Professional Documents
Culture Documents
Jahrhunderts
Arbeitskreis Energiewirtschaft Projekt BY 1E
Projektleiter:
Prof. Dr.-Ing. Ulrich Wagner Prof. Dr. rer. nat. Thomas Hamacher (komm.) Lehrstuhl fr Energiewirtschaft und Anwendungstechnik Technische Universitt Mnchen
Mitarbeiter:
Die Forschungsinitiative KW21 basiert auf einer Public-Private-Partnership. Von ffentlicher Seite wurde dieses Teilprojekt finanziert durch das Bayerische Staatsministerium fr Wissenschaft, Forschung und Kunst und das Bayerische Staatsministerium fr Wirtschaft, Infrastruktur, Verkehr und Technologie. Die Mittel entstammen dem Klimaprogramm Bayern 2020. Seitens der Industrie wurde dieses Teilprojekt finanziert durch die E.ON Energie AG.
Inhalt
Ausgangssituation ................................................................................................1 1.1 1.2 1.3 Problemstellung.............................................................................................1 Stand der Forschung.....................................................................................3 Projektziele....................................................................................................5
Methodischer Ansatz ............................................................................................6 2.1 2.2 2.3 Lsungsansatz ..............................................................................................6 berblick ber die Teilmodelle und den Iterationsablauf ...............................8 Beschreibung der Teilmodelle .......................................................................9 Eingangsdaten .......................................................................................9 Teilmodell MOWIKA .............................................................................11 Teilmodell MESTAS .............................................................................15 Teilmodell MOGLIE ..............................................................................19 Elektromobilitt.....................................................................................25 Demand Side Management / Demand Response ................................27 Speicherheizungen .......................................................................29 Khlschrnke ................................................................................30
Export...................................................................................................31
Rahmendaten zu den Szenarios ........................................................................33 3.1 Fixe Rahmendaten ......................................................................................33 Kraftwerksdaten ...................................................................................33 Charakteristische Zeitreihen fr Last und gesetzte Einspeisung..........37 Brennstoffe...........................................................................................39 CO2-Zertifikate......................................................................................40 Grotechnische Speichertechnologien.................................................40 Bevlkerung .........................................................................................43 Strombedarf, erneuerbare Energien und KWK.....................................43 Funktionale Speicher............................................................................47 Elektromobilitt..............................................................................49 Demand Side Management / Demand Response .........................54 Export............................................................................................59 3.1.1 3.1.2 3.1.3 3.1.4 3.1.5 3.1.6 3.2 3.2.1 3.2.2
Variable Rahmendaten................................................................................43
Inhalt
3.2.3
Szenariobersicht ................................................................................60 Basisszenarios ..............................................................................60 Elektromobilittsszenarios ............................................................61 DSM-Szenarios .............................................................................62 Exportszenarios ............................................................................62
Szenarioergebnisse............................................................................................64 4.1 Basisszenario 80/minus15...........................................................................64 Entwicklung der Stromerzeugung ........................................................64 Entwicklung des Kraftwerksparks.........................................................65 Entwicklung der Speicherkapazitt ......................................................66 Entwicklung der Speicherladeleistung..................................................67 Entwicklung der Speicherentladeleistung.............................................68 berblick ..............................................................................................69 Neubauspeicher-Kapazitt............................................................70 Neubauspeicher-Ladeleistung ......................................................70 Neubauspeicher-Entladeleistung ..................................................71 4.1.1 4.1.2 4.1.3 4.1.4 4.1.5 4.2 4.2.1
Basisszenarios .....................................................................................72 Szenarios Elektromobilitt....................................................................75 Szenarios Demand Side Management / Demand Response ...............81 Szenarios Export ..................................................................................84
