dieser Zusammenhang führt zu einer Reduzierung der Börsenpreise.

Abbildung 25: Windeinspeisung der BRD im Vergleich zum Börsenpreis (Bsp. Juli 2008)

Page 43: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

43

Unter der Annahme, dass die gesamten Energiemengen ohne Berücksichtigung eventueller Ausgleichsenergiekosten am Spotmarkt gehandelt wurden, berechnen sich Minder-einnahmen durch den Spotmarkthandel im Vergleich zur EEG-Vergütung in Höhe von 17.838.930 €. Bezogen auf die Energiemenge würden sich demnach die durchschnittlichen Erlöse gegenüber der EEG-Festvergütung (9,9 ct/kWh) um 3,8 €ct/kWh auf 6,1 €ct/kWh reduzieren. Obwohl durch die Vermarktung von PV Strom an der Börse, im Vergleich zu allen anderen EEG Erzeugern, im Jahr 2008 der höchste durchschnittliche Vergütungssatz hätte erzielt werden können, lägen die Einnahmen gerade einmal bei ca. 19% bezogen auf die EEG-Festvergütung. Die geringsten Mindereinnahmen entstehen im Jahr 2008 bei der Direktvermarktung vom Strom aus Wasserenergie. Hier liegt die Differenz zwischen der EEG-Festvergütung und der an der Börse zu erzielenden Durchschnittserlösen bei 1,19 €ct/kWh. Auf Grundlage der bekannten Daten und Annahmen lag der durchschnittliche Vergütungssatz nach EEG/KWKG, je nach Erzeugungstechnik, zwischen 16% und 81% oberhalb der durchschnittlichen Börsenvergütung. Eine Gegenüberstellung der durchschnittlichen Vergütungssätze der einzelnen Erzeugungstechniken ist der folgenden Abbildung zu entnehmen.

Abbildung 26 Gegenüberstellung der durchschnittlichen Vergütungssätze EEG/KWKG und EEX

für das Jahr 2008

Analog zur EEG- und KWK-Vergütung wurde auch bei der Analyse der Direktvermarktung eine Übersichtstabelle erstellt, in der Auskunft über die Einnahmen der einzelnen Erzeuger, deren Anteil an den Gesamterlösen sowie ein durchschnittlicher Vergütungssatz angegeben wird.

Page 44: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

44

Tabelle 15: Ergebnisse der Direktvermarktung im Jahr 2008 im Überblick

Erzeuger Installierte Leistung

[MW]

Anteil an

Pgesamt [%]

Erzeugte Energie [MWh]

Anteil an Egesamt

[%]

Fiktive Erlöse an EEX Day

Ahead Spot [€]

Anteil an Erlösen

[%]

Erlös Ø [ct/kWh]

Wind 150,565 78,25 310.624 66,48 18.064.450 63,16 5,82

PV 10,357 5,38 9.817 2,10 791.650 2,77 8,06

Wasser 7,202 3,74 22.135 4,74 1.365.855 4,78 6,17

Biogas 5,715 2,97 31.442 6,73 2.073.799 7,46 6,60

Bio-masse

3,863 2,01 9.650 2,07 741.320 2,59 7,68

KWK fossil

14,708 7,64 83.583 17,89 5.504.088 19,24 6,59

Gesamt 192,410 100,00 467.251 100 28.541.162 100,00 Ø 6,11

Page 45: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

45

3.2. Simulation des 100%EE-Szenarios Exemplarisch anhand der Modellregion Harz wurde ein Szenario für eine 100%-ige Stromversorgung aus Erneuerbaren Energien (EE) entwickelt (in zwei aufeinander aufbauenden Teilszenarien A und B). Dabei liefern Wind- und Photovoltaik-(PV-)Anlagen, die keinen Brennstoff benötigen, den größten Anteil. Für das 100%-EE-Szenario wird deutlich mehr installierte Wind- und PV-Anlagenleistung benötigt, als derzeit vorhanden. Die Erzeugungsspitzen aus Wind- und PV-Anlagen überschreiten die Strombedarfsspitze zeitweise um ein Vielfaches: in 21% der Jahresstunden um das Zweifache und in 4% der Jahresstunden um das Dreifache (siehe Abbildung 27). Da die Kapazitäten der Stromnetze derzeit auf die Strombedarfsspitzen ausgelegt sind, kann das Netz die mögliche Einspeisung aus Wind- und PV-Anlagen in langen Zeitabschnitten nicht aufnehmen. Nun kann es volkswirtschaftlich nicht sinnvoll sein, das Netz so weit auszubauen, dass sämtliche Erzeugungsspitzen eingespeist werden können. Um den potenziell verfügbaren Wind- und PV-Strom trotzdem nutzen zu können und die Anlagen nicht zu häufig abzuregeln, sind flexible Stromverbraucher und -speicher an den richtigen Stellen im Netz notwendig.

Abbildung 27: Wochenverlauf EE Erzeugung und Verbrauch im 100% Szenario

3.2.1. Annahmen für das 100% Szenario Eine 100% EE-Stromversorgung lässt sich mit unterschiedlichen Gesamtleistungen der EE-Anlagen vorstellen, ebenso mit unterschiedlichen Verhältnissen von Wind und PV zueinander. Je nachdem, welche Konstellation gewählt wird, besteht ein unterschiedlich hoher Bedarf an Speicher- und Stromnetzkapazitäten. Insofern stellt das im Detail untersuchte Szenario eine unter vielen denkbaren Möglichkeiten dar.

Dem entwickelten 100%-EE-Szenario wurde bewusst keine Jahreszahl in der Zukunft zugeordnet, da es eines unter vielen denkbaren Szenarien für eine 100%-EE Stromversorgung darstellt und weder mit einer Prognose, noch mit einer Zielvorgabe

Page 46: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

46

verbunden ist. Im Rahmen der Szenariodefinition wurden vereinfachte Annahmen getroffen. Der Ausbau von IKT und Smart Meter wird als flächendeckend und dynamische Tarife als Standard angenommen. Der Wärmebedarf und die Bevölkerungszahl entsprechen denen für RegModHarz-Leitszenario 2 (vgl. Tabelle 16 und AP-Bericht „Leitszenarien für RegModHarz“). Für den jährlichen Strombedarf wird das gleiche Niveau wie im Jahr 2008 angenommen und beträgt ca. 1.300 GWh/a. Es wird berücksichtigt, dass der herkömmliche Stromverbrauch aufgrund von Effizienzsteigerungen abnimmt. Aufgrund von neuen Verbrauchern, wie z.B. durch den vermehrten Einsatz von elektrischen Wärmepumpen und Kältemaschinen wird die Effizienzsteigerung kompensiert.

Tabelle 16: Annahmen zum Wärmebedarf und Bevölkerungszahl in den untersuchten Szenarien

Leitszenario 1 Leitszenario 2 Leitszenario 3

BRD Modell-region BRD Modell-

region BRD Modell-region

Wärmebedarf [TWh/a] 1.500 4,34 1.276 3,42 1.276 3,42

Bevölkerungs-zahl [-] 81.109.000 237.653 80.693.000 216.000 80.693.000 216.000

Für eine Stromversorgung mit 100% erneuerbaren Energien werden zwei theoretische Fälle unterschieden: Eine 100%-EE-Stromversorgung als Inselsystem (leistungsautark) und mit Einbindung in das bundesweite Übertragungsnetz (energieautark). Durch die Einbindung in das Übertragungsnetz wird zum Einen der überregionale räumliche Ausgleich der fluktuierenden Wind- und PV-Einspeisung ermöglicht, zum Anderen wird das Flächenpotenzial der ländlich geprägten Modellregion genutzt, um Ballungsräume bedarfsgerecht mitzuversorgen. Auch bedarfsgerechte Stromimporte aus den speziellen Potenzialen anderer Regionen werden möglich. Aus diesem Grund wird nur die energieautarke Versorgung näher beleuchtet.

Die Definition des Erzeugungsmix erfolgte in Anlehnung an die UBA-Studie (UBA & IWES, 2010) sowie Simulationen für das Wetterjahr 2008. Dabei wurden die technischen Potenziale der Energieträger (vgl. Arbeitspaket 1.2) herangezogen. Die in der UBA-Studie für die BRD angenommene installierte Leistung je regenerativer Energiequelle wurde zur Skalierung auf die Modellregion mit einem Flächenbezugsfaktor von 0,59% multipliziert, sofern die flächenskalierte Leistung das technische Potenzial nicht überschritt (vgl. Tabelle 17).

Page 47: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

47

Tabelle 17: Technisches Potenzial in der Modellregion und Flächenskalierung nach UBA-Studie für Leitszenario 3

Technisches Potenzial

[MW]

Flächenskal. nach UBA-

Studie [MW]

(Tiefen-) Geothermie 0 37,8

Laufwasser 8,8 31

Wind onshore 708 354

Wind offshore 0 267

Photovoltaik 946 708

Biomasse 101 137

Gesamt [MW] 1.764 1.535

Die installierte Leistung der Windenergie konnte flexibel so weit nach oben justiert werden, bis die zu erzeugende Jahresstrommenge durch den Erzeugungsmix in der Modellregion gedeckt wurde. Für die zu erzeugende Jahresstrommenge wurde festgelegt, dass sich die Modellregion anteilig an der Bereitstellung des jährlichen Gesamtstromverbrauchs der BRD beteiligt. Dazu wurde der ENTSO-E-Wert für den Nettostromverbrauch der BRD in 2008 mit dem Flächenbezugsfaktor multipliziert und beträgt 2.920 GWh/a. Somit erzeugt die Modellregion das 2,25–fache des eigenen Jahresstrombedarfs. Aufbauend auf diese Annahmen wurde in einem ersten Schritt das Teilszenario A entwickelt. In diesem Teilszenario A werden noch keine Speicher berücksichtigt und des Weiteren die flexiblen Biogas- und KWK-Anlagen nach der bundesweiten Residuallast als Führungsgröße betrieben. Teilszenario A wurde von der Universität Magdeburg auf Netzverträglichkeit hin untersucht. Im Projektverlauf sind auf Grundlage zusätzlicher Überlegungen erweiterte Annahmen getroffen worden, die es ermöglichen den jeweils aktuellen Kenntnisstand zu nutzen, um die genannten Parameterwerte zu variieren und ein 100%-Szenario mit besserer Umsetzbarkeit zu entwickeln (Teilszenario B).

Bei Teilszenario B wird davon ausgegangen, dass es zu einer 100%-EE- Stromversorgung zur möglichst effizienten Nutzung von EE-Strom erforderlich ist, die Stromversorgung nicht isoliert zu betrachten, sondern Verknüpfungen mit den anderen Verbrauchssektoren zu nutzen. Dadurch kann auch die erforderliche Flexibilität des Stromversorgungssystems gesteigert werden. Bei einer Vernetzung der Infrastrukturen kann das energiewirtschaftliche Potenzial von Erzeugungs- und Lastmanagement mit Wärme- und Kältespeicher (im Folgenden: Energiemanagement) und des Gasnetzes als Stromspeicher (hier: Power-to-Gas) besser ausgeschöpft werden. Damit das Potenzial von Energiemanagement durch die Verknüpfung der Stromversorgung mit der thermischen Energieversorgung untersucht

Page 48: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

48

werden kann, ist eine nähere Betrachtung der thermischen Energieversorgung erforderlich (Vgl. RegModHarz-Leitszenarien).

Der Speicherbedarf für eine 100% regenerative Stromversorgung sowie der Einsatz von Stromspeichern hängen von der untersuchten Versorgungsaufgabe ab. Die Versorgungsaufgabe kann hierbei zwischen einer 100% leistungsautarken Versorgung (jederzeit wird der Verbrauch durch die Erzeugung gedeckt) ohne und einer 100% energieautarken Versorgung (Verbrauch und Erzeugung in der Jahresbilaz ausgeglichen) mit der Möglichkeit zum Austausch mit anderen Regionen unterschieden werden. Sowohl in Bezug auf die Versorgungssicherheit als auch in Bezug auf die Wirtschaftlichkeit ist die energieautarke Versorgung mit einer Einbindung in das Übertragungsnetz und in überregionale Kurzfristmärkte für Strom sinnvoller als die leistungsautarke Versorgung, weil räumliche Ausgleichseffekte der volatilen Einspeiser und der Verbraucher im Übertragungsnetz den Stromspeicherbedarf reduzieren. Damit die Vorteile der energieautarken Versorgung quantifiziert werden können, wurde auch die leistungsautarke Versorgung im Vergleich näher analysiert. Somit wird die Modellregion bei den Simulationen zur Ermittlung des Stromspeicherbedarfs zum einen in der Stundenbilanz (leistungsautark) und zum anderen in der Jahresbilanz (energieautark) zu 100% mit EE-Strom versorgt. Bei der energieautarken Versorgung wird vorrangig der überregionale Ausgleich des Ungleichgewichts zwischen fluktuierender Erzeugung und Verbrauch angestrebt. Hierbei wird in der Simulation vereinfachend davon ausgegangen, dass das für den überregionalen Ausgleich erforderliche bundesweite Übertragungsnetz als Kupferplatte ohne Netzrestriktionen betrachtet werden kann.

3.2.2. Modellierung und Simulation für das 100%EE- Szenario Grundsätzlich ist ein Modell immer dann sinnvoll, wenn es sich um ein komplexes System handelt, bei dem man nicht wie in der Physik durch Experimente mit realen Systemen zu neuen Erkenntnissen gelangen kann. Bei der Modellierung muss hierbei die Problemstellung stets im Auge behalten werden, um nur die relevanten Sachverhalte zu berücksichtigen und unnötige Details zu vernachlässigen (Winkelmüller, 2006). Bei den Simulationen für das 100%EE-Szenario soll das Zusammenspiel zwischen Erzeugung, Speicherung und Verbrauch in einem zukünftigen Stromversorgungssystem für ein ganzes Jahr analysiert werden, was durch Experimente mit realen Systemen fast unmöglich ist.

Die Simulation und Optimierung von einem Stromversorgungssystem mit einer Vielzahl unterschiedlicher Kraftwerke, Speicher und Verbraucher stellt ein mathematisch hochkomplexes Problem dar, da es eine Vielzahl nicht-linearer Nebenbedingungen enthält. Aus diesem Grund müssen Vereinfachungen getroffen oder heuristische Verfahren angewendet werden. Während eine geschlossene Optimierungen für kurzfristige Simulationen bis zu 7 Tagen bereits sehr niedrige Rechenzeiten aufweisen, benötigen Jahressimulationen jedoch noch recht lange (Ehlers, 2011). Um dennoch eine Jahressimulation durchführen zu können sind Softwaretools, die mit Vereinfachungen wie z.B. einem vollständigen Voraussehen (perfect foresight) simulieren, dafür geeignet, die

Page 49: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

49

wesentlichsten Erkenntnisse für ein zukünftiges Stromversorgungssystem zu generieren. Solche Vereinfachungen werden in den entsprechenden modulhaft in energyPRO integrierte Algorithmen getroffen, um z.B. die optimale Bewirtschaftung von Speichern für einen Zeitraum von einem Jahr zu ermitteln. Für die Optimierung ist hierbei lediglich der Speicherfüllstand am Anfang und am Ende des Betrachtungszeitraums als Nebenbedingung einzugeben. Weitere Vereinfachungen, die im Rahmen der Simulation getroffen werden, sind z.B. die Zusammenfassung von einzelnen Erzeugern, Speichern und Verbrauchern zu einer spezifischen Gruppe. Somit wird z.B. die über die gesamte Modellregion verteilte Gesamtanzahl an dezentralen Erzeugungsanlagen mit Hilfe von typspezifischen Parametern charakterisiert und zu einer Erzeugergruppe zusammengefasst. Technische Restriktionen wie z.B. Teillastverhalten, Mindestlaufzeiten oder Laständerungsverhalten für KWK-Anlagen können durch die Eingabe von typischen Parametern berücksichtigt werden. Es wird aber vereinfacht angenommen, dass aufgrund der Zusammenfassung von vielen kleinen zu einer großen KWK-Anlage ein wesentlich besseres Teillastverhalten1 erreicht wird, als bei einer einzigen KWK-Anlage. Somit wird für die Simulation eine idealisierte KWK-Anlage mit konstantem Wirkungsgrad über den gesamten Teillastbereich modelliert. Das gleiche gilt für die restlichen Erzeugergruppen. In Abbildung 28 ist das Zusammenspiel der Komponenten innerhalb der Simulationsumgebung schematisch dargestellt.

1 Annahme, dass durch den Einsatz von Leistungselektronik (drehzahlvariable Regelung) ein

Betrieb bis 50% der Nennleistung möglich ist.

Page 50: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

50

Abbildung 28: Schematische Darstellung der Simulationsumgebung in energyPRO

3.2.2.1. Optimierung in energyPRO Bei der Simulation des Zusammenspiels innerhalb des Virtuellen Kraftwerks sind für die Akteure Einsatzpläne auf Grundlage von Optimierungsstrategien festzulegen. Die Optimierung in energyPRO erfolgt nach einem iterativen Verfahren durch die Berechnung eines zuvor definierten und anhand von Kenngrößen abgebildeten Systems innerhalb eines festgelegten Zeitraumes in mehreren Durchgängen. Für die Optimierung in energyPRO ist vor allem das Eingabefeld „Betriebsstrategie“ von besonderer Bedeutung, so dass es bei der Beschreibung der Optimierungsstrategie näher beschrieben wird. Durch die Betriebsstrategie können verschiedene Optimierungsziele verfolgt werden, die unterschiedliche Ergebnisse zum Speicherbedarf liefern. So könnte z.B. eine Optimierung einer Inselversorgung mit dem Ziel der Minimierung von Stromimporten einen wesentlich anderen Speicherbedarf hervorrufen als eine ökonomische Optimierung mit dem Ziel der Gewinnmaximierung bzw. Kostenminimierung am überregionalen Spotmarkt. Für eine betriebswirtschaftliche Optimierung bietet es sich an, eine Optimierung über den Strompreis durchzuführen. Hierbei kann sowohl der reine Inselbetrieb der Modellregion als auch der Inselbetrieb mit Austausch zu anderen Regionen anhand eines Strompreises optimiert

Page 51: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

51

werden. Der Unterschied zwischen den beiden Fällen liegt darin, dass bei dem reinen Inselbetrieb von einem regionalen Strompreis ausgegangen wird und die Akteure des VK sich nach diesem optimieren. Bei dem Inselbetrieb mit Austausch bzw. der Mitversorgung der BRD wird von einem überregionalen Strompreis, der dem Spotmarktpreis entspricht, ausgegangen. Am Anfang der Simulation wird durch das Aktivieren der Funktion „Inselbetrieb“ die Versorgung in einem geschlossenen Versorgungsgebiet modelliert. Bei dieser Funktion kann zum einen die reine Inselversorgung ohne Austausch mit dem Strommarkt und zum anderen eine Inselversorgung mit der Möglichkeit zum Im- und Export modelliert werden (siehe Abbildung 29). Damit sowohl der Einfluss der fluktuierenden Stromerzeugung und des Energiemanagements als auch der Einfluss der verschiedenen Stromspeicher auf den Stromspeicherbedarf ermittelt werden kann, müssen bei beiden Teilszenarien entsprechende Optimierungs- bzw. Betriebsstrategien für die unterschiedlichen Energieanlangen bzw. Komponenten innerhalb des Virtuellen Kraftwerks (VK) definiert werden. Für die Simulation wurde für beide Teilszenarien eine betriebswirtschaftliche Optimierung der einzelnen Komponenten des Virtuellen Kraftwerks angestrebt. Bei der betriebswirtschaftlichen Optimierung müssen Prioritäten berücksichtigt werden, die entweder durch eine manuelle Eingabe („Benutzerdefinierte Betriebsstrategie“) oder automatisch durch den energyPRO-Solver („Minimierung der Wärmegestehungskosten“)2 festgelegt werden.

Abbildung 29: Funktionen für die Festlegung der Betriebsstrategie

In energyPRO wird der Strompreis durch die Funktion „Stromvermarktung“ eingegeben. Bei dieser Funktion können drei verschiedene Vermarktungsarten ausgewählt werden, wobei für die Simulationen im Rahmen des 100%EE-Szenarios nur die Vermarktungsarten „Festvergütung“ und „Spotmarkt“ benötigt werden. „Die Definition der „Stromvermarktung“ ist fundamental wichtig für die Berechnung von energyPRO Projekten, nur auf Basis dieser Eingaben kann eine Optimierung vorgenommen werden“ (EMD International, 2010). Bei der Vermarktungsart „Festvergütung“ wird für jede Stunde des gesamten Jahres die gleiche Priorität vergeben. Bei der Vermarktungsart „Spotmarkt“ hingegen werden die einzelnen Stunden des gesamten Jahres in Gruppen mit unterschiedlichen Prioritäten in Abhängigkeit des Strompreises aufgeteilt. Aufgrund der Wichtigkeit für die Optimierungsstrategie in energyPRO wird im folgenden Abschnitt auf die Generierung von dynamischen Strompreisen für die Definition von verschiedenen Strommärkten eingegangen.

2 energyPRO ist ursprünglich zur Optimierung von KWK-Anlagen entwickelt worden und hat

dementsprechend die Wärmegestehungskosten als fest integriertes Optimierungsziel

Page 52: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

52

Dynamische Strompreise als Optimierungsstrategie

Für die betriebswirtschaftliche Optimierung der Flexibilisierungsoptionen ist es erforderlich, den Strommarkt als Preiszeitreihe zu modellieren. Hierbei wird sowohl der theoretisch regional Strompreis im Inselbetrieb als auch überregionale Strompreis über die Residuallast bestimmt, weil von einem funktionieren Markt ausgegangen wird, bei dem der Strompreis mit der Residuallast korreliert. Bei der betriebswirtschaftlichen Optimierung der einzelnen Komponenten des VK nach diesem Strompreis kann davon ausgegangen werden, dass es sich um eine betriebswirtschaftliche Optimierung des gesamten Verteilnetzes handelt, weil z.B. durch eine Orientierung an die regionale Residuallast die Lastspitzen reduziert werden und somit durch Glättungseffekte der Leistungsbezug aus dem Übertragungsnetz reduziert wird (Vgl. (Erge, Wille-Haussmann, & Wittwer, 2008)). Somit wird für die Akteure im Virtuellen Kraftwerk ein dynamischer Strompreis, der aus neun Preisstufen besteht, als Führungsgröße definiert. Da die Residuallast stündlich berücksichtigt wird, kann der dynamische Strompreis auch stündlich variieren. Die neun Preisstufen wurden hierbei so festgelegt, dass die jeweiligen Preisstufen, mit Ausnahme der Preisstufe 5, jeweils in 10% der Jahresstunden vorkommen. Die Preisstufe 5 ist hierbei der mittlere Strompreis und kommt in 20% der Jahresstunden vor (Vgl. Abschnitt 3.7). Zur Ermittlung dieser Preisstufen wurden die 10% Quantile bzw. Dezile der Residuallast für das Jahr 2008 gezogen und den einzelnen Preisstufen zugeordnet. Die Dezile teilen die nach der Größe geordnete Residuallast in zehn gleich große Teile. Die Preisstufe 1 entspricht hierbei dem Zeitraum mit Residuallasten in Höhe von kleiner gleich 10% der maximalen Residuallast. Im Gegensatz hierzu entspricht die Preisstufe 9 dem Zeitraum mit Residuallasten in Höhe von größer oder gleich 90% der maximalen Residuallast (siehe Tabelle 18). Hierbei wird die Vereinfachung getroffen, dass der Verlauf der Residuallast über das ganze Jahr schon am Anfang des Jahres bekannt ist. Da die Simulationen sich auf das Wetterjahr 2008 beziehen und der Strompreis bzw. die Residuallast von den klimatischen Bedingungen abhängig ist, wurde für die Preisstufe 5 der mittlere Spotmarktpreis aus dem Jahr 2008 als Referenzwert angenommen. Dieser Durchschnittswert lag im Jahr 2008 bei 65 €/MWh. Des Weiteren wird angenommen, dass es im 100% Szenario keine negativen Strompreise gibt und dementsprechend der niedrigste Preis bei 0 €/MWh liegt. Somit wird als Preisstufe 5 ein Wert von 64 €/MWh angenommen und mit einer Differenz von 16 €/MWh zwischen den Preisstufen ergeben sich die Preise, die in der folgenden Tabelle zusammengefasst dargestellt werden.

Page 53: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

53

Tabelle 18: Preisstufen der dynamischen Strompreise

Optimierungsstrategie für fluktuierende Stromerzeuger

Bei der fluktuierenden Stromerzeugung aus Wind, PV und Wasserkraft wird angenommen, dass diese Stromerzeuger unflexibel betrieben werden und demensprechend ihre Betriebsstrategie unabhängig von den Strompreisen zum Einspeisezeitpunkt ist. Dies entspricht einem Betrieb mit einer festen Vergütung, so dass bei der Simulation in energyPRO eine Stromvermarktung nach der Vermarktungsart „Festvergütung“ modelliert wird.

Optimierungsstrategie für KWK-Anlagen und Wärmepumpen

Die Einsatzoptimierung in energyPRO erfolgt über ein ganzes Jahr. Als Führungsgröße für die Optimierung werden hierbei z.B. Energiepreise herangezogen. Bei der Einsatzoptimierung der Wärmeerzeugergruppen in energyPRO wird als Optimierungsziel die Minimierung der Wärmegestehungskosten festgelegt. So wird z.B. für eine KWK-Anlage der Einsatz dahingehend optimiert, dass die Einnahmen aus dem Strom- und Wärmeverkauf maximiert werden. Hierbei wird der Wärmepreis als konstant angenommen, so dass die Optimierung hauptsächlich auf den Stromverkauf zu Zeiten hoher Strompreise abzielt. Die Einnahmen aus dem Stromverkauf würden als Gutschrift zu den Ausgaben für die Wärmeerzeugung addiert werden, so dass durch die Maximierung der Einnahmen aus dem Stromverkauf die Wärmegestehungskosten minimiert werden. Neben dem Strompreis ist der Brennstoffpreis ein wichtiger Parameter für die Einsatzoptimierung von KWK-Anlagen und muss dementsprechend bei der Simulation der brennstoffbeziehenden Anlagen definiert werden. Der Brennstoffpreis für Industriekunden ist wesentlich niedriger als für die Haushalts- und Gewerbekunden. Als Referenz wird für Haushalts- und Gewerbekunden ein Brennstoffbezugspreis in Höhe von 60 €/MWh berücksichtigt. Der Bezugspreis für die Industrie wird halb so hoch wie der Haushalts- und Gewerbekundenpreis angenommen (30€/MWh). Der Brennstoff für KWK wird 30% günstiger als der Brennstoff für die Spitzenlastkessel verwendet. Die die KWK-Anlagen werden von der Energiesteuer befreit

Page 54: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

54

berücksichtigt, wie es zurzeit auch der Fall ist. Bei den flexiblen Wärmepumpen hingegen wird der Einsatz zu Zeiten niedriger Strompreise angestrebt, um die Wärmegestehungskosten zu minimieren und dementsprechend wird der Strompreis bei der Einsatzoptimierung berücksichtigt.

Unter den oben angenommenen Parametern für die Energiepreise ergibt sich der in Abbildung 30 dargestellte Verlauf der Wärmegestehungskosten über dem Strompreis für KWK-Anlagen und Wärmepumpen. Aus der Abbildung ist z.B. zu erkennen, ab welchem Strompreis die Wärmegestehungskosten der KWK-Anlagen niedriger sind als die Wärmegestehungskosten der Spitzenlastkessel. Daraus ergebn sich Prioritäten, die in der Optimierung berücksichtigt werden, um z.B. zu entscheiden, wann es sich lohnt, die Wärmespeicher zu befüllen.

Abbildung 30: Wärmegestehungskosten für KWK-Anlagen und Wärmepumpen als Funktion des Strompreises

Optimierungsstrategie für die Stromspeicher

Für die betriebswirtschaftliche Einsatzoptimierung bzw. die Festlegung der Be- und Entladungszeitpunkte bei Stromspeichern dient ebenfalls der Strompreis als Betriebsführungsgröße. Hierbei muss berücksichtigt werden, dass für die Speicher nicht der absolute Strompreis für die Be- und Entladung bei der Optimierung relevant ist, sondern die Differenz zwischen Stromverkaufspreis und Strombezugspreis maximiert wird. Stromspeicher haben einen direkten Einfluss auf Angebot und Nachfrage, wodurch sie in einem funktionierenden Markt auch den resultierenden Strompreis mit beeinflussen. Somit dämpft ein Speichereinsatzes die Preisschwankung (siehe Abbildung 31). In energyPRO erfolgt die Optimierung der Speicher auf Basis einer „perfekten Voraussicht“ (perfect foresight) über einen Monat. Die Rückkopplung des Speichereinsatzes auf den Strompreis wird nicht berücksichtigt. Der wirtschaftliche Speichereinsatz erfolgt nach Gleichung (3.1), wenn das Verhältnis zwischen Bezugs- und Verkaufspreis kleiner ist als das Produkt von

Page 55: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

55

Ein- und Ausspeicherwirkungsgrad bzw. dem Gesamtwirkungsgrad des Speichers. Somit benötigen Speicher mit einem schlechten Gesamtwirkungsgrad höhere Preisschwankungen (Spreads) für den wirtschaftlichen Einsatz.

𝐵𝑒𝑧𝑢𝑔𝑠𝑝𝑟𝑒𝑖𝑠𝑉𝑒𝑟𝑘𝑎𝑢𝑓𝑠𝑝𝑟𝑒𝑖𝑠

≤ 𝜂𝑒𝑖𝑛𝑠𝑝. ∙ 𝜂𝑎𝑢𝑠𝑠𝑝. (3.1)

ηeinsp.: Einspeicherwirkungsgrad

ηaussp.: Ausspeicherwirkungsgrad

Abbildung 31: : Einfluss des Strompreises auf den Stromspeichereinsatzes (Höfling, 2010)

3.2.2.2. Simulationen zum Energiemanagement (Teilszenario B) Aufbauend auf den beschrieben erweiterten Annahmen wurde Teilszenario B entwickelt. Hierbei wurde die Stromversorgung mit der thermischen Energieversorgung gekoppelt und der Einfluss von Erzeugungs- und Lastmanagement (Energiemanagement) untersucht. Das Energiemanagement wird zur Glättung des Residuallastverlaufs (Zeitreihe der noch zu deckenden Bedarfsleistung) eingesetzt, in dem flexible Erzeuger möglichst zu Zeiten mit hoher Residuallast und flexible Lasten zu Zeiten mit niedriger bzw. negativer Residuallast eingesetzt werden. Hierdurch wird der Bedarf an Strom aus teuren Spitzenlastkraftwerken/Stromspeichern oder der Import von Strom aus anderen Regionen reduziert. Für den Einsatz des Energiemanagements wird ein verstärkter Ausbau von thermischen Speichern (sowohl Wärme- als auch Kältespeicher) angenommen3.

3 Bei den Simulationen der KWK-Anlagen und Wärmepumpen wurden Wärmespeicher mit 6

Stunden sowie Kältespeicher mit 2 Stunden Speicherkapazität angenommen.

Page 56: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

56

Wärmespeicher dienen einer Entkopplung des Stromverbrauchs der Wärmepumpen sowie der Stromerzeugung in KWK-Anlagen vom Wärmebedarf und damit einer Flexibilisierung des Stromversorgungssystems (siehe Abbildung 32). Kältespeicher dienen in der Kühlperiode dazu, den Strombedarf für die Klimatisierung zeitlich vom Klimatisierungsbedarf zu entkoppeln und bieten somit ein weiteres Lastverschiebepotenzial. Der Einsatz von Wärmespeichern ermöglicht neben der bedarfsgerechten Erzeugung auch eine Reduzierung der teillastbedingten Laufzeitrestriktionen von KWK-Anlagen. Diese Restriktionen können durch Zwischenspeicherung der nicht direkt gebrauchten Wärme aus KWK-Anlagen umgangen werden, wodurch die KWK-Anlagen stromgeführt betrieben werden können. Hierdurch wird die jährliche Stromerzeugung aus KWK-Anlagen im Vergleich zum Betrieb ohne Wärmespeicher erhöht.

Abbildung 32: Wochenverlauf der Wärmeversorgung mit Energiemanagement

Der Einfluss der Energiemanagementoptionen wird in den folgenden Abschnitten anhand der Simulationsergebnisse veranschaulicht und quantifiziert. Der Einfluss von Energiemanage-ment ergibt sich aus dem veränderten Erzeugungs- und Lastprofil der flexiblen Anlagen. Durch das veränderte Erzeugungs- und Lastprofil verändert sich auch die Residuallast und somit der Bedarf an Stromspeichern. Deshalb wird im Folgenden auf die Veränderung von

Page 57: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

57

Erzeugungs- und Lastprofil sowie die Veränderung des Residuallastprofils näher eingegangen.

Veränderung von Erzeugungs- und Lastprofilen der flexiblen Anlagen

Beim Einsatz von Energiemanagement verändert sich das Erzeugungs- bzw. Lastprofil der untersuchten Energiemanagementoptionen. Damit dieser Einfluss veranschaulicht werden kann, muss zuerst das Erzeugungs- und Lastprofil ohne Energiemanagement ermittelt werden. Hierzu wird sowohl für die flexiblen Lasten als auch für die flexiblen Erzeuger mit einer Festvergütung als Betriebsstrategie“ in energyPRO modelliert. Somit werden diese Anlagen ohne thermische Speicher rein Wärme- und Kältegeführt betrieben. Bei dem Simulationsfall mit Energiemanagement wird zum einen die bedarfsgerechte Erzeugung durch regelbare Erzeuger (Erzeugungsmanagement) und zum anderen die Lastverlagerung durch verschiebbare thermische Lasten (Lastmanagement) untersucht. Zur Veranschaulichung des Einflusses werden in den folgenden Abschnitten zum Einen Erzeugungsprofile mit und ohne Erzeugungsmanagement und zum anderen Lastprofile mit und ohne Lastmanagement dargestellt.