Fazit und Ausblick ..............................................................................................88 Literatur ..............................................................................................................90 6.1 6.2 Eigene Arbeiten...........................................................................................90 Arbeiten anderer Autoren ............................................................................90
7 8
Abkrzungsverzeichnis.......................................................................................94 Anhang ...............................................................................................................95 8.1 8.2 Gesamtstruktur MESTAS ............................................................................95 Daten der bercksichtigten Bestands-Pumpspeicherwerke ........................96
Ausgangssituation
1 Ausgangssituation
1.1 Problemstellung
Elektrische Energie wird in Industrielndern wie Deutschland berwiegend in Grokraftwerken und zunehmend auch in dezentralen kleineren Anlagen erzeugt und ber ein Verbundnetz an die Verbraucher verteilt. Das Netz fhrt zu einer Vergleichmigung der Last und einer erhhten Versorgungssicherheit, besitzt jedoch keine Speicherwirkung, wie es beispielsweise im Gasnetz der Fall ist. Folglich muss der Strom praktisch immer zum Zeitpunkt des Verbrauchs erzeugt werden. Die Einfhrung des Erneuerbare-Energien-Gesetzes (EEG) fhrte in Deutschland in den letzten Jahren zu einem massiven Zubau von Anlagen zur Erzeugung von Strom aus erneuerbaren Energien. Ihre Stromproduktion ist insbesondere bei Wind- und Photovoltaikanlagen fluktuierend und von den Wetterbedingungen abhngig. Die gesetzliche Regelung garantiert jedoch eine vorrangige Einspeisung des elektrischen Stroms aus erneuerbaren Energien sowie aus wrmegefhrten Kraft-Wrme-Kopplungsanlagen ins Stromnetz, wodurch die frei disponierbaren thermischen Kraftwerke lediglich die restliche Lastanforderung, die sogenannte residuale Last, decken mssen. Um die nationalen und internationalen Klimaschutzziele zu erreichen und die Abhngigkeit von fossilen Brennstoffen zu reduzieren, wird der Ausbau der erneuerbaren Energien (EE) und der Kraft-Wrme-Kopplung (KWK) in Zukunft noch weiter verstrkt werden. Die Integration hoher Anteile angebotsabhngiger Erzeugung wird deshalb eine Flexibilisierung des Stromsystems erfordern. Gleichzeitig wird die von den konventionellen thermischen Kraftwerken zu deckende residuale Last sukzessive abnehmen, was zu einer deutlichen Verringerung der Ausnutzungsdauern in weiten Bereichen des thermischen Kraftwerksparks fhren wird. Aufgrund des relativ geringen Beitrags der vorrangig einspeisenden Erzeugungsanlagen mit fluktuierender Erzeugung zur gesicherten Leistung wird die Installation neuer konventioneller Kraftwerkskapazitten allerdings auch knftig notwendig sein. Anlagen zur grotechnischen Speicherung von Strom werden in Deutschland bereits seit Jahrzehnten in Form von Pumpspeicherwerken (PSW) eingesetzt. Allerdings sind sowohl die insgesamt installierte Leistung mit ca. 6,5 GW im Turbinenbetrieb als auch die verfgbare Speicherkapazitt mit ca. 77 GWh stark begrenzt (vgl. Kapitel 3.1.5). Die Integration der EE- und KWK-Einspeisung stellt mit wachsenden Anteilen an der Stromerzeugung eine zunehmende Herausforderung dar und knnte einen Ausbau der Speicherkapazitten sinnvoll erscheinen lassen. So ermglichen Speicher eine zeitliche Entkopplung von Stromerzeugung und -verbrauch, was zudem zu einer Kostenreduktion fhren kann. Da bei der Speicherung elektrischer Energie stets Verluste auftreten, ist ein Speichereinsatz zur Lastglttung (Peak-Shaving) nur
Ausgangssituation
dann sinnvoll, wenn die Kostenreduktion mindestens so hoch ist wie die durch die Speicherung entstehenden Mehrkosten. Des Weiteren knnen Speicher durch die Substitution konventioneller Kraftwerksleistung, die Bereitstellung von Reserveleistung sowie eine eventuelle Vermeidung von Netzausbaumanahmen die Kosten des Stromsystems reduzieren. Doch auch die verbraucherseitige Energiespeicherung stellt eine Mglichkeit zur Flexibilisierung des Stromsystems dar. So wird Demand Side Management (DSM) in groen Industriebetrieben aus betriebswirtschaftlicher Motivation bereits seit lngerem zur Senkung der Strombezugskosten eingesetzt. Insbesondere bei Systemen mit thermischen Speichern beispielsweise bei Khlgerten, Speicherheizungen oder bei der Warmwasserbereitung ist Lastmanagement ohne entscheidende Einschrnkungen fr den Nutzer mglich. Der Einsatz von DSM zur Optimierung der Gesamtkosten der Stromerzeugung ist somit auch fr Anwendungen im Haushaltsbereich denkbar. Sowohl erzeuger- als auch verbraucherseitige Energiespeicher knnten in Zukunft einen Beitrag zur notwendigen Flexibilisierung des Stromsystems und somit zur Integration wachsender Anteile fluktuierender Erzeugung leisten. Allerdings stellt sich die Frage, welche der unterschiedlichen Technologien diese Aufgabe am wirtschaftlichsten erfllen und in welchem Umfang ein Ausbau der Kapazitten erforderlich ist. Aufgrund der Wechselwirkungen zwischen erzeugerseitiger Energiespeicherung und Lastmanagement sowie deren Rckwirkungen auf Investitionsentscheidungen im thermischen Kraftwerkspark kann diese Frage nur mithilfe eines mglichst umfassenden Stromsystemmodells gelst werden. Um in einem solchen Modell die optimale Struktur des Stromerzeugungssystems eines ganzen Landes zu bestimmen, ist eine volkswirtschaftliche