Erzeugungsmanagement

Bei den Untersuchungen zum Einfluss des Erzeugungsmanagements werden die Wärmeerzeugergruppen Gasmotor-KWK (GM-KWK) und Gasturbinen-KWK (GT-KWK) sowohl ohne den Einsatz von thermischen Speichern als auch mit thermischen Speichern betrieben, die eine Erzeugungsverlagerung von sechs Stunden für GM-KWK bzw. zwei Stunden für GT-KWK erlauben (Vgl. (Megersa, 2012)). Bei dem Simulationsfall ohne thermische Speicher orientiert sich die Erzeugung der KWK-Anlagen ausschließlich am Wärmelastprofil und ist dementsprechend wärmegeführt. Durch die Orientierung an dem angenommenen regionalen Strompreis, der sich aus der Residuallast in der Modellregion ergibt, werden die KWK-Anlagen nicht mehr rein wärmegeführt sondern stromorientiert eingesetzt. Da das Lastprofil der Residuallast bzw. der sich hieraus ergebende Strompreis wesentlich stärkeren Schwankungen unterliegen als das Wärmelastprofil, ergeben sich auch wesentlich stärkere Schwankungen in dem Stromerzeugungsprofil der KWK-Anlagen (siehe Abbildung 33 und Abbildung 34). Diese Erzeugungsschwankungen wirken sich zum einen in häufigere Starts/Stopps der Anlagen und zum anderen in höhere Erzeugungsgradienten für die KWK-Anlagen aus. Beides führt zu höheren Betriebskosten, weil sowohl durch die häufigeren Start-Stopp-Vorgänge als auch den höheren Erzeugungsgradienten die thermischen Spannungen auf die Komponenten der KWK-Anlagen zunehmen und sich somit kürzere Wartungsintervalle sich ergeben. Diesen Nachteilen durch den flexiblen Betrieb stehen wesentlich mehr Vorteile gegenüber. So wird im Vergleich zum Betrieb ohne thermische Speicherung wesentlich mehr Strom produziert, weil die Restriktion durch den Teillastbereich der KWK-Anlagen durch die Zwischenspeicherung umgangen wird. Dadurch kann auch der Anteil der KWK am sommerlichen Wärmebedarf vergrößert werden, so dass die Stillstandszeiten der KWK-Anlagen reduziert werden (siehe Abbildung 35 und Abbildung 36).

Page 58: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

58

Bei der Jahresbetrachtung konnte beim Simulationsfall mit thermischer Speicherung ca. 80% mehr Strom in den KWK-Anlagen erzeugt werden als bei der Simulation ohne thermische Speicher, wodurch in der Jahresbilanz durch den Kraftwerkspark in der Modellregion mehr Strom erzeugt wird als durch die Flächenskalierung vorgegeben. Des Weiteren kann beim stromorientierten Betrieb mit thermischer Speicherung der spezifische Erlös durch den Stromverkauf erhöht werden, weil durch die thermische Speicherung die Stromerzeugung an Hochpreiszeiten optimiert werden kann. In den folgenden Abbildungen werden die Erzeugungsprofile der KWK-Anlagen für den Wintermonat Januar und den Sommermonat Juli veranschaulicht (die Abbildungen veranschaulichen die Erzeugungsleistung über den Zeitverlauf).

Abbildung 33: Monatliches Erzeugungsprofil (Januar) der KWK-Anlagen ohne Erzeugungsmanagement

Abbildung 34: Monatliches Erzeugungsprofil (Januar) der KWK-Anlagen mit

Erzeugungsmanagement

Page 59: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

59

Abbildung 35: Monatliches Erzeugungsprofil (Juli) der KWK-Anlagen ohne

Erzeugungsmanagement

Abbildung 36: Monatliches Erzeugungsprofil (Juli) der KWK-Anlagen mit

Erzeugungsmanagement

Page 60: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

60

Lastmanagement

Für die Untersuchung des Einflusses von Lastmanagement ist es erforderlich die Gesamtlast in verschiebbare und nicht verschiebbare Lasten aufzuteilen. Der nicht verschiebbare Teil ist die sogenannte Basislast und ergibt sich durch Subtraktion der verschiebbaren Lasten von der Gesamtlast. Unter der Basislast sind die Lasten zu verstehen, die bereits heute schon im Stromversorgungssystem enthalten sind. Hierbei wird angenommen, dass diese Basislast das gleiche Lastprofil aufweist wie die Gesamtlast des Jahres 2008 (Leitszenario 1). Zur Ermittlung der jährlichen Basislast der Modellregion wird der jährliche Strombedarf der im zukünftigen Stromversorgungssystem neu hinzukommenden, verschiebbaren Lasten elektrische Wärmepumpe und Kompressionskältemaschine von dem jährlichen Strombedarf der Gesamtlast abgezogen.

Der jährliche Gesamtstrombedarf der Modellregion beträgt 1.298.533 MWh, so dass sich bei einem jährlichen Gesamtbedarf der verschiebbaren Lasten von 405.774 MWh ein jährlicher Gesamtstrombedarf der Basislast von 892.759 MWh ergibt. Somit kann in energyPRO durch die Vorgabe des jährlichen Gesamtlastprofils und des jährlichen Strombedarfs der Basislast, ein Lastprofil der Basislast generiert werden (siehe Abbildung 37). Durch die Addition des Lastprofils der verschiebbaren Lasten zu dem Lastprofil der Basislast wird das Lastprofil der Gesamtlast generiert. Hierbei kann ein Lastprofil ohne und mit Lastmanagement unterschieden werden. Das Lastprofil ohne Lastmanagement ergibt sich aus der Summe der Basislast aus Abbildung 37 mit dem Lastprofil der verschiebbaren Lasten ohne Lastmanagement aus Abbildung 38 und wird in Abbildung 39 veranschaulicht (die Abbildungen veranschaulichen die Last über den Zeitverlauf).

Abbildung 37: Jährliches Lastprofil der Basislast in der Modellregion

Page 61: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

61

Abbildung 38: Jährliches Lastprofil der verschiebbaren Lasten Wärmepumpe und

Kompressionskältemaschine ohne Lastmanagement

Abbildung 39: Jährliches Lastprofil der Gesamtlast in der Modellregion ohne Lastmanagement

Da angenommen wird, dass das Lastmanagement mit dynamischen Strompreisen umgesetzt wird, kann der Einfluss von dynamischen Strompreisen auf die verschiebbaren Lasten herangezogen werden, um ein Lastprofil der Gesamtlast mit Lastmanagement zu generieren. Aus der Abbildung 41 unten ist zu erkennen, dass alle verschiebbaren Lasten auf die gleichen Preissignale reagieren, wodurch sich höhere Lastspitzen mit einem höheren Laständerungsgradienten im Vergleich zum Betrieb ohne Lastmanagement (Abbildung 40) ergeben. Die Auswirkungen der höheren Lastspitzen und der höheren Laständerungsgradienten auf den Stromspeicherbedarf wurden nicht berücksichtigt.

Das Gesamtlastprofil der Modellregion mit Lastmanagement wird analog zum Gesamtlastprofil ohne Lastmanagement generiert. Hierzu wird das Lastprofil der verschiebbaren Last mit Lastmanagement aus Abbildung 42 zu dem Lastprofil der Basislast aus Abbildung 37 addiert, so dass sich ein Gesamtlastprofil wie in Abbildung 43 veranschaulicht ergibt.

Page 62: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

62

Abbildung 40: Monatliches Lastprofil (Januar) der Gesamtlast in der Modellregion ohne

Lastmanagement

Abbildung 41: Monatliches Lastprofil (Januar) der Gesamtlast in der Modellregion mit

Lastmanagement

Abbildung 42: Jährliches Lastprofil der verschiebbaren Lasten Wärmepumpe und

Kompressionskältemaschine mit Lastmanagement

Page 63: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

63

Abbildung 43: Jährliches Lastprofil der Gesamtlast in der Modellregion mit Lastmanagement

Aufbauend auf den oben beschriebenen Erzeugungs- und Lastprofilen kann nun die Auswirkung von Erzeugungs- und Lastmanagement auf die thermische Energieversorgung und den Verlauf der Residuallast in der Modellregion untersucht werden.

In Abbildung 44 bis Abbildung 47 wird die thermische Energieversorgung für den Wintermonat Januar und den Sommermonat Juli dargestellt. In den Abbildungen ist zu erkennen, dass im Winter sowohl die KWK-Anlagen als auch die Wärmepumpen das Wärmelastprofil „nachfahren“. Weiterhin ist zu erkennen, dass die Kompressions-kältemaschine nur im Sommer zum Einsatz kommt, dafür aber einen erheblichen Teil des sommerlichen Strombedarfs ausmacht.

Abbildung 44: Thermische Energieversorgung im Monat Januar ohne Energiemanagement

Page 64: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

64

Abbildung 45: Thermische Energieversorgung im Monat Januar mit Energiemanagement

Abbildung 46: Thermische Energieversorgung im Monat Juli ohne Energiemanagement

Page 65: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

65

Abbildung 47: Thermische Energieversorgung im Monat Juli mit Energiemanagement

Veränderung des Residuallastprofils

In diesem Abschnitt wird der Einfluss von Energiemanagement auf den Speicherbedarf veranschaulicht und quantifiziert. Dieser Einfluss kann anhand des Verlaufs der Residuallast verdeutlicht werden. Aus diesem Grund wird im folgenden Abschnitt der Verlauf der Residuallast bei der leistungsautarken und bei der energieautarken Versorgung der Modellregion veranschaulicht. Zur Quantifizierung des Einflusses auf den Speicherbedarf wird die Anzahl der Jahresstunden, in denen der Eigenbedarf der Modellregion durch den regenerativen Kraftwerkspark in der Modellregion gedeckt wird, d.h. die Anzahl der Stunden ohne den Bezug von Speicher- und/oder Importstrom, herangezogen. Die Veränderung des Residuallastprofils wurde sowohl für die leistungsautarke als auch für die energieautarke Versorgung simuliert. Für die Simulation der leistungsautarken Versorgung wird ein fiktiver regionaler Strompreis als Führungsgröße für die Optimierung herangezogen. Dieser Strompreis wird nach der in Abschnitt 3.7 genannten Methodik anhand der Residuallast der Modellregion vor dem Einsatz von Energiemanagement gebildet und in energyPRO als Strompreiszeitreihe für die Einsatzoptimierung der Flexibilisierungsoptionen eingesetzt.

Bei dem im Abschnitt 3.2.1 angenommenen regenerativen Erzeugungsmix für das RegModHarz-Leitszenario 3 (100%EE-Szenario) sowie dem Gesamtlastprofil des Strombedarfs mit und ohne Lastmanagement ergibt sich der in Abbildung 48 bis Abbildung

Page 66: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

66

51 dargestellte Verlauf der Stromerzeugung und der Residuallast in der Modellregion für den Wintermonat Januar und den Sommermonat Juli. Die Abbildungen unten sind so zu verstehen, dass die Anlagenleistungen übereinandergestapelt als Leistungssumme dargestellt sind.

Abbildung 48: Verlauf der Stromerzeugung und der Residuallast der Modellregion für den

Monat Januar ohne Energiemanagement

Page 67: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

67

Abbildung 49: Verlauf der Stromerzeugung und der Residuallast der Modellregion für den

Monat Januar mit Energiemanagement

Abbildung 50: Verlauf der Stromerzeugung und der Residuallast der Modellregion für den

Monat Juli ohne Energiemanagement

Page 68: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

68

Abbildung 51: Verlauf der Stromerzeugung und der Residuallast der Modellregion für den

Monat Juli mit Energiemanagement

Aus den oberen Abbildungen ist zu erkennen, dass durch das Energiemanagement sowohl für die positive als auch für die negative Residuallast die Amplitude bzw. Leistung reduziert werden kann. Gleichzeitig kommt es sowohl im Winter als auch im Sommer zu einer Zunahme der Überschussmenge in der Modellregion. Die Überschüsse im Winter sind sowohl in der Amplitude als auch in der Energiemenge höher als im Sommer, weil der betrachtete Zeitraum recht windstark ist. In dem relativ windschwachen Monat Juli wird zwar durch die Photovoltaik mehr Strom erzeugt, aber die Zeiträume, in denen die Last der Modellregion nicht gedeckt wird, treten in den Sommermonaten häufiger und länger auf, als im Winter. Das liegt unter anderem daran, dass in den Sommermonaten der Wärmebedarf aufgrund des niedrigen Niveaus und den damit für KWK-Anlagen verbundenen Restriktionen bezüglich des Teillastverhaltens4 hauptsächlich durch Spitzenlastkessel gedeckt wird. Somit fehlt die Stromerzeugung aus KWK-Anlagen. Durch die Wärmespeicher können die Laufzeiten der KWK-Anlagen auch im Sommer erhöht werden, so dass im Teilszenario B mit Energiemanagement wiederum die Summe der positiven Residuallast gegenüber Teilszenario A reduziert wird (siehe Abbildung 51).

Für eine bessere Veranschaulichung des Einflusses von Energiemanagement bietet sich eine auf das gesamte Jahr bezogene Betrachtung des Verlaufs der Stromerzeugung und der Residuallast in der Modellregion an (siehe Abbildung 52 und Abbildung 53). In den Abbildungen unten ist die Residuallast bzw. Stromerzeugung über der Zeit aufgetragen.

4 Annahme, dass die modellierten KWK-Anlagen nur bis 50% Teillast betrieben werden

Page 69: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

69

Abbildung 52: Verlauf der Stromerzeugung und der Residuallast der Modellregion für das

gesamte Jahr ohne Energiemanagement

Abbildung 53: Verlauf der Stromerzeugung und der Residuallast der Modellregion für das gesamte Jahr mit Energiemanagement

Page 70: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

70

Aus Abbildung 52 und Abbildung 53 ist zu entnehmen, dass es über das ganze Jahr verteilt, sehr viele Überschüsse gibt, die nicht in der Modellregion aufgenommen werden. Die Überschussmenge beim Simulationsfall mit Energiemanagement (Teilszenario B) ist um ca. 30% höher und beträgt ca. 2.380.000 MWh, so dass etwa 500.000 MWh mehr Überschüsse generiert werden als im Simulationsfall ohne Energiemanagement. Dabei reduziert sich die Amplitude der negativen Residuallast um ca. 15% von -1.144 MW (Maximalwert) ohne Energiemanagement auf -992 MW (Maximalwert) mit Energiemanagement.

Des Weiteren ist aus den oberen Abbildungen zu entnehmen, dass sich durch das Energiemanagement die Defizitmenge bzw. die Jahressumme der positiven Residuallast reduziert. Die Reduktion von 190.000 MWh auf 67.000 MWh beträgt ca. 65%, so dass durch das Energiemanagement hauptsächlich die Defizitmengen reduziert werden. Diese Reduktion ist allerdings mit einem Anstieg der Amplitude für die positive Residuallast um ca. 40% von 227 MW auf 322 MW verbunden5. Hierdurch reduziert sich die Laufzeit bzw. die Volllaststundenzahl der zusätzlich erforderlichen Erzeugungskapazitäten. Da aber deren Investitionskosten in der Regel niedriger sind als die Kosten für die Elektrolyseure wirkt sich das Energiemanagement reduzierend auf die Speicherkosten von Power-to-Gas aus.

Wie bereits am Anfang dieses Abschnitts erwähnt, kann die, für die Deckung des Eigenstrombedarfs der Modellregion, zusätzlich erforderliche Energiemenge anhand der Jahresstunden mit einer regenerativen Eigenbedarfsdeckung quantifiziert werden. Durch das Energiemanagement konnten die Jahresstunden, durch die der Eigenbedarf der Modellregion durch die fluktuierenden Stromerzeuger und KWK-Anlagen gedeckt wird, um 24% von 6.260 Stunden auf 7.800 Stunden erhöht werden (siehe Abbildung 54). Da in dem theoretischen Fall der leistungsautarken Inselversorgung ein Import von Strom nicht möglich wäre, müsste in den restlichen Stunden der Strombedarf durch zusätzliche Stromerzeugung in der Modellregion aus Gaskraftwerken ohne Wärmeauskopplung bereitgestellt werden. Die erforderliche Leistung an zusätzlich erforderlicher Erzeugung aus Gaskraftwerken entspricht der maximal auftretenden (positiven) Residuallast und beträgt 227 MW ohne bzw. 322 MW mit Energiemanagement. Die durch zusätzliche Erzeugungskapazitäten zu erzeugende Strommenge entspricht der Fläche zwischen der positiven Jahresdauerlinie und der Abzisse in Abbildung 54. Die für die Erzeugung dieser Strommenge erforderliche Gasmenge kann durch die tägliche Einspeicherung der Wind- und PV-Überschüsse in das Gasnetz (Power-to-Gas) und die saisonale Ausspeicherung durch Wiederverstromung in den Gaskraftwerken bereitgestellt werden (Vgl. (Sterner, 2009)) . Durch den Pfeil in Abbildung 54 soll die tägliche Einspeicherung sowie die saisonale Ausspeicherung veranschaulicht werden.

5 Als Grund für dieses Simulationsergebnis kann die gleichzeitige Reaktion einer

systemkritischen Zahl und Leistung von Anlagen auf ein für alle gleichermaßen geltendes

Preissignal genannt werden. Um diesem negativem Aspekt entgegenzuwirken, könnten

zeitversetzte Preissignale eine mögliche Lösung sein.

Page 71: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

71

Abbildung 54: Jahresdauerlinie der Residuallast in der Modellregion mit Energiemanagement (rote Linie) und ohne Energiemanagement (blaue Linie)

Page 72: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

72

Zur Veranschaulichung des Einflusses von Energiemanagement auf den Stromspeicherbedarf wird die Strombilanz und die Häufigkeitsverteilung der Residuallast der Modellregion für Teilszenario A (ohne Energiemanagement) und Teilszenario B (mit Energiemanagement) in Abbildung 55. und Abbildung 56 veranschaulicht.

Abbildung 55: Strombilanz und Häufigkeit der Residuallast im Landkreis Harz für Teilszenario

A (ohne Energiemanagement)

Abbildung 56: Strombilanz und Häufigkeit der Residuallast im Landkreis Harz für Teilszenario

B (mit Energiemanagement)

Wie in Abbildung 55 und Abbildung 56 im Vergleich zu erkennen ist, wird durch das Energiemanagement der notwendige Import aus anderen Regionen oder aus Stromspeichern von 190 GWh auf 70 GWh reduziert. Hierbei wirkt sich vor allem die um ca. 80 % erhöhte Stromerzeugung aus KWK-Anlagen positiv auf die Defizitmenge bzw. Importstrommenge aus, weil durch die thermischen Pufferspeicher auch in Zeiten mit sehr geringem Wärmebedarf Energie (Strom und Wärme) erzeugt werden kann. Weiterhin ist in den Abbildungen zu erkennen, dass sich durch das Energiemanagement die Überschüsse erhöhen. Diese können entweder exportiert, gespeichert oder – bei Netzengpässen – abgeregelt bzw. vor Ort genutzt werden. Aufgrund der angestiegenen Überschussmenge steigt auch die erforderliche Stromspeicher- und Netzkapazität, wenn die Überschüsse durch Speicherung oder Export nutzbar gemacht werden sollen. Vorteilhaft ist eine Stromspeicherung in Form von aus Überschussstrom erzeugtem Methan im Erdgasnetz, das aufgrund der nutzbaren Erdgaskavernen eine (relativ) unbegrenzte Speicherkapazität aufweist (Saisonspeicher für die BRD). Hierdurch kann mehr Brennstoff für die flexible

Page 73: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

73

Rückverstromung in KWK-Anlagen und Gaskraftwerken bereitgestellt werden. Als weiterer Nebeneffekt ist noch zu erwähnen, dass durch die gestiegenen Überschüsse durch die Kopplung von Stromversorgung und thermischer Versorgung auch die Volllaststunden der Elektrolyseure zunehmen und diese sich somit schneller refinanzieren.

3.2.2.3. Einsatzstrategie für Stromspeicher Neben einem gezielten Energiemanagement flexibler Erzeugungs- und Verbrauchsanlagen sind Stromspeicher zur Bedarfsdeckung und Flexibilisierung des Stromversorgungsystems unumgänglich. Diese werden in unterschiedlicher Leistung und Speicherkapazität benötigt. Es gibt eine Vielzahl von Speichertechnologien mit unterschiedlichen energiewirtschaftlichen Einsatzgebieten sowie Vor- und Nachteilen (vgl. (Sauer, 2006)). Im Rahmen des Forschungsprojektes soll eine Übertragbarkeit auf andere Regionen gewahrt werden, so dass auch die untersuchten Speichertechnologien, etwa hinsichtlich ihrer Potenziale, für eine Übertragbarkeit geeignet sein müssen. In dem Szenario wird die elektrochemische Stromspeicherung in Form von erneuerbarem Methan (Power-to-Gas) aus Wind- und PV-Erzeugungsspitzen durch seine Langzeitspeichermöglichkeit als geeignete Form zur Stromspeicherung betrachtet. Das Gas wird ins Gasnetz eingespeichert und in dezentralen KWK-Anlagen und GUD-Kraftwerken rückverstromt. Diese Form der Stromspeicherung ist zum Ausgleich von längeren Windflauten und Sturmphasen geeignet.

Das Betriebsführungskonzept zum Einsatz der Stromspeicher ist bei der leistungsautarken Versorgung der Modellregion leicht nachzuvollziehen, weil diese immer dann eingesetzt werden, wenn ein Ungleichgewicht zwischen Eigenerzeugung und Eigenbedarf besteht. Wesentlich komplexer wird ein Speicher-Betriebsführungskonzept, wenn der Speicherbedarf bei der energieautarken Versorgung und anteiliger Mitversorgung der BRD ermittelt werden soll. Bei der anteiligen Mitversorgung der BRD wird zum Einen der überregionale räumliche Ausgleich der fluktuierenden Wind- und PV-Einspeisung ermöglicht und zum Anderen wird das Flächenpotenzial der ländlich geprägten Modellregion genutzt, um Ballungsräume bedarfsgerecht mitzuversorgen. Deshalb soll dies an dieser Stelle näher beschrieben werden. Hierzu werden die Überlegungen von (Popp, 2010) herangezogen und mit eigenen Überlegungen kombiniert.

Bei der überregionalen Vernetzung eines 100% regenerativen Stromversorgungssystems ist eine klare Regelung erforderlich, wie bei Defiziten und Überschüssen zu handeln ist, damit das Gesamtsystem einen stabilen Zustand aufweist (Vgl. (Popp, 2010)). Im Fall eines Defizites bzw. einer Unterdeckung in der Modellregion könnte eine solche Regelung nach folgenden Handlungsprioritäten umgesetzt werden:

1. Import aus anderen Regionen, wenn es dort Erzeugungsüberschüsse gibt

I. Zur Deckung des Eigenbedarfs

II. Zur Beladung des eigenen Speichers, wenn es immer noch Produktionsüberschüsse in anderen Regionen gibt

Page 74: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

74

2. Entladung des eigenen Speichers zur Deckung des Eigenbedarfs, falls es keine Produktionsüberschüsse in anderen Regionen gibt.

3. Eigenproduktion aus regelbaren Kraftwerken

Im Fall eines Erzeugungsüberschusses gibt es zwei Möglichkeiten, wie mit den Überschüssen umzugehen ist. Hierbei wird zwischen Speicherpriorität und Exportpriorität unterschieden.

Bei der Speicherpriorität im Fall einer Überdeckung der Modellregion ergeben sich folgende Handlungsprioritäten:

1. Eigenproduktion in vollem Umfang für Eigenbedarf

2. Beladung der eigenen Speicher bis zur maximalen Kapazität

3. Export in andere Regionen

I. Deckung des direkten Strombedarfs der Regionen, in denen die Speicher am weitesten entleert sind

II. Deckung des direkten Strombedarfs der Regionen, die über gefüllte Speicher verfügen.

III. Beladung der Speicher in anderen Regionen

4. Ungenutzte Überschüsse

Bei der Exportpriorität ergeben sich im Fall von Produktionsüberschüssen folgenden Handlungsprioritäten:

1. Eigenproduktion in vollem Umfang für den Eigenbedarf

2. Export zum direkten Verbrauch in andere Regionen

3. Beladung der Speicher

I. Eigene Speicher bis zur maximalen Kapazität

II. Speicher in anderen Regionen bis zur maximalen Kapazität

4. Ungenutzte Überschüsse

Sowohl die Speicherpriorität als auch die Exportpriorität kann nur dann funktionieren, wenn sich alle Regionen nach den beschriebenen Prioritäten entsprechend verhalten. Es ist verständlich, dass es einer Region schwer fällt trotz leerer eigener Speicher, Überschüsse für den Export zu anderen Regionen freizugeben. Durch diese Handlungsprioritäten soll aber sichergestellt werden, dass die Regionen, die sich in einer ungünstigen Lage befinden, als erstes von dem überregionalen Ausgleich profitieren. Außerdem soll hierdurch erreicht werden, dass die einzelnen Regionen weniger Speicher vorhalten müssen. Eine Möglichkeit trotzdem einen effizienten Einsatz von Stromspeichern bei einer überregionalen Vernetzung zu erreichen, wäre z.B. dadurch gegeben, dass der Betrieb der Speicher von einer zentralen Stelle gesteuert wird (Vgl. (Popp, 2010) (Stadler, 2012)).

Page 75: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

75

Die Entscheidung, ob Speicherpriorität oder Exportpriorität für eine Region sinnvoller ist, gibt der Speicherwirkungsgrades vor. Hierbei gilt, dass je schlechter der Speicherwirkungsgrad ist, desto mehr Energie durch die Speicherung verloren geht. Der Export ist ebenfalls mit Verlusten verbunden, so dass bei der Speicherpriorität der Speicherverlust kleiner bzw. auf dem gleichen Niveau sein sollte, wie der Transportverlust beim Export. Sind die beiden Größen ungefähr auf dem gleichen Niveau, wie es beispielsweise bei Kurzzeitspeichern und einem Stromtransport in einem Wechselstromnetz mit einer Länge von 1.000 km6 ist, wäre eine willkürliche Entscheidung zwischen Speicher- und Exportpriorität zu treffen. Bei Langzeitspeichern liegt eine andere Situation vor, da bei einem Speicherwirkungsgrad von ca. 40% ungefähr das 2,5-fache der zurückgewonnen Energie gespeichert werden muss (Popp, 2010).

Aus den allgemeinen Handlungsprioritäten nach (Popp, 2010) kann abgeleitet werden, welche Handlungspriorität für die Modellregion sinnvoller ist. Bei dem angenommen Erzeugungsmix und installierter Leistung für das 100%EE-Szenario (Vgl. Abschnitt 3.2.1), kommt es zu einer jährlichen Überproduktion von 125% des Eigenbedarfs und einer maximalen stündlichen Überproduktion von bis zu 700% des Eigenbedarfs. Deshalb ist es nachvollziehbar, dass für die Modellregion die Exportpriorität von Überschüssen sinnvoller ist als die Speicherpriorität. Somit werden für die Simulation für Zeiträume mit Produktionsdefiziten die weiter oben aufgeführten Regelungen, für Zeiträume mit Produktionsüberschüssen hingegen die Exportpriorität berücksichtigt.

Die Exportpriorität kann in energyPRO dadurch modelliert werden, dass die im Rahmen dieser Arbeit untersuchten Flexibilisierungsoptionen nicht nach einem Strommarkt auf Basis der regionalen Residuallast (RL LkH in Gleichung (3.2)), sondern nach einem Strommarkt auf Basis einer überregionalen bzw. bundesweiten Residuallast (RL BRD in Gleichung (3.3)) optimiert werden. Dabei wird davon ausgegangen, dass die Stromspeicher sich anhand des überregionalen Marktpreises optimieren, der hier vereinfacht der bundesweiten Residuallast entspricht.

Aufbauend auf den o.g. Prioritäten für den Speicherbetrieb werden die Speicher nur dann eingesetzt, wenn das Ungleichgewicht zwischen Eigenerzeugung und Eigenbedarf nicht über den überregionalen Austausch (Im- und Export) ausgeglichen werden kann. Für die Ermittlung der erforderlichen Im- und Exportmenge werden wieder die in Abschnitt 3.2.1 eingeführten Skalierungsfaktoren Einwohnerdichte und Fläche herangezogen. Hierbei dienen die Faktoren dazu, die Residuallast der BRD in Abhängigkeit der Verbrauchs- und Erzeugungsstruktur auf die verschiedenen Regionen zu verteilen, weil beispielsweise der Importbedarf bei Regionen mit einer hohen Einwohnerdichte höher ist als bei Regionen mit niedriger Einwohnerdichte. Umgekehrt ist das Exportpotenzial bei Regionen mit einer niedrigen Einwohnerdichte höher, so dass die positive Residuallast der BRD über die Fläche auf die verschiedenen Regionen verteilt wird. Somit wird der Import aus anderen Regionen

6 Bei Hochspannungs-Drehstrom-Übertragung werden z.B. in (Popp, 2010) Leitungsverluste

von 6-15% pro .1000 km Leitungslänge angegeben

Page 76: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

76

mit der Multiplikation der negativen Residuallast BRD mit dem Skalierungsfaktor Einwohnerdichte berechnet (siehe Gleichung (3.4)). Der Export errechnet sich aus der Multiplikation der positiven Residuallast BRD mit dem Skalierungsfaktor Fläche (siehe Gleichung (3.5)). Es ist wichtig hier zu erwähnen, dass die wie beschrieben errechnete „flächenskalierte RL BRD“ nicht gleich der Residuallast ist, die sich aus der Multiplikation der RL BRD mit dem Flächenbezugsfaktor für die Modellregion ergibt. Grund hierfür ist zum einen das in der der Modellregion mehr fluktuierende Stromerzeuger je Fläche installiert sind als im Bundesdurchschnitt und zum anderen der Stromerzeugermix in der Modellregion von dem bundesweiten Durchschnitt abweicht. Dieser Zusammenhang wird durch die folgenden Gleichungen verdeutlicht.

𝑅𝐿 𝐿𝑘𝐻 = 𝐿𝑎𝑠𝑡 𝐿𝑘𝐻 − 𝑓𝑙𝑢𝑘𝑡.𝐸𝐸 𝐿𝑘𝐻 (3.2)

𝑅𝐿 𝐵𝑅𝐷 = 𝐿𝑎𝑠𝑡 𝐵𝑅𝐷 − 𝑓𝑙𝑢𝑘𝑡.𝐸𝐸 𝐵𝑅𝐷 (3.3)

𝑒𝑖𝑛𝑤. 𝑠𝑘𝑙.𝑅𝐿 𝐵𝑅𝐷 = 𝑅𝐿 𝐵𝑅𝐷 ∙ 0,27% (3.4)

𝑓𝑙. 𝑠𝑘𝑙.𝑅𝐿 𝐵𝑅𝐷 = 𝐿𝑎𝑠𝑡 𝐵𝑅𝐷 ∙ 0,59%− 𝑓𝑙𝑢𝑘.𝐸𝐸 𝐿𝑘𝐻 (3.5)

Durch die Orientierung der Stromspeicher an der flächenskalierten Residuallast BRD werden die Strommengen, die über dem Eigenbedarf der Modellregion liegen (d.h. RL LkH negativ), in die anderen Regionen exportiert und erst dann gespeichert, wenn auch die flächenskalierte Last BRD gedeckt ist (d.h. fl.skl. RL BRD negativ) und auch der Strombedarf in den anderen Regionen gedeckt ist (d.h. RL BRD negativ). Bei der Ausspeicherung gilt die Regelung, dass eine Ausspeicherung erst dann stattfindet, wenn die Eigenerzeugung in der Modellregion zu niedrig ist (d.h. RL LkH positiv) und auch keine Überproduktion in anderen Regionen herrscht (RL BRD positiv). Hierbei werden die Speicher solange eingesetzt, bis der Eigenbedarf in der Modellregion gedeckt wird, so dass der ausgespeicherte Strom nicht exportiert wird. Hierbei wird angenommen, dass in den anderen Regionen nach der gleichen Regelung gehandelt wird. Die Regelung bzw. die Prioritäten für die Betriebsstrategie von Stromspeichern werden als eine Entscheidungsmatrix in Tabelle 19 zusammengefasst. Für die Ermittlung des Stromspeicherbedarfs sowie für die Festlegung des Einsatzes der Stromspeicher bei der energieautarken Versorgung der Modellregion wird nach den in Tabelle 19 beschriebenen Regelungen die Residuallast der Modellregion nach Im- und Export ermittelt.

Tabelle 19: Entscheidungsmatrix für Stromspeicher bei Exportpriorität

RL BRD >= 0 RL BRD <=0

Page 77: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

77

RL LkH >=0 Entladen des eigenen Speichers bis Eigenbedarf gedeckt ist

Import aus anderen Regionen solange einwohnerdichteskalierte RL BRD <= 0 ist

und anschließende Entladung des eigenen Speichers bis Eigenbedarf

gedeckt ist

RL LkH <=0

Export in andere Regionen solange flächenskalierte RL BRD <= 0 und

anschließender Beladung der Speicher nach dem Prinzip der

Exportpriorität

Beladung der eigenen und der Speicher in anderen Regionen nach dem Prinzip der

Exportpriorität

Zusammenfassend lässt festhalten, dass bei der leistungsautarken Versorgung keine Möglichkeit zum Austausch mit anderen Regionen besteht, so dass Stromspeicher für den stündlichen Ausgleich des Ungleichgewichts zwischen Erzeugung und Verbrauch eingesetzt werden. Bei der energieautarken Versorgung hingegen erfolgt der Speichereinsatz nur, wenn der Austausch mit anderen Regionen nicht möglich ist.

Page 78: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

78

3.2.2.4. Simulationen zum Stromspeicherbedarf Durch das Energiemanagement mit Wärme- und Kältespeicher wird sowohl bei der leistungsautarken als auch bei der energieautarken Versorgung der Bedarf an Strom aus zusätzlichen Erzeugungskapazitäten bzw. Speicherstrom um ca. 60% reduziert. Hierbei wirkt sich vor allem die erhöhte Stromerzeugung aus KWK-Anlagen positiv auf die Defizitmenge aus, weil durch die thermischen Pufferspeicher Restriktionen in Bezug auf den minimalen Teillastbereich reduziert werden.

Für die zusätzlich erforderliche Stromerzeugung über Power-to-Gas und Wiederverstromung in KWK-Anlagen kann die Ausspeicherleistung (Erzeugungsleistung) und Ausspeicherkapazität anhand des Jahresverlaufs der positiven Residuallast bzw. der Leistungsdefizite bestimmt werden. Die Ausspeicherleistung entspricht hierbei dem maximal auftretenden Defizit. Die mindestens erforderliche Ausspeicherkapazität ergibt sich hingegen aus dem Maximum der hintereinander auftretenden Stunden mit Defiziten und der sich hieraus ergebenden defizitären elektrischen Energiemenge. Die Einspeicherleistung und die Einspeicherkapazität lassen sich nach der gleichen Methodik anhand des Verlaufs der negativen Residuallast ermitteln.

Unter der Annahme, dass die gesamte Überschussmenge genutzt wird, sind in Tabelle 20 und Tabelle 21 die Leistungen und Speicherkapazitäten für die unterschiedlichen Simulationsfälle zusammengefasst. Bei den angegebenen Werten für die Speicherkapazität handelt es sich um Mindestwerte, die erforderlich sind, um die längsten Perioden mit Windflauten (Ausspeicherkapazität) und mit Windüberschuss (Einspeicherkapazität) auszugleichen.

Page 79: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

79

Tabelle 20: Speicherbedarf bei leistungsautarker Versorgung

Teilszenario A Teilszenario B

Ausspeicherleistung (Erzeugungsleistung

Gaskraftwerk) 230 MW 320 MW

Einspeicherleistung (Leistung Elektrolyseur)

1.150 MW 990 MW

Ausspeicherkapazität (Erdgasmenge zur Überbrückung

von Windflauten)

5.535 MWhel (9.930 MWhCH4)*

2.910 MWhel (4.850 MWhCH4)*

Einspeicherkapazität (Mindestvolumen im Erdgasnetz

für Power-to-Gas)

49.486 MWhel (32.000 MWhCH4)**

60.815 MWhel (39.000 MWhCH4)**

Wärmespeicherkapazität 0 9.920 MWhth

Kältespeicherkapazität 0 2.250 MWhth

Tabelle 21: Speicherbedarf bei energieautarker Versorgung

Teilszenario A Teilszenario B

Ausspeicherleistung (Erzeugungsleistung

Gaskraftwerk) 230 MW 290 MW

Einspeicherleistung (Leistung Elektrolyseur)

770 MW 930 MW

Ausspeicherkapazität (Erdgasmenge zur Überbrückung

von Windflauten)

5.535 MWhel (9.930 MWhCH4)*

2.850 MWhel (4.750 MWhCH4)*

Einspeicherkapazität (Mindestvolumen von Erdgasnetz

für Power-to-Gas)

15.658 MWhel (10.000 MWhCH4)**

15.040 MWhel (9.600 MWhCH4)**

Wärmespeicherkapazität 0 9.920 MWhth

Kältespeicherkapazität 0 2.250 MWhth

* bei einer Rückverstromung in GuD-Kraftwerken mit einem Wirkungsgrad von 60%

** bei einem Elektrolyse- und Methanisierungswirkungsgrad von 80% (64% Gesamtwirkungsgrad)

Page 80: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

80

Bei der Betrachtung der Jahresbilanz erhöht sich durch das Energiemanagement sowohl bei der leistungsautarken als auch bei der energieautarken Versorgung die Überschussmenge. Die erhöhte Überschussmenge kann entweder durch Speicherung nutzbar gemacht werden oder abgeregelt werden. Aufgrund der angestiegenen Überschussmenge steigt auch die erforderliche Stromspeicherkapazität, wenn die Überschussmenge nutzbar gemacht werden soll. Somit könnte der Einfluss von Energiemanagement als negativ auf den Speicherbedarf interpretiert werden. Bei einer Speicherung im Erdgasnetz mit einer (relativ) unbegrenzten Speicherkapazität, ist dieser aber eher als positiv zu interpretieren, weil hierdurch die Laufzeiten (Volllaststunden) der Elektrolyseure ansteigen und sich somit schneller refinanzieren. Des Weiteren wird mehr Brennstoff für die Wiederverstromung in den KWK-Anlagen bereitgestellt. Somit wirkt sich das Energiemanagement positiv auf den Einsatz der Speichertechnologie „Power-to-Gas“ aus, weil die Menge an EE-Methan, die nicht für die Rückverstromung gebraucht wird, für andere Verbrauchssektoren (Wärme/Verkehr) zur Verfügung gestellt werden kann, so dass EE-Strom mehr und mehr zur Primärenergie wird. Eine mögliche Rolle von elektrochemischen und „virtuellen“ Stromspeichern (Power-to-Gas und Energiemanagement) im zukünftigen Energieversorgungssystem sowie das Zusammenspiel und die Vernetzung der Infrastrukturen wird in Abbildung 57 veranschaulicht.

Abbildung 57: Vernetzung der Infrastrukturen bei einer 100% EE-Stromversorgung

Page 81: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

81

3.3. Flexibilisierung von Biogasanlagen Wegen der zunehmenden Einspeisung nicht steuerbarer Energie aus Wind und Sonne gibt es zunehmend auch Zeiten mit hohen Deckungsraten aus regenerativen Quellen und Stromüberschuss. Zu anderen Zeiten wiederum fehlen die erneuerbaren Quellen. Für Strom-Überschüsse stehen bisher nur sehr begrenzte Speicherkapazitäten zur Verfügung.

Der Treibstoff für Blockheizkraftwerken (BHKW) hingegen, Biogas oder Erdgas, lässt sich in gewissen Grenzen gut speichern. Besser wäre es also, die regelbaren BHKW bei genügend Sonne und Wind abzustellen, und sie mit höherer Leistung zu betreiben, wenn die Residuallast hoch ist.

Das EEG 2012 will dazu beitragen, dass regelbare Energieerzeuger diese Residuallast gezielt decken. Regelbare Kapazitäten mit hoher Flexibilität bestehen hauptsächlich bei BHKW, die mit Biogas oder Erdgas betrieben werden.

Die Direktvermarktung von Strom aus erneuerbaren Energien war bisher unattraktiv, weil der Strompreis am Markt (ca. 5 Ct/kWh) unter der Einspeisevergütung der meisten EE-Erzeuger liegt (Biogasanlage: ca. 15 – 25 Ct/kWh, je nach Inbetriebnahmedatum, Substrat, Wärmenutzung, Technologie).

Mit den Regelungen des § 33 (EEG 2012) werden Betreiber von Biogasanlage oder Blockheizkraftwerk mit zusätzlichen Erlösen motiviert, bedarfsgerecht einzuspeisen.

Die Teilnahme am Spotmarkt soll den Marktimpuls zur Steuerung der Einspeisezeiten bieten. An der Strombörse EPEX bildet sich die Residuallast in der Höhe der Preise ab. Die Preise spiegeln die Knappheit über den Preis der Markträumung. Der Handelspreis ist der Preis des jeweils teuersten Erzeugers, der für die Markträumung erforderlich ist. Dieser Auktionsmechanismus funktioniert kurzfristig, transparent, diskriminierungsfrei und mit niedrigen Transaktionskosten. Der Ausgleich der Residuallast durch den Markt-preismechanismus gilt damit als ökonomisch effizient.

Da das Preisniveau im Durchschnitt wechselnd und sicher zu niedrig liegt, um eine Biogasanlage zu betreiben, gleicht das EEG2012 monatlich die Differenz zwischen durchschnittlichem Marktpreis und dem EEG-Einspeisetarif der Festvergütung aus (Marktprämie).

Diese Option der Direktvermarktung nach § 33 EEG 2012 bietet das Gesetz derzeit nur Anlagen mit erneuerbaren Treibstoffen, also Biogas, oder mittelbar aus dem Biogas gewonnenem Biomethan, das ins Erdgasnetz eingespeist und am BHKW bilanziell wieder aus dem Netz entnommen wird. Betreiber von Erdgas-betriebenen BHKW nach KWKG müssten auf Biomethan als Treibstoff umsteigen, um die im Folgenden betrachteten Regelungen in Anspruch nehmen zu können. Damit wird (bisher) ein wichtiger Teil des Potenzials (noch) nicht direkt erschlossen: die bereits installierten Erdgas-BHKW in Wärmenetzen. Allerdings kann die Attraktivität der Direktvermarktung nach EEG auf diesem Umweg die Nachfrage nach eingespeistem Biomethan steigern und damit dazu beitragen, dass weniger Biogas an ungünstigen Standorten auf dem Lande verstromt wird und die dort entstehende Wärme mangels sinnvoller Verwendung ungenutzt bleibt.

Page 82: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

82

Bei den meisten bestehenden und auch aktuell geplanten Biogasanlagen ist jedoch die BHKW-Leistung auf die kontinuierliche Biogaserzeugung ausgelegt. Das BHKW kann also nur stetig in Grundlast betrieben werden, um das erzeugte Biogas zu nutzen (2012: ca 3 GW Leistung aus Biogas.)

BHKW in Wärmenetzen hingegen werden nach Wärmebedarf betrieben und können dem Gasnetz das Biomethan zeitlich und räumlich unabhängig von dessen Einspeisung bei Bedarf entnehmen. Sie sind in der Regel so (klein) dimensioniert, dass ihre Stillstandszeiten minimal bleiben und die Spitzenlast im Wärmenetz von anderen Wärmequellen (z.B. Gaskessel) gedeckt wird.

Um flexibel einspeisen zu können, muss nun in kürzerer Zeit größere Leistung erbracht werden können. Für die Flexibilisierung der Erzeugung werden deshalb größere Blockheizkraftwerke sowie größer dimensionierte Gas- und Wärmespeicher notwendig. Um die Installierung zusätzlicher Erzeugungsleistung anzureizen, genügt der Preisspread am Spotmarkt nicht. Dafür hat der Gesetzgeber die Direktvermarktung um die Flexibilitätsprämie (§ 33i EEG) ergänzt.

Im Rahmen des Projekts wurde nun die Frage gestellt, welche Geschäftsmodelle daraus für Betreiber resultieren, welche Anreizwirkung sie entfalten und zu welchen Anlagen-konfigurationen dies führt. Dabei sollte auch betrachtet werden, wie sich die Teilnahme am Markt für Regelenergie auf typische Betreiber auswirkt.

Es wurden Modellanlagen ökonomisch betrachtet:

a) Einspeisung nach EEG-Festvergütung als Referenzgröße

b) Teilnahme an der Direktvermarktung (Marktprämie, Managementprämie)

c) Regelleistung (Minutenreserveleistung MRL + Sekundärregelleistung SRL)

d) Flexibilisierung der Anlage durch Installation von Zusatzleistung

e) Erlössteigerung durch EPEX-marktgesteuerte Stromeinspeisung

Um den Großteil der Anlagentypen mit ihren wesentlichen Eigenheiten abzudecken, wurden die zwei wesentlich unterscheidbaren Modellfälle in Simulationsreihen jeweils getrennt betrachtet: a) Biogasanlage mit BHKW bisher in Grundlastbetrieb, sowie b) Biomethan-BHKW, bisher wärmegeführt.

Page 83: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

83

Fall A: Biogasanlage mit BHKW, bisher in Grundlast

Biogasanlagen sind meist so ausgelegt, dass das BHKW ganzjährig in Volllast betrieben wird. Das BHKW kann allenfalls kurzzeitig außer Betrieb gehen, da die erzeugte Biogasmenge aus wirtschaftlichen Gründen durch die Größe der Fermenter und die kontraktierten Substratmengen vorgegeben ist. Sie haben in der Regel auch keine Leistungsreserve. Damit können sie die Stromeinspeisung im Bedarfsfall weder drosseln noch erhöhen.

Um flexibel zu erzeugen, muss also die BHKW-Kapazität vergrößert werden. Ein zweites BHKW wird installiert und aus derselben Ressource gespeist. Zudem muss das bei Stillstand entstehende Biogas aufgefangen und gespeichert werden, um zu späterem Betrieb mit höherer Einspeisemenge zur Verfügung zu stehen (im Diagramm: BHKW 2).

Abbildung 58: Einfache Modellkonfiguration in energyPRO für Biogas mit BHKW

Fall B: Biomethan-BHKW, bisher wärmegeführt

Bei Verstromung von Biomethan mit wärmegeführten BHKW sind hingegen meistens Stillstandszeiten bei geringerem Wärmebedarf eingeplant, doch richten sich diese bisher nach dem Wärmelastprofil. Typischerweise werden die BHKW so ausgelegt, dass sie eine gewisse Grundlast decken, während die themische Spitzenlast durch ergänzende, weniger kapitalintensive Feuerungsanlagen (Hackschnitzelfeuerung, Öl- oder Gaskessel) gedeckt wird.

Das eingekaufte Biomethan kann jederzeit aus dem Gasnetz entnommen werden, sodass der Betrieb zeitlich frei von Treibstoffrestriktionen geplant werden kann. Eine am Strombedarf beziehungsweise am Spotmarktpreis orientierte Betriebsweise setzt aber voraus, dass die vom BHKW erzeugte Wärme gespeichert werden kann, damit sie zum Zeitpunkt des Bedarfs verfügbar ist. Es müssen also Wärmepuffer zur Verfügung stehen. Das BHKW verfügt über eine limitierte Jahresmenge Biomethan. Die Wärme fließt in der Modellkonfiguration an zwei Abnehmer mit unterschiedlichen Bedarfsprofilen. Wenn während

Page 84: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

84

hoher Spotmarktpreise mehr Wärme produziert wird als nötig, dann wird der Wärmepeicher gespeist. In Zeiten unrentablen BHKW-Betriebs liefert der Erdgaskessel die nötige Wärme.

Abbildung 59: Modellkonfiguration in energyPRO für Biomethan-BHKW

3.3.1. EEG-Festvergütung Für die Untersuchung der steuerbaren Erzeugungsanlagen wurden Simulationen von real existierenden Anlagen durchgeführt, die bisher nach EEG-Festvergütung einspeisen. Nicht nur die Anlagengröße und Inbetriebnahmejahr, sondern auch Substratzusammensetzung und Wärmenutzungsgrad spielen bei der Höhe des Vergütungsanspruches für den eingespeisten Strom eine Rolle.

Die absolute Höhe der EEG-Festvergütung ist für den Vergleich der Modelle sekundär, denn einerseits wird dieser „anzulegende Wert“ durch die Marktprämie ausgeglichen, sodass die Betreiber bei stetiger Einspeisung stets Erlöse in Höhe des EEG-Festvergütungsanspruchs erhalten. Bei der folgenden Betrachtung der Direktvermarktung werden deshalb nur die Differenzen zu den EEG-Einspeiseerlösen (Referenzerlöse) als Wirtschaftlichkeitsindikatoren verwendet.

In einem Musterbeispiel einer Biogasanlage mit einer typischen installierten elektrischen Leistung von 500 kW wird die erzeugte Jahresenergiemenge von 4.000 MWh mit einer EEG-Festvergütung in Höhe von 200 €/MWh entgolten. Daraus resultieren Einnahmen in Höhe 800 T€/a, die als Referenz für die folgenden Vermarktungsoptionen zu Grunde liegen.

Allerdings kann bei BHKW, die vom Gasnetz versorgt werden und viel Nutzwärme liefern, der Betrieb nach KWKG eine interessante Alternative werden, wenn es möglich ist, den erzeugten Strom zu einem großen Teil selbst zu verwerten. Dann werden die eingesparten Alternativkosten des Strom-Fremdbezugs so wertvoll, dass der Umstieg auf Biomethan und die möglichen Erträge nach EEG wirtschaftlich weniger attraktiv sind.

Page 85: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

85

Auch hierfür gilt, dass die individuelle Anlage, Lastprofil und die Erlöse der Wärmenutzung, Stromlastgang und Tarif der Netzversorgung im Zusammenhang betrachtet werden müssen, um eine wirtschaftliche Entscheidung treffen zu können.

Die Regelungsvielfalt und -differenzierung ist mittlerweile so komplex, dass nicht-professionelle Betreiber von BHKW-Anlagen auf Beratung und Berechnungsleistung von Experten angewiesen sind. Das dürfte bei der Erschließung dieses Potenzials derzeit ein spürbares Hemmnis sein.

3.3.2. Direktvermarktung mit EEG-Marktprämie Bisher, bzw. seit Kappung des EEG2009-Grünstromprivilegs, war der Strommarkt nicht attraktiv für erneuerbare Energien (EE), denn die feste Einspeisevergütung nach EEG kann zwischen 15 und 25 Ct/kWh betragen und liegt deutlich höher als der Markterlös, der nur um etwa 5 Ct/kWh beträgt. Diese Differenz zwischen dem bisherigen Strommarkt und dem Preisniveau der regelbaren erneuerbaren Energien will das neue EEG 2012 decken. Insbesondere Betreiber regelbarer BHKW sollen motiviert werden, marktgesteuert bei hohem Strombedarf (flexibel) einzuspeisen.

Betreiber von Biogasanlagen und BHKW können nun ihre Stromerzeugung über einen Händler an der Strombörse EPEX vermarkten und erzielen dort den jeweiligen, stets wechselnden Stundenpreis. Das EEG 2012 (§ 33g) stockt den Markterlös um die Differenz zwischen dem durchschnittlichen Preis an der Strombörse („Referenzmarktwert“) und der EEG-Festvergütung („anzulegender Wert“) durch eine gleitenden Prämie („Marktprämie“) auf.

Die EEG-Festvergütung wird garantiert über 20 Jahre mit gleichbleibender Höhe gezahlt. Sie ist für jede Anlage nach Inbetriebnahmejahr, Größe des BHKW, Art der Substrate und Intensität der Wärmenutzung unterschiedlich. Von diesem anzulegenden Wert wird der wechselnde monatlich durchschnittliche Marktwert abgezogen (veröffentlicht auf der Website http://www.eeg-kwk.net/de/Referenzmarktwerte.htm). Daher wird die gleitende Prämie nach Anlage monatlich neu individuell berechnet.

In der Marktprämie wird noch ein zusätzlicher Ausgleich für den Mehraufwand der Vermarktung, Risiko, Handelsabsicherung und technische Anbindung aufgeschlagen, die Managementprämie. Im Berichtsjahr (2012) beträgt die Managementprämie 3 €/MWh, also 0,3 Ct/kWh. Die Managementprämie wird in den kommenden Jahren unabhängig vom Eintritt in die Direktvermarktung, für alle Teilnehmer sukzessive abgesenkt (2013 = 2,75 €/MWh; 2014 = 2,50 €/MWh; 2015 ff = 2,25 €/kWh - vorbehaltlich weiterer Veränderungen auf dem Verordnungswege).

Die Marktprämie wird anstelle der EEG Festvergütung vom Verteilnetzbetreiber an den Betreiber ausgezahlt. Damit wird der Betreiber einer Biogasanlage, der den BHKW-Strom im Dauerbetrieb am Spotmarkt verkauft, in der Summe aus Markterlösen und Marktprämie

Page 86: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

86

mindestens den gleichen Gesamterlös erzielen, den er ansonsten für den Strom aus seiner Biogasanlage als EEG-Festvergütung erhalten hätte.

Durch geschicktes Anlagenmanagement und Einspeisung zu Hochpreiszeiten generierte, darüber hinaus gehende Erlöse an der Strombörse verbleiben beim Erzeuger und bilden den Anreiz für die flexible marktorientierte Einspeisung (Mehrerlös EPEX).

Abbildung 60: Vermarktungsmöglichkeiten in der Direktvermarktung

Die Direktvermarktung nach § 33, EEG (2012) sichert über die Marktprämie den bisherigen EEG-Erlös. Wirtschaftlich attraktiv wird sie erst durch die Flexibilisierung.

In den Simulationen wurde die Beobachtung aus dem Markt übernommen, dass die Manage-mentprämie zu 50 – 60 % an den Anlagenbetreiber und der Rest an den Stromhändler geht. Im betrachteten Musterbeispiel der Biogasanlage betragen die Mehreinnahmen gegenüber der EEG-Festvergütung durch die Managementprämie (4.000 MWh * 3 € = 12.000 €/a * 50 – 60 %) = zusätzliche 6 – 7 T€/a. Das entspricht Zusatzeinnahmen von ca. 0,8 % - Grafik mittlere Säule).

Damit liegt der Anreiz für Biogasanlagenbetreiber, in die Direktvermarktung zu wechseln, relativ gering. Bisher haben die Betreiber auch nur träge auf das Angebot reagiert. Hauptsächlich engagieren sich Stromhändler, die ein möglichst großes Portfolio unter Vertrag nehmen wollen, und Verbände von Anlagenbetreibern, die sich für ihre Mitglieder frühzeitig auf zukünftige Entwicklungen einstellen wollen.

Eine intensiv diskutierte Option zur Verbesserung der Attraktivität ist hingegen die Teilnahme am Markt für Regelenergie, also die Bereitstellung von Minutenreserve- oder Sekundärreserveleistung.

Page 87: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

87

3.3.3. Regelleistung für BHKW in Direktvermarktung Über die Direktvermarktung werden mit den BHKW erstmals kleine Stromerzeuger für den Regelenergiemarkt erschlossen. Im Erfolgsfall sind die installierten Leistungen der BHKW groß genug, um das Marktgleichgewicht zu beeinflussen und die Kosten für Regelenergie zu senken. Das bedeutet umgekehrt, dass sich Anlagenbetreiber nicht langfristig auf Erträge verlassen können.

Für die Vermarktung der Regelleistung (SRL und MRL) müssen ab Juli 2012 zwar nicht mehr mindestens 15 MW, aber immer noch über 5 MW angeboten werden, was die Leistung der meisten BHKW weit übersteigt. Erst die Bündelung von Anlagenleistung durch einen Händler ermöglicht die Teilnahme kleinerer Biogas- und Biomethan-BHKW am Markt für Regelenergie. Dieser Weg wird durch die Direktvermarktung nach EEG (2012) erstmals geöffnet.

Abbildung 61: Unterschiede zwischen den verschiedenen Regelenergieprodukten (Quelle:

Clean Energy Sourcing 2012)

3.3.3.1. Negative Regelleistung BHKW an Biogasanlagen, die wie bisher in Dauerbetrieb gefahren werden, können ausschließlich negative Regelenergie bereitstellen, indem sie mit entsprechender IKT (Informations- und Kommunikationstechnik) ausgestattet, durch einen fern geschalteten Impuls vom Netz genommen werden können.

Beim Leistungspreis für Regelleistung (RL) handelt es sich um eine Vergütung für die Bereitstellung von Leistung, die ohne Inanspruchnahme gezahlt wird. Die eigentliche Inanspruchnahme (Abruf) erfolgte vor allem in den Jahren vor 2012 je nach Arbeitspreisgebot relativ selten und vor allem in den meisten Fällen nur für kurze Zeit (unterschiedlich ausgeprägt bei MRL und SRL). Daher boten die Arbeitspreise im Regelfall kein attraktives Ertragspotenzial für BHKW-Betreiber, wenn man die Start- und Stoppkosten im Anlagenbetrieb berücksichtigt (s.u.).

Bei Biogasanlagen, die permanent in Volllast betrieben werden, wirken zwar Einschränkungen der Verfügbarkeit auch auf das Angebot negativer Regelleistung, wie

Page 88: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

88

Stillstand durch Wartung und Havarien, oder ein zu hoher Speicherstand bei Biogas. Diese Risiken müssen im Pool des Händlers durch Leistungsreserven abgefedert werden.

Bei der Ermittlung des Erlöspotenzials für den Anlagenbetreiber ist zu berücksichtigen, dass es sich bei den Regelleistungsmärkten um pay-as-bid-Märkte handelt und ein Erlös zum Optimalgebot nur theoretisch möglich ist. Wahrscheinlicher ist bei guter Preisprognose, dass Angebote um den Mittelwert der gezahlten Leistungspreise erfolgreich sind. Dieser liegt bei 50 – 70 % der jeweils Grenzleistungspreise. Da die tatsächlich realisierten Preise ein Indikator für die Qualität der durchschnittlich verwendeten Preisprognosen ist, wird in den Analysen von diesem Mittelwert als erzielbarem Erlös ausgegangen.

Danach kann der Händler für negative Minutenreserveleistung (>7,5 Minuten Reaktionszeit, 4-Stunden-Blöcke in täglicher Ausschreibung) im Jahresgang theoretisch maximal 50 T€/MW (2011, Tendenz sinkend) für die Bereitstellung erlösen. Tatsächlich wurden durchschnittliche Erlöse von 36 T€/MW*a für negative MRL erzielt. Wenn davon etwa 50 – 60 % dem Händler zustehen, erzielt die Musteranlage Einnahmen von 9 – 11 T€/a.

Bei der Sekundärregelleistung (messbare Reaktion nach 30 Sek., vollständige Erbringung nach 5 Min. Reaktionszeit, 12-Stunden-Blöcke in wöchentlicher Ausschreibung, vollautomatische Aktivierung erforderlich, täglich mehrmalige Inanspruchnahme wahrscheinlich) betrug der theoretisch erzielbare Erlös (2011) sogar 100 T€/MWa, der durchschnittliche Erlös lag bei etwa 50 T€/MWa (neg. SRL). Biogas-BHKW verfügen bisher nur in Ausnahmefällen über die entsprechende Informations- und Kommunikationstechnologie (IKT) für die Teilnahme an Sekundärregelleistung (höhere Anforderungen als bei MRL). Eine entsprechende Aufrüstung wird derzeit durch Stromhändler gefördert.

Vom Bruttoerlös am Markt sind wiederum die Kosten des Händlers für die Vermarktung der Regelleistung (40 – 50 % abzuziehen, sodass der Nettoertrag des Betreibers bei 25 – 30 T€, bei der Modellanlage also 12,5 – 15 T€/a liegen dürfte.

Bei einem Gesamtumsatz von 800 €/a eines BHKW im Dauerbetrieb kommt also durch die negative MRL eine Erlösverbesserung um wiederum ca. 1,1 – 1,4 % hinzu. Durch die Teilnahme an der SRL würden es sogar 1,5 bis 1,8 %.

Die tatsächliche Inanspruchnahme von negativer RL ist erfahrungsgemäß selten bei MRL und nur von kurzer Dauer bei SRL. Der gedrosselte oder unterbrochene Betrieb bleibt einnahmeseitig weitgehend kostenneutral, zumal der Ausfall an Erlösen für die tatsächliche Arbeit ausgeglichen würde und zusätzlich Treibstoffersparnis zur Folge hat.

Bietet der Betreiber einer Biogasanlage (BGA) negative Regelleistung an, aber ist der Biogasspeicher bei Inanspruchnahme gefüllt, muss man das in der Biogasanlage entstehende Biogas in der Notfackel verbrennen. Wegen der seltenen Inanspruchnahme ist das Risiko verschmerzbar.

Jedoch kostet die Betriebsunterbrechung bei Inanspruchnahme den Aufwand eines neuen Startvorgangs – bei SRL kommt es zu mehreren Aufrufen pro Tag. Manche Betreiber

Page 89: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

89

möchten die Inanspruchnahme gerne vermeiden, um den Permanentbetrieb nicht zu stören. BGA-Betreiber bieten ihre BGA für die negative RL an, aber wollen das BHKW im Fall eines Abrufs gar nicht stilllegen. So investieren Biogasanlagenbetreiber in zusätzliche Verbraucher, um die abgeregelte elektrische Arbeit zu nutzen, statt das BHKW stillzulegen. Sie installieren z.B. einen leistungsfähigen Tauchsieder (Investition: < 20 T€/MW), wandeln die elektrische Energie in Wärme um und speichern sie im Wärmepufferspeicher ein.

Das führt dazu, dass negative RL unabhängig davon ist, ob das BHKW läuft. Die Regelleistung wird eigentlich gar nicht mehr vom BHKW erbracht. Die Direktvermarktung des BHKW-Stroms wirkt als ein Einfallstor, durch das Wärmepufferspeicher mit Tauchsieder am Markt für negative Regelleistung teilnehmen können.

Es ist also derzeit (Jahr 2012) für ein BHKW mit Wärmepufferspeicher und elektrischem Heizgerät in der Direktvermarktung attraktiv, bei konstanter Betriebsweise permanent negative MRL oder sogar SRL anzubieten. Tendenziell aber wird die wirtschaftliche Attraktivität der negativen Regelleistung durch Wärmeerzeuger dazu führen, dass entsprechende Angebote zunehmen und damit der Markterlös für negative Regelenergie zurückgeht, wie das in Dänemark schon seit langem zu beobachten ist.

Damit könnte theoretisch auch der Betreiber eines BHKW im flexiblen Betrieb negative Regelleistung anbieten, weil die negative Regelleistung von der Betriebsweise des BHKW unabhängig ist. Allerdings ist nicht sichergestellt, ob dies im Rahmen des Anerkennungsverfahrens (Präqualifizierung) akzeptiert würde.

Ohne diese Option sind die Möglichkeiten der negativen Regelenergie bei einem flexibel betriebenen BHKW allerdings erheblich eingeschränkt. Das BHKW kann nur für Zeiträume negative Regelleistung anbieten, wenn es sicher im Betrieb ist, der Betrieb also aus Gründen eines attraktiven EPEX-Preises geplant ist. Das müsste für die Auktionszeitraum einer Woche sicher vorausgeplant werden, in die Zeitscheiben der MRL (4-Stundenblöcke), bei SRL sogar für die gesamte Zeitscheibe HT (8 – 20 Uhr) oder NT (20 – 8 Uhr) für den Ausschreibungszeitraum von 1 Woche angeboten werden. Damit wären Sinn und Nutzen einer flexiblen marktgeführten Betriebsweise hinfällig.

Abbildung 62: Durchschnittspreise im Wochenverlauf für negative Minutenreserve

negative Minutenreserve - Durchschnittspreise 2011

0

5

10

15

20

Mon

tag

Die

nsta

g

Mitt

woc

h

Don

ners

tag

Frei

tag

Sam

stag

Son

ntag

Zeitblock/Woche

€/M

Wh

Page 90: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

90

Die attraktiven Zeitblöcke für negative Minutenreserve liegen hauptsächlich in den Zeiten 0 – 4 und 4 – 8 Uhr (hohe Leistungspreise gegenüber den Blöcken zwischen 8 Uhr und 24 Uhr)).

Abbildung 63: Durchschnittspreise im Wochenverlauf für EPEX Spotmarkt

Wie aus Abbildung 62 zu entnehmen ist, liegen die attraktiven Zeitblöcke für negative Minutenreserve hauptsächlich in den Zeiten von 0 – 4 und 4 – 8 Uhr. Aus Abbildung 63 wird deutlich, dass in den Zeiten von 0 – 8 Uhr die Börsenpreise sehr niedrig sind. Deshalb ist ein nach Börsenerlös betriebenes BHKW in diesen Zeiten in der Regel im Stillstand, so dass keine negative Regelenergie angeboten werden kann.

Die Erlöse für negative RL sind naturgemäß hauptsächlich in den Zeiten niedriger Residuallast – wenn also auch niedrige EPEX-Preise gezahlt werden und das flexible BHKW ohnehin ausgeschaltet ist.

Bei MRL betrifft das hauptsächlich die Handelsstunden 0 – 8 Uhr, bei SRL ist es die NT-Zeit, nachts von 20 – 8 Uhr. In genau diesen Zeiten sind die EPEX-Preise so niedrig, dass die BHKW ohnehin nicht laufen würden, also keine negative Regelleistung anbieten können.

EPEX Spotmarkt - Durchschnittspreise 2011

010203040506070

Mo

Sa

Stunde/Woche

€/M

Wh

Page 91: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

91

Abbildung 64: Durchschnittspreise im Tagesverlauf für EPEX Spotmarkt

Abbildung 65: Durchschnittspreise im Tagesverlauf

Fazit: Negative Minutenreserve ist attraktiv für BHKW von Biogasanlagen im Dauerbetrieb. Bei wärmegeführten BHKW mit niedrigem Wärmebedarf nachts oder im Sommer ist neg. MRL nur interessant, wenn das BHKW im Winter in Grundlast durchläuft.

Wenn BHKW in Biogasanlagen oder in Wärmenetzen hingegen flexibel betrieben werden, konzentriert sich eine größere Leistung börsenpreisabhängig auf einen kleineren Zeitraum der Betriebsphasen. Damit wird das Zeitband für die Bereitstellung von negativer Regelenergie ausgesprochen schmal und ist zudem durch Inkaufnahme niedriger EPEX-Erlöse wirtschaftlich unattraktiv.

Mittelwerte aller Tage EPEX 2011

0

20

40

60

80

00:00

02:00

04:00

06:00

08:00

10:00

12:00

14:00

16:00

18:00

20:00

22:00

Stunde

Page 92: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

92

Flexible BHKW haben also praktisch keinen Nutzen aus negativer Regelenergie, die durch Abschaltung des BHKW erzielt werden könnte. Der Nutzen besteht vielmehr im Marktzugang und – wiederum in Grenzen – in der möglichen positiven Regelenergie.

3.3.3.2. Positive Regelleistung

Ein BHKW kann umgekehrt nur für Zeiträume positive Regelleistung anbieten, wenn das BHKW sicher außer Betrieb ist. Damit kommt positive Regelleistung für konventionell konstant betriebene Biogasanlagen gar nicht in Frage. Für stark ausgelastete BHKW im Wärmenetz ist positive Regelleistung zwar möglich, aber der Nutzen stark eingeschränkt.

Erst bei flexibilisierten BHKW, mit erweiterten Leistungen und längeren Stillstandszeiten, macht positive Regelleistung Sinn, wenn Betriebspausen aus Gründen des niedrigen EPEX-Preises geplant ist.

Da in der MRL komplette Stundenblöcke im 4-Stunden-Rhythmus, bei SRL sogar die gesamte Zeitscheibe HT (8 – 20 Uhr) oder NT (20 – 8 Uhr) für den Ausschreibungszeitraum 1 Woche angeboten werden müssen, schließt diese Regelung jedoch alle Zeiträume aus, in denen das BHKW ganz oder auch nur teilweise betrieben wird. Regelleistung kann nur angeboten werden, wenn der geplante Stillstand des BHKW mindestens den 4-Stunden-Block abdeckt. Das steht im Widerspruch dazu, dass der optimale Fahrplan für eine Vermarktung über die EPEX-Plattform mit stündlicher Optimierung arbeitet.

Es kann von einer Anlage nur dann positive Regelleistung angeboten werden, wenn Ende und Beginn der geplanten Betriebszeit in zwei nicht aufeinander folgenden 4-Stundenblöcken liegen. Bei einer stark flexiblen Biogasanlage (Bsp: Bemessungsleistung = 25 % der installierten Leistung, also täglich 6 Stunden Betriebszeit) können bis zu vier der sechs Zeitblöcke für positive Regelleistung zur Verfügung stehen. Bei je zwei An- und Ausschaltvorgängen am Tag kann das auf zwei Zeitblöcke reduziert sein.

Positive Regelleistung setzt auch voraus, dass die Anlage über Treibstoff verfügt, um die angebotene Arbeit auch leisten zu können. Das ist bei einem vom Gasnetz versorgten BHKW kein Problem. Eine Biogasanlage muss jedoch im Biogasspeicher genügend Inhalt haben, um die Arbeit im Aktivierungsfall auch erbringen zu können. So scheiden beim Beispiel der stark flexiblen Biogasanlage (Bemessungsleistung = 25 % der installierten Leistung, also täglich 6 Stunden Betriebszeit) selbstverständlich die Zeit des geplanten Betriebs aus, aber auch einige Zeit danach. Wenn diese BGA ihren Gasvorrat in der Hochpreisphase in 6 Stunden komplett aufgebraucht hat, muss sie in 18 Stunden Gas dafür sammeln. Um einen Block von 4 Stunden voll fahren zu können (pos. MRL), muss sie also mindestens 12 Stunden Gas produzieren. Sie kann also nur den letzten vollständige 4-Stunden-Block pos. RL anbieten, der vor der nächsten geplanten Betriebsphase liegt. Genau genommen, könnte die Anlage aber bereits nach 4 Stunden 1/3 ihrer Leistung anbieten, nach weiteren 4 Stunden 2/3 - dadurch würde in Summe ein weiterer Block gewonnen. Bei einem Börsenpreisverlauf mit zwei Spitzenphasen im Tagesverlauf, wie er durch den

Page 93: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

93

Zuwachs an Solareinspeisung immer häufiger vorkommt, verhindern für diesen Tag sogar jegliches Angebot an positiver Regelleistung durch ein Biogas-BHKW.