Modellierung zu verwenden. Im Gegensatz zu einem Marktmodell oder einem betriebswirtschaftlichen Ansatz liegt das Optimierungsziel demnach nicht in der Gewinnmaximierung einzelner Akteure, sondern in der Maximierung der konomischen Wohlfahrt und damit vereinfacht in der Minimierung der Gesamtkosten. Das Modell muss mglichst alle Zusammenhnge abbilden, die das Ergebnis in entscheidender Weise beeinflussen. Dies beinhaltet zum einen die Bercksichtigung technischer und wirtschaftlicher Rahmenbedingungen (technische Parameter der Kraftwerke und Speicher, Entwicklung der Stromnachfrage, Preisentwicklungen fr Technologien, Brennstoffe und CO2-Zertifikate) sowie politischer Zielsetzungen (Ausbau von erneuerbaren Energien und KWK, Laufzeiten der Kernkraftwerke). Zum anderen mssen die relevanten technischen und wirtschaftlichen Restriktionen und Wirkungszusammenhnge im Modell bercksichtigt werden. So knnen Entscheidungen ber Speicherinvestitionen nur auf Basis einer wirtschaftlich getriebenen Speichereinsatzplanung getroffen werden. Der Speichereinsatz nutzt zur Reduktion der Gesamtkosten die nachfragebe-
Ausgangssituation
dingt schwankenden Erzeugungskosten. Er hngt somit wiederum stark von der residualen Last, d. h. von der Verbraucherlast abzglich der Einspeisung aus EE und KWK, sowie von Einsatz und Kostenstruktur der konventionellen Bestands- und Neubaukraftwerke ab. Da es sich sowohl bei Kraftwerken als auch bei grotechnischen Speichern um langlebige und vergleichsweise teure Investitionsgter handelt, mssen die fr eine Amortisation notwendigen langen Zeitrume von einigen Jahrzehnten auch im Modell abgebildet werden. Zugleich kann die Flexibilisierung des Stromsystems durch den Einsatz von Speichern nur mithilfe einer mglichst hohen zeitlichen Auflsung modelliert werden. Zur Beschreibung eines Modells zur Kraftwerksund Speicherausbauplanung mit langem Zeithorizont sowie hoher zeitlicher Auflsung ist demnach eine sehr groe Anzahl von Variablen notwendig. Die mathematische Formulierung der Wirkungszusammenhnge eines solchen Stromsystemmodells ist hingegen auf relativ einfache Weise mglich und kann beispielsweise mithilfe linearer Gleichungen und Ungleichungen erfolgen, ohne dabei wesentlich an Ergebnisgenauigkeit zu verlieren. Allerdings weisen die Wechselwirkungen zwischen Speichern und Kraftwerken eine hohe Komplexitt auf, die durch den zeitlichen Rahmen und die damit verbundene hohe Anzahl an Variablen noch verstrkt wird. Aufgrund der Systemgre und der hohen Komplexitt ist die Verwendung eines mathematischen Optimierungsverfahrens zur Lsung der Problemstellung unumgnglich.
Ausgangssituation
werksbestandes auch Entscheidungen ber Neuinvestitionen getroffen werden. In diesem Fall wrde eine Modellierung mit vergleichbarer zeitlicher und technischer Genauigkeit zu Systemgren fhren, die eine Optimierung mit derzeit blichen Rechenleistungen unmglich machen. Aus diesem Grund greifen bisherige Modellierungsanstze zur Kraftwerkseinsatz- und Ausbauplanung auf unterschiedliche Vereinfachungen zurck. In [ROT08] wurde ein auf Evolutionsstrategien basierendes intertemporales Modell zur Ausbauoptimierung des deutschen Kraftwerksparks vorgestellt. Durch die Vernachlssigung von Anfahrtskosten und Mindestbetriebs- und Stillstandszeiten konnte hier die chronologische Betrachtung der Lastanforderung durch die vereinfachte Darstellung mittels geordneter Jahresdauerlinien ersetzt werden. So ist es mglich, auch einen Planungszeitraum von mehreren Jahrzehnten vollstndig zu simulieren. Der Einsatz bestehender PSW bzw. ein Neubau von Energiespeichern wird jedoch nicht bercksichtigt. Um sowohl Kraftwerke und Speicher als auch den Stromtransport zwischen mehreren Netzknoten in einem Ausbaumodell bercksichtigen zu knnen, wird die Lastanforderung hufig durch eine Auswahl reprsentativer Zeitperioden abgebildet und so die Anzahl der zu simulierenden Zeitschritte und damit die Systemgre reduziert. Eine mgliche Umsetzung eines Mehr-Knoten-Modells Deutschlands zur Optimierung des Kraftwerksausbaus mithilfe der LP wird in [HAA06] vorgestellt. Die Lastanforderung wird hier durch 84 stndlich aufgelste Typtage abgebildet. Ein hnliches Modell mit 174 Typtagen wird in [HEH09] vorgestellt, wobei hier eine zweistufige stochastische LP angewandt wird. Das in [EPE06] beschriebene Modell ermglicht die Bestimmung eines optimierten Speicherausbaus, indem der Planungszeitraum von mehreren Jahrzehnten durch Sttzjahre mit jeweils vier Typmonaten abgebildet wird. Die Lsung des mehrstufig stochastischen Optimierungsproblems erfolgt hier mithilfe rekombinierender Szenariobume. Auch das auf LP basierende Energiesystemmodell TIMES ermglicht einen optimierten Kraftwerks- und Speicherausbau [REM06]. In TIMES wird der mehrjhrige Planungszeitraum ebenfalls durch einzelne Sttzjahre abgebildet, wobei der Anwender die weitere Untergliederung in typische Zeitsegmente flexibel gestalten kann. Als problematisch erscheint bei den beschriebenen Modellierungsanstzen zunchst die Verwendung reprsentativer Sttzjahre. So werden intertemporale Beziehungen zwar bercksichtigt, d. h. Investitionsentscheidungen aus einem Sttzjahr werden in das nchste Sttzjahr bernommen, doch besteht die Mglichkeit, dass sich singulre Ereignisse zwischen den Sttzjahren (z. B. die Abschaltung eines groen Kraftwerksblocks) nicht auf die Planung auswirken. Zum anderen stellt die weitere Untergliederung in Typtage insbesondere im Hinblick auf die Modellierung des Speichereinsatzes bzw. -ausbaus eine erhebliche Einschrnkung dar, da eine Energie-
Ausgangssituation
speicherung ber mehrere Tage oder Wochen hinweg nicht adquat abgebildet werden kann.