Allenfalls wenn die Präqualifizierung auf der Ebene der Anlage mit geringeren Anforderungen als auf Ebene des Poolkopfes bzw. Stromhändlers erfolgt, kann hier durch Überdeckung und Erfahrungswerte sichergestellt werden, dass der jeweils angebotenen Regelleistung auch die Leistungsbereitschaft in den 4-Stunden-Blöcken des Marktes entspricht. Geplante Betriebswechsel innerhalb des 4-Stunden-Blocks verhindern ansonsten eine Bereitstellung von Regelenergie in diesem Zeitblock.

Für positive Minutenreserve besteht derzeit (2011) keine nennenswerte Nachfrage.. Allerdings lagen die gezahlten Arbeitspreise bei Inanspruchnahme relativ hoch, sodass bei erfolgreicher Teilnahme auch die positive Minutenreserve eine attraktive Erlösoption darstellten. Die Erlöspotenziale für positive Minutenreserve sind allerdings sehr volatil, bieten also wenig Zuverlässigkeit, sodass Investitionsentscheidungen durch diese Option unter Risikogesichtspunkten keine ausreichende Grundlage haben.

Die Sekundärregelung arbeitet sogar nur mit 12-Stunden-Zeitscheiben, für die 1 Woche lang jeden Tag die gebotene und bezuschlagte Leistung vorzuhalten ist. Dafür besteht eine gewisse Nachfrage am Markt, die jedoch zu einem geringen Leistungspreis und dafür höheren Arbeitspreisen gedeckt werden. Bei der Sekundärregelleistung betrug der durchschnittliche Jahreserlös 36 T€ (pos. SRL 2011). Davon entfallen tatsächlich auch 24 T€ auf den Niedrigtarif (nachts), wenn flexible BHKW wegen des niedrigeren Spotmarktpreises tendenziell abgeschaltet sind. So können stark flexibel betrieben BHKW immerhin theoretisch am Markt der positiven Sekundärregelung teilnehmen, wenn sie über die geeignete IKT verfügen. Im Modellfall der 500 kW-BHKW könnte die positive Sekundärregelung damit theoretisch zusätzlich jährlich 6 – 7 T€ Mehrertrag bringen.

Bei Biogasanlagen gilt das nur mit der Einschränkung, dass der Händler über seinen Anlagenpool das Risiko decken muss, dass abgeschaltete Anlagen zu Beginn des Stillstands wegen mangelnden Biogasvorrats keine längeren Betriebszeiten anbieten können. Zumal muss das Angebot für eine gesamte Woche gelten.

Für die schnellere Sekundärregelung erfordern die Marktbedingungen, dass das BHKW auf ferngesteuert anspringt, innerhalb von 30 Sekunden eine messbare Reaktion zeigt und innerhalb von fünf Minuten die volle Leistung erbringt. Betreiber sehen sich aus technischen Gründen derzeit (noch) nicht in der Lage, ein still stehendes BHKW in 5 Minuten auf Volllast hochzufahren. Die Hersteller von BHKW bemühen sich, ihre BHKW entsprechend weiter zu entwickeln und das Vertrauen in ihre so Technik zu stärken, um die Schnellstartfähigkeit ihrer Motoren als Produktvorteil anbieten zu können. Allerdings kommt erschwerend hinzu, dass schon 30 Sekunden nach Abruf ein Teil der Leistung abgegeben werden muss – das geht nur mit BHKW, die bereits in Teillast oder im Leerlauf betrieben werden. Diese Option ist also derzeit als unrealistisch einzustufen.

Demnach müssen sich die Betreiber von Biogas-BHKW entscheiden: Entweder man betreibt die Anlage voll flexibel, mit maximalem EPEX-Mehrerlös, aber muss dann auf Erlöse aus negativer RL verzichten. Allenfalls kann die Biogasanlage bzw. das BHKW negative SRL und

Page 94: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

94

MRL anbieten, wenn die Anlage über eine elektrischen Wärmeerzeuger in einem ausreichend großen Wärmespeicher verfügt.

Die Einschränkungen des positiven Regelleistungsmarktes durch Biogasbevorratung gelten nicht bei BHKW, die mit Biomethan aus dem Erdgasnetz betrieben werden. Diese Anlagen können jederzeit auf Biomethan zugreifen, solange diese im Jahresgang bilanziell durch entsprechende Einkäufe gedeckt werden. Deshalb sind flexibilisierte BHKW am Gasnetz insbesondere bei starker Flexibilisierung sehr gut für positive Regelenergie in der NT-Zeitscheibe geeignet. Es spricht alles dafür, dass die Betreiber diese Option nutzen. Netzgas-betriebene BHKW können so den Netzbetrieb absichern helfen und den Mehrertrag von 6 – 7 T€ für pos. SRL allein in der NT-Zeitscheibe erlösen.

Abbildung 66: Trend der Regelleistungsmärkte 2008 - 2011

Der Preis für positive SRL nachts (NT) steigt moderat auf niedrigem Niveau. Flexible Anlagen laufen überwiegend tags und können in der NT-Zeitscheibe positive SRL anbieten.

Die Zeitreihe zeigt den Preisverfall für positive SRL tags (HT). Biogasanlagen oder BHKW können in der Regel keine pos. SRL anbieten.

Negative SRL tags kann von wenig flexiblen BHKW und BHKW angeboten werden, die tags auch bei niedrigen EPEX-Preisen einspeisen. Die Erlöse sind sehr niedrig und erst 2011 etwas angestiegen.

Die negative SRL nachts ist wirtschaftlich attraktiv, aber kann nur von BHKW im Dauerbetrieb (Biogasanlagen oder BHKW im Wärmenetz im Winter) angeboten werden. Hier gehen die Preise jedoch inzwischen zurück.

mittlere Leistungspreise Sekundärrregelung

0

10.000

20.000

30.000

40.000

50.000

60.000

70.000

2008 2009 2010 2011

Jahressumme

€/M

W*J

ahr pos. SRL NT

pos. SRL HTneg. SRL HTneg. SRL NT

NT HT

Page 95: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

95

Tabelle 22: Regelleistung – Übersicht über die Potenziale SRL/MRL (2011) je MW

max.

Biogasanlage

Biomethan-BHKW im Wärmenetz

Betriebsweise T€/MW (2011)

8.000 VLS* Dauerbetrieb

2.000 VLS voll flexibel

5.000 VLS wärmegeführt

1.800 VLS voll flexibel

pos. MRL < 3 nein minimal irrelevant minimal

neg. MRL 36 ja minimal eingeschränkt minimal

pos. SRL HT (8 – 20 Uhr)

12 nein nein nein nein

pos. SRL NT (20 – 8 Uhr)

24 nein ja im Sommer ja

neg. SRL HT 13 ja 20 – 8 Uhr im Winter nein

neg. SRL NT 38 ja nein nein nein

EPEX-Zusatzerlöse

100 nein ja eingeschränkt ja

*VLS=Volllaststunden=jährlich erzeugte Energiemenge geteilt durch die Leistung der Anlage

Es kann im gleichen Zeitraum nur entweder MRL oder SRL angeboten werden. EPEX-Zusatzerlöse und positive Regelleistung sind additiv möglich.

3.3.3.3. Lastwechsel

Einstweilen wird von Stromhändlern ein anderer Vorschlag ventiliert: Ein BHKW kann auf 75 bis 80 % der Leistung betrieben werden, um positive und negative Regelenergie (MRL und SRL) durch die Steuerung des Lastgangs anzubieten. Im Fall der Inanspruchnahme wird das BHKW auf 100 % hochgefahren oder auf 50 – 60 % gedrosselt, was jeweils in weniger als 5 Minuten möglich ist.

Das bedeutet für die Beispielanlage mit 500 kW installierter Leistung, dass bei einem Regelbetrieb mit 400 kW (Bemessungsleistung) im Resultat +/- 100 kW als SRL zur Verfügung stehen. Dieses BHKW kann, wenn es systematisch für die Leistung der Biogasanlage etwas überdimensioniert wurde, jederzeit für je 100 kW pos. und neg. SRL anbieten, was das Jahresergebnis verbessert (35 T€/MW SRL pos. + 50 T€/MW SRL neg. = 85 T€/MW * 0,1 MW = 8,5 T€, davon 50 + 60 % = ca. 5 T€).

Page 96: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

96

Hinzu kommt ein Zusatzerlös von ca. 8 T€/a Flexibilisierungsprämie (s.u.), sodass diese Betriebsweise ca. 13 T€ jährliche Zusatzeinnahmen bringt.

Allerdings muss ein erhöhter Biogasverbrauch in Kauf genommen werden, denn Verbrennungsmotoren haben ihre optimalen Verbrauchswerte bei fixen Drehzahlen und Leistungen. So büßt ein BHKW mit Gasmotor auf 80 % Leistung etwa 2 % seiner Effizienz ein. Eine Absenkung auf eine noch geringere Leistung würde man mit einer überproportional stärkeren Einbuße an Wirkungsgrad erkaufen.

Schon die moderat gedrosselte Fahrweise würde, in verringerte Einspeisung (Verlust = 800 T€ x 2 %) umgerechnet, den Gewinn an SRL und Flexibilisierungsprämie aufzehren. Wahrscheinlicher ist allerdings, dass die Stromerzeugung konstant bleibt, der Betreiber nolens volens etwas mehr Biogas erzeugt und damit der Substratverbrauch um diese 2 % steigt. Das ist bei Abfallanlagen nahezu kostenneutral, bei nawaRo-Anlagen liegen die Rohstoffkosten bei 40 % der EEG-Erlöse (250 – 300 T€/a; Mehrkosten von 5 – 6 T€), sodass der Mehrerlös aus positiver Regelenergie sich etwa halbiert.

Die Option der gedrosselten Fahrweise ist für Biogasanlagen interessant, deren BHKW im Teillastbetrieb noch gute elektrische Wirkungsgrade aufweisen oder die sich durch niedrige Substratkosten auszeichnen.

Insgesamt erscheint es sinnvoll, dass die Regelleistungsmärkte sich den stündlichen Zeitscheiben des Spotmarktes öffnen, um die flinke Lastwechselfähigkeit auch von flexibel betriebenen BHKW dem Regelleistungsmarkt zu erschließen. So lange wie dies noch nicht der Fall ist, wird es nur durch Aggregierung von Regelleistungspotenzialen bei Stromhändlern möglich sein, dass flexibel betriebe Biogas-BHKW am positiven Regelleistungsmarkt teilnehmen. Dafür werden die Stromhändler einen angemessen hohen Teil des Ertragspotenzials als Risikoprämie beanspruchen, sodass die an die BHKW-Betreiber weitergereichten Erlösanteile entsprechend geringer ausfallen.

Das mit Biomethan in einem Wärmenetz betriebene Modell-BHKW kann bei flexibler Betriebsweise seinen Ertrag im Regelenergiemarkt um 6 – 7 T€ steigern.

Page 97: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

97

3.3.4. Flexibilisierung der Anlage durch Zusatzleistung Neben der optionalen Marktprämie wurde die Flexibilitätsprämie als Anreiz für steuerbare Erzeugungsanlagen im EEG 2012 § 33i aufgenommen, um in weitere Erzeugungskapazitäten zu investieren und diese gezielt in Hochpreiszeiten zu betreiben.

Diese Flexibilitätsprämie ist der wesentliche wirtschaftliche Anreiz, um BHKW aus Biogas- und Biomasseanlagen und die Speicherkapazitäten zur bedarfsgerechten Einspeisung zu erweitern. Sie kann nur in Verbindung mit der Direktvermarktung des Stroms in Anspruch genommen werden.

Die Flexibilitätsprämie richtet sich nach der Zusatzkapazität, also der nicht genutzten Differenz zwischen der installierten maximalen Stromerzeugungsleistung („installierte Leistung“) und der tatsächlich eingespeisten jährlicher Durchschnittsleistung („Bemessungsleistung“).

Die Flexibilitätsprämie beträgt 130 € je kW Zusatzleistung und wird für höchstens die Hälfte der installierten Leistung gezahlt. Sie wird nach erstmaliger Anmeldung maximal für die Dauer von 10 Jahren gezahlt. Die Flexibilitätsprämie wird auf die voraussichtliche Stromerzeugung umgelegt, zusätzlich zur Marktprämie je eingespeister kWh ausgezahlt und am Jahresende genau abgerechnet.

Zur Ermittlung der Zusatzleistung wird die tatsächlich eingespeiste „Bemessungsleistung“ bei Biogasanlagen rechnerisch um einen Korrekturfaktor 1,1 erhöht, um die betriebsüblichen Stillstandszeiten zu berücksichtigen.

Bei wärmegeführten BHKW beträgt der Korrekturfaktor 1,6, da diese BHKW schon im Normalfall nicht auf ganzjährige Volllast ausgelegt sind. Die Differenz zur installierten Leistung, also der Kapazität der BHKW, wird als „Zusatzleistung“ durch die Flexibilitätsprämie bezuschusst.

Wenn die Zusatzleistung mehr als die Hälfte der installierten Leistung beträgt, wird die Flexibilitätsprämie nicht mehr für die gesamte Zusatzleistung, sondern nur noch für die Hälfte der installierten Leistung gezahlt. Die Flexibilitätsprämie entfällt also keineswegs bei größerer Zusatzleistung, wie irrtümlich in mancher Literatur angegeben, sondern wird bei einer Zusatzleistung, die die Bemessungsleistung übersteigt, nur noch für die Hälfte der darüber liegenden Zusatzleistung gezahlt.

Ebenfalls ist zu lesen, dass die Zusatzleistung mindestens 20 % der Bemessungsleistung betragen müsse; das BHKW Biogasanlage also mindestens in 27 % der Jahresstunden stillstehen solle oder maximal 73 % der Kapazität nutzen dürfe, um noch eine Flexibilitätsprämie beanspruchen zu können. Bei einer wärmegeführten Biomethanlage dürften entsprechend maximale 52 % der installierten Kapazität genutzt werden. Dies war zwar durch die Politikberatung intendiert, wurde jedoch nicht in das EEG (2012) aufgenommen.

Die Bemessungsleistung muss allerdings in allen Fällen mindestens 20 % der installierten Leistung betragen, also die Anlage mindestens 20 % der Jahresstunden laufen. Bei

Page 98: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

98

„verklammerten“ Anlagen, also mehreren BHKW, die wegen der räumlichen Nähe und der identischen Treibstoffquelle als eine Anlage im Sinne des EEG angesehen werden, wäre nach § 19 (EEG 2012) die Verteilung der Stillstands- und Betriebszeiten beliebig. Dazu fehlt es jedoch an rechtlicher Klarheit, denn die Regelungen der Flexibilitätsprämie können ebenso auf den einzelnen Standort (Satelliten-BHKW) angewendet werden.

Die Flexibilitätsprämie fördert also installierte Leistung bis zum fünffachen der bisherigen Jahres-durchschnittlichen Leistung („Bemessungsleistung“). Während die Flexibilitätsprämie selbst relativ einfach zu errechnen ist, bilden die damit verbundenen Anstrengungen und Investitionen offenkundig eine relativ hohe Hürde für die Inanspruchnahme.

Betreiber von BHKW, die ihre Anlage durch Installierung von Zusatzkapazitäten flexibilisieren wollen, überschreiten mit der installierten Leistung häufig gesetzliche Grenzen und müssen aufwendigere Genehmigungsverfahren durchlaufen. So sind landwirtschaftliche Biogasanlagen regelmäßig auf Nutzung des Rahmens der landwirtschaftlichen Privilegierung des Baugesetzbuches mit maximal zulässigen 500 kWel Leistung dimensioniert. Diese Grenze wurde kürzlich auf 2.000 kW Feuerungswärmeleistung erweitert, was BHKW mit 800 – 900 kWel (je nach elektrischem Wirkungsgrad) ermöglicht. Für eine wirtschaftlich interessante Flexibilisierung reicht dieser Spielraum oft nicht aus. Im Interesse des EEG und der bedarfsgerechten Stromerzeugung müsste die Grenze aufgehoben oder auf die Bemessungsleistung bezogen werden.

Durch größere Biogasspeicher für die Überbrückung von Stillstandszeiten können auch hier Grenzen überschritten werden, die zusätzliche Anforderungen aus der Störfallverordnung oder BImSchG-Verfahren nach sich ziehen.

Zudem ist die Netzverträglichkeit für die größere Einspeiseleistung erforderlich und ggf. weitere Aufwendungen für die Anbindung an Strom- und Wärmenetz.

Page 99: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

99

Abbildung 67: Wirtschaftliche Auswirkung der Gasspeicherkapazität

Abbildung 68: Die Flexibilitätsprämie für ein 500 kW Biogas BHKW in Abhängigkeit von der

zusätzlich installierten Leistung

Page 100: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

100

Abbildung 69: Die Flexibilitätsprämie für ein 125 kW Biomethan-BHKW in Abhängigkeit von der

zusätzlich installierten Leistung

Erhält die Muster-Biogasanlage von 500 kW einen Zusatzleistung durch zweites BHKW von 500 kW, so kann der Betreiber eine Flexibilitätsprämie von jährlich 64 T€ beanspruchen Dafür muss der Betreiber das zweite BHKW, den notwendigen Trafo und die technische Peripherie installieren. (Bemessungsleistung 4.000 MWh ./. 8760 Bh = 456,62 kW * 1,1 = 502,28 kW -> installierte Leistung 1.000 kW – 502 kW = Zusatzleistung 498 kW -> Flexibilitätsprämie 63.570 € p.a. oder 15,89 €/MWh)

Bei einer Zusatzleistung von 1.000 kW erhöht sich der Betrag auf 97.500 kW, bzw. 24,38 €/MWh, der auf 10 Jahre gezahlt wird. Es können bis zu 2.000 kW Zusatzleistung installiert werden, ohne den Anspruch auf Flexibilitätsprämie zu verlieren. Dieser beträgt bei einer dann installierten Leistung von 2.500 kW sogar 162.500 €/Jahr.

Die Flexibilitätsprämie wird bei so großen BHKW ein wirtschaftlich interessanter Anreiz, da sich daraus das neue BHKW refinanziert und anschließend die erhöhte EPEX-Erlöse in flexibler Betriebsweise erzielen lassen (siehe unten, Abschnitt e).

Zudem werden die flexibel betriebenen BHKW während deutlich weniger Betriebsstunden pro Jahr in Anspruch genommen. Auch bei mehreren Starts pro Tag in der flexiblen Betriebsweise werden sie insgesamt weniger verschlissen und haben damit eine erheblich längere Lebenserwartung.

Page 101: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

101

3.3.5. Erlössteigerung durch EPEX-marktgesteuerte Stromeinspeisung Die entscheidende marktgesteuerte Ertragskomponente besteht darin, dass der BHKW-Betreiber seinen BHKW-Strom zu Zeiten mit den voraussichtlich höchsten Spotmarktpreisen anbieten kann und dann wahrscheinlich mehr als den Marktdurchschnittspreis erlösen wird. Sein Stromangebot muss er am Vortag planen und festlegen, während der Preisverlauf des folgenden Markttages nur prognostisch bekannt ist.

Abbildung 70: EPEX-Spotpreiszeitreihe in energyPRO für typischen Verlauf einer

Kalenderwoche (Jahr 2008)

Wie hoch der Erlös (über den Markträumungspreis) liegen wird, ist daher ungewiss. Je genauer die Preisprognose ist und je flexibler der Betreiber seine Produktionszeiten in die voraussichtlichen Hochpreisphasen legen kann, desto besser kann er die hohen Strompreise während der Zeiten mit hoher Residuallast nutzen – und desto wirksamer ist sein Beitrag zur Deckung der Residuallastspitzen.

Page 102: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

102

Abbildung 71: Jahresdurchschnittlicher Verlauf der Kalenderwoche für EPEX-

Spotpreiszeitreihe 2011

Betreiber von BHKW haben also eine Vielzahl von Einflussgrößen zu berücksichtigen, wenn sie entscheiden wollen, ob sich eine Investition zur Flexibilisierung ihrer Stromeinspeisekapazität lohnt. Schließlich müssen Betreiber sich überlegen, wie viel sie in die Erweiterung der BHKW-Kapazität investieren können und wie viel Speicherkapazität für Wärme oder Biogas sie installieren wollen.

Seriöserweise muss man einen Jahresverlauf mit allen unterschiedlichen Bedingungen in den ständig wechselnden Kombinationen durchrechnen. Erst in der Abfolge der Betriebszustände kann der betriebswirtschaftliche Effekt ermittelt werden.

Page 103: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

103

Abbildung 72: Zusatzertrag am Spotmarkt je kWh in Abhängigkeit von der Leistung des

zusätzlichen BHKW und der Größe des Biogasspeichers

Um das ökonomische Optimum für diese Fragen zu ermitteln, wurden umfangreiche Simulationen durchgeführt, in der für jede Jahresstunde die nach der jeweiligen Informationslage vernünftige Entscheidung über die Betriebsführung ermittelt und in der Simulation umgesetzt wird.

Die Simulationen wurden mit einem Preisprofil am Spotmarkt des Jahres 2011 durchgeführt. In diesem Jahr wurden die Mittagsspitzen im Mittel bereits deutlich durch PV-Einspeisung gesenkt. Die Abendspitze erreichte im Jahresmittel höhere Werte als der Mittag. Die off-peak-Phase nachts wies eine geringere Preisabsenkung auf als in den Jahren zuvor.

Page 104: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

104

Seit 2007 besteht dieser Trend zur Verringerung des Preis-Spread. Das dämpft den Ertrag der flexiblen Einspeisung am Spotmarkt. Nach Meinung vieler Fachleute handelt es sich dabei jedoch um ein wahrscheinlich bald vorübergehendes Phänomen. Wenn die Schwankungen wieder größer werden, wachsen auch die Ertragspotenziale aus dem Spotmarkt. Die Preisspreizung verringert sich derzeit. Experten prognostizieren mit wachsender Fluktuation der Residuallast auch wieder wachsende Schwankungen der Spotmarktpreise.

Abbildung 73: EPEX-Spotpreisverteilung von 2008 – 2011

Page 105: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

105

3.3.6. Optimierung der Anlagenkonfiguration Im Projekt wurde anhand des Beispielmodells mit einer softwaregestützten Simulation berechnet, welche ökonomischen Effekte durch unterschiedliche, zusätzlich installierte BHKW erzielt werden. Außerdem wird ermittelt, wie viel zusätzlicher Biogasspeicher benötigt wird, bzw. welche Speichergröße optimal ist.

Hierfür wird eine unflexible Biogasanlage mit einer installierten Leistung von 550 kW betrachtet, die an etwa 8.000 Jahresstunden betrieben wird. Sie speist also im Jahresmittel durchschnittlich 500 kW ein („Bemessungsleistung“) und dient als Referenz für die simulierten Erweiterungen.

Dies entspricht einem sehr verbreiteten Anlagentyp, da die Grenze der Privilegierung für landwirtschaftliche Biogasanlagen im Außenbereich bei 500 kW elektrischer Leistung liegt. Solche Anlagen können, planungsrechtlich wesentlich vereinfacht, außerhalb von planungsrechtlichen Gewerbegebieten und auch ohne ein vorhabensbezogenes Bebauungsplanverfahren genehmigt werden.

Der Flexibilisierung von landwirtschaftlich privilegierten Anlagen kommt etwas entgegen, dass die Grenze der Privilegierung neuerdings bei einem Energiegehalt des verstromten Biogases von 2.000 kW Feuerungswärmeleistung liegt. Das erlaubt die Installation von BHKW-Leistungen mit 800 – 900 kWel. Spitzenleistung (installierte Leistung) ohne ein aufwendiges Bebauungsplanverfahren.

Es wäre allerdings sehr hilfreich, wenn bei Genehmigungen zukünftig auf Grundlage der jährlich erzeugten Biogasmenge (Bemessungsleistung) abgestellt werden könnte. Würde die neue Begrenzung des BBauG von 2.000 kW Feuerungswärmeleistung (FWL) als Bemessungsleistung verstanden, dann würde die Privilegierungsgrenze sogar auf eine Jahres-Durchschnittsleistung von 800 kW erhöht. Diese Regelung würde die Installierung eines noch größeren BHKW zur Optimierung der Flexibilität zulassen, ohne dass die eigentliche Biogasanlage vergrößert würde. Die installierte Kapazität dürfte weit höher sein, wenn die Betriebsgenehmigung nur die Bemessungsleistung, also die Gesamtproduktion je Betriebsjahr limitiert wird.

Die Erweiterung einer Biogasanlage ist durch die landwirtschaftliche Privilegierung keineswegs fest begrenzt. Lediglich der genehmigungsrechtliche Aufwand wächst jenseits der Privilegierungsgrenze. Die bisherigen Genehmigungen und Auflagen aus einem BImSchG-Verfahren dürften durch die Flexibilisierung der Betriebsweise nicht wesentlich verändert werden, sodass auch diese Hürden zu überwinden sein werden.

Für solche Bestandsanlagen stellt sich die Frage, ob ein Übergang in die flexible Betriebsweise betriebswirtschaftlich lohnend ist. Dann kommt in erster Linie die Installation eines neuen, zusätzlichen BHKW in Frage. In der Simulation wurden die Kosten des zusätzlichen BHKWs einbezogen.

Es bleibt außer Betrachtung, dass sich die vorhandene Brennstoffmenge nun auf zwei BHKW verteilt und damit auch die Abnutzung des bestehenden BHKW reduziert wird. Dieser

Page 106: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

106

Vorteil entlastet den Betreiber von Wartungs- und Verschleißkosten, wird aber betriebswirtschaftlich nicht wahrgenommen.

Im Gegenzug gilt als Belastung, dass die BHKW nun häufiger starten müssen, was nach Faustregel je Startvorgang der Belastung von etwa einer Betriebsstunde entspricht. Gegen die negativen Folgen und Kosten häufigerer Starts müssen Betreiber Vorkehrungen treffen: Anpassung der Startroutine, Vorheizung des Motorblocks. Aus diesem Grund wird in der Simulation eine Mindestbetriebsdauer von 2 Stunden angenommen, was die Zahl der Startvorgänge auf maximal 2 Mal je Tag limitieren würde.

Für Flexibilisierung wird angenommen, dass auch nach einer Investition zur Flexibilisierung als Treibstoff die gleiche Biogasmenge für die bestehende Anlage und das zusätzlich installierte BHKW zur Verfügung steht. Damit können beide BHKW gleichzeitig betrieben werden, bis der Speicher erschöpft ist. Bei niedrigem Markterlös kann die Verstromung gestoppt werden, bis der Biogasspeicher vollständig gefüllt ist. Dann müssen eines oder beide BHKW wieder in Betrieb gehen, da die Biogaserzeugung nicht kurzfristig gestoppt werden kann.

Mit der Biogasmenge aus den Fermentern der Biogasanlage kann man 8.760 h * 500 kW = 4.380 MWh Strom erzeugen. Bei einem typischen Wirkungsgrad von 40 % entspricht das einer Primärenergiemenge von 10950 MWh Biogas, bzw. einer Leistung von 1.250 kW .

Da Biogas nur zu etwa 52 bis 55 % aus dem Energieträger Methan besteht und der Rest energetisch wertloses Kohelendioxid und Spurengase sind, bedeutet das etwa 200 m³ Biogas pro Stunde. Je Stunde Betriebsstillstand müssen also etwa 200 m³ Speichervolumen verfügbar sein.

Über die – gleich bleibenden – Kosten des Biogases, des Betriebes und über die genauer Höhe der EEG-Erlöse bzw. der Marktprämie werden im Modell keine Annahmen getroffen, da es nur um eine Vergleichsrechnung der Unterschiede zwischen EEG-Erlös und den Erlösen in der Direktvermarktung bei verschiedenen Varianten geht.

Die Direktvermarktung erfolgt über einen Stromhändler mit Börsenzugang, der den Strom für einen ganzen Anlagenpool vermarktet. Die Kosten der Direktvermarktung wurden außer Ansatz gelassen, da die Vielfalt der Angebotsmodelle keine genauen Angaben über die Kosten erlaubt und Annahmen darüber eine verfälschende Wirkung auf die Simulationen haben würden. Die Mehrerlöse müssen also auch die Kosten der Direktvermarktung decken.

Page 107: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

107

3.3.6.1. Fall A: Berechnung der Biogasanlage

Die für die Flexibilisierung nötigen Investitionen in ein zusätzliches BHKW wurden nach (ASUE, 2011) mit 15.648*Pel

-0,536 x Pel berechnet (s.u. Grafik). Für die Kosten der Infrastruktur (Planung, Genehmigung, Montage, Trafo, Einbindung, wird ein Aufschlag von 100 % angenommen. Für eine Erweiterung des Biogasspeichers wurden 40 €/m³ angenommen, ohne dabei sprungfixe Kosten berücksichtigen zu können.

Abbildung 74: Jährliche Erlöse aus der Flexibilitätsprämie und jährliche Kosten der

Anlagenerweiterung in Abhängigkeit der zusätzlichen BHKW-Kapazität für eine 500 kW-Anlage

In Abbildung 74 oben sind die jährlichen Zahlungen aus der Flexibilitätsprämie (schwarze Linie) und eine Schätzung der jährlichen Kosten (rote Linie) für die Flexibilisierung bis zu einem Faktor 5 der installierten Leistung zur Bemessungsleistung dargestellt. Aufgrund des degressiven Kostenanstiegs der BHKW und des linearen Anstiegs der Zahlung aus der Flexibilitätsprämie könnten nur bei sehr großen Zusatzkapazitäten die Kosten bereits mit der Flexibilitätsprämie gedeckt werden.

Bei kleinen BHKW liegen die kalkulierten Investitionskosten deutlich über der Flexibilitätsprämie und werden durch die Zusatzerlöse am Spotmarkt nicht gedeckt.

Als fixe Beträge wurden die Kosten einer übergeordnete Steuerung und die Verstärkung des Netzanschlusses mit zusammen 53 T€ kalkuliert. Der erhöhte Personalaufwand für einen Start pro Tag wurde mit 500 €/Monat angesetzt. Die Investitionskosten wurden jeweils als Annuitäten angesetzt, die sich für Verzinsung und Abschreibung ergeben, wenn man von einer Nutzungsdauer von 10 Jahren und einem Zinssatz von 6 % ausgeht.

Bei der Simulation in energyPRO wird in ganzjährigen stundengenauen Zeitreihen (aus dem Jahr 2011) durchgespielt, welches Ergebnis bei der Stromeinspeisung am Spotmarkt optimal erzielt werden kann. Das Programm berücksichtigt dabei alle Restriktionen, die sich aus Erzeugung und Verbrauch des Biogases und dem verfügbaren Speichervolumen ergeben. Die Wärmenutzung blieb bei der Berechnung außer Ansatz, ebenso Erlöse durch Regelleistung.

- €

50 €

100 €

150 €

200 €

0 500 1000 1500 2000Tsd.

Zusatz BHKW (kW)

Page 108: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

108

Die mögliche (zusätzliche) Teilnahme am Minutenreservemarkt kann den Erlös bei der Direktvermarktung weiter steigern, wird aber aus den oben erläuterten Gründen nicht berücksichtigt.

Ziel der variierten Simulationen war die Ermittlung der optimalen Größe für das zusätzliche Biogas-BHKW. Die Bandbreite reichte vom kleinsten durch die Flexibilitätssprämie geförderten BHKW (200 kWel) über die Schritte 400, 550, 800 und 1.000 kWel. Dabei wurde die absolute Verbesserung des Jahresergebnisses ermittelt. Im zweiten Schritt wurde der Nutzen der Erweiterung je kW Zusatzleistung errechnet.

Abbildung 75: Beispiel-Ergebnistabelle aus energyPRO

Die Erlöse wachsen durch die Managementprämie (12 T€) und die Mehrerlöse am Spotmarkt (553 T€ - 519 T€ EEG-Festvergütung = + 34 T€). Die Investitionen kosten 68 T€, die Flexibilitätsprämie deckt davon 65 T€. Nach Personalaufwand verbessert sich der Ertrag gegenüber der EEG-Festvergütung um 37 T€.

Bei den verschiedenen BHKW-Größen wurde dann der Einfluss der Größe des Gasspeichers auf die Wirtschaftlichkeit überprüft. Dabei wurden verschiedene Speicherreichweiten für 4, 6, 8, 10, 12 und 18 Stunden Biogasproduktion simuliert. Im Normalfall hat eine BGA bereits ein Biogasspeicher von ca. 6 – 15, üblicherweise 8 Stunden Reichweite. Es wurde davon ausgegangen, dass davon nur etwa eine anteilige Reichweite von 2 Stunden für die Flexibilisierung eingesetzt wird.

Für das darüber hinausgehende Speichervolumen wurden zusätzliche Investitionen von 40 €/m³ kalkuliert. Eine größenabhängige Degression von Investitionskosten für

Page 109: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

109

Speichervolumen wurde nicht berücksichtigt. Die Kosten können sich je nach technischen Voraussetzungen der bestehenden Biogasanlage deutlich unterscheiden (Behältergröße, zulässige Bauhöhe, verfügbare Flächen).

Die Simulation sollte ergeben, bei welcher (optimalen) Größe des Speichers sich kein zusätzlicher Ertrag aus der gezielten Vermarktung am Spotmarkt mehr ergibt, bzw. ab welcher Speichergröße diese Zusatzerlöse durch die kalkulierten Kosten des zusätzlichen Speichers wieder aufgezehrt werden.

Es ist technisch durchaus möglich, dass eine Flexibilisierung mit bis zu 8 Stunden Stillstandszeiten auf der Basis des bereits vorhandenen Biogasspeichers betrieben werden kann – dann entfällt eine Investition in zusätzliches Speichervolumen und die durch die vergrößerte Pufferung in der Simulation erzielten Mehrerlöse können ohne investiven Aufwand vereinnahmt werden.

Page 110: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

110

Abbildung 76: EPEX-Börsenpreise, optimierter Einsatzplan zweier BHKW und

Füllstandsverlauf des Biogasseichers im Wochenverlauf

3.3.6.2. Fall A: Ergebnisse Biogasanlage Bei der Ermittlung des optimalen Zusatz-BHKW ergab jedes zusätzliche BHKW ein positives Ergebnis, wenn die Flexibilitätsprämie beansprucht werden kann. Je größer das zugebaute BHKW, desto absolut höher auch der Zusatzerlös je kWh.

Auch nach der Saldierung mit den Investitionskosten verbesserte sich das Jahresergebnis stetig. Dabei hat die Flexibilitätsprämie einen wichtigen Anteil, denn die spezifisch

Page 111: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

111

preiswerteren größeren BHKW erhalten dieselbe Flexibilitätsprämie je kW zusätzliche Leistung. Erst bei mehr als der Verdoppelung der Kapazität halbiert sich die Flexibilitätsprämie für jedes zusätzliche Kilowatt Leistung.

Die maximale Flexibilitätsprämie wird bei einem Zusatz-BHKW von 1.950 kW erzielt. Sie wird auf 50 % der installierten Leistung berechnet (2.500 kW) und beträgt 162 T€/a. Der Barwert dieser Flexibilitätsprämie liegt über Investitionsaufwand. Umgekehrt wird die Annuität aus der Investition kaum den Erlös der Flexibilitätsprämie erreichen. Aus ökonomischer Sicht ist die Investition in ein möglichst großes Zusatz-BHKW sinnvoll, selbst wenn die flexible Einspeisung und Vermarktung keinen zusätzlichen Ertrag brächte.

Der spezifische Nutzen je kW zusätzlich installierte Leistung hat jedoch ein Optimum. Demnach wird je kW Zusatzkapazität der höchste Zusatzertrag erzielt, wenn die Zusatzleistung etwa der bereits vorhandenen Leistung, bzw. der jahresdurchschnittlichen Bemessungsleistung (Biogasmenge) entspricht.

Abbildung 78: Spezifischer Zusatzertrag am Spotmarkt je kW

Mit dem Biogasspeicher müssen Niedrigpreisphasen überbrückt werden. Je größer das BHKW, desto konzentrierter kann die Biogasmenge in der besten Hochpreisphase verstromt werden. Der Speicher muss also umso längere Stillstandsphasen überbrücken, je größer das BHKW ist. Die Stillstandsphasen betragen die Zeit zwischen den Peaks vormittags und abends, bzw. abends bis zum späten Vormittag des Folgetags. Die Peaks liegen im Mittel bei 11 und 20 Uhr; ihr zeitlicher Abstand also 9 bzw. 15 Stunden. Die Speicherreichweite muss überschlägig dem Abstand abzüglich der halben täglichen Betriebsdauer entsprechen.

Page 112: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

112

Abbildung 79: Jahresertrag in Abhängigkeit von Speichergröße und zusätzliches BHKW

Das Optimum der Speichergröße wächst mit dem BHKW. Bei zu kleinem Gasspeicher fällt der Erlös drastisch. In der Nähe des Optimums ist der Kurvenverlauf relativ flach, der Einfluss der Speichergröße auf den Jahresertrag also relativ gering. Auffällig ist die starke Korrelation zwischen BHKW-Größe und Zusatzertrag.

Eine Überbrückung über das schwache Wochenende oder gar über längere Starkwindphasen ist mit herkömmlichen Gasspeichern ökonomisch nicht sinnvoll. Bei größeren Gasspeichern gelten zunehmend aufwendige Sicherheits- und Genehmigungsanforderungen. (BImSch-Verfahren ab 3 to = 2.300 m³, Störfallplanung ab 10 to = 7.700 m³). Die Grenze nach Störfallverordnung bedeutet für eine 1 MWel Biogasproduktionsmenge ein Limit von unter 20 Stunden.

Bei einer Betriebsweise peak-offpeak beträgt der Mehrerlös am Spotmarkt trotzdem etwa 0,6 Ct/kWh, bei 4 MWh/a also 24 T€/Jahr. Mit einer optimierten Betriebsweise liegt der Preis aber fast 1 Ct/kWh höher. Der Mehrertrag erreicht etwa 35 T€, ohne dass dafür weitere Investitionen nötig werden. Allein durch intelligente Betriebsplanung lässt sich ein zusätzlicher Gewinn von über 10 T€/a erzielen.

Bei einer typischen Einspeisevergütung für Strom aus Biogasanlagen zwischen 16 Ct/kWh und 24 Ct/kWh ergibt sich bei einer Zusatzkapazität von 150 % der Bemessungsleistung eine Erlösverbesserung von gut 1 Ct/kWh – also immer noch bescheiden. Das wird sich am Markt erst bei einem größeren Preisspread (durchschnittlichen Differenz zwischen hohen und niedrigen Preisen) wieder ändern.

Page 113: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

113

Insgesamt ist bei der Simulation auffällig, dass die bisherige Anreizwirkung aus den potenziellen Mehrerlösen am Spotmarkt recht gering ausfällt.

Das hingegen kompensiert die Flexibilitätsprämie, die für große Zusatz-BHKW derzeit gute Anreize bietet.

3.3.6.3. Fall B: Berechnung wärmegeführtes Biomethan-BHKW Die für die Flexibilisierung nötigen Investitionen in ein zusätzliches BHKW wurden nach ASUE (2011) mit Ausgleichsfunktion: 9332,6 * Pel

-0,461 x Pel berechnet (s.u. Grafik). Für die Kosten der Infrastruktur (Planung, Genehmigung, Montage, Trafo, Einbindung, wird ein Aufschlag von 100 % angenommen.

Abbildung 80: Richtpreise für Erdgas/Biomethan-BHKW (Quelle: ASUE 2011 ohne Aufschlag)

Für den Wärmespeicher wurde eine Kostenfunktion von 18,2 x V0,6347 x 2,3 € angenommen.

Bei einem wärmegeführten BHKW ist der Treibstoff im Prinzip technisch nicht limitiert, da er in Form von Erdgas aus dem Gasnetz gezogen wird. Allerdings ist der Einsatz von Biomethan die Voraussetzung für die Optionen des EEG 2012. Der verbrauchten Biomethanmenge muss also eine passende Biomethanerzeugung oder ein Lieferkontrakt mit einem Biomethan-Einspeiser entsprechen.

Der Biomethanmarkt ist derzeit noch nicht sehr liquide. Daher werden sicherheitshalber oft längerfristige, wenig flexible Verträge geschlossen. Die Simulationen gehen deshalb von einer konstanten Biomethanmenge aus, die einer Vollauslastung von 125 kW entsprechen („Bemessungsleistung“). Ein installiertes BHKW mit 250 kW hätte demnach eine Auslastung von 50 % oder von 4.380 Stunden.

Zur optimierten Auslegung wurden verschiedene BHKW-Größen simuliert: 150, 250, 400 und 600 kW. Die jeweilige Auslastung lag also bei 50 % bis 20 % abnehmend. Entsprechend stärker konnte die Betriebsplanung auf die Hochpreisphasen konzentriert werden.

Page 114: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

114

Dabei wurde jeweils von der Gesamtgröße eines BHKW am Standort ausgegangen, das entweder neu errichtet wird oder einen vorhandenen Wärmeerzeuger ersetzt. Demnach fließen also die gesamten Kapitalkosten des BHKW – und nicht nur dessen Erweiterung – in die Vergleichsrechnung ein.

Da nach EEG 2012 bei der Ermittlung der Flexibilitätsprämie die Bemessungsleistung (hier: 125 kW) mit einem Korrekturfaktor von 1,6 multipliziert wird (= 200 kW), wird die Flexibilitätsprämie bei Biomethan-BHKW erst ab einer installierten Kapazität von (> 1,6 * PBem) gezahlt. Jede darüber hinaus gehende Zusatzleistung wird mit der vollen Flexibilitätsprämie (130 €/kW) belohnt, bis zum 3,2-fachen der Bemessungsleistung (400 kW). Für größere Zusatzleistung (> 3,2 * PBem, hier: 400 kW) entsteht der Anspruch nur noch in der halben Höhe, da die Flexibilitätsprämie für maximal die halbe installierte Kapazität gezahlt wird.

Die Bemessungsleistung (ohne Korrekturfaktor!) muss mindestens 20 % der installierten Leistung betragen. In der Umkehrung besteht der Anspruch auf eine Flexibilitätsprämie bis zu einer BHKW-Leistung vom Fünffachen der Bemessungsleistung (< 5 * PBem) (hier 625 kW). Bei noch größeren BHKW müsste die Bemessungsleistung erhöht, also der Betrieb auf jährlich mindestens 1.752 Volllaststunden mit Wärmenutzung ausgedehnt werden.

Abbildung 81: energyPRO-Simulation mit 400 kW BHKW + 50 m³ Wärmespeicher

Page 115: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

115

Die automatisierte Optimierung sorgt dafür, dass das BHKW bei den höchstmöglichen Spotmarktpreisen läuft, soweit es der Wärmebedarf zulässt. Nur in wenigen Situationen springt die „Spitzenlastheizung“ ein – die hier eher der Ertragssicherung dient.

Für den Betrieb kann jederzeit Biomethan aus dem Gasnetz entnommen werden, wenn die Jahresmenge bilanziell der eingespeisten Biomethanmenge entspricht. Die Betriebsweise des BHKW muss sich nach der Restriktion richten, die Wärme an den Heizkreislauf abzugeben, oder die zu viel produzierte Wärmemenge in einem Speicher zu puffern. Ist der Speicher vollständig aufgeheizt, kann auch kein Strom mehr produziert werden, ohne dass der Anspruch auf die Marktprämie nach EEG entfällt, da der Strom in KWK produziert werden muss.

Umgekehrt muss bei entleertem Wärmespeicher wiederum Wärme geliefert werden. Sollte der Stromerlös für das BHKW zu diesem Zeitpunkt so niedrig liegen, dass die Wärmelieferung sich als unwirtschaftlich darstellt, könnte zwar ein mit Erdgas betriebener Redundanzkessel einspringen. Dieser liefert dann Wärme aus dem billigeren Erdgas, aber speist keinen Strom ein.

Dann aber wird ein Teil des kontrahierten Biomethans nicht abgenommen. Fehlt eine anderweitige Verwendung, müsste das BHKW auch bei niedrigen Spotmarkterlösen betrieben werden, sodass das Koppelprodukt Wärme teurer würde als konventionell erzeugte Wärme. Es ist also zwingend, dass im System ein genügend großer Wärmespeicher zur Verfügung steht.

Die Wärmeabnahme wurde aus je einem Standardlastprofil für industriellen Wärmebedarf und gewerblichen Wärmebedarf in einer Gewichtung 50:50 % modelliert. Der industrielle Wärmebedarf ist im Jahresmittel relativ konstant und für ein BHKW recht günstig. Das Profil für Gewerbe, Handel und Dienstleistungen besteht hauptsächlich aus Heizwärmebedarf und ist recht verbrauchernah.

In den Simulationen wurde die Größe des Speichers von 10, 25, 50, 100, 250, 1.000 m³ Volumen variiert. Technisch wurden die Kapazität mit 46 kWhth/m³, eine Temperaturdifferenz von 40 K, 30 cm Wärmedämmung und Wärmeverluste gegenüber einer Umgebungstemperatur von 20°C angesetzt.

In einer ergänzenden Simulation sollte ermittelt werden, wie groß ein Wärmespeicher maximal sein kann, um als Saisonspeicher zu dienen und die Verstromung völlig vom Wärmbedarf zu entkoppeln.

Page 116: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

116

Abbildung 82: Investitionskosten für Biomethan BHKW (ASUE + 40%)

3.3.6.4. Fall B: Ergebnisse Biomethan-BHKW Auch bei einem bisher wärmegeführten BHKW mit Biomethan gilt, dass die Wirtschaftlichkeit stark von der gezahlten Flexibilitätsprämie abhängt. Die Kurve verläuft stetig positiv – je größer das BHKW, desto höher.

Im Beispiel müssen betriebswirtschaftlich nur die Grenzkosten eines größeren BHKW kalkuliert werden. Diese Mehrkosten der Investition deckt die Flexibilitätsprämie. Bei BHKW-Größen, für die kein Anspruch auf die Flexibilitätsprämie entsteht, ist eine Investition in die Flexibilisierung unwirtschaftlich. Im Beispiel mit 125 kW Bemessungsleistung ist nur die Spanne von 200 – 625 kW Leistung rentabel. Das Maximum liegt beim 5-fachen der Bemessungsleistung (625 kW) und einer Flexibilitätsprämie von 40.625 €/a.

Während der Durchschnittserlös für jede Kilowattstunde am Spotmarkt 2011 5,1 Ct/kWh betrug, können wegen des geringen Preis-Spreads am Spotmarkt durch gezielte Einspeisung bis zu 6,75 Ct/kWh erlöst werden, also etwa 30 % über dem aktuellen Marktpreis. Diese Zusatzerlöse (siehe Grafik) steigen ebenfalls stetig mit der Größe des BHKW, das passende Speichervolumen vorausgesetzt, auf gut 16 T€/a.

Die Nutzung der optimalen Marktpreisphasen hängt von der Möglichkeit ab, die komplementär entstehende Wärme zu nutzen oder zu puffern. Je kleiner das BHKW, desto kürzer die Stillstandzeiten während der Phasen niedriger Preise. Umso geringer ist der Einfluss des Wärmespeichers auf die Höhe der Erlöse.

Page 117: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

117

Abbildung 83: Zusatzerlös an der Strombörse bei verschiedenen BHKW-Größen in

Abhängigkeit vom verfügbaren Wärmespeichervolumen

Schon bei einem BHKW von 250 kW, also einer Bemessungsleistung von 50 % der installierten Leistung, ist der kleinste Speicher von 10 m³ nicht mehr ausreichend, um die EPEX-Erlöspotenziale zu sichern. Die optimale Rentabilität liegt zwischen 15 und 20 m³ Speicherreichweite. Bei 400 kW bringt ein Speichervolumen von 30 – 35 m³ die besten Ergebnisse. Mit einem BHKW von 600 kW muss die Speichergröße etwa 40 – 45 m³ betragen, um die Stillstandszeiten zu überbrücken. Wäre der Speicher nur 10 m³ groß, so müsste das BHKW ständig takten – oder die konventionelle Heizung einspringen, um die nachgefragte Wärme bereitzustellen.

Tabelle 23: Zusatzerlös an der Strombörse bei unterschiedlich großen Wärmespeichern

Marktertrag je MWh [T€]

BHKW\Speicher 250 m³ 100 m³ 50 m³ 25 m³ 10 m³

1000 kW 69,7 68,5 66,6 61,6

850 kW 69,1 67,9 66,6 60,6

600 kW 67,5 66,8 65,9 62,8

400 kW 65,6 64,7 64,1 63,2 58,2

250 kW 61,3 61,1 60,8 60,5 58,9

150 kW 55,3 55,2 55,1 54,9 54,4

Page 118: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

118

Tabelle 24: Verbesserung Betriebsergebnis bei unterschiedlich großen Wärmespeichern

Marktertrag je MWh [T€]

BHKW\Speicher 250 m³ 100 m³ 50 m³ 25 m³ 10 m³

600 kW 18.498 24.389 26.551 25.352 -10.902

400 kW 13.569 19.625 22.032 22.979 19.387

250 kW 379 6.516 9.024 10.550 10.478

150 kW - 4.991 1.243 3.980 5.662 6.599

Abbildung 84: Ergebnis in Abhängigkeit der Speichergröße und BHKW-Leistung

Der Wärmspeicher muss ausreichend groß sein, um die Potenziale des Spotmarktes nutzen zu können. Eine Vergrößerung über 50 m³ hinaus bringt in allen Fällen noch einen Mehrertrag je kWh, jedoch nimmt die Wirtschaftlichkeit bezogen auf das Betriebsergebnis ab.

Bei der Ermittlung des maximalen Wärmespeichers zeigte sich, dass maximal 80 MWh in Anspruch genommen wurden, um die Wärme in Zeiten niedriger Stromerlöse zu speichern. Die Speicherbeladung geschieht naturgemäß in Zeiten des geringen Wärmebedarfs, wenn gleichzeitig die Strompreise niedrig liegen: in den Sommerferien von Anfang Juli bis Ende August steht das BHKW still, wenn es nach Strompreisen ohne Wärmeeinschränkungen geführt wird. Allerdings ist im gewählten Modell der Wärmebedarf nach dem Standardlastprofil Industrie auch im Sommer noch so hoch, dass der Wärmespeicher in dieser Zeit nahezu geleert wird.

Page 119: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

119

3.4. Anlagenkonfiguration zur Flexibilisierung vom BGA Standort Zilly

3.4.1. Ziel der Simulationen Es soll die Biogasanlage am Standort Zilly in der Modellregion entsprechend den Anreizen nach dem EEG 2012 flexibilisiert werden. Für eine Flexibilisierung ist es erforderlich ein weiteres BHKW zu installieren. Durch die Simulationen für soll die Größenordnung des neuen BHKW und der zugehörigen Speicher optimal ausgelegt und die Wirtschaftlichkeit der Investition abgeschätzt werden.

Derzeit (Jahr 2012) werden etwa 210 Nm³/h Biogas in den Fermentern erzeugt. Das Biogas wird derzeit kontinuierlich in einem BHKW mit 526 kWel Leistung verstromt. Der Strom wird nach EEG (2004) mit durchschnittlich 17,4 Ct/kWh vergütet. Die Wärme des BHKW wird nur für den Bedarf der Biogasanlage selbst genutzt. Eine zukünftige Verwertung über ein Nahwärmenetz wird angestrebt.

Durch die Simulation soll ermittelt werden, mit welcher zusätzlichen BHKW-Leistung bei einem angenommenen EPEX-Strompreisverlauf wie 2011, unter Einbeziehung der Kosten für die Investition, der beste zusätzliche Ertrag erzielt würde (bzw. erzielt worden wäre).

Es soll unter Berücksichtigung des vorhandenen Biogasspeichers und der geschätzten Investitionskosten ermittelt werden, ob und welche zusätzliche Biogas-Speicherkapazität wirtschaftlich sinnvoll ist.

3.4.2. Standortdaten

3.4.2.1. Biogasanlage Die Biogasanlage verarbeitet Gülle und nachwachsende Rohstoffe und hat Wohnbebauungen, Mastanlage und Schwimmbad als potenzielle Wärmenutzer.

Abbildung 85: Übersichtskarte Bestands-Biogasanlage (Maßstab 1 : 1.000)

Page 120: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

120

Abbildung 86: Übersichtskarte Umgebung der Biogasanlage (Maßstab 1 : 1.000)

3.4.2.2. Vorhandenes BHKW

Die Biogasanlage wurde 2005 in Betrieb genommen, um die betriebseigene Gülle klimaschonend zu entsorgen sowie landwirtschaftliche Produkte energetisch zu nutzen. Ein Wärmenutzungskonzept konnte seither noch nicht umgesetzt werden, wäre aber für die Wirtschaftlichkeit hilfreich, da zwischenzeitlich der Wert der Pflanzensubstrate deutlich gestiegen ist.

Derzeit (in 2012) wird am Standort ein BHKW mit 526 kW Leistung betrieben. Wahrscheinlich als Zeichen beginnenden Verschleißes kam es im Jahr 2011 zu Problemen in der Substratförderung, der Gasstrecke und beim BHKW. Derentwegen sank die Auslastung auf gut 7.192 von theoretisch möglichen 8.760 Stunden.

Um den Einfluss von möglicherweise einmaligen Havarien auf die Berechnung zu eliminieren, wurde als Vergleichswert zur flexiblen Betriebsweise angenommen, dass die Anlage mit 8.500 Vollbetriebsstunden mit EEG-Vergütung laufen würde.

Ohne Wärmenutzung und wegen deshalb fehlendem KWK-Bonus liegt der Einspeiseerlös bei nur gut 17,416 Ct/kWh inklusive Nawaro-Bonus und Formaldehyd-Bonus.

3.4.2.3. Wärmenutzung

Das BHKW verfügt über ein Kühlsystem über den Motor-Kühlwasserkreislauf. Die BHKW-Wärme wird am Standort derzeit nur für die Fermenterheizung und die Heizung der betriebseigenen Gebäude genutzt:

Page 121: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

121

Die Fermenter werden auf 38 – 40°C temperiert und benötigen dafür etwa 15 % der Motorwärme, also eine Wärmezufuhr von 80 kWth im Jahresdurchschnitt, – entsprechend weniger im Sommer und mehr im Winter.

Die nicht genutzte überschüssige Wärme wird über Tischkühler abgeführt und an die Umwelt abgegeben.

3.4.2.4. Genehmigung Die Betriebsgenehmigung des BHKW beläuft sich derzeit (Jahr 2012) auf 526 kW Bemessungsleistung und installierte Leistung. Die Baugenehmigung wurde im Rahmen des Baurechts mit Privilegierung für den landwirtschaftlichen Betrieb erteilt. Für die Biogasanlage wurde ein Genehmigungsverfahren nach BImSchG durchgeführt.

3.4.2.5. Anschlusspunkt und Netzkapazität Transformator und Netzkapazität an der Biogasanlage entsprechen der Leistung des BHKW. Bei der Installierung von zusätzlichen BHKW zur Flexibilisierung muss auch ein neuer Transformator berücksichtigt werden.

3.4.3. Annahmen und Ergebnisse der Simulationen Für die Simulation und Auswertung wird u. a. das Software-Paket energyPRO eingesetzt. Die Ermittlung der Marktverhältnisse bei Direktvermarktung an der Strombörse EPEX und Berechnung der Erlöse aus der Energieeinspeisung ist nach den jeweils aktuellsten Preiszeitreihen in Ganzjahresanalysen, also nach der Stundenzeitreihe 2011 erfolgt. Bei der Simulation des Wärmebedarfs werden die standortnächsten verfügbaren Wetterdaten zugrunde gelegt. Bei technischen Daten von Aggregaten werden die Angaben der Hersteller oder anerkannte generische Daten übernommen. Alle sonstigen Annahmen und Abschätzungen erfolgen nach dem Stand von Wissenschaft und Technik im Jahr 2012.

3.4.3.1. Zusätzliches BHKW Es sollen verschiedene BHKW-Größen daraufhin untersucht werden, welcher zusätzliche Ertrag zu erzielen ist. Für die Simulationen wurden folgenden BHKW-Größen nähere untersucht:

Variante A: Ein BHKW mit 250 kWel, das in den Grenzen der landwirtschaftlichen Privilegierung bleibt. Mit diesem und dem vorhandenen BHKW würde eine installierte Leistung von 776 kWel erreicht. Damit würde der Bestimmung des Baugesetzbuchs entsprochen, nach der die Feuerungswärmeleistung der Biogasanlage maximal 2 MW betragen darf.

Variante B: Es wird ein weiteres BHKW gleicher Größe mit 526 kWel installiert.

Variante C: Ein BHKW mit 1.413 kWel, das über die Grenzen der landwirtschaftlichen Privilegierung hinausgeht. Mit diesem und dem vorhandenen BHKW würde eine installierte

Page 122: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

122

Leistung von 1.939 kWel erreicht. Das BHKW zeichnet sich durch einen höheren Wirkungsgrad aus und verbessert daher die Stromausbeute.

Variante D: Ein BHKW mit 2.000 kWel, das Maximum der installierten Leistung, für die nach EEG (2012) noch die Flexibilitätsprämie gezahlt wird. Danach wird verlangt, dass die Bemessungsleistung (tatsächlicher Erzeugung im Jahresmittel) mindestens 20 % der installierten Leistung betragen muss. Das wird mit der derzeitigen Biogasmenge erreicht.

Für Variante B bis D ist die Aufstellung eines Bebauungsplans und die Zustimmung der Gemeinde erforderlich. Es wird empfohlen, die Kosten für diese Genehmigungsverfahren und die Erweiterung genauer zu ermitteln und gegen das Ertragssteigerungspotenzial abzuwägen.

Für die simulierten Zusatz-BHKW wurden die folgenden Investitionskosten einer empirischen Erhebung der ASUE (2011)7 angesetzt. Auf die Investitionskosten wurden 100 % für Fundament, Container mit Tischkühler, Gasreinigung, Leitungen, Trafo und Wärmeeinbindung aufgeschlagen. Der Gesamtbetrag wurde in jährliche Kosten für Zins und Tilgung oder Zins und Abschreibung (Annuität) bei einer Nutzungsdauer von 10 Jahren und einem Zinssatz von 5% umgerechnet.

Die tatsächlichen Preise der BHKW sind am Markt zu ermitteln. Die Nebenkosten können je nach bautechnischen Anforderungen variieren.

Tabelle 25: Berechnete BHKW-Größen

Investition in T€

Variante BHKW (kW) nur BHKW gesamt Annuität Flexprämie

A 250 202,8 405,6 50,0 25,7

B 526 286,4 572,8 70,7 61,5

1.130 408,4 816,8 100,7 107,6

C 1.413 453,0 906,1 111,8 126,0

D 2.000 532,3 1.064,6 131,3 164,2

Generell werden für die BHKW erhöhte Kosten für Wartung in Höhe von 10 €/Start je MW angenommen.

Wenn ein Wartungsvertrag abgeschlossen wurde, entfallen die Mehrkosten der Wartung weitgehend, weil diese bei den meisten BHKW-Hersteller mit den Wartungskostenpauschale ganz oder teilweise eingeschlossen sind. 7 Arbeitsgemeinschaft für sparsamen und umweltfreundlichen Energieverbrauch (Hg.):

„BHKW-Kenndaten 2011, Module, Anbieter, Kosten“, Frankfurt (2011)

Page 123: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

123

Die Ergebnisse aller betrachteten Varianten sind bei der vorhandenen Bemessungsleistung (entspricht der möglichen Biogaserzeugung) wirtschaftlich rentabel bis stark profitabel. Nach den Simulationsrechnungen ist die Konfiguration der Variante C wirtschaftlich vorzüglich und sehr zu empfehlen

3.4.3.2. Gaspeicherkapazität Die Gasspeicherkapazität der Biogasanlage ist klein, was den biologischen Betrieb erschwert.

Für die Variante C mit der installierten Leistung von 1.939 kW und bei etwa 200 m³ Biogaserzeugung/Stunde würde ein aktivierbares Speichervolumen8 von 3.000 m³ mit etwa 15 Stunden Speicherreichweite sinnvoll, um im flexiblen Betrieb die optimalen Preise am Spotmarkt zu realisieren.

Abbildung 87: EPEX-Erlös abzüglich der Investitionsannuität und Startkosten

bei verschieden großen Gasspeichern

Da ohnehin eine gasdichte Abdeckung des vorhandenen Gärrestlagers ansteht, sollte diese Gelegenheit zur Vergrößerung der Gasspeicherkapazität genutzt und um etwa 2.200 m³ Volumen erweitert werden. Die Investitionskosten werden einmalig mit 100 T€ angenommen.

8 Aktivierbar ist die Differenz zwischen geringstem und höchsten Speicherfüllstand. Das

Gesamtvolumen des Speichers liegt deutlich höher, denn Freibord und Gärrestlagervolumen

sind nicht für den flexiblen betrieb nutzbar.

Nettoerlös

240

245

250

255

260

265

270

275

280

0 1.000 2.000 3.000 4.000 5.000 6.000

Tsd. €/a

Biogasspeicher in m³

Page 124: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

124

Durch eine Erweiterung auf 3000 m³ ist das vereinfachte BImSchG Genehmigungsverfahren notwendig.

3.4.3.3. Wärmenutzung, Wärmespeicherkapazität Bei Unterbrechung der Wärmezufuhr durch Stillstand des BHKW sollen die Fermenter nicht nennenswert abkühlen. Wenn jegliche Abkühlung vermieden werden soll, muss für die Beheizung der Fermenter ein Wärmespeicher installiert werden. Bei dem vorhandenen Fermentervolumen, einer typischen Wärmedämmung der Fermenter mit 80 mm Polystyrol und einer angenommenen Temperaturdifferenz von 30 K zwischen Fermenter und Silostock wird ein Warmwasserspeicher von 120 m³ Volumen benötigt, um den Wärmebedarf der Fermenter über die maximale Stillstandszeit auszugleichen. Die Investitionskosten würden etwa 85 T€ betragen.

Allerdings sind viele Fachleute der Ansicht, dass die Abkühlung bei einem Stillstand des BHKW von weniger als einem Tag nur um wenige Zehntel Kelvin unproblematisch ist, da innerhalb des Fermenters ohnehin vergleichbare Temperaturdifferenzen auftreten. Es müssen erst weitere Erfahrungen zeigen, ob die regelmäßige schubweise Beheizung der Fermenter im flexiblen Fahrplanbetrieb die Biogaserzeugung beeinträchtigt. (Dann wäre immer noch möglich, einen Wärmepufferspeicher nachzurüsten)

Durchaus bedeutender ist, ob die Wärmetauscherfläche der Fermenterheizung ausreicht, den schubweisen Wärmeintrag zu leisten. Sollten die Vorlauftemperaturen im Winter schon bei permanenter Beheizung sehr hoch liegen, könnte es bei stark verkürzten BHKW-Laufzeiten zu Engpässen kommen, die erforderliche Wärmemenge in den Fermeter einzutragen. In diesem Fall wäre zu prüfen, ob das zur Fütterung vorgesehene Substrat schon im Futtermischer oder in der Förderschnecke vorgeheizt werden kann. Wenn dies beides nicht gelingt, muss ein Wärmespeicher den notwendigen Wärmeeintrag zeitlich entzerren.

Eine weitere sehr effiziente Möglichkeit besteht darin, die Fermenter später auch an ein örtliches Wärmenetz9 anzuschließen. Dann kann die Biogasanlage den von ihr selbst versorgten Wärmepuffer mit nutzen, um die Temperatur der Fermenter zu stabilisieren.

3.4.3.4. Wirtschaftlichkeit In der Direktvermarktung nach dem Marktprämienmodell und Flexibilisierungsprämie (EEG 2012) ergeben sich für die empfohlene Konfiguration und bei gleich bleibender Bemessungsleistung nach Preiszeitreihe 2011 folgende geänderte Erlöse. Die Erlöse werden im Vergleich zu einem EEG-Erlös berechnet, wie er bei 8.500 Volllaststunden erzielt worden wäre.

9 Die Konzeption oder Auslegung eines Wärmenetzes war nicht Gegenstand der Simulationen und sollte unabhängig von der Optimierung der Biogasanlagenkonfiguration erfolgen.

Page 125: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

125

Erlösverbesserungen entstehen einerseits durch die Zusatzeinnahmen an der Strombörse EPEX, ein kleiner Teil auf die Managementprämie. Beide werden in der Regel anteilig mit dem Stromhändler geteilt.

Ein gewichtiger Teil der Erlösverbesserung geht auf die Flexibilitätsprämie zurück, ein anderer auf die höhere Stromproduktion wegen des höheren Wirkungsgrades des neuen BHKW. Diese Erlösverbesserungen fallen voll dem Betreiber zu.

Tabelle 26: Erlöse

in Tsd. € \ BHKW-Größe Variante A 250 kW

Variante B 526 kW

Variante C 1.413 kW

Variante D 2000 kW

Stromproduktion (MWh) 4.615 4.615 4.846 4.649

EEG-Erlös bisher 778,7 778,7 778,7 778,7

EPEX-Erlös 268,4 275,4 297,5 290,2

Markt- inkl. Managemetprämie10 590,8 581,7 610,8 586,0

Flexibilisierungsprämie 24,4 61,4 126,0 164,2

Erlöse 883,5 918,6 1.034,4 1.040,4 Erlösveränderung 104,9 139,9 255,7 261,8

Die erzielbaren Erlöse durch Regelenergie sind in der Aufstellung noch nicht enthalten und können das Ergebnis weiter verbessern.

Ebenso ist zu erwarten, dass die Biogasproduktion besser genutzt werden kann, weil die beiden BHKW gegenseitig Redundanz herstellen und immer ein BHKW zur Verstromung bereitsteht (s.u., Punkt: weitere ökonomische Wirkungen).

Die Kosten steigen bei flexiblem Betrieb ebenfalls. Die Investitionen werden dabei mit der Annuität auf 10 Jahre angegeben. Die Werte entstammen einer empirischen Erhebung der ASUE. Die tatsächlichen Preise der BHKW sind am Markt zu ermitteln. Die Nebenkosten können je nach bautechnischen Anforderungen variieren.

Bei den Stromhandelsgebühren wurde angesetzt, dass der Händler für seine Dienstleistung und die Übernahme des Kostenrisikos von Ausgleichsenergie bei Mehr- oder Minderlieferung einen Anteil an Mehreinnahmen beansprucht, also von der Managementprämie, dem EPEX-Zusatzerlös und von Erträgen aus Regelenergie jeweils 40 % einbehält. Die im Markt angebotenen Vermarktungsverträge können davon in gewissem Rahmen abweichen.

10 Die Managementprämie sinkt in den Jahren 2013 bis 2015 um je 0,025 Ct/kWh.

Wahrscheinlich sinken aber auch die Handelskosten

Page 126: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

126

Tabelle 27: Kosten

in Tsd. € \ BHKW-Größe Variante A 250 kW

Variante B 526 kW

Variante C 1.413 kW

Variante D 2.000 kW

Investition 479 646 979 1.138 Annuität Investition 59,0 79,7 120,8 140,3 Stromhandelsgebühren 17,2 21,4 25,7 26,6 FlexBetrieb (erhöhte Wartung) 3,2 5,9 10,4 12,5 Alternativ (EEG-Festvergütung) 778,7 778,7 778,7 778,7 Summe Kosten 858,1 885,6 935,6 958,1 Kostenveränderung 79,4 106,9 156,9 179,4

Im Ergebnis zeigt sich, dass die Variante C, mit einem zusätzlichen BHKW von 1.413 kW, das beste Ergebnis ausweist.

Tabelle 28: Ergebniswirkung der Flexibilisierung

in Tsd. € \ BHKW-Größe Variante A

250 kW Variante B

526 kW Variante C 1.413 kW

Variante D 2.000 kW

Erlöse 883,5 918,6 1.034,4 1.040,4 Kosten 858,1 885,6 935,6 958,1 Ergebnis 25,4 33,0 98,8 82,3

Die Erlöse mit dem Bestands-BHKW unterstellen eine Verfügbarkeit von 8.500 Jahresstunden (97 %). Die übrige BHKW-Laufzeit fällt wegen Wartung oder Havarie aus und das erzeugte Biogas bleibt ungenutzt. Bei flexiblem Betrieb mit zwei BHKW besteht dagegen hohe Wahrscheinlichkeit, dass stets ein betriebsbereites BHKW zur Verfügung steht. Damit lägen die Einnahmen um weitere etwa 22 T€/a höher.

Bei der Anlage Zilly ist in noch weit größerem Maße mit einem Vorteil aus der Flexibilisierung zu rechnen. Wann immer jetzt kleine Havarien zum Ausfall der Fütterung und Minderung der Leistung in der Biogasstrecke geführt haben, entleerte sich der sehr kleine Biogasspeicher und die Stromproduktion musste gedrosselt werden. War die Biologie wieder verfügbar, konnte diese verlorene Arbeit wegen der begrenzten BHKW-Leistung nicht wieder aufgeholt werden.

Das würde sich durch die Flexibilisierung ändern. Mängel in der Biologie könnten durch Erhöhung der biologischen Leistung zu anderen Zeiten wieder aufgefangen werden. Es kommt nicht mehr zum Abfackeln von Biogas. Gegenüber dem Betriebsverlauf in 2011 mit 7.192 Vollaststunden hätte sich eine Erlösverbesserung von weiteren 120 T€ ergeben. Gegenüber dem Jahr 2008 mit 8.041 Volllaststunden wäre der Erlös stattdessen um 42 T€ höher gewesen. Diese Erlösverbesserungen sind auch ohne Flexibilisierung erzielbar, wenn

Page 127: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

127

die Anlage mit 8.500 Volllaststunden betrieben wird. Die vorgeschlagene Flexibilisierung vermindert aber drastisch das Risiko, dass es zu den erlebten Einbußen kommt.