1.3 Projektziele
Im Hinblick auf die Integration wachsender Anteile fluktuierender erneuerbarer Energiequellen an der Stromerzeugung wird sowohl dem Ausbau grotechnischer erzeugerseitiger Speichertechnologien als auch einem verbraucherseitigen Lastmanagement in der aktuellen energiewirtschaftlichen Diskussion groe Bedeutung beigemessen. Die Wechselwirkungen zwischen grotechnischer Energiespeicherung und Lastmanagement sowie deren Rckwirkungen auf Investitionsentscheidungen im thermischen Kraftwerkspark sind dabei allerdings noch nicht ausreichend erforscht. Ziel des Teilprojekts BY 1E ist es deshalb, ein geeignetes Modell des deutschen Stromsystems zu entwickeln, das eine Optimierung des Kraftwerks- und Speicherausbaus erlaubt und damit die Quantifizierung des volkswirtschaftlich sinnvollen Potentials grotechnischer Energiespeicher unter Bercksichtigung technischer und energiewirtschaftlicher Rahmenbedingungen ermglicht. Dabei soll auch der Einfluss einer in Zukunft denkbaren verstrkten Nutzung sogenannter funktionaler Speicher [GBR12] auf das volkswirtschaftliche Potential grotechnischer Speicher bestimmt werden. Als funktionale Speicher werden im Rahmen des Projekts neben verbraucherseitigen Speichern im Haushaltsbereich auerdem Elektrofahrzeuge sowie die Mglichkeit des Stromexports ins Ausland betrachtet. Anhand verschiedener Szenarios soll das volkswirtschaftliche Potential an Energiespeichern im Zeitraum bis 2050 ermittelt werden, wobei u. a. die Entwicklung der Stromnachfrage, der Anteil der erneuerbaren Energien und die Verfgbarkeit der funktionalen Speicher variiert werden.
Methodischer Ansatz
2 Methodischer Ansatz
2.1 Lsungsansatz
Im Rahmen des Projektes soll der volkswirtschaftlich optimale Ausbau von Kraftwerken und grotechnischen Speichern in Deutschland im Zeitraum bis 2050 ermittelt werden. Zu diesem Zweck ist ein Modell zu entwickeln, das es ermglicht, neben dem Kraftwerkspark auch das optimale Speicherportfolio im Hinblick auf Technologie, Leistung, Kapazitt und Bauzeitpunkt quantitativ zu bestimmen. Auf eine Modellierung der Netzrestriktionen und der rumlichen Verteilung der Erzeugungsanlagen wird im Rahmen des Projekts verzichtetet. Stattdessen wird eine ideale Netzinfrastruktur vorausgesetzt und das deutsche Stromsystem durch ein sogenanntes Single-Node-Modell abgebildet, d. h. alle Erzeugungsanlagen speisen wie auf einer Kupferplatte in einen einzigen Knoten ein, aus dem alle Verbraucher Strom beziehen. Die so bestimmten Speicherinvestitionen stellen damit eine untere Grenze des wirtschaftlich sinnvollen Speicherausbaus dar, unter der Annahme, dass die durch den Netzausbau mgliche Flexibilisierung des Stromsystems bereits vollstndig ausgeschpft wurde. Des Weiteren wird im Rahmen des Projekts die Bereitstellung von Reserveenergie durch Kraftwerke und Speicher nicht betrachtet. Um die korrekte Abbildung der Auswirkungen der Speicher auf das Stromsystem zu gewhrleisten, wird fr die Modellierung des Kraftwerks- und Speichereinsatzes ein stndliches Zeitraster gewhlt. Die resultierende Systemgre ist ein wichtiges Kriterium bei der Auswahl des Optimierungsverfahrens. Im Rahmen des Projekts wird die LP zur Optimierung verwendet, da auch sehr groe Probleme behandelt und mithilfe von Standardlsungsverfahren noch akzeptable Rechenzeiten erzielt werden knnen. Prinzipiell wre eine geschlossene Lsung der gesamten Optimierungsaufgabe wnschenswert. Sowohl die langfristigen Entscheidungen ber Kraftwerks- und Speicherneubau als auch die kurzfristige Einsatzplanung knnten so inklusive ihrer Wechselwirkungen abgebildet werden. Jedoch wrde ein solches Modell bei der Betrachtung mehrerer Jahrzehnte in Stundenauflsung zu einer Systemgre fhren, die mit den Mglichkeiten der Computertechnik nicht oder zumindest nicht mit akzeptablem Zeitaufwand bewltigt werden kann. Da sowohl ein grberes Zeitraster als auch eine Verwendung von Typtagen die Abbildung der Flexibilisierungseffekte von Speichern einschrnken wrden, stellt die Reduktion der Zeitpunkte im Rahmen der Problemstellung keine geeignete Option zur Verringerung der Systemgre dar. Stattdessen wird die Optimierungsaufgabe in kleinere, einfacher zu lsende Teilprobleme zerlegt. Hierbei wre denkbar, das System durch ein rein mathematisches Dekompositionsverfahren aufzuteilen. Die Kenntnis der Wirkungszusammenhnge ermglicht jedoch auch eine inhaltliche Zerlegung des Problems. Dabei muss identifiziert werden, wel-