In die wirtschaftlichen Effekte geht die Investition mit einer Annuität auf 10 Jahre ein. Tatsächlich werden beide BHKW jedoch nur noch im Verhältnis der Bemessungsleistung zur installierten Leistung genutzt. Die Lebensdauer solcher BHKW bemisst sich aber weitgehend nach der Zahl der Betriebsstunden, sodass man von wenig genutzten BHKW auch nach Ende der Abschreibungsdauer noch eine erhebliche Laufleistung erwarten darf.

Das empfohlene Zusatz-BHKW mit 1,4 MW kommt im Jahresgang auf nur 2.400 Betriebsstunden (Bh/a). Damit wird das BHKW in der absehbaren Laufzeit einer wesentlich geringeren Belastung durch die Laufleistung ausgesetzt als beim Permanentbetrieb. Die zu erwartende Lebensdauer wird sich verlängern, das BHKW auch nach Ende der Abschreibungsdauer einen höheren technischen Wert haben (stille Reserve).

3.4.4. Genehmigung für die Erweiterung Im Rahmen der landwirtschaftlichen Privilegierung darf die Genehmigung eines zusätzlichen BHKW im Prinzip nicht verweigert werden, wenn die installierte Leistung nicht über §35 (1) 6.d) Baugesetzbuch hinausgeht. Die Grenze von 2.000 kW Feuerungswärmeleistung limitiert die installierten BHKW auf etwa 800 bin 900 kWel (je nach Wirkungsgrad des BHKW).

Die wirtschaftlich interessanteste Variante überschreitet jedoch die Grenzen der landwirtschaftlichen Privilegierung für die installierte BHKW-Leistung. Dafür muss dann ein vorhabensbezogener Bebauungsplan beantragt werden.

Mit der Installierung eines zusätzlichen BHKW ist objektiv keine Beeinträchtigung der öffentlichen Schutzgüter zu befürchten: Die Biogasanlage besteht ohnehin schon im Rahmen des landwirtschaftlichen Betriebs und im funktionalen Zusammenhang (Substratlieferung vom eigenen Feldern und von benachbarten Betrieben). Die transportierte und gelagerte Substratmenge erhöht sich durch die zusätzliche installierte Leistung nicht.

Da bestimmte Werte durch das BHKW überschritten sind, (elektrische Leistung, Gasspeichermenge), muss ein Antrag nach BImSchG gestellt werden. Abgas-Emissionen werden durch das zusätzliche BHKW nicht vermehrt, weil sich die produzierte und verbrannte Biogasmenge durch die Flexibilisierung nicht ändert.

Im Gegenteil: bezogen auf Lärmemissionen ist damit zu rechnen, dass die ohnehin minimale Belastung in der Nacht entfällt und stattdessen beide BHKW zu Zeiten betrieben werden, die als weniger störend empfunden werden. (Die Rahmenbedingungen des Stromnetzes verändern sich derzeit recht dynamisch, sodass dies nicht sicher vorhergesagt werden kann. Die aktuellen Hochrechnungen sagen jedoch aus, dass die EPEX-Hochpreisphasen mittelfristig nachts die absolute Ausnahme bleiben und die flexible BHKW kaum nachts betrieben werden.)

Daher können gleich bleibende Betriebsbedingungen auch mit dem zusätzlichen BHKW sicher erfüllt werden und ein Antrag nach BImSchG ist erfolgversprechend.

Page 128: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

128

3.4.5. Anschluss und Netzkapazität Bei Erweiterung der installierten Leistung muss eine (kostenpflichtige) Netzverträglichkeitsprüfung nach § 5 EEG beantragt werden. Sie zeigt, ob ein zusätzliches BHKW ohne weiteren Netzausbau bzw. mit zumutbaren Kosten angeschlossen werden kann. Angesichts des Ertragspotenzials der größeren Leistung sollte die Prüfung der maximal sinnvollen Leistung beantragt werden. Grundsätzlich muss der Betreiber die Kosten für den Anschluss an den Verknüpfungspunkt mit dem Versorgungsnetz selbst tragen. Dazu gehört auch der Transformator, der bei größeren Leistungen in der Regel nicht ausreichend dimensioniert ist. Diese kann entweder durch einen größeren ausgetauscht werden oder ein weiterer für das zusätzliche Aggregat dazu gestellt werden. Die Bereitstellung der Netzkapazität ist jedoch Sache des Netzbetreibers. Sie kann nur verweigert werden, wenn ein Ausbau notwendig wird und dieser Ausbau wirtschaftlich unzumutbar ist. Als unzumutbar gilt, dass die Kosten des Netzausbaus über 25 % des Betrages liegen, den der Anlagenbetreiber für seine Investitionen plant. Der Netzbetreiber muss Auskunft geben, innerhalb welcher Zeit das Netz auf die Aufnahme der beantragten Leistung ausgebaut werden kann.

3.4.6. Zusammenfassung Für den Standort Zilly wurde eine Wirtschaftlichkeitsanalyse für eine Flexibilisierung nach EEG (2012) in vier verschiedenen Varianten durchgeführt. In allen Varianten ist eine Flexibilisierung wirtschaftlich. Im Ergebnis der vorgelegten Analyse ist Variante C mit einer zusätzlichen BHKW-Leistung von 1.413 kW die beste Variante, so dass die installierte Leistung auf 1.939 kW ansteigt.

Die Simulationen zeigen, dass ein zusätzliches Gaslager von etwa 2.200 m³ und somit ein Gesamtspeicher von insgesamt 3.000 m³ verfügbares Volumen die Wirtschaftlichkeit steigert.

Bei der Variante C betragen die Investitionskosten 979 T€ und können bei 5 % Zinsen mit einer Annuität von 121 T€/a auf 10 Jahre getilgt werden. Aus der installierten Leistung von 1.939 kW steht dem Betreiber eine Flexbilitätsprämie von +126 T€/Jahr für 10 Jahre zu, die ein Investitionsvolumen von bis zu 1 Mio. € decken kann. Die Marktprämie gleicht die Differenz zwischen EPEX-Marktwert und der bisherigen EEG-Festvergütung aus. Zusätzlich wird eine Managementprämie von 14 T€/a erlöst.

Das vergrößerte BHKW verfügt auch über einen besseren Wirkungsgrad und erzeugt eine größere Strommenge. Nach der durchschnittlich erzielten EEG-Festvergütung berechnet, würden die zusätzlichen 375 MWh zusätzliche Einnahmen von 65,3 T€/a bringen

Hinzu kommen Ertragsverbesserungen am Spotmarkt gegenüber der EEG-Festvergütung in Höhe von derzeit 1,03 Ct/kWh, was bei der eingespeisten Strommenge Zusatzerlöse von 49,8 T€/a auslöst. Zukünftig werden weiter steigende Spotmarkterträge erwartet.

Page 129: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

129

3.5. Simulation der Fahrplangenerierung für flexibilisierte Anlagen Im Rahmen des Projekts wurden mit Hilfe von Simulationen der Betrieb von Biogasanlagen und die Implementierung eines Einsatzoptimierungssystems innerhalb eines virtuellen Kraftwerks untersucht. Hierbei wurden die Auswirkungen des geänderten Betriebs auf die Wirtschaftlichkeit und auf die Anlagenkomponenten betrachtet. Des Weiteren wurde die Umsetzung der theoretisch erarbeiteten Erkenntnisse innerhalb von Feldtests an realen Biogasanlagen erprobt.

3.5.1. Simulation der Steuerung einer Biogasanlage Entsprechend dem EEG 2012, mit der Möglichkeit zur Nutzung der Flexibilitätsprämie, wurde für die Simulationen eine flexibilisierte Biogasanlage betrachtet.

Die Simulationen wurden anhand eines Modells für eine Biogasanlage mit einer 500 kWel äquivalenten Gasleistung und einer installierten Erzeugungskapazität von 1 MWel durchgeführt. Als Substrat wurde hierbei eine Mischung aus Rindergülle, Maissilage und Weizenschrot verwendet. Die Flexibilisierung der Anlage ermöglicht ein Verlagerungspotenzial der Erzeugung von 12 Stunden.

Als Simulationsumgebung für die technischen Anlagenkomponenten wurde Matlab-Simulink verwendet. Die Einsatzoptimierung bzw. das Energiemanagementsystem wurde mit energyPRO realisiert. Der Datenaustausch der Inputparameter für die Generierung des optimierten Fahrplans erfolgte über eine xml-Schnittstelle, über welche der Optimierungszeitraum, die Anlagenleistung sowie aktuelle Speicherfüllstände und –kapazitäten an das Energiemanagementsystem übermittelt wurden. Der Austausch des optimierten Anlagenfahrplans, in dem ein Zeitstempel und die dazugehörigen 1/4h Leistungswerte an den Biogassimulator übergeben wurden, erfolgte über eine csv-Datei.

Für die optimierte Fahrweise der Anlage generiert das Einsatzoptimierungssystem täglich einen Fahrplan für die drei Folgetage, basierend auf Strompreisprognosen, den aktuellen Speicherfüllständen, der prognostizierten Biogaserzeugung und den Anlagenparametern. Als Optimierungshorizont wurde ein Dreitageszeitraum für die optimierte Gasspeicher-ausnutzung gewählt. Ein längerer Prognosehorizont ist nicht sinnvoll, da die Temperatur- und Preisprognosen, die für die Optimierung eine entscheidende Rolle spielen, über einen längeren Zeitraum keine hinreichend genaue Prognosegüte aufweisen. Für gewöhnlich ist die Prognosegüte umso höher, je geringer der Prognosehorizont ist. Wenngleich eine tägliche Optimierung erfolgt, wurde aus Gründen der Redundanz bei möglichen Störungen der Kommunikation zwischen dem Energiemanagementsystem und der Anlagensteuerung sowie den Einblick des weiteren Planungshorizonts für den Anlagenbetreiber, ein dreitägiger Fahrplan generiert.

Der zyklische Ablaufplan der Optimierung kann Abbildung 88 entnommen werden. Die tägliche Optimierung beginnt jeweils mit Eintreffen der erforderlichen Prognosen (oranges Feld).

Page 130: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

130

Abbildung 88: Zyklischer Ablaufplan der Optimierung für flexible Erzeugungsanlagen

Täglich nach Abschluss der Börsenvermarktung erhält der Anlagenbetreiber den Fahrplan für den Folgetag ab 00:00 Uhr. Die folgende Grafik zeigt die Oberfläche des Biogassimulators mit der Modellierung der Anlagenparameter sowie im unteren Bereich die Einsatzoptimierungssoftware mit der grafischen Darstellung eines Dreitagesfahrplans in Abhängigkeit der Preisprognose.

Um den realen Betrieb der flexiblen Biogasanlagen und deren Einsatz in einem virtuellen Kraftwerk zu demonstrieren, wurde in einem weiteren Schritt das Simulationsmodell der Biogasanlage über eine Informations- und Kommunikationsschnittstelle (PowerBridge) an die Leitwarte des virtuellen Kraftwerks angeschlossen.

Die Simulation zeigt, dass das ausgewählte Konzept zur Steuerung der Biogasanlage theoretisch machbar ist. Es konnte dargestellt werden, dass mit Hilfe der Statusmeldungen über die Anlagenleistung, die Gaserzeugung und den Gasspeicherfüllstand sowohl die Fahrplanerstellung als auch die fahrplangetreue Steuerung der Biogasanlage realisierbar sind.

Page 131: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

131

Abbildung 89: Grafische Oberfläche eines Biogassimulators inkl. Energiemanagementsystem

Die Informationen über den aktuellen Gasspeicherfüllstand und die Gaserzeugung sind in diesem Zusammenhang für die Fahrplanerstellung wichtig, um sowohl ein Leerlaufen des Gasspeichers und dementsprechend einer ungeplanten Leistungsreduktion des BHKW, als auch ein Überlaufen des Gasspeichers zu vermeiden. Ist bei konstanter Biogasproduktion der maximale Füllstand des Gasspeichers erreicht, müsste das BHKW unplanmäßig gestartet werden. Bei nicht ausreichender BHKW Leistung muss das Biogas abgefackelt werden, um das überschüssige Biogas zu verbrauchen.

In der Praxis lässt sich der Energiegehalt im Gasspeicher nicht direkt messen, da die meisten Biogasanlagen über keine entsprechende Messtechnik verfügen. Der Energieinhalt im Biogas kann hierbei über den Gasspeicherfüllstand, sowie den Methangehalt (CH4) im Biogas bestimmt werden. Hierzu muss eine Umrechnung des Biogases in Norm m³ erfolgen. Häufig lässt sich die Gaserzeugung vieler Biogasanlagen nicht direkt messen, da das Biogas direkt aus dem Fermenter in die Gasspeicher ausströmt.

Die wirtschaftlichen Rahmenbedingungen sowie die wirtschaftlichen Ergebnisse der Simulationen werden im Abschnitt 3.3 näher betrachtet.

Page 132: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

132

3.6. Vermarktungsmodelle für Wind und PV In den folgenden Abschnitten werden unterschiedliche Vermarktungsstrategien von Wind- und PV-Strom simuliert und anschließend analysiert. Grundlage für die Simulationen sind sowohl die im Referenzjahr 2008 existierenden rechtlichen Rahmenbedingungen als auch die zum Zeitpunkt der Anfertigung dieses Berichts in der Diskussion stehenden Vermarktungs- und Vergütungsmodelle. Im Forschungsprojekt RegModHarz wird am Beispiel des Landkreises Harz modellhaft gezeigt, wie eine Stromversorgung mit hohen Anteilen erneuerbarer Energien (EE) umsetzbar ist. Dazu wurde auch untersucht, wie sich die Gesetzgebung nach dem novellierten Erneuerbare-Energien-Gesetz (EEG) zur Marktintegration von Strom aus Windenergieanlagen (WEA) und Photovoltaik (PV) auswirkt. Das EEG 2012 soll die Öko-Stromerzeuger an den Markt heranführen. Der EE-Betreiber erhält eine Marktprämie als Ausgleich für den niedrigeren Erlös an der Strombörse EPEX gegenüber der EEG-Festvergütung. Teil der Marktprämie ist eine Managementprämie für Aufwand und Risiko der Marktanbindung.

Die Erfolgsgeschichte der Erneuerbaren Energien in Deutschland – mit einem Anteil von derzeit etwa 20 % an der Stromversorgung (Ende Jahr 2011) – beruht wesentlich auf dem Erneuerbaren Energien Gesetz (EEG), das klare und sichere Rahmenbedingungen mit festen Einspeisevergütungen bietet. Beim weiteren Ausbau der Erneuerbaren Energien wird das Stromversorgungssystem zunehmend durch die schwankende Stromeinspeisung aus Wind- und Sonnenenergie geprägt. Eine daran angepasste Flexibilisierung von Stromerzeugung und -nachfrage wird notwendig und muss für die Anlagenbetreiber wirtschaftlich darstellbar sein. Dies macht eine Transformation der Strommärkte erforderlich. Zur Heranführung der dezentralen erneuerbaren Erzeuger an die Marktmechanismen wurden im EEG 2012 mit Marktprämie, Flexibilitätsprämie und Grünstromprivileg bereits Anreize gesetzt. Ein weiterer wichtiger Schritt ist die Anpassung der Märkte selbst, etwa hinsichtlich Regelleistung und weiterer Systemdienstleistungen zum Ausgleich unvorhersehbarer Ereignisse im Stromnetz. Dies beinhaltet eine Öffnung der Regelleistungsmärkte für regenerative Erzeuger.

Eine zentrale Rolle bei der Direktvermarktung von Energiemengen und Regelleistung des virtuellen Kraftwerks hat damit der Poolkoordinator. Grundlage der Fahrplanmeldung des Händlers an den Übertragungsnetzbetreiber (ÜNB) ist die gehandelte elektrische Energie. Die gehandelte Energie basiert auf Prognosen z.B. für die Wasserkraft, die Wind- und Solarenergie sowie auf der sonstigen Planung der Stromerzeugung z.B. aus Biomasseanlagen und Speicherwasserkraftwerken. Bei flexibel einsetzbaren Anlagen, wie z.B. Biogasanlagen, wird ein Energiemanagement auf Basis von Preisprognosen eingesetzt. Für den Bezug von Prognosen und die sonstige Planung ist der Poolkoordinator (s.o.) verantwortlich.

Page 133: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

133

3.6.1. Festvergütung Wind Als Referenz für die bei Direktvermarktung erzielbaren Erlöse wird die Festvergütung nach EEG dargestellt, die auch den realen Einnahmen im Jahr 2008 entsprach. Bei dem zu untersuchenden Windpark handelt es sich um einen Park aus der Modellregion mit einer installierten Leistung von 62 MW, der im Untersuchungszeitraum einen Ertrag von 122 GWh erzielte. Die monatlich stark fluktuierende Erzeugung kann der folgenden Grafik entnommen werden.

Abbildung 90: Monatliche Einspeisung des Windparkclusters 2

Für die Berechnung der Gesamterlöse wurde ein durchschnittlicher EEG Vergütungssatz erarbeitet, der anhand des Installationszeitpunktes und der erzeugten Energie jeder Einzelanlage berechnet wurde. Unter der Annahme, dass alle existierenden Anlagen noch den erhöhen Anfangsvergütungssatz erhalten, errechnet sich ein Durchschnittssatz in Höhe von 85,71 €/MWh. Zum Vergleich lag die durchschnittliche EEG Vergütung für die Einspeisung aus Windenergie der gesamten BRD laut Angaben der Übertragungsnetzbetreiber [1] für das betrachtete Referenzjahr bei 87,77 €/MWh.

Für das Jahr 2007 wurde noch ein durchschnittlicher Vergütungssatz von 88,35 €/MWh errechnet. Die jährlichen Differenzen der Einspeisevergütungen hängen mit der im EEG festgelegten Degression der Vergütungssätze zusammen. Im Zuge der Novellierung des EEG im Januar 2009 wurde die erhöhte Anfangsvergütung für die Einspeisung aus Windenergie von 80,30 €/MWh auf 92,00 €/MWh heraufgesetzt, was zu einer bundesweiten Durchschnittsvergütung von 87,92 €/MWh führte.

Für den zu untersuchenden Windpark errechnet sich, unter Berücksichtigung der getroffenen Annahmen, eine Jahresvergütung für das Referenzjahr in Höhe von 10.427.627 €.

Page 134: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

134

3.6.2. Reine Direktvermarktung Wind Bezugnehmend auf die Festvergütung als Referenz werden im Folgenden die fiktiven Einnahmen berechnet, die der in Kapitel 3.6.1 beschriebene Windpark, ohne Berücksichtigung etwaiger Ausgleichsenergiekosten, an der Europäischen Strombörse (EPEX) im Jahr 2008 erzielt hätte. Durch Multiplikation der 1/4h Einspeisewerte mit den EEX Day Ahead Spotpreisen berechnen sich Einnahmen in Höhe von 7.014.824 €, was einem Durchschnittserlös von 57,66 €/MWh entspricht. Vergleicht man den monatlichen Durchschnittswert der Börsenpreise mit den spezifischen monatlichen Einnahmen des untersuchten Windparks, so berechnet sich durch Division der spezifischen Monatserlöse mit dem monatlichen Base Preis an der Börse, der sogenannte Marktwert der Windeinspeisung. Wie dem folgenden Diagramm zu entnehmen ist, schwankte der Marktwert für den betrachteten Zeitraum zwischen 81-98%. Für den untersuchten Windpark lag der Jahresdurchschnitt des Marktwertes bei 87,6 %.

Abbildung 91: Marktwert des Einzelwindparks 2008

3.6.3. Direktvermarktung nach EEG 2012 Wind Die Vorgänge bei der Direktvermarktung von Windparks werden in Abbildung 92 veranschaulicht. Die Abbildung zeigt die fluktuierende Windernte einer Woche im Landkreis Harz. Vortages-Windprognosen dienen der Vermarktung der entsprechenden Windstrommengen ( oben). Die Prognose muss am Folgetag deutlich korrigiert werden: etwa

Page 135: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

135

50 MW Windstrom kommen früher und stetiger als erwartet ( Mitte). Diese kann im Intraday handel verkauft werden. Der Wind setzt schließlich noch plötzlicher ein ( unten). Der Wind verringert die Strommenge, die aus steuerbaren Kraftwerken gedeckt werden muss. An der Strombörse werden die höchsten Angebote nicht mehr berücksichtigt: Der Preis sinkt. Bleibt der Wind aus, kommen teurere Erzeuger wieder zum Zug: Der Preis steigt.

Abbildung 92: Simulation der Direktvermarktung von Windparks

Beim Vergleich der Simulationsfälle Festvergütung (siehe Kap. 3.6.1) und fiktive Direktvermarktung (siehe Kap. 3.6.2) ist zu erkennen, dass bei der reinen Direktvermarktung des betrachteten Windparks (mit 62 MW installierter Leistung) an der Börse (7.014.824 €) im Gegensatz zur Festvergütung nach EEG (10.427.627 €) Mindereinnahmen in Höhe von 3.412.803 €/a erzielt worden wären. Hierbei ist zu beachten, dass in dieser Simulation der innertägige Handel noch nicht mit berücksichtigt worden ist. Um die Integration der Erneuerbaren Energien in die Direktvermarktung zu erleichtern und die beschriebenen Mindereinnahmen zu reduzieren, wurde im EEG 2012 durch die Komponenten der optionalen Marktprämie ein Anreiz geschaffen, um sowohl die entstehenden monetären Verluste auszugleichen, als auch die Mehrkosten zu decken, die durch den direkten Handel hervorgerufen werden. Die Analyse des angesprochenen Prämienmodells wird im folgenenden Simulationsfall thematisiert.

In der Novellierung des EEG 2012 ist neben den bereits im EEG 2009 festgelegen Möglichkeiten der Direktvermarktung ein weiteres Instrument zur Direktvermarktung von regenerativem Strom eingeführt worden. Anlagenbetreiber können ihren Strom wahlweise monatlich an Stromhändler verkaufen. Die Marktprämie besteht aus zwei Komponenten: 1)

Page 136: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

136

Ausgleich der Differenz zwischen Referenzmarktwert des Windstroms und fester Einspeisevergütung; 2) Finanzierung zusätzlicher Kosten für die Vermarktung (Managementprämie). Hintergrund soll eine stärkere Kopplung der Einspeisung aus Erneuerbaren Energiequellen an den Strombedarf sein. Es wird erwartet, dass EE-Anlagenbetreiber durch eine gezielte Einspeisung zu Hochpreiszeiten an der Börse einen Mehrwert generieren können. Da das Angebot von Wind und Sonne nicht kontinuierlich zur Verfügung steht, könnte mit Hilfe von Energiespeichern bzw. mit flexiblen Erzeugungsanlagen die Verlagerung der Einspeisung ermöglicht werden. Ausführliche Hintergrundinformationen zum Bonusmodell der optionalen Marktprämie können dem Arbeitspaketbericht 2.7.1 „Marktbedingungen und Zugangsvoraussetzungen zum strommarkt“ bzw. dem Gesetzestext zum EEG 2012 (Beschluss des Deutschen Bundestages vom 30. Juni 2011 – BT-Drucks. 17/6363) entnommen werden.

Direktvermarktung des gesamten Windparkportfolios im Landkreis Harz (Stand 2008)

Um eine Zulassung zum Handel an den Strombörsen zu erlagen, müssen verschiedene Auflagen erfüllt und finanzielle Sicherheiten hinterlegt werden. Aufgrund der finanziellen Risiken, die zum Beispiel durch den Ausgleich von Prognoseabweichungen auftreten können, und der hohen Kosten für die Handelsanbindung, wird in den folgenden Simulationen kein einzelner Windpark, sondern ein Anlagenpool vermarktet. Beim betrachteten Windparkportfolio handelt es sich um den gesamten Windpark des Landkreises Harz im Jahr 2008 mit einer installierten Leistung von 150 MW.

Als Referenz für die Simulation wird wieder die Festvergütung nach EEG herangezogen. Wie aus dem Simulationsfall der reinen Direktvermarktung (siehe Abschnitt 3.6.2) hervorgeht, lag die durchschnittliche EEG Festvergütung für die installierten Windkraftanlagen im Referenzjahr bei 8,63 ct/kWh. Anhand des durchschnittlichen Vergütungssatzes berechneten sich für das Jahr 2008 fiktive Einnahmen in Höhe von 26.800.647€. Ein entscheidendes Kriterium für die Höhe der Marktprämie ist die Wertigkeit des eingespeisten Windstroms (der gesamten BRD) in Relation zum durchschnittlichen Börsenpreis (Phelix Base). Laut Gesetzestext EEG 2012 Anlage 4 Abs. 2.2.2 berechnet sich der Referenzmarktwert durch Multiplikation der tatsächlich eingespeisten Energiemenge jeder Viertelstunde mit dem jeweiligen viertelstündlichen Börsenpreis, dividiert durch die monatlich eingespeiste Energiemenge. Der zur Berechnung der Marktprämie verwendete Referenzmarktwert bezieht sich ausschließlich auf die Wertigkeit des Windstroms der gesamten Bundesrepublik. Die folgende Darstellung zeigt den monatlichen Referenzmarktwert der BRD für das Jahr 2008, sowie die prozentuale Abweichung zum Referenzmarktwert des betrachteten Windparkportfolios. Es kann gezeigt werden, dass im betrachteten Zeitraum in 10 von 12 Monaten die Wertigkeit des Windparks im Landkreis Harz unterhalb der Wertigkeit der Bundeseinspeisung lag, was laut Berechnungsformel der Marktprämie zu einer höheren Marktprämie geführt hätte. Hiernach kann es, aufgrund der fehlenden räumlichen Ausgleichseffekte, bei regionalen Anlagenportfolien zu finanziellen Nachteilen kommen. Während der bundesweite relative Wert der Windenergie im Jahresdurchschnitt bei 91% lag, war die Wertigkeit der regionalen Erzeugung bei 88% des Börsenpreises.

Page 137: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

137

Abbildung 93: Referenzmarktwert Windstrom 2008

1 Referenzmarktwert des Windstroms im Jahr 2008 nach EEG 2012

2 Differenz der Wertigkeit des Windparkportfolios LK Harz zur bundesweiten Wertigkeit

Für das betrachtete Windparkportfolio des Landkreises Harz, mit einer installierten Leistung von 150 MW, berechnen sich fiktive Einnahmen aus der reinen Börsenvermarktung (Day Ahead Handel inkl. Intradayausgleich) in Höhe von 18.971.215 €. Im Vergleich zur Festvergütung nach EEG mit einem durchschnittlichen Vergütungssatz von 8,63 ct/kWh ergeben sich Mindereinnahmen von 7.829.432 €, die durch die Marktprämie gedeckt werden sollen. In der vorliegenden Beispielrechnung liegt die Höhe für die Marktprämie (ohne Berücksichtigung der Managementprämie) bei 8.430.215 €. Würde man die Wertigkeit des Windstroms auf das betrachtete Portfolio Windpark des Landkreises Harz und nicht auf die gesamtdeutsche Einspeisung beziehen, erhöht sich die Marktprämie um 308.087 € (+3,65%) auf 8.738.302 €. Ohne Berücksichtigung etwaiger Kosten liegen die zu erzielenden Mehreinnahmen der Marktprämie (laut EEG 2012) im Vergleich zur EEG Festvergütung bei 600.783 €. Zur Deckung der zusätzlichen Kosten, die bei der Direktvermarktung entstehen, wird dem Anlagenbetreiber bzw. dem Vermarkter des Windstroms laut Gesetz eine Management-prämie (PM) gewährt. Hierzu heißt es im Gesetzestext, die Managementprämie „…ist die Prämie für die notwendigen Kosten für die Börsenzulassung, für die Handelsanbindung, für die Transaktionen, für die Erfassung der Istwerte und die Abrechnung, für die IT Infrastruktur, das Personal und Dienstleistungen, für die Erstellung der Prognosen und für die Abweichung der tatsächlichen Einspeisung von der Prognose“. Diese Prämie ist nach Inkrafttreten zum 01.01.2012 mit einer jährlichen Degression vorsehen. Für das Jahr 2012 wird zur Deckung

0

10

20

30

40

50

60

70

80

90

100

Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Nov Dez

Ø EE

X Er

löse

[€/M

Wh]

Referenzmarktwert des Windstroms 2008

Ø Börsenpreis Ø EEX Erlöse Windpark LK Harz Ø EEX Erlöse Windpark BRD

98,9%1 97,2% 93,6%

95,8%

97,7%

103,2% 98,5%

95,5%

98,1%

86,8%

88,6%

85,2%

-2,5%2 +0,8% +0,8%

-2,2%

-6,3%

-3,2% -1,4%

-0,6%

-2,6% -0,5%

-4,4%

-2,4%

Page 138: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

138

der Mehrkosten eine Prämie in Höhe von 12€/MWh veranschlagt, welche bis zum Jahr 2015 auf 7€/MWh reduziert wird. In der vorliegenden Beispielrechnung wurden für die einzelnen Kostenkomponenten folgende Annahmen getroffen.

Kostenpunkt Höhe der Kosten Begründung

Beitrittsgebühren EPEX 12.500 € Die realen Beitrittsgebühren liegen bei 25.000€. Es wird angenommen, dass diese über 2 Jahre getilgt werden.

Jahresgebühren EPEX 10.000 € Jahresgebühren für eine Auktion inkl. Intraday Handel

Handelsgebühren Day Ahead 0,04 €/MWh 13.105 €

Laut EPEX Preisliste 2011

Handelsgebühren Intraday 0,11 €/MWh 12.990€

Laut EPEX Preisliste 2011

Risikoabsicherung/Kapitaldienst 4,5 €/MWh 1.397.809 €

Annahme CUBE/ in.power

Kosten Prognoseeinkauf 160€/MWinst /Monat 288.000 €

Einkauf von 2 Prognosen a 80€/MWinst /Monat

Personal und Büro (24/7/365) 800.000 € Es wird ein Stundenlohn von ca. 90€ angenommen. Der Handel erfolgt 24h pro Tag an 365 Tagen im Jahr

Höhe EEG Festvergütung 86,3 €/MWh 26.806.862 €

Entspricht der Durchschnittsvergütung im LK Harz für das Jahr 2008

Anreiz Direktvermarktung 2,5 €/MWh 776.560 €

Annahme CUBE/in.power

Anreiz für den Anlagenbetreiber zum Wechsel von der Festvergütung in die Direktvermarktung

Tabelle 29: Kostenannahmen zur Windparkvermarktung nach optionaler Marktprämie

Ein weiterer, risikobehafteter Faktor bei der Direktvermarktung von Strom aus fluktuierenden Energiequellen sind die Kosten für die Ausgleichsenergie. Hierbei ist zu beachten, dass diese nicht nur von der eigenen Bilanzkreisabweichung, sondern auch vom Saldo im Übertragungsnetz (Über-/Unterspeisung) abhängig sind. Kosten entstehen sowohl bei negativer Abweichung des eigenen Bilanzkreises und bei positiven Ausgleichsenergiekosten als auch bei positiver Bilanzkreisabweichung und negativen Ausgleichsenergiekosten. Im

Page 139: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

139

Falle einer positiven Abweichung und positiver Ausgleichsenergiekosten erhält der Stromhändler die positive Prognoseabweichung vergütet. Dies gilt ebenfalls bei negativer Bilanzkreisabweichung und negativen Ausgleichsenergiepreisen, die allerdings für die entsprechende Regelzone (Vattenfall VET Regelzone) im Referenzjahr noch nicht aufgetreten sind. Die entstehenden Ausgleichsenergiekosten sind kaum prognostizierbar und stark von der Güte der Windprognose abhängig. Um das Risiko etwas zu minimieren, empfiehlt es sich mindesten 2 Prognosen einzukaufen. Im vorliegenden Fall betragen die gesamten Ausgleichsenergiekosten (Einnahmen abzüglich Kosten aufgrund von Ausgleichsenergie) 770.905 €. Wie die folgende Grafik zeigt, sind diese sehr starken monatlichen Schwankungen unterworfen, was mit einem enormen finanziellen Risiko für den Stromhändler verbunden ist. Für den betrachteten Zeitraum lagen die Ausgleichsenergie-kosten zwischen -138.556 € (Kosten) und 29.983 € (Einnahmen).

Abbildung 94: Ausgleichsenergiekosten bei der Direktvermarktung von Windstrom

Durch die innertägig am Intraday Markt auf Basis zeitnaher Einspeiseprognosen mit erhöhter Prognosegüte gehandelten Energiemengen fallen Kosten in Höhe von 708.262 € an. Diese berechnen sich aus den Einnahmen für die verkaufen Strommengen und den Kosten für den Mindermengenbezug im Intradayhandel. Demgegenüber steht eine Verminderung der Ausgleichsenergiekosten um 1.916.509 €. Bei der Betrachtung der reinen Day Ahead Vermarktung, ohne Intradayausgleich, erhöhen sich die Ausgleichsenergiekosten um 1.916.509 € auf insgesamt 2.687.414€, die relevante Jahresausgleichsenergiemenge erhöht sich hierbei um 51.868 MWh auf 139.975 MWh.

Gegenüber den beschriebenen Kostenkomponenten werden Einnahmen durch den Börsenhandel, sowie die beschriebenen Managementprämie generiert. Anhand der Börsenpreise von 2008 und des vorliegenden Windeinspeiseprofils für den Landkreis Harz können durch den Day Ahead- und Intraday Handel Einnahmen in Höhe von 22.961.350 € erzielt werden.

Page 140: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

140

Abbildung 95: Ausgleichsenergiekosten ohne Intraday Handel

Unter Berücksichtigung aller angenommen Einnahmen und Kosten berechnet sich für den Windparkpool des LK Harz ein Betriebsergebnis in Höhe von 235.641€.

Die mit energyPRO durchgeführte Beispielberechnung zeigt für den 150-MW-Pool aller Windenergieanlagen der Modellregion, wie sich die Direktvermarktung mit Marktprämie aus Sicht des Stromhändlers betriebswirtschaftlich darstellt. Wesentlich sind die Vermarktungsrisiken:

- zum einen resultieren Abweichungen zwischen prognostizierter und tatsächlicher Einspeisung in Ausgleichsenergiekosten, die nicht prognostizierbar sind;

- zum anderen kann der Marktwert des Anlagenpools vom Referenzmarktwert abweichen. Die Managementprämie sinkt von 2012 bis 2015 von 12 €/MWh auf 7 €/MWh. Dies macht Kosteneinsparungen bei der Vermarktung notwendig.

Das Vermarktungsrisiko bei Windenergieanlagen (WEA) besteht darin, dass an der Börse die Windernte des jeweils kommenden Tages im Voraus verkauft wird („day-ahead“). Bei Prognosefehlern muss der Stromverkäufer die Kosten für Abweichungen (Ausgleichsenergie) tragen. Der Gewinn bei Direktvermarktung hängt davon ab, wieviel teure Ausgleichsenergie benötigt wird (siehe Abbildung 94 und Abbildung 95). Die Marktprämie soll die Akteure motivieren, möglichst genaue Prognosen einzusetzen. Idealerweise werden die WEA mit moderner Informations- und Kommunikationstechnik (IKT) ausgestattet, um die Prognosen kontinuierlich verbessern zu können, indem von jeder Anlage zeitnah Statusmeldungen und Revisionspläne übertragen und in die Einspeiseprognosen einbezogen werden.

Page 141: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

141

3.6.4. Festvergütung PV Analog zur Beschreibung der Windvermarktung im Landkreis Harz (Lk Harz) werden im ersten Schritt bei der Analyse der PV Einspeisung die Einnahmen nach EEG Festvergütung berechnet, die als Referenz und Vergleichsmöglichkeit für die folgenden Vermarktungsoptionen angesehen werden. Aufgrund der Vielzahl der Kleinanlagen und der geringen Relevanz bezüglich der installierten Leistungen im gesamten Anlagenportfolio aller Erzeugungsanlagen des Landkreises, wird im Folgenden keine Einzelbetrachtung für eine Anlage, sondern ausschließlich das gesamt PV Anlagenportfolio des Lk Harz betrachtet.

Wie in der Beschreibung des Ist-Zustandes genannt ist (siehe Abschnitt 3.1), war im Referenzjahr (2008) eine PV-Leistung von 10,35 MWpeak installiert. Die Energieausbeute lag bei 9.817 MWh. Die Abbildung 96 zeigt die Höhe der monatlichen Erträge für das Jahr 2008. Hierbei ist zu beachten, dass die modellhaft generierte Einspeisung der Freiflächenanlage am Standort Halberstadt einen großen Einfluss auf die dargestellten, monatlichen Erträge hat. Eine genaue Beschreibung der Zeitreihengenerierung kann dem Arbeitspaketbericht 1.1 (Leitszenariendokument) entnommen werden. Im Vergleich zur monatlichen Windeinspeisung lässt sich die monatliche PV Einspeisung besser prognostizieren, da diese einem eindeutigen, jahreszeitabhängigen Profil unterliegt. Wie die Grafik zeigt, werden die höchsten Erträge in den Sommermonaten erzielt, wobei im vorliegenden Zeitraum bereits der April einen hohen Monatsertrag aufweist. Grund hierfür war die recht hohe solare Einstrahlung im betrachten Monat sowie die niedrigen Außentemperaturen, die ausschlaggebend für die Erträge der PV Anlagen sind.

Die virtuellen EEG Einnahmen des PV-Anlagenportfolios im Lk Harz betragen 4.170.128€, was einer durchschnittlichen Vergütung von 42,48 €ct/kWh entspricht.

Page 142: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

142

Abbildung 96: Monatliche PV Einspeisung des Lk Harz 2008

3.6.5. Reine Direktvermarktung PV Die Mittagsstunde war traditionell die Zeit des höchsten Verbrauchs und der höchsten Preise, doch schon im Jahr 2012 war der Mittagspeak Geschichte, Strom im Jahresmittel in der Stunde 12 also nicht mehr teurer als der durchschnittliche Börsenpreis (siehe Abbildung 97), mit einem Trend zu günstigeren Mittagspreisen mit zunehmender installierter Leistung PV. Bei starkem Wind liegen die Preise regelmäßig niedrig, bei Flaute steigt der Börsenpreis. So zeigen die Preise weitgehend die reale Knappheit des Gutes Strom.

Page 143: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

143

Abbildung 97: Tagesverlauf der Börsenpreises

Bei einer Vermarktung der zeitlich identischen Strommenge an der Börse, ohne Berücksichtigung evtl. Boni bzw. Mehrkosten für die Handelsanbindung und den Handel, lassen sich Einnahmen in Höhe von 791.650€ generieren. Dies würde einem durchschnittlichen Erlös von 8,06 €ct/kWh entsprechen. Im Vergleich hierzu lag der Market Clearing Price (Markträumungspreis) des Day-Ahead Spotmarktes an der EEX 2008 im Jahresdurchschnitt bei 6,576 ct/kWh. Somit lag der durchschnittliche Erlös des PV Strom um 23% über dem durchschnittlichen Börsenpreis der EEX. Grund hierfür ist der in Abbildung 24 beschriebene Zusammenhang zwischen dem PV Einspeiseprofil und dem täglichen Börsenpreisverlauf.

3.6.6. Direktvermarktung nach EEG 2012 PV Analog zur Wertigkeit des Windstroms des Lk Harz im Vergleich zur bundesweiten Wertigkeit zeigt Abbildung 98 die monatlichen Werte des PV Stroms im Bezug zum durchschnittlichen Börsenpreis. Es ist zu erkennen, dass es oft große Differenzen zwischen den Wertigkeiten der regionalen und der bundesweiten Einspeisung gibt. Die Spanne liegt hierbei zwischen -6% und +9%. Anhand einer Analyse des Börsenpreisverlaufs, die im Endbericht der Marktbedingungen unter Arbeitspaket 2.7.1 näher beschrieben ist, lässt sich zeigen, dass sich das bekannte Preisprofil mit einem Tages- und einem Abendpeak aufgrund der Zunahme der installierten PV Leistung in den Jahren 2008 - 2011 verändert hat.

Die erhöhte PV Einspeisung an sonnigen Tagen zu den Mittagszeiten bewirkt eine Dämpfung der Börsenpreise, was sich wiederum an der Wertigkeit des PV Strom zeigt. Im Vergleich zum Jahr 2008, in dem die Wertigkeit für PV Strom im Jahresdurchschnitt noch bei

Page 144: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

144

124% des durchschnittlichen Börsenpreise lag, wurde anhand stündlicher Einspeisezeitreihen (Quelle: http://www.50hertz.com/de/167.htm ,Stand Mai 2012) für das Jahr 2011 lediglich eine Wertigkeit im Jahresmittel von 109% berechnet. Im März 2012 wurde bereits eine Wertigkeit unterhalb des Börsenpreises (98%) ermitteltet. Fasst man die ersten 4 Monate des Jahres 2012 zusammen, berechnet sich eine durchschnittliche Wertigkeit von 100,3%. Laut Bundesnetzagentur (BNetzA) lag der Zubau an PV Leistung im ersten Quartal bei 1,8 GW. Wird von einer linearen Zuwachsrate in den folgenden drei Quartalen ausgegangen, so wird Ende 2012 eine Gesamtleistung von 32 GW installiert sein. Die Abbildung 99 zeigt die Entwicklung der PV Wertigkeit, bezogen auf den durchschnittlichen Börsenpreis an der EPEX Spot, in Abhängigkeit der installierten Leistung. Es ist zu erkennen, dass sich mit Ausnahme des Jahres 2008 ein stetig rückläufiger Trend der PV Wertigkeit abzeichnet. Grund hierfür ist die, durch die PV Einspeisung hervorgerufene, Verlagerung der Hochpreiszeiten von den Mittagsstunden in die Abendstunden. Der hohe Strombedarf zu Mittagszeit, der in der Vergangenheit zu hohen Strompreise geführt hat, wird durch die erhöhte Einspeisung aus PV Anlagen gedeckt und führt im Umkehrschluss zu sinkenden Strompreisen in der Mittagszeit. Durch einen weiteren Ausbau der PV Leistung wird sich dieser Trend in den kommenden Jahren weiter verstärken.

Abbildung 98: Referenzmarktwert des PV Stroms 2008

0,00

20,00

40,00

60,00

80,00

100,00

120,00

Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Nov Dez

Ø E

EX E

rlöse

[€/M

Wh]

Referenzmarktwert des PV Stroms 2008

Ø EEX Börsenpreis Ø EEX Erlöse PV LK Harz Ø EEX Erlöse PV BRD

-2,8% 118%113%

124%

-0,4% +0,8%

-6,0%125%-0,2%

126%+2,1% 125%

+3,5%

119%-1,6%

121%-1,2% 120%

120%114%

-1,4%

-2,5%+9,1%

124%

Page 145: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

145

Abbildung 99: Historie der Wertigkeit von PV Strom 2006-2012

Page 146: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

146

3.6.7. Zusammenfassung der Vermarktungsmöglichkeiten Untersuchungen im Rahmen von RegModHarz zeigen erwartungsgemäß, dass der zunehmende Ausbau an WEA und PV zu einem abnehmenden Marktwert für Wind- und PV-Strom an der Börse führt. Derzeit wird dies durch die Marktprämie ausgeglichen. Wenn nach 20-jährigem Anlagenbetrieb der EEG-Vergütungsanspruch aus-läuft, kann Wind- und PV-Strom nur noch zu sehr niedrigen Preisen verkauft werden.

Abbildung 100: Marktwert von Wind und PV am Spotmarkt

Mit Hilfe der Marktprämie kann der WEA-Bestand im LK Harz als Bestandteil in einem größeren Pool wirtschaftlich vermarktet werden. Insgesamt ist der Marktwert des Windstroms aus dem Anlagenbestand im Harz allerdings etwas niedriger als im Bundesdurchschnitt

Die Managementprämie wird gemäß EEG 2012 in den kommenden Jahren reduziert. Für einen Harzer Windpark-Pool wird die Direktvermarktung nur mit reduzierten Kosten oder größeren Mengen wirtschaftlich bleiben.

Für „kleine“ Betreiber von wenigen WEA oder Windparks ist es ökonomisch sinnvoll, sich einem Händler anzuschließen. Bei PV-Strom hingegen ist die Börsenvermarktung nur für sehr große Anlagen attraktiv.

Über die Strombörse wird sichtbar, dass die Erneuerbaren schon jetzt zu niedrigeren Strompreisen beitragen. Der Preis für Windstrom lag Anfang 2012 schon um 10 - 15 % unter dem Strompreis-Mittelwert. PV-Strom drückt den Preis am Mittag.

Der wesentliche volkswirtschaftliche Nutzen der Direktvermarktung von Wind- und PV-Strom besteht im Anreiz, Prognosen mit möglichst hoher Genauigkeit zu erstellen. Prognosen schaffen Planungs- und Vorlaufzeit für den Einsatz der ergänzenden Kraftwerke und fördern die IKT-Anbindung. Dies dient der Effizienz und Sicherheit des Netzes. Die Schwankungen der Stromernte aus Wind und Sonne ändern sich durch die Direktvermarktung jedoch nicht.

Page 147: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

147

3.7. Netzbetriebsstrategie dynamischer Haushaltskundenvertrag

3.7.1. Einleitung Im Haushaltskunden-Feldtest erhalten die teilnehmenden BEMI-Haushalte einen virtuellen dynamischen Stromtarif. Dieser ist so konzipiert, dass der Strombezug zu denjenigen Zeiten preiswert ist, zu denen ein hohes Dargebot an Wind- und Sonnenenergie zur Deckung des Strombedarfs besteht. Auf der anderen Seite ist der Strombezug dann teuer, wenn nur ein geringes oder kein Dargebot an Wind- und Sonnenenergie zur Deckung des Strombedarfs besteht, wenn also Strom in brennstoffbefeuerten Energieanlagen und Speichern erzeugt und ins Netz eingespeist wird. Im Dokument „Feldtestkonzept“ ist dies näher erläutert.

Im folgenden Abschnitt wird analysiert, welche Möglichkeiten und Grenzen das Feldtestkonzept in der Theorie bietet. Es werden Fragen behandelt wie z.B.: Wie häufig und wie dauerhaft kommen welche Preisstufen vor und besteht überhaupt ein reelles Lastverlagerungspotential für die Haushalte? Wie ändert sich dies mit einem weiteren Zubau regenerativer Energien-Anlagen? Die Ergebnisse dienen der Justierung von Parametern für die Preisbildung beim Feldtest.

3.7.2. Preisstufen im Feldtest

3.7.2.1. Bildung der Preisstufen Wie im RegModHarz-Feldtestkonzept beschrieben, erhalten die Feldtestkunden täglich um 14 Uhr verbindlich die Preisstufen für die 24 Stunden des Folgetages. Der zeitvdynamische Stromtarif sieht dabei 9 Preisstufen vor, die stündlich wechseln.

Abbildung 101: Beispielhafte Darstellung des zeitlichen Verlaufs der Preisstufen für einen Tag

Preisstufe 1 (grün) bedeutet, dass der Strombezug sehr preiswert ist, Preisstufe 9 (rot) bedeutet, dass der Strombezug sehr teuer ist. Preisstufe 5 (gelb) bedeutet, dass der Strombezug einem vereinbarten mittleren Preis entspricht. Die preisliche Abstufung zwischen den einzelnen Preisstufen beträgt einheitlich 4 ct/kWh. Beim Verbrauch einer kWh

Page 148: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

148

Strom in Preisstufe 1 erhält der Haushaltskunde somit einen Bonus von 16 ct/kWh, in Preisstufe 9 wird ihm ein Malus von 16 ct/kWh berechnet.

Tabelle 30: Preisstufen mit zugehörigen Preisauf- und abschlägen

Preisstufe Bonus / Malus [ct/kWh] wie wir ihn im Feldtest

berechnen

Interpretations-beispiel bei einem mittleren Strompreis von 23

ct/kWh*

9 16 ct/kWh Malus 39 ct/kWh

8 12 ct/kWh Malus 35 ct/kWh

7 8 ct/kWh Malus 31 ct/kWh

6 4 ct/kWh Malus 27 ct/kWh

5 0 23 ct/kWh

4 4 ct/kWh Bonus 19 ct/kWh

3 8 ct/kWh Bonus 15 ct/kWh

2 12 ct/kWh Bonus 11 ct/kWh

1 16 ct/kWh Bonus 7 ct/kWh

Welche Preisstufen für eine bestimmte Stunde gilt, bestimmt sich aus der Prognose der Residuallast für den Landkreis Harz. Die Residuallast wird hier verstanden als Bruttostromverbrauchslast abzüglich Einspeisung aus Windenergie und Photovoltaik im Landkreis Harz. Damit soll deutlich gemacht werden: Wenn der aktuelle Stromverbrauch im Landkreis Harz aus den Energieträgern Wind und Sonne, die ohne Brennstoff auskommen, aber mit systemrelevanter starker Fluktuation Strom einspeisen, gedeckt werden kann, ist der Strombezug preiswert. Gibt es eine Restlast im Landkreis, die nicht aus PV- und Windstrom, sondern aus zusätzlichen flexiblen Kraftwerken zu decken ist, so wird der Strombezug entsprechend teurer. Die Residuallast des Landkreises Harz wird täglich für die 24 Stunden des Folgetages prognostiziert, so dass die Preisstufen bereits am Vortag verbindlich feststehen.

Die Festlegung, welcher Wert der Residuallast zu welcher Preisstufe führt, erfolgt anhand von Vergangenheitswerten der Residuallast. Innerhalb eines Jahres sollen die einzelnen Preisstufen jeweils in 10 % der Stunden auftreten, mit Ausnahme von Preisstufe 5, die in 20 % der Stunden auftreten soll. Dazu werden die Quantilgrenzen der Residuallast aus dem Vergangenheitsjahr bestimmt. Der Ansatz, die Preisstufen anhand von Quantil-Klassen der Residuallast zu bilden, begründet sich damit, dass damit in der Jahresbilanz alle Preisstufen gleichhäufig vorkommen sollten – mit Ausnahme der mittleren Preisstufe 5, deren Breite doppelt so groß ist. Damit kämen die Preisstufen 1 bis 4 und 6 bis 9 jeweils in 10% der Stunden des Jahres vor, die mittlere Preisstufe 5 in 20 % der Stunden des Jahres.

Page 149: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

149

Tabelle 31: Preisstufendefinition anhand der Quantile der Residuallast der Modellregion

Preisstufe Residuallast

9 >90%-Quantil)

8 80%-90%-Quantil)

7 70%-80%-Quantil)

6 60%-70%-Quantil)

5 Median (40%-60%-Quantil)

4 30%-40%-Quantil)

3 20%-30%-Quantil)

2 10%-20%-Quantil)

1 <=10%-Quantil)

Aufgrund der Datengrundlage für den Feldtest wird diese angestrebte Gleichverteilung der Preisstufen nicht optimal umsetzbar sein. Für den Feldtest besteht eine Schwierigkeit darin, dass die Messungen der Einspeiseleistungen von Wind und PV, deren Hochrechnungen sowie die Berechnung der Einspeiseprognosen nicht ausreichend lange vor Beginn des BEMI-Feldtests erfolgen, so dass keine historische Zeitreihe der Residuallast vorliegt und auf die konstruierte Zeitreihe aus Leitszenario 2 zurückzugreifen ist. Zudem ist das Verfahren zur Online-Berechnung der fiktiven IST-Stromverbrauchslast im Feldtest nicht deckungsgleich mit dem Verfahren, das der Erstellung der historischen Zeitreihe des Stromverbrauchs diente.

Weitere Grenzen bei der Erreichung der gleichen Häufigkeiten der Preisstufen sind weiter unten benannt und erläutert.

3.7.2.2. Klassengrenzen der Preisstufen Die Bildung der Klassengrenzen zur Bildung der Preisstufen für den Feldtest erfolgt anhand der Zeitreihe der Residuallast für die Modellregion Landkreis Harz, wobei jeweils von der Bruttostromverbrauchszeitreihe gemäß Leitszenario 1 die Einspeisezeitreihen für Wind und PV gemäß Leitszenario 1 bzw. Leitszenario 2 bzw. Leitszenario 3 abgezogen werden (zur Definition der RegModHarz-Leitszenarien siehe Arbeitspaketbericht AP 1.1 Leitszenarien für RegModHarz). Variiert wird also in der Wind- und PV-Einspeisung je Ausbauszenario, nicht im Stromverbrauch. Die Werte für die Leitszenarien entsprechen denen im Leitszenarien-dokument.

Page 150: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

150

Tabelle 32: Installierte Leistungen Wind+PV in den Leitszenarien 1,2 und 3

Installierte Leistung Modellregion LK Harz Wind [MW] PV [MW]

Leitszenario 1, Referenzjahr 2008 151 10

Leitszenario 2, EE-Ausbausituation im Jahr 2020 248 90

Leitszenario 3, 100%-EE-Stromversorgung 630 708

Tabelle 33: Werte der Residuallast je Preisstufe in Leitszenario 1

Leitszenario 1

Preisstufe Residuallast

Residuallast 2008 von [kW]

Residual-last 2008 bis [kW]

Residual-last von [% von Max.wert]

Residual-last bis [% von Max.wert]

9 >90%-Quantil) 180.088 220.767 82% 100%

8 80%-90%-Quantil) 164.348 180.087 74% 82%

7 70%-80%-Quantil) 145.731 164.347 66% 74%

6 60%-70%-Quantil) 130.272 145.730 59% 66%

5 Median (40%-60%-

Quantil) 104.965 130.271 48% 59%

4 30%-40%-Quantil) 89.207 104.964 40% 48%

3 20%-30%-Quantil) 67.475 89.206 31% 40%

2 10%-20%-Quantil) 29.626 67.474 13% 31%

1 <=10%-Quantil) -83.552 29.625 -38% 13%

Page 151: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

151

Tabelle 34: Werte der Residuallast je Preisstufe in Leitszenario 2

Leitszenario 2

Preisstufe Residuallast Residuallast von [kW]

Residuallast bis [kW]

Residuallast von [% von Max.wert]

Residuallast bis [% von Max.wert]

9 >90%-Quantil) 160.106 220.735 73% 100%

8 80%-90%-Quantil) 138.381 160.105 63% 73%

7 70%-80%-Quantil) 121.567 138.380 55% 63%

6 60%-70%-Quantil) 106.638 121.566 48% 55%

5 Median (40%-60%-

Quantil) 66.787 106.637 30% 48%

4 30%-40%-Quantil) 38.045 66.786 17% 30%

3 20%-30%-Quantil) -9.367 38.044 -4% 17%

2 10%-20%-Quantil) -71.766 -9.368 -33% -4%

1 <=10%-Quantil) -192.648 -71.767 -87% -33%

Tabelle 35: Werte der Residuallast je Preisstufe in Leitszenario 3

Leitszenario 3

Preisstufe Residuallast Residuallast von [kW]

Residuallast bis [kW]

Residuallast von [% von Max.wert]

Residuallast bis [% von Max.wert]

9 >90%-Quantil) 131.193 220.668 59% 100%

8 80%-90%-Quantil) 103.368 131.192 47% 59%

7 70%-80%-Quantil) 70.604 103.367 32% 47%

6 60%-70%-Quantil) 32.155 70.603 15% 32%

5 Median (40%-60%-

Quantil) -92.629 32.154 -42% 15%

4 30%-40%-Quantil) -183.475 -92.630 -83% -42%

3 20%-30%-Quantil) -288.313 -183.476 -131% -83%

2 10%-20%-Quantil) -423.240 -288.314 -192% -131%

1 <=10%-Quantil) -950.412 -423.241 -431% -192%

Page 152: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

152

Die unterschiedlichen Klassengrenzen in Leitszenario 1 und 2 begründen sich mit den höheren installierten Leistungen Wind und PV im Verhältnis zum Stromverbrauch bei Leitszenario 2.

Erkennbar ist, dass die gesicherte Leistung aus Wind und PV sehr gering ist. Die Jahreshöchstlast beträgt 220.815 kW. Die höchste Residuallast in Leitszenario 1 beträgt 220.767 kW, in Leitszenario 2: 220.735 kW und in Leitszenario 3 trotz der hohen installierten Leistung weiterhin 220.668 kW.

Demgegenüber liegt die niedrigste Residuallast mit hoher Rückspeisung ins Übertragungsnetz in Leitszenario 1 bei -83.552 kW und nimmt mit der installierten Anlagenleistungen von Wind und PV zu, so dass in Leitszenario 2 ein Wert von -192.648 kW resultiert und in Leitszenario 3 ein Wert von beachtlichen -950.412 kW.

In diesem Zusammenhang lohnt ein vergleichender Blick auf die grafische Darstellung der Residuallast in Leitszenario 1, 2 und 3. Die grün bis rot abgegrenzten Bereiche stellen die Grenzen der 9 Preisstufen dar. Ganz links dunkelgrün dargestellt ist Preisstufe 1, ganz rechts leuchtend rot Preisstufe 9.

Abbildung 102: Häufigkeitsverteilung der Residuallast und Grenzen der Preisstufen für

Leitszenario 1

Page 153: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

153

Abbildung 103: Häufigkeitsverteilung der Residuallast und Grenzen der Preisstufen für

Leitszenario 2

Die Häufigkeitsverteilung der Residuallast macht deutlich: In Leitszenario 2 tritt ein „Schwanz“ an Häufigkeiten auf der negativen Seite der Residuallast auf. Aufgrund der höheren installierten Wind- und PV-Leistung bezogen auf den Strombedarf tritt bereits in knapp 22 % der Stunden eine negative Residuallast auf – dies entspricht in der Summe einer Zeit von knapp 3 Monaten. Vor allem im Frühjahr tritt die negative Residuallast verstärkt auf: im ersten Quartal in 42 % aller Stunden.

Dadurch verschieben sich die Klassengrenzen für die Preisstufen im Vergleich zu Leitszenario 1, denn jede Preisstufe soll ja mit einer definierten Häufigkeit im Jahr auftreten (s.o.). Der Bereich der mittleren Preisstufe 5 verschiebt sich von 48 % bis 59 % der maximalen Residuallast in Leitszenario 1 auf 29% bis 48 % der maximalen Residuallast in Leitszenario 2.

Zudem ist in Leitszenario 2 die zweite Spitze der Häufigkeitsverteilung nicht mehr vorhanden. Lediglich bei einer Residuallast von 53 % tritt in Leitszenario 2 ein Maximum in der Häufigkeitsverteilung auf.

Page 154: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

154

Abbildung 104: Häufigkeitsverteilung der Residuallast und Grenzen der Preisstufen für

Leitszenario 3

Bei Leitszenario 3 reicht die Skala von -450% bis 100% der maximalen Residuallast. Die mittlere Preisstufe ragt bereits deutlich in die negative Residuallast hinein. Bei -230% entsteht ein – wenn auch schwacher – weiterer Peak in der Häufigkeitsverteilung.

Page 155: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

155

Die folgenden Grafiken zeigen die Zeitreihe der Residuallast (schwarze Linie) und der prognostizierten Residuallast (blaue Linie) für den Zeitraum vom 1.1. bis zum 25.2. für Leitszenario 1 (oben) und Leitszenario 2 (unten). Die grüne Linie kennzeichnet das 40 % Quantil, die rote das 60 %-Quantil.

Abbildung 105: Zeitreihendarstellung der Residuallast und Grenzen der Bonus- und

Maluspreisstufen für Leitszenario 1

Abbildung 106: Zeitreihendarstellung der Residuallast und Grenzen der Bonus- und

Maluspreisstufen für Leitszenario 2

Auch in den Zeitreihen zeigt sich sehr deutlich, wie groß die Beträge der negativen Residuallast bei starker Windenergieeinspeisung in Leitszenario 2 werden.

Dabei verbleiben in Zeiten mit nur geringer Windstärke und geringer Sonnenstrahlung die Werte hoher residualer Last stabil auf hohen Werten. Entsprechend der höheren installierten Leistung verstärken sich die negativen Ausschläge. Die absolute Differenz zwischen Bonus- und Maluspreisstufen in kW wird von Leitszenario 1 zu Leitszenario 2 geringfügig größer.

Bei einer Jahreshöchstlast des Buttostromverbrauchs von 221 MW beträgt in Leitszenario 1 die Residuallast in ihrem Minimum – 84 MW. In Leitszenario 2 ist sie in ihrem Minimum bei – 193 MW, der Überschuss der Einspeisung aus Wind und PV erreicht also bereits einen Absolutwert von 87 % der Jahreshöchstlast. Hier bestehen erhöhte Anforderungen an das Netz.

Page 156: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

156

3.7.2.3. Grenzen der Gestaltung gleicher Auftretenshäufigkeiten der Preisstufen

Im Vergleich zur beabsichtigten Gleichverteilung verschieben sich die Auftretenshäufigkeiten der Preisstufen bei der Umsetzung im Feldtest in der Jahresbilanz. Dies hat mehrere Gründe:

1. Zur Bestimmung der Klassengrenzen der Residuallast findet ein Jahrgang aus der Vergangenheit Verwendung. Während der Feldtestzeit wirkt die aktuelle Witterung auf Einspeise- und Verbrauchsmuster, was zu anderen Verteilungen der Residuallast führt als im Referenzjahrgang in der Vergangenheit, der zur Bildung der Klassengrenzen herangezogen wurde.

2. Zudem unterscheidet sich das Verfahren der Erzeugung fiktiver IST-Last-Werten während des Feldtests von dem Verfahren, das zur Erstellung der Stromlastgang-Zeitreihe für das Jahr 2008 angewendet wurde.

3. Die Preisbildung erfolgt nicht anhand der Residuallast selbst, sondern anhand der Vortagsprognose der Residuallast. Die Prognose wird aufgrund von Prognose-ungenauigkeiten eine andere Verteilung aufweisen. Im Jahr 2008 waren die Windenergieeinspeisungen vielfach etwas höher Prognostiziert worden, als sie dann tatsächlich eingetreten sind.

4. Erfolgt die erwünschte Kundenreaktion auf die Preise, indem bei teuren Preisen weniger und bei günstigen Preisen mehr Strom verbraucht wird, so hat dies Rückwirkungen auf die Residuallast und die Verteilung verschiebt sich nochmals. Aufgrund des Anreizsystems ist tendenziell damit zu rechnen, dass niedrigere Residuallasten häufiger auftreten werden.

Würde der Feldtest in einem zweiten Jahrgang durchgeführt, könnten die Erfahrungswerte aus dem ersten Jahrgang in die Bildung der Klassengrenzen mit einfließen. Damit ließen sich passendere Klassengrenzen angeben.

Die Folge der Verschiebung der Klassengrenzen besteht darin, dass Boni und Mali unterschiedlich häufig auftreten und damit entweder häufiger oder weniger häufig als geplant Boni in bestimmten Höhen auf dem Feldtestkonto der Haushaltskunden angerechnet werden. Bei einer realwirtschaftlichen Umsetzung könnte dies in einer im Laufe des Jahres über alle Haushaltskunden auflaufenden Fehlbilanz im Finanzplan des Vertriebs resultieren.

Page 157: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

157

3.7.3. Modellrechung Um die Möglichkeiten und Grenzen des Feldtestkonzepts darzustellen, wurde eine Modellrechnung in 3 Schritten aufgesetzt.

1. Schritt Berechnung der Prognosezeitreihe für die Residuallast im LK Harz aus den Prognosezeitreihen für Bruttostrombedarf, Windenergieeinspeisung und PV-Einspeisung. Dabei handelt es sich um Viertelstundenzeitreihen der mittleren Leistungswerte mit der Einheit [kW].

2. Schritt Umrechnung der viertelstündlichen Vortagsprognose der Residuallast auf eine Stundenzeitreihe.

3. Schritt Ermittlung der Preisstufen für jede Stunde anhand der in der Tabelle oben dargestellten Klassengrenzen der Residuallast.

Für diese Modellrechnungen wurde ein Ausbau von Windenergie- und PV-Stromanlagen gemäß den Leitszenarien 1 (Jahr 2008) und 2 (EE-Ausbau im Jahr 2020) und 3 (100%-EE-Versorgung) angenommen und daraufhin vergleichende Rechnungen zwischen den Ausbauszenarien durchgeführt.

Folgende Daten / Annahmen flossen in die Modellrechnung ein: • Die kW-Klassengrenzen der Preisstufen wurden anhand der beobachteten

Residuallast des Jahres 2008 (bzw. der Annahmen für den Ausbauzustand im Jahr 2020) definiert (s.o.). Hierzu ist hinzuzufügen: Zum Zweck einer möglichst realitätsnahen Simulationsrechnung hätten die Tarifstufen für das Jahr 2008 anhand der beobachteten Residuallast des Jahres 2007 erstellt werden müssen, für die im Projekt jedoch keine Zeitreihe vorliegt.

• Die tagesaktuelle Errechnung der Preisstufen erfolgt anhand der Vortagsprognose der Residuallast im Landkreis Harz, die sich um den Prognosefehler von der später gemessenen beobachteten Residuallast unterscheidet. Zu den Leitszenarien 1 und 2 liegen Zeitreihen zur day ahead-prognostizierten Einspeisung vor; für Leitszenario 3 stehen diese Prognosen im RegModHarz-Projekt jedoch nicht zur Verfügung. Deshalb wurde für die im folgenden beschriebenen Modellrechnung für Leitszenario 3 anstelle der prognostizierten Einspeisung die IST-Einspeisung verwendet, ebenso geschah dies für die Prognose des Stromverbrauchs, hierfür wurde der IST-Stromverbrauch von 2008 verwendet. Dies entspricht der Annahme, die Prognosegüte läge beim 100%EE-Szenario bei 100%, was in Realität erreichbar ist. Beim Vergleich der Ergebnisse für die verschiedenen Szenarien ist dieser Umstand zu beachten. Die wesentlichen Erkenntnisse aus den Berechnungen für das 100%-Szenario basieren jedoch auf der um ein Vielfaches höheren Einspeiseleistung von Wind- und PV-Stromanlagen gegenüber den Leitszenarien 1 und 2.

• Zur Bildung der Residuallast für die Modellrechnung in Leitszenario 2 floss die im Rahmen der Leitszenarien-Entwicklung skalierte Bruttostromverbrauchszeitreihe für Leitszenario 2 ein, die von einem gegenüber für Leitszenario 1 geringfügig niedrigeren Stromverbrauch als 2008 ausgeht.

Page 158: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

158

Auf Grundlage der hier dokumentierten Untersuchungen fiel anschließend im Konsortium die Entscheidung, beim BEMI-Feldtest nicht die aktuell im Jahr 2012 auftretende Wind- und PV-Einspeisung einfließen zu lassen, sondern eine für das Jahr 2020 anzunehmende Einspeiseleistung (Begründung siehe Zusammenfassung sowie Feldtestkonzept), allerdings bei Beibehaltung der Bruttostromverbrauchsannahmen aus Leitszenario 1. In dieser Hinsicht werden die Ergebnisse der folgenden Modellrechnungen von den späteren Auswertungen des Feldtests zu unterscheiden sein. Da sich die Bruttostromverbrauchszeitreihen aus Leitszenario 1 und 2 nicht wesentlich unterscheiden (in Leitszenario 2 wird von einem geringfügig niedriger skaliertem Stromverbrauch je Stunde ausgegangen), sollte der Trend zwischen den Szenarien bei den im folgenden dargestellten Modellrechnungen jedoch auch für den Feldtest hinreichend gut dargestellt werden.

3.7.4. Zeitliche Verteilung und Dauer der Preisstufen

3.7.4.1. Häufigkeits-Verteilung der stündlichen Preisstufen im Jahr

Tabelle 36: Auftretenshäufigkeit je Preisstufe für Leitszenario 1 und 2 innerhalb eines Jahres

Preisstufe Anzahl Stunden Leitszenario 1

Anteil Stunden Anzahl Stunden Anteil Stunden

Leitszenario 1 Leitszenario 2 Leitszenario 2

9 288 3% 279 3%

8 838 10% 619 7%

7 1.053 12% 943 11%

6 852 10% 992 11%

5 1.947 22% 2.432 28%

4 1.169 13% 989 11%

3 1.158 13% 879 10%

2 958 11% 1.046 12%

1 521 6% 605 7%

Page 159: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

159

Abbildung 107: Optimalverteilung der Preisstufen innerhalb eines Jahres

Abbildung 108: Auftretenshäufigkeit je Preisstufe für Leitszenario 1 und 2 innerhalb eines

Jahres

Leitszenario 1

Es lässt sich beobachten, dass in 43 % aller Stunden die Bonus-Preisstufen 1-4 vorkommen, aber lediglich in 35 % der Stunden die Malus-Preisstufen 6-9. Die indifferente Preisstufe 5 kommt in 22 % der Stunden vor. Die Preisstufen basieren wie oben beschrieben auf der Prognose der Residuallast und nicht auf der Residuallast selbst. Dies begründet den Unterschied zur Optimalverteilung: Vergleichsbasis ist hier eine Häufigkeitsverteilung der Preisstufen, als wären sie anhand der IST-Werte der Residuallast gebildet worden, die auch der Bildung der Klassengrenzen diente und eine Gleichverteilung darstellt, und bei der es 40 % Bonus-Preisstufen, 40 % Malus-Preisstufen und 20 % indifferente Preisstufe 5 gegeben hätte. Die progostizierte Residuallast ist somit im Jahresmittel niedriger als die IST-Werte der Residuallast. Die Ursache liegt v.a. in der Windprognose, die häufiger höhere Einspeisungen prognostizierte, als tatsächlich eingetreten waren.

Leitszenario 2

In Leitszenario 2 lässt sich beobachten, dass in 32 % aller Stunden die Bonus-Preisstufen 1 bis 4 vorkommen, und in 40 % der Stunden die Malus-Preisstufen 6 bis 9. Die indifferente Preisstufe 5 kommt mit 28 % der Stunden recht häufig vor. Gute Einspeiseprognosen sind notwendig, um diesem Ungleichgewicht entgegenzuwirken.