Methodischer Ansatz
che Wechselwirkungen nur schwach ausgeprgt sind und deshalb zunchst durch unabhngige Teilmodelle vernachlssigt und spter korrigiert werden knnen. So besteht naturgem jeweils eine sehr starke Abhngigkeit zwischen dem Ausbau und dem Einsatz von Kraftwerken bzw. Speichern. Auch kann der wirtschaftliche Speichereinsatz nur im Kontext mit dem Kraftwerkseinsatz bestimmt werden. Die Rckwirkung der Speicherung auf den Kraftwerksausbau ist hingegen als relativ gering zu erwarten: Fr die Wirtschaftlichkeit einer Kraftwerksinvestition ist die zu erwartende Ausnutzungsdauer das entscheidende Kriterium. Whrend Spitzenlastkraftwerke bei geringen Ausnutzungsdauern die wirtschaftlichste Option darstellen, nimmt die Wirtschaftlichkeit der Grundlastkraftwerke mit steigenden Ausnutzungsdauern zu. Da die durch den Speichereinsatz bewirkte Lastglttung zu einer hheren Auslastung von Grundlastkraftwerken und zu einer niedrigeren Auslastung von Spitzenlastkraftwerken fhrt, werden Investitionsentscheidungen, die ohne die Bercksichtigung von Speichern getroffen wurden, durch die Existenz von Speichern im Allgemeinen bestrkt (vgl. Bild 2.1).
Bild 2.1:
Eine Mglichkeit zur Aufteilung der Optimierungsaufgabe besteht demzufolge darin, den Kraftwerksausbau zunchst ohne Bercksichtigung von Speichern zu bestimmen. Durch ein iteratives Verfahren kann nachtrglich der Einfluss der Speicherung bercksichtigt und der Kraftwerksausbau entsprechend korrigiert werden.
Methodischer Ansatz
Modell IMAKUS
Modell MOWIKA Modell MESTAS Eingangsdaten Bestandsdaten Neubauparameter Netzlast gesetzte Einspeisung (EE & KWK) Kostenentwicklungen Restriktionen
B
61074J12
Modell MOGLIE
Kraftwerksausbauplanung (intertemporal)
Bild 2.2:
Das Ergebnis des Teilmodells MOWIKA wird anschlieend in Form von jhrlichen Kraftwerksparks dem zweiten Teilmodell MESTAS bergeben (vgl. Bild 2.2, A). Unter Vorgabe der chronologischen residualen Last in Stundenauflsung wird in diesem Teilmodell der wirtschaftlich optimale Kraftwerks- und Speichereinsatz ermittelt, wobei zu den Bestandsspeichern auch neue Speicher gebaut werden knnen. Zwar wre fr die Optimierung von Speicherinvestitionen ebenfalls eine intertemporale Betrachtung wnschenswert, aufgrund der im Vergleich zu Kraftwerken aufwendige-
Methodischer Ansatz
ren Modellierung ist dies jedoch auch mit wenigen Zubauoptionen nicht realisierbar. Stattdessen wird eine Optimierung der Einzeljahre vorgenommen und mit einem sogenannten Grne-Wiese-Ansatz jedes Jahr der Speicherausbau neu bestimmt. Durch Peak-Shaving und die zustzliche Integration von Erzeugungsberschssen aus EE und KWK ergibt sich im Teilmodell MESTAS ein von der reinen Lastdeckung abweichender Kraftwerkseinsatz, der zu einer Reduktion der Stromerzeugungskosten fhrt. Zur Anpassung des Kraftwerksausbaus wird der durch die Speicherung vernderte Kraftwerkseinsatz dem Teilmodell MOWIKA als neue Lastanforderung im nchsten Iterationsschritt bergeben (vgl. Bild 2.2, B). Die Gesamtleistung des im Teilmodell MOWIKA ermittelten jhrlichen Kraftwerksparks richtet sich zunchst nur nach dem jeweiligen Jahreshchstwert der deterministisch vorgegebenen residualen Last. Um die Deckung der Jahresspitze der Stromnachfrage mit einer gewissen Zuverlssigkeit gewhrleisten zu knnen, wird mithilfe des dritten Teilmodells MOGLIE die gesicherte Leistung des Stromerzeugungssystems fr ein gewnschtes Zuverlssigkeitsniveau wahrscheinlichkeitstheoretisch bestimmt und mit der Jahreshchstlast verglichen. Dabei wird der Beitrag der konventionellen Kraftwerke, der Speicher sowie der fluktuierenden Einspeisung aus KWK-Anlagen, Wind- und Wasserkraftwerken zur gesicherten Leistung mit jeweils unterschiedlichen Anstzen bercksichtigt. Der zustzliche bzw. verminderte Bedarf an Kraftwerkskapazitten kann dann im nchsten Iterationsschritt in Form einer zu installierenden Mindestleistung im Teilmodell MOWIKA bercksichtigt werden (vgl. Bild 2.2, C). Durch die Rckfhrung der Informationen des ersten Iterationsschritts kann der Kraftwerksausbau im zweiten Iterationsschritt sowohl an den Einfluss der Speicher als auch an die Anforderungen der Versorgungssicherheit angepasst werden. Anschlieend werden wiederum Speicherausbau und -einsatz angepasst und die gesicherte Leistung des Erzeugungssystems neu bestimmt. Die Iteration fhrt so Schritt fr Schritt zu einer besseren Anpassung des Ausbaus und des Einsatzes von Kraftwerken und Speichern. Die Konvergenz dieses iterativen Verfahrens zu einer stabilen und optimalen Lsung wurde in [KUK11] gezeigt.
Methodischer Ansatz
10
Wirkungsgrad, Betriebsbeginn und -ende, variable Kosten fr Betriebsstoffe sowie Revisions- und Ausfalldauer. Bei den in Deutschland bestehenden grotechnischen Speichern handelt es sich ausschlielich um PSW, die durch die Nennlade- und Nennentladeleistung, die Speicherkapazitt, den Speichernutzungsgrad sowie etwaige Kosten fr Betriebsstoffe beschrieben werden. Es wird davon ausgegangen, dass im Betrachtungszeitraum keines der bestehenden PSW auer Betrieb genommen wird. Des Weiteren werden die technischen und wirtschaftlichen Parameter der unterschiedlichen Kraftwerks- und Speicherneubautypen bentigt. So werden die Kraftwerkstechnologien jeweils durch die erwarteten Wirkungsgradsteigerungen, die Lebensdauer, die Revisions- und Ausfalldauer sowie spezifische Investitionskosten, Abriss- und Rckbaukosten, fixe Betriebskosten und Kosten fr Betriebsstoffe charakterisiert. Zur Beschreibung der Speichertechnologien dienen prinzipiell die gleichen Gren. Da das Modell den Ausbau der Lade- und Entladeleistung sowie der Speicherkapazitt unabhngig voneinander optimiert, werden jedoch spezifische Investitionskosten fr jede der drei Gren festgelegt. Durch einen prozentualen Abschlag auf die Investitionskosten der Speicher knnen mgliche Deckungsbeitrge pauschal bercksichtigt werden, die nicht durch den modellierten Speichereinsatz fr Peak-Shaving bzw. die Integration der erneuerbaren Energien erwirtschaftet werden, wie beispielsweise Erlse auf dem Regelleistungsmarkt oder durch einen eventuellen zuknftigen Kapazittsmarkt. Eine weitere Eingangsgre stellt die Entwicklung der Brennstoffkosten dar. Diese werden frei Kraftwerk, d. h. inklusive Steuern und Transport, angegeben. Wird die Optimierung nicht unter Vorgabe von CO2-Emissionsgrenzen durchgefhrt, ist auerdem die Entwicklung des CO2-Zertifikatspreises als Eingangsgre erforderlich. Alle Kosten werden als Realpreise in 2010 angegeben. Sowohl die Stromnachfrage als auch die gesetzte Einspeisung aus EE und KWK werden im Modell IMAKUS in Form von Zeitreihen fr jeweils ein Jahr in Stundenauflsung vorgegeben. Die Modellierung der Kraftwerke durch den Netto-Wirkungsgrad bercksichtigt implizit den Kraftwerkseigenbedarf, so dass die Stromnachfrage als Netto-Stromverbrauch anzugeben ist. Aufgrund des nicht abgebildeten Netzes mssen die entstehenden Netzverluste bereits in der Stromnachfrage bercksichtigt und daher zum Netto-Stromverbrauch addiert werden. Der gesetzten Einspeisung der erneuerbaren Energien wird je eine charakteristische, normierte Zeitreihe fr Deutschland zugrunde gelegt, die durch Skalierung an die je nach Szenario unterschiedlichen Jahresstrommengen angepasst wird. Aufgrund der zu erwartenden hheren Ausnutzungsdauern von Offshore-Windkraftanlagen werden dabei unterschiedliche Zeitreihen fr die Onshore- und Offshore-Windstromeinspeisung angenommen. Auch fr die gesetzte Stromeinspeisung der KWK-Anlagen wird eine charakteristische, normierte Zeitreihe verwendet. Smtliche im Rahmen des Projekts verwendeten Eingangsdaten werden in Kapitel 3 vorgestellt.