Page 160: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

160

Leitszenario 3

Für Leitszenario 3 wurde nicht untersucht, inwieweit die Prognosegüte einen Einfluss auf die Häufigkeitsverteilung der Preisstufen innerhalb des Jahres hat, da keine Prognose für das 100%-EE-Szenario vorliegt und die Prognosegüte zudem hypothetisch wäre. Deshalb wird in Leitszenario 3 von der Optimalverteilung ausgegangen, was bei der Interpretation der folgenden Ergebnisse zu berücksichtigen ist.

3.7.4.2. Preisstufenausgleich und -wechsel innerhalb von Tagen Niedrige und hohe Preisstufen sollten sich im Tagesmittel soweit ausgleichen, dass Haushaltskunden die Möglichkeit zu haben, Lastverlagerung innerhalb eines Tages betreiben zu können. Tritt an einem Tag eine durchschnittliche „extreme“ Preisstufe von 2 oder von 8 auf, so spricht dies für einen ganztägig relativ einheitlich preiswerten bzw. teuren Strombezug und indirekt für geringe Möglichkeiten preislich angereizter Lastverschiebung.

Abbildung 109: Verteilung der tagesdurchschnittlichen Preisstufen für die Leitszenarien 1, 2

und 3

Leitszenario 1

Nur an 18 % aller Tage erreicht die tagesmittlere Preisstufe den Wert 5. An diesen Tagen gleichen sich höhere und niedrigere Preisstufen bei einem gleichmäßigen Stromverbrauch über Tag im Mittel also wieder aus. Mittels Lastverlagerung können bevorzugt günstigere Preisstufen genutzt werden. Vorteilhaft im Sinne der Lastverschiebung bei den Haushalten

Page 161: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

161

wäre, wenn an deutlich mehr als 20 % aller Tage die Preisstufe 5 im Mittel erreicht würde und ein derartiger Ausgleich der Preisstufen stattfände.

Es lässt sich beobachten, dass die extremen Preisstufen 1 und 2 zusammen in 12 % der Tage als Tagesmittel auftreten. Innerhalb solcher Tage ist der Strombezug generell günstig und es besteht ein Anreiz zu Mehrverbrauch. Die extremen Preisstufen 8 und 9 treten in fürchten, dass es allzu viele Tage gibt, an denen jeglicher Stromverbrauch mit immensen Kosten verbunden ist.

Ein interessantes Ungleichgewicht stellt sich allerdings zwischen der Auftretenshäufigkeit von Tagen mit mittleren Preisstufen 3 + 4 bzw. 6 + 7 dar: Tage mit einer mittleren Preisstufe von 3 oder 4 stellten sich im Modell in zusammen 31 % der Fälle ein, Tage mit einer mittleren Preisstufe von 6 oder 7 in zusammen 37 % der Fälle. In letzteren wird es wichtig sein, kurze Phasen günstiger Preisstufen für den Strombezug zu nutzen.

Leitszenario 2

In Leitszenario 2 kommen die extremen tagesdurchschnittlichen Preisstufen 1 bis 3 sowie 7 bis 9 in ähnlichen Häufigkeiten vor wie in Leitszenario 1, wohl mit einer geringfügigen Verschiebung der mittleren Preisstufe 7 zur mittleren Preisstufe 3 (um 2%). In Leitszenario 2 tritt Preisstufe 5 tagesdurchschnittlich häufiger auf als die Preisstufen 4 und 6 – im Gegensatz zu Leitszenario 1.

Leitszenario 3

In Leitszenario 3 tritt ein Tagesdurchschnitt von Preisstufe 7 seltener auf, als in Leitszenario 1 und 2, dafür aber gibt es einen steten Zuwachs der im Jahresmittel auftretenden tagesmittleren Preisstufen von Preisstufe 1 bis hin zu Preisstufe 6.

Page 162: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

162

3.7.4.3. Differenz zwischen höchster und niedrigster Preisstufe innerhalb eines Tages

In diesem Zusammenhang soll ein Blick darauf geworfen werden, um wie viele Preisstufen die höchste innerhalb eines Tages beobachtete Preisstufe von der niedrigsten abweicht, denn nur wenn mehrere Preisstufen unterschiedlicher Art innerhalb eines Tages auftreten, wird Lastverschiebung realistisch. In der Häufigkeitsverteilung der Abweichung zwischen der höchsten und niedrigsten Preisstufe eines Tages zeigt sich folgendes Bild:

Abbildung 110: Häufigkeiten der Preisstufenspreizung innerhalb eines Tages für die

Leitszenarien 1, 2 und 3

Leitszenario 1

Im häufigsten Falle beträgt der Unterschied innerhalb eines Tages 4 Preisstufen. 75 % der Tage weisen Differenzen zwischen 3 und 5 Preisstufen auf. In immerhin 13 % der Tage unterscheiden sich die Preisstufen höchsten um eine oder zwei Stufen. Eine sehr große Variabilität innerhalb eines Tages mit 7 oder 8 verschiedenen Preisstufen tritt nur in 4 % der Tage auf. Insgesamt treten an 32 % der Tage 0 bis 3 Preisstufen Unterschied auf, an 33 % der Tage 4 Preisstufen und an 35 % der Tage 6 oder mehr Preisstufen Unterschied.

Leitszenario 2

Die relative Gleichverteilung aus Leitszenario 1 hat sich in Leitszenario 2 verändert und ein häufigeres Auftreten der kleineren bis mittleren Preisunterschiede wird deutlich. Weiterhin tritt eine Differenz von 4 Preisstufen zwischen der höchsten und der niedrigsten innerhalb

Page 163: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

163

eines Tages beobachteten Preisstufen am häufigsten auf. Jedoch tritt nun ein Unterschied von 2 oder 3 Preisstufen deutlich häufiger auf und ein Unterschied von 5 oder 6 Preisstufen deutlich seltener. Insgesamt treten an 54 % der Tage 0 bis 3 Preisstufen Unterschied auf, an 27 % der Tage 4 Preisstufen und an 19 % der Tage 6 oder mehr Preisstufen Unterschied.

Leitszenario 3

Beachtlich ist, dass ein Unterschied von 6 bis 7 Preisstufen innerhalb eines Tages deutlich häufiger auftritt.

3.7.4.4. Dauer von Bonus- und Maluszeiten

Abbildung 111: Dauer der Bonus- und Maluszeiten in Stunden für die Leitszenarien 1, 2 und 3

Page 164: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

164

Leitszenario 1

Das häufigste Auftreten haben Bonus-Preisstufen mit einer Dauer zwischen 1 und 7 Stunden. Dies trat in zusammen 182 Fällen im Jahr 2008 auf. Doch auch Bonuszeiten die 12 und mehr Stunden andauerten, ließen sich in 74 Fällen beobachten. Bonuszeiten, die 24 Stunden oder länger anhielten kamen immerhin in 21 Fällen im Jahr 2008 vor. Letzteres betrifft immerhin 689 Stunden, also rund jede 12. Stunde des Jahres 2008. Bonus-Preisstufen mit einer Dauer zwischen 1 und 7 Stunden bringen es zusammen auf eine Dauer von 764 Stunden. Bonuszeiten, die zwischen 1 und 4 Stunden andauern, betreffen nur 247 Stunden des Jahres 2008.

Bei den Malus-Preisstufen ergibt sich eine interessante Häufigkeitsverteilung mit zwei Spitzen: In 121 Fällen dauerten Malus-Preisstufen zwischen 1 und 6 Stunden an, in 45 Fällen zwischen 7 und 13 Stunden und in 116 Fällen zwischen 14 und 18 Stunden. Diese 116 Fälle machen zusammen 1.882 von 8.784 Stunden des Jahres aus, also mehr als jede 5. Stunde des Jahres. Bei diesen lange andauernden Malusstunden lässt sich kaum noch Last in Zeiten mit Bonus-Preisstufen verlagern.

Die Häufigkeitsverteilung der Maluszeiten ergibt sich direkt aus der zweispitzigen Häufigkeitsverteilung der Residuallast, wie die folgende Grafik zeigt. Auf der x-Achse ist die maximal auftretende Residuallast mit 100 gekennzeichnet. Der niedrigste auftretende Wert einer negativen Residuallast liegt bei 40% des Maximalwertes. Die senkrechten Linien zeigen die Preisstufengrenzen an. Die Fläche unter der Kurve macht in Summe 100% der Häufigkeiten aus.

Leitszenario 2

In Leitszenario 2 nähern sich die Häufigkeitsverteilungen der Dauern von Bonus und Maluszeiten im Vergleich zu Leitszenario 1 an. Die langen Dauern der Maluszeiten in Leitszenario 1 spiegeln eine noch stark vom Stromverbrauch geprägt Residuallast wider. In Leitszenario 2 ist festzustellen, dass die geringen Dauern häufiger werden. Mit ist als von der Einspeisung von Strom aus Wind und Sonne. Dies resultiert aus der höheren installierten Anlagenleistung Wind und PV. Die fluktuierende Einspeisung prägt die Residuallast bereits stärker. Somit wird Lastverlagerung in Leitszenario 2 besser ermöglicht als in Leitszenario 1.

Leitszenario 3

In Leitszenario 3 treten geringe Dauern von 1 bis 5 Stunden nochmals deutlich häufiger auf als in Leitszenario 1 und 2. Bei den Bonuszeiten entsteht ein neuer Peak in der Häufigkeitsverteilung bei einer Dauer von 7 bis 10 Stunden. Dies dürfte in der Dauer PV-Einspeisung begründet liegen, die bei sommerlichen Sonnenstunden bei der hohen installierten PV-Leistung über Tag für längere Bonusphasen sorgt.

Page 165: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

165

3.7.4.5. Anzahl an Tagen mit ausschließlich Bonus- bzw. Malus-Zeiten Leitszenario 1

In Leitszenario 1 treten an 112 Tagen, das sind 31 % der Tage, ausschließlich die Preisstufen 1 bis 5 auf. 77 dieser 112 Tage (69%) sind Wochenendtage oder Feiertage. Somit wird an diesen 31 % der Tage keine Lastverlagerung zwischen Bonus- und Maluszeiten möglich. Haushaltskunden haben an diesen Tagen zu jeder Zeit einen finanziellen Vorteil beim Strombezug und können Lastverlagerung derart betreiben, dass sie diesen Vorteil weiter optimieren. An 36 Tagen, dies sind 10 % der Tage und bis auf einen Tag sämtlich Wochentage, tritt durchgängig Preisstufe 5 bis 9 (Malus oder Indifferent) auf. Der Stromverbrauch spielt in Leitszenario 1 gegenüber der fluktuierenden Einspeisung noch eine relativ große Rolle bei der Preisbildung anhand der Residuallast.

Leitszenario 2

In Leitszenario 2 treten an 141 Tagen, das sind 39 % der Tage, ausschließlich die Preisstufen 1 bis 5 auf. 81 dieser 141 Tage (58%) sind Wochenendtage oder Feiertage. An 57 Tagen, dies sind 16 % der Tage und bis auf drei Tage sämtlich Wochentage, tritt durchgängig Preisstufe 5 bis 9 (Malus oder Indifferent) auf. Insgesamt zeigt sich, dass die Bedeutung der fluktuierenden Einspeisung gegenüber dem Stromverbrauch für die Residuallast in Leitszenario 2 zugenommen hat. Windeinspeiseflauten und Starkwindphasen sind in Leitszenario 2 prägend.

Leitszenario 3

In Leitszenario 3 treten lediglich an 67 Tagen, das sind 18 % der Tage, ausschließlich die Preisstufen 1 bis 5 auf. 22 dieser 67 Tage (33%) sind Wochenendtage oder Feiertage. An 50 Tagen, dies sind 14 % der Tage tritt durchgängig Preisstufe 5 bis 9 (Malus oder Indifferent) auf. 22 % dieser Malustage sind Wochenend- bzw. Feiertage. In Leitszenario 3 ist im wesentlichen nicht mehr die Stromnachfrage ausschlaggebend für die Preisstufenbildung, sondern die Einspeisung, d.h. durchgängige Malustage sind auf ausschließlich auf Windflauten zurückzuführen, nicht mehr wie in Leitszenario 1 auf eine Kombination von Windflaute und höherem Stromverbrauch.

Page 166: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

166

3.7.4.6. Jahresmittleres Tagesprofil

Preisstufen Mittlerer Tagesgang Leitszenario 1 (Ortszeit) 9 8

7

6

6 6 6 6 6

6 6

5

5 5

5 5 5 5 5

5 5

4

4 4

4 4

3 3 3 3

3 2

1

00-0

1 U

hr

01-0

2 U

hr

02-0

3 U

hr

03-0

4 U

hr

04-0

5 U

hr

05-0

6 U

hr

06-0

7 U

hr

07-0

8 U

hr

08-0

9 U

hr

09-1

0 U

hr

10-1

1 U

hr

11-1

2 U

hr

12-1

3 U

hr

13-1

4 U

hr

14-1

5 U

hr

15-1

6 U

hr

16-1

7 U

hr

17-1

8 U

hr

18-1

9 U

hr

19-2

0 U

hr

20-2

1 U

hr

21-2

2 U

hr

22-2

3 U

hr

23-2

4 U

hr

Abbildung 112: Jahresmittleres Tagesprofil der Preisstufen für Leitszenario 1

Wird aus allen Tagesprofilen ein Jahresdurchschnitts-Profil gebildet, so zeigt dies für Leitszenario 1 noch eine deutliche Prägung durch die menschlich bedingten Stromverbrauchsmuster an.

In den folgenden zwei Grafiken wird der jahresdurchschnittliche Tagesgang getrennt für die Wochentage sowie für die Wochenenden+Feiertage dargestellt.

Preisstufen Mittlerer Tagesgang Leitszenario 1 (Ortszeit) - Wochentage 9 8

7

7 7 7 7 7

6

6

6 6 6 6 6 6 6 6

5

5

5 5 4 4

4 4 4

4

3

3 3

2

1

00-0

1 U

hr

01-0

2 U

hr

02-0

3 U

hr

03-0

4 U

hr

04-0

5 U

hr

05-0

6 U

hr

06-0

7 U

hr

07-0

8 U

hr

08-0

9 U

hr

09-1

0 U

hr

10-1

1 U

hr

11-1

2 U

hr

12-1

3 U

hr

13-1

4 U

hr

14-1

5 U

hr

15-1

6 U

hr

16-1

7 U

hr

17-1

8 U

hr

18-1

9 U

hr

19-2

0 U

hr

20-2

1 U

hr

21-2

2 U

hr

22-2

3 U

hr

23-2

4 U

hr

Abbildung 113: Jahresmittleres Profil der Preisstufen für Arbeitstage für Leitszenario 1

Page 167: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

167

Preisstufen Mittlerer Tagesgang Leitszenario 1 (Ortszeit) - Wochenende/Feiertage 9 8

7

6

5

5

4

4 4 4

4 4

4 4 4 4 4 4

3 3 3 3 3 3 3 3 3

3 3 3

3 2

1

00-0

1 U

hr

01-0

2 U

hr

02-0

3 U

hr

03-0

4 U

hr

04-0

5 U

hr

05-0

6 U

hr

06-0

7 U

hr

07-0

8 U

hr

08-0

9 U

hr

09-1

0 U

hr

10-1

1 U

hr

11-1

2 U

hr

12-1

3 U

hr

13-1

4 U

hr

14-1

5 U

hr

15-1

6 U

hr

16-1

7 U

hr

17-1

8 U

hr

18-1

9 U

hr

19-2

0 U

hr

20-2

1 U

hr

21-2

2 U

hr

22-2

3 U

hr

23-2

4 U

hr

Abbildung 114: Jahresmittleres Profil der Preisstufen für Wochenenden und Feiertage für Leitszenario 1

Leitszenario 2

Preisstufen Mittlerer Tagesgang Leitszenario 2 (Ortszeit) 9 8

7

6

5

5 5 5 5 5 5

5 5 5 5 5

4 4 4 4 4 4

4 4 4 4 4

4 4 4

3

2

1

00-0

1 U

hr

01-0

2 U

hr

02-0

3 U

hr

03-0

4 U

hr

04-0

5 U

hr

05-0

6 U

hr

06-0

7 U

hr

07-0

8 U

hr

08-0

9 U

hr

09-1

0 U

hr

10-1

1 U

hr

11-1

2 U

hr

12-1

3 U

hr

13-1

4 U

hr

14-1

5 U

hr

15-1

6 U

hr

16-1

7 U

hr

17-1

8 U

hr

18-1

9 U

hr

19-2

0 U

hr

20-2

1 U

hr

21-2

2 U

hr

22-2

3 U

hr

23-2

4 U

hr

Abbildung 115: Jahresmittleres Profil der Preisstufen für Leitszenario 2

Das beim Stromverbrauch beobachtete Tagesmuster macht sich in Leitszenario 2 aufgrund der höheren installierten Leistung an erneuerbaren Energien nicht mehr so sehr in der Residuallast bemerkbar. In Leitszenario 2 ist die witterungsabhängige Einspeiseleistung prägender für die Preisbildung. Übers Jahr betrachtet gleichen sich Starkwind- und Flautephasen tageszeitlich aus. Während der Mittagsstunden macht sich im Jahresmittel bereits die Solarstromeinspeisung bemerkbar.

Page 168: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

168

Leitszenario 3

Preisstufen Mittlerer Tagesgang Leitszenario 3 (Ortszeit) 9 8

7

6

6 6 6

6 6 6 6

5 5 5 5 5

5 5

5 5

5 5 4

4 4

4 4 4

3

3 3

2

1

00-0

1 U

hr

01-0

2 U

hr

02-0

3 U

hr

03-0

4 U

hr

04-0

5 U

hr

05-0

6 U

hr

06-0

7 U

hr

07-0

8 U

hr

08-0

9 U

hr

09-1

0 U

hr

10-1

1 U

hr

11-1

2 U

hr

12-1

3 U

hr

13-1

4 U

hr

14-1

5 U

hr

15-1

6 U

hr

16-1

7 U

hr

17-1

8 U

hr

18-1

9 U

hr

19-2

0 U

hr

20-2

1 U

hr

21-2

2 U

hr

22-2

3 U

hr

23-2

4 U

hr

Abbildung 116: Jahresmittleres Profil der Preisstufen für Arbeitstage für Leitszenario 3

In Leitszenario 3 ergibt sich aufgrund der hohen installierten PV-Leistung ein Tagesgang der Preisstufen, der im wesentlichen von der PV-Einspeisung abhängig ist. Da im Verlaufe eines Jahres alle Preisstufen zu gleicher Häufigkeit auftreten sollen, werden die Zeiten ohne PV-Einstrahlung die teureren Preisstufen (Preisstufen 6 zwischen 4-7 Uhr sowie 18-22 Uhr). Die in der Nacht im Jahresmittel beobachtbare Preisstufen 5 erklärt sich durch die geringere Stromnachfrage als zu den Stunden mit Preisstufe 6 im Jahresmittel.

3.7.4.7. Matrixdarstellung der Preisstufen

Einen grafischen Überblick über die tages- und jahreszeitliche Verteilung der Bonus- und Maluszeiten gibt die folgende Darstellung. Es sind drei Grafiken zum Vergleich nebeneinander gestellt worden, und zwar von links nach rechts für Leitszenario 1, Leitszenario 2 und Leitszenario 3. In jeder einzelnen Grafik wurden jeweils horizontal von links nach rechts (Spalten) die Stunden des Tages (Ortszeit) aufgetragen; vertikal die Tage des Jahres dargestellt (Zeilen). Die Farbspalten am jeweiligen linken Rand einer Grafik kennzeichnen die tagesmittleren Preisstufen, die Farbzeilen am oberen Rand die über das Jahr gemittelten Werte für die einzelnen Stunden des Tages. Die Grafiken wurden in Ortszeiten erstellt.

Page 169: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

169

Abbildung 117: Auftreten der Preisstufen 1-9 in den Leitszenarien. Matrix jeweils: Tageszeit

horizontal (Spalten) und Tage des Jahres vertikal (Zeilen)

Da für alle Leitszenarien dieselben meteorologischen Daten als Basis genommen wurden, und sich nur die installierten Leistungen Wind und PV unterscheiden, kommen in allen drei Grafiken gleichermaßen die Starkwindphasen im Frühjahr zum Ausdruck, unterbrochen von einzelnen Tagen mit geringer Windenergieeinspeisung.

Bei Leitszenario 1 sind die Preisstufen sehr stark durch den Stromverbrauch bestimmt. Es fällt auf, dass die Bonuszeiten vor allem durchgängig nachts auftreten und die Maluszeiten vor allem durchgängig an den Wochentagen Montag bis Freitag. Im Jahresmittel lässt sich eine Preisspitze am Vormittag zwischen 7-12 Uhr und am frühen Abend zwischen 17-19 Uhr verzeichnen. Die mittlere Preisstufe beträgt für Wochenenden und Feiertage 4, die mittlere Preisstufe der Wochentage 5. Dies unterstreicht, dass der Verbrauchslastgang den Einspeiselastgang bei der Residuallast überwiegt. Das Verhältnis aus prognostizierter Einspeiseleistung (Wind + PV) geteilt durch prognostizierter Bruttostrombedarfsleistung ist in knapp 98 % der Viertelstunden des Jahres kleiner 1.

In Leitszenario 2 macht sich im Vergleich zu Leitszenario 1 die deutlich höhere installierte PV-Leistung bemerkbar. Das Verhältnis von Einspeise- zu Verbrauchsleistung ist noch in 84°% der Viertelstunden des Jahres kleiner 1, was im Umkehrschluss bedeutet, dass bereits in 16 % der Viertelstunden die prognostizierte Einspeiseleistung größer ist als der prognostizierte Strombedarfsleistung. Im Sommer gelten in den Mittagsstunden vielfach

Page 170: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

170

Bonuspreisstufen. Im jahresmittleren Tagesgang ist zwischen 11-16 Uhr mit Preisstufe 4 bereits die erste Bonusstufe zu verzeichnen. Durchgängige Malusphasen über Tag werden von Bonusphasen über Mittag unterbrochen. Desweiteren werden im Vergleich zu Leitszenario 1 vielfach tiefrote Maluspreisstufen durch hellrote Maluspreisstufen ersetzt. Preispeakzeiten sind weiterhin Vormittag und frühen Abend, wobei die Peaks am frühen Abend tendenziell stärker, die am Vormittag tendenziell schwächer ausgeprägt sind. Bei Windflauten sind in Leitszenario 2 auch des Nachts Maluspreisstufen zu beobachten. Wie bereits bei den Analysen weiter oben festgestellt, sind die Wechsel zwischen Bonus- und Maluspreisstufen kurzzeitiger als in Leitszenario 1.

Leitszenario 3 zeichnet sich durch besonders hohe installierte Leistungen Wind und PV und somit durch vielfach hohe Einspeiseleistungen im Verhältnis zur Verbrauchsleistung aus. Das Verhältnis von Einspeiseleistung zu Verbrauchsleistung ist in 54% aller Viertelstunden des Jahres >=1, immerhin noch in 46 % aller Viertelstunden <1. Im Vergleich zu Leitszenario 1 kehrt sich im Sommerhalbjahr die Preisstufenverteilung im Tagesgang um: Während der Strahlungszeiten über Tag sind aufgrund der hohen PV-Einspeisung vorwiegend Bonuspreisstufen zu verzeichnen, in der Nacht hingegen vorwiegend Maluspreisstufen. Diese Preisstufenumkehr hat u.a. die Ursache, dass alle Preisstufen ähnlich häufig im Jahr auftreten sollen. Somit „verdrängen“ die sommerlich-mittäglichen Bonuspreisstufen die nächtlichen Bonuspreisstufen. Die abendlichen Peakpreiszeiten sind vom Sonnenstand abhängig und treten im Sommer später am Tag auf als im Frühjahr und Herbst. In der Winterzeit können bei Windflauten ganztägig Maluspreisstufen auftreten, gleichwohl aber auch ganztägig Bonuspreisstufen bei starker Windstromeinspeisung.

3.7.4.8. Verteilung der Preisstufen in einzelnen Monaten

Abbildung 118: Monatlicher Anteil Stunden mit Bonuspreisstufe für die Leitszenarien 1, 2 und 3

Page 171: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

171

Die Grafik oben zeigt den monatlichen Anteil an Bonuspreisstufen in den Leitszenarien 1, 2 und 3. Die Bonuspreisstufen 1-4 treten im Jahresdurchschnitt in Summe in etwa 40% der Stunden auf.

Die einzelnen Monate jedoch unterscheiden sich sehr stark in ihrem jeweiligen Verhältnis von Bonus- zu Malusstunden. Dementsprechend ist es nicht sinnvoll, den Tarif mit monatlicher Möglichkeit der Kündigung vorzusehen. Die monatlichen Unterschiede müssen sich im Jahresverlauf ausgleichen können.

Die hohen Anteile Windstromerzeugung im ersten Quartal führen zu einem hohen Anteil an Bonusstunden. Die Vertriebe müssten somit in Vorleistung gehen, wenn die Vertragsabschlüsse zu Jahresbeginn und die Rechnungsstellungen monatlich erfolgen. Vorteilhaft wären ggf. monatlich mittlere Abschläge und eine jährliche Abrechnung.

In Leitszenario 3 führt die hohe PV-Einspeisung in den frühen Sommermonaten zu einem höheren Anteil Bonusstunden als in Leitszenario 1 und 2. Als Ausgleich dazu ist der Anteil an Bonusstunden im März Winter geringer.

3.7.4.9. Häufigkeiten der Preisstufen im Jahresverlauf Die folgenden Grafiken zeigen die Häufigkeiten der Preisstufen im Jahresverlauf für die drei Leitszenarien in RegModHarz.

Abbildung 119: Auftretenshäufigkeiten der einzelnen Preisstufen im Jahresverlauf für

Leitszenario 1

Page 172: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

172

Abbildung 120: Auftretenshäufigkeiten der einzelnen Preisstufen im Jahresverlauf für

Leitszenario 2

Abbildung 121: Auftretenshäufigkeiten der einzelnen Preisstufen im Jahresverlauf für

Leitszenario 3

Anhand der Grafiken wird der Jahresgang detailliert für die einzelnen Preisstufen 1-9 in den einzelnen Monaten deutlich.

Erkennbar ist die hohe Häufigkeit der Preisstufen 1 und 2 im ersten Quartal und anschließend geringe Auftretenshäufigkeit der Preisstufen 1 bis 3. Speziell in Leitszenario 3 tritt Preisstufe 1 im März sehr häufig auf – auch im Vergleich zu Preisstufe 2. Dabei erreicht

Page 173: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

173

Preisstufe 1 Auftretenshäufigkeiten wie für Preisstufe 5 üblich, die im Jahresmittel doppelt so häufig vorkommen soll wie die Bonuspreisstufen 1 bis 4 und die Maluspreisstufen 6-9.

In Leitszenario 2 ist Preisstufe 5 im Herbst häufiger zu beobachten als in den anderen Szenarien.

In Leitszenario 1 tritt Preisstufe 7 nach dem 1. Quartal deutlich häufiger auf, als in Leitszenario 2. Dafür verteilen sich in Leitszenario 2 die Häufigkeiten der Preisstufen 6,7 und 8 etwas gleicher. In Leitszenario 3 ist eine erneute Differenzierung zu beobachten.

3.7.5. Übertragung der Ergebnisse auf den Feldtest und Fazit In einem zukünftigen Energiesystem mit einem hohen Anteil fluktuierender Erzeuger ist es notwendig, auch das Flexibilitätspotenzial der Haushalte zu erschließen. Die Verschiebung der Haushaltslasten soll durch einen preisdynamischen Tarif angereizt werden. Die Funktionsfähigkeit eines solchen Anreizsystems sollte bei einem Feldtest nachgewiesen werden. Der Feldtesttarif orientiert sich an der Stromvertriebsstrategie „Regionaler Haushaltskundenstromtarif“ (s. Arbeitspaketbericht AP 2.7.1 Geschäftsmodelle für RegModHarz). Der Anreiz zur Lastverschiebung erfolgt durch ein neunstufiges Bonus-Malus-System. Die Bildung der Preisstufen erfolgt anhand der prognostizierten Residuallast der Modellregion als Führungsgröße. Simulationen haben gezeigt, dass das Verhältnis zwischen installierter Leistung von Wind und PV und durchschnittlicher Stromverbrauchsleistung einen grundlegenden Einfluss auf die Verteilung der dynamischen Bonus- und Maluszeiten hat. War im Jahr 2008 noch das Verbrauchsmuster in der Modellregion preisstufenbestimmend, so hat im 100%-Szenario das Einspeiseverhalten von Wind und PV den überwiegenden Einfluss auf die Abfolge der Bonus- und Maluszeiten. Das Bonus-Malus-System bietet folgenden Vorteil: Die Preisspreizung und damit der Anreiz zur Lastverschiebung ist unabhängig von der Stromlieferung durch den Vertrieb und kann sich somit gänzlich nach dem Bedarf der Netzbetriebsführung richten.

Im Vordergrund der hier dargestellten Modellrechnungen stand die Frage, welche Möglichkeiten das zeitliche Auftreten der Preisstufen den Haushaltskunden im Feldtest zur Lastverlagerung bieten und welche Unterschiede diesbezüglich zwischen den verschiedenen Ausbaustadien erneuerbarer Energien bestehen.

Es wurden Modellrechnungen für das Wetterjahr 2008 in den Leitszenarien 1 (Situation im Jahr 2008), 2 (EE-Ausbau im Jahr 2020) und 3 (100%EE-Stromversorgung) durchgeführt. Dabei wurde der Preisbildungsmechanismus des Feldtests verwendet.

Aufgrund der oben dargestellten Auswertungen zur zeitlichen Verteilung der Preisstufen wurde im Konsortium die Entscheidung getroffen, die Preisstufenbildung für den BEMI-Feldtest mit den Haushaltskunden nicht auf Grundlage der im Jahr 2012 zu prognostizierten residualen Last zu berechnen. Grund war die Feststellung, dass sich damit noch nicht der innovative Charakter des Forschungsprojektes verbinden lässt: Da aktuell noch die residuale Last maßgeblich vom Stromverbrauchsmuster bestimmt wird, mündet die zeitliche Dynamik

Page 174: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

174

letztendlich doch in einem Muster, das in wesentlichen Zügen einem herkömmlichen Tag/Nacht-Tarif entspricht und aufgrund langer Phasen durchgängiger Maluspreisstufen nur wenig Motivation zur Lastverlagerung im Haushalt bietet. Anders stellt sich dies in Leitszenario 2 dar: Die Preisstufen wechseln häufiger zwischen Bonus- und Maluswerten. Damit besteht ein höherer Anreiz zur Lastverlagerung. Zugleich stellt Leitszenario 2 eine Situation in greifbar naher Zukunft dar. Zur Preisbildung im Feldtest wurde daraufhin entschieden, die aktuell prognostizierten Einspeiseleistungen von Wind und PV mit einem Faktor zu skalieren, der zu den erwartbaren Einspeiseleistungen im Jahr 2020 führt.

Die unterschiedlichen, in den Leitszenarien dargestellten Ausbaugrade erneuerbarer Energien in der Region führen zu sehr verschiedenen zeitlichen Verteilungen der Preisstufen. Das in Leitszenario 1 noch sehr dominante Stromverbrauchsmuster wird in Leitszenario 2 bereits durch die höheren installierten Leistungen Wind und PV im Jahresmittel kompensiert. In Leitszenario 3 kehren die hohen Einspeiseleistungen aus Solarkraftwerken vor allem im Sommer die Verteilung von Bonus- und Maluspreisstufen gegenüber Leitszenario 1 um: Tagsüber bei Sonneneinstrahlung sind preisgünstige Preisstufen zu erwarten, nachts hingegen im Ausgleich hohe Preisstufen. Die Einspeisung aus Solarenergie kompensiert das Stromverbrauchsmuster bereits über. Die Netzverträglichkeit von Leitszenario 3 wird im Rahmen von RegModHarz von der Universität Magdeburg untersucht.

Die von der Witterung abhängige Dynamik der Strompreise beinhaltet wirtschaftliche Risiken für die Tarifanbieter, die über die Tarifgestaltung auszuschließen sind. Im Wetterjahr 2008 waren im 1. Quartal sehr viele Bonuspreisstufen zu verzeichnen, so dass ein Vertrag mit Haushaltskunden über lediglich diesen Zeitraum zu einem Verlust geführt hätte. Vertragslaufzeiten müssten auf 1 Jahr ausgelegt sein, um einen zeitlichen Ausgleich der Preisstufenhäufigkeiten zu ermöglichen.

Page 175: Modellierung und Simulation - RegModHarzregmodharz.iee.fraunhofer.de/fileadmin/user_upload/bilder/Service/... · Die Optimierung des Betriebs von Energiespeichern ist dabei weiterhin

Gefördert durch das im Rahmen von

175

4. Quellenverzeichnis ASUE, A. f. (2011). BHKW-Kenndaten 2011 - Module, Anbieter, Kosten. Frankfurt.

Bauknecht, D., & Koch, M. (2011). Modellgestützte Analyse der Integration von erneuerbarer und dezentraler Stromerzeugung in Deutschland.

Ehlers, N. (2011). Strommarktdesign angesicht des Ausbaus fluktuierender Stromerzeugung. Berlin.

EMD International, A. (04 2010). energyPRO Handbuch. Aalborg.

Erge, T., Wille-Haussmann, B., & Wittwer, C. (2008). Realisierung eines "virtuellen" Kraftwerkprototyps im badenove Stromnetz für die EInsatzplanung von regenerativen Stromgeneratoren und dezentralen KWK-Anlagen - "VIRTPLANT". Freiburg.

Filzek, D. (2011). Variable Stromtarife zur Einbindung der Erneuerbaren Energien.

Höfling, H. (2010). Energiespeicherung - Herausforderungen bei der Bestimmung des Bedarfs und der Förderung.

IWES, F. (2010). Energiewirtschaftliche Bewertung von Pumpspeicherwerken und anderen Speichern im zukünftigen Stromversorgungssystem. Kasseö.

Megersa, G. (2012). Simulation und energiewirtschaftliche Potenzialanalyse für Speicher sowie für den Einsatz von flexiblen Erzeugern und Lasten. Kassel: Masterarbeit im Rahmen von RegModHarz - Universität Kassel.

Popp, M. (2010). Speicherbedarf bei einer Stromversorgung mit erneuerbaren Energien. Berlin Heidelberg.

Sauer, D. U. (2006). Optionen zur Speicherung elektrischer Energie in Energieversorgungssystemen mit regenerativer Stromerzeugung. Aachen.

Stadler, I. (06 2012). Einführung von Speichern in die Energiewirtschaft - Alte Märkte, neue Marktmodelle, Förderung: Ansätze, abgeleitet aus der technischen Notwendigkeit. Solarzeitalter, S. 26-36.

Sterner, M. (2009). Bioenergy and renewable power methane in integrated 100% renewable energy systems. Kassel.

UBA, U., & IWES, F. (2010). Energieziel 2050 - 100% Strom aus erneuerbaren Quellen.

Winkelmüller, S. (2006). Optimierung der Nachfrage- und Erzeugungsstruktur kommunaler Energiesysteme am Beispiel von Wien. Augsburg.