Methodischer Ansatz
11
Methodischer Ansatz
12
entscheidende Information fr die Ermittlung der Ausnutzungsdauer und somit der Wirtschaftlichkeit der Neubaukraftwerke enthlt. Im Teilmodell MOWIKA werden die Jahresdauerlinien der residualen Last diskretisiert, indem mehrere Zeitpunkte zusammengefasst und durch einen neuen Zeitpunkt mit dem Mittelwert der zusammengefassten Lastwerte ersetzt werden. Dabei bleibt die Energiemenge unter der ursprnglichen Jahresdauerlinie erhalten. Im Prinzip knnte immer die gleiche Anzahl an benachbarten Stunden zusammengefasst und gemittelt werden. Dabei wrden jedoch alle Bereiche der Jahresdauerlinie mit einer festen Stufenbreite abgebildet, was in steileren Abschnitten nur zu einer sehr schlechten Nherung der ursprnglichen Form fhren wrde. Um dies zu vermeiden, wird die Jahresdauerlinie durch Stufen variabler Breite diskretisiert. So wird in den steileren Abschnitten eine schmalere Stufenbreite gewhlt, whrend in Bereichen mit geringer Lastnderung breitere Stufen toleriert werden knnen. Der Algorithmus zur dynamischen Diskretisierung der Jahresdauerlinien mit variabler Stufenbreite wurde in [KUK11] beschrieben. Im Vergleich zu einem Verfahren mit fester Stufenbreite kann auf diese Weise die Genauigkeit der Diskretisierung bei gleicher Stufenzahl verbessert werden. Die beschriebene Methodik fhrt zu reduzierten Rechenzeiten, whrend die Information ber die Lastanforderung des gesamten Jahres erhalten bleibt. Bereits mit 200 Diskretisierungsstufen wird eine ausreichende Ergebnisgenauigkeit beim Kraftwerksausbau erreicht. Die unterschiedliche Breite der Zeitintervalle muss zur korrekten Bestimmung der Energiemengen, Kosten und Emissionen bei der Modellierung bercksichtigt werden. Die im Teilmodell MOWIKA zu bestimmenden Variablen sind die jhrlich neu zu installierenden Kraftwerkskapazitten sowie die eingesetzte Leistung der Bestandsund Neubaukraftwerke innerhalb des Betrachtungszeitraums. Bild 2.3 zeigt die Struktur des linearen Programms fr das Teilmodell MOWIKA. Die Notation des linearen Programms erfolgt in Matrix-Vektor-Schreibweise, wobei die lineare Zielfunktion g x
T
Aeq x = b eq
Ax b
Methodischer Ansatz
13
Spaltenzahl zkw zkwneu typneu z Anzahl der Diskretisierungsschritte der geordneten Jahresdauerlinie Anzahl Kraftwerke Bestand (kumuliert ber Jahre) Anzahl Kraftwerke Neubau (kumuliert ber Jahre) Anzahl Neubautypen (kumuliert ber Jahre)
g ub lb
VKB Betriebsk.Bestand
INB Investk.Neubau
PNB NennleistungBestand
PMI PinstMAX,Neubau
Aeq
KEB KWBestand
KEN KWNeubau
LST Last
beq
EMG Emissionsobergrenze PIL install. Leistung KWNeubau MKK Mindestkapazitt Kraftwerkspark BSO Max. Brennstoffverbrauch GZN Bestimmung Gesamtzubau KWNeubau GZG Jhrlich maximaler Gesamtzubau
A
BOB Brennstoffverbrauch KWBestand BON Brennstoffverbrauch KWNeubau
xT
XEB EinsatzBestand
XEN EinsatzNeubau
XIN Pinst,Neubau
IfE, 61-101-B-10
Bild 2.3:
Die erwhnten Ausgangsgren werden im Lsungsvektor x beschrieben: Block XEB reprsentiert den Einsatz der Bestandskraftwerke, Block XEN den Einsatz der Neubaukraftwerke und Block XIN die jhrlich installierten Kraftwerkskapazitten. Der Einsatz der zu einem bestimmten Zeitpunkt (d. h. in einem Zeitintervall der diskretisierten Jahresdauerlinie) zur Verfgung stehenden Kraftwerke muss in Summe die auftretende Last decken. Diese Nebenbedingung wird fr jedes Zeitintervall mit einer Gleichung in der Gleichungsmatrix Aeq formuliert. Die Blcke KEB und KEN addieren dabei die Erzeugungsleistungen der in diesem Zeitintervall existierenden Bestandsbzw. Neubaukraftwerke; die rechte Seite der Gleichung bildet die Lastanforderung des entsprechenden Zeitintervalls im Block LST. Die zu deckende Last entspricht dabei der residualen Last, fr die infolge des weiteren Ausbaus von EE und KWK in Zukunft auch negative Werte denkbar sind. Fr die Ausbau- und Einsatzplanung der konventionellen Kraftwerke ist die Betrachtung dieser berschussenergie aus EE und KWK jedoch nicht relevant. Um die Lsbarkeit der Gleichung zu gewhrleisten, werden im Teilmodell MOWIKA deshalb alle auftretenden negativen Werte der Residuallast zu Null gesetzt. Zu Zeitpunkten mit keiner oder negativer Residuallast ist entsprechend der beschriebenen Modellierungsweise
Methodischer Ansatz
14
kein konventionelles Kraftwerk mehr in Betrieb. Bisher waren jedoch nahezu ausschlielich konventionelle Kraftwerke fr die Sicherung der Systemstabilitt zustndig, so dass zu jedem Zeitpunkt eine gewisse Mindestkapazitt (sogenannte MustRun-Kapazitt) an konventionellen Kraftwerken am Netz sein musste. Sollen in Zukunft Stromsysteme mit sehr hohen Anteilen an erneuerbaren Energien realisiert werden, so ist zu erwarten, dass dann auch die entsprechenden Erzeugungsanlagen technisch in der Lage sein mssen, zur Systemstabilitt beizutragen. Optional kann im Teilmodell MOWIKA jedoch auch eine konventionelle Must-Run-Leistung vorgegeben werden, indem smtliche Werte der Residuallast, die kleiner als die gewnschten Must-Run-Leistung sind, durch den entsprechenden Wert ersetzt werden. Die Optimierung ist damit gezwungen, in den entsprechenden Zeitpunkten so viele konventionelle Kraftwerke einzusetzen, bis die Must-Run-Leistung erreicht ist. Die Leistung der einzelnen Kraftwerke ist durch die Netto-Engpassleistung begrenzt, die wie beschrieben mithilfe eines Reduktionsfaktors zur impliziten Bercksichtigung von Ausfllen und Revisionen korrigiert wird. Bei den Bestandskraftwerken wird diese Obergrenze durch den Block PNB im Vektor ub realisiert. Aufgrund der Einschrnkungen durch die LP muss auf die Modellierung einer Mindestleistung einzelner Kraftwerke verzichtet werden. So knnte bei Vorgabe einer Leistungsuntergrenze ungleich null die Kraftwerksleistung minimal nur diesen Wert annehmen, nicht aber null. Dies wrde bedeuten, dass die Kraftwerke immer mit ihrer Mindestleistung Strom erzeugen und nicht mehr abgeschaltet werden knnen. Fr eine sinnvolle Modellierung der Mindestleistung von Kraftwerken msste die Gemischt-ganzzahlige Lineare Programmierung (GGLP) verwendet werden, was fr die Betrachtung groer Systeme aufgrund lngerer Rechenzeiten jedoch nicht mglich ist. Im Teilmodell MOWIKA wird die Untergrenze der Kraftwerksleistungen im Vektor lb stattdessen mit Null festgelegt. Damit knnen Kraftwerke vereinfacht mit Leistungen zwischen 0 % und 100 % ihrer Netto-Engpassleistung betrieben werden. Die Leistungsbegrenzung der Neubaukraftwerke ist mithilfe einer deterministischen Obergrenze im Vektor ub nicht mglich. Stattdessen wird die Obergrenze durch die endogen ermittelte installierte Leistung des jeweiligen Neubaukraftwerks bestimmt. Die geschilderte Abhngigkeit der eingesetzten Kraftwerksleistung von der installierten Leistung kann durch eine Ungleichungsbedingung fr jedes Zeitintervall und jedes Neubaukraftwerk beschrieben werden, was im Teilmodell MOWIKA durch die Blcke KKU und KKV in der Ungleichungsmatrix A umgesetzt wird. Im zugehrigen Block LDK des Obergrenzenvektors muss damit die stndliche Leistung der Neubaukraftwerke nicht mehr beschrnkt werden, so dass die Grenzen auf Unendlich gesetzt werden knnen. Lediglich wenn ein Neubaukraftwerk noch im Betrachtungszeitraum sein Betriebsende erreicht, wird der weitere Einsatz durch die Begrenzung der Leistung auf Null unterbunden. Die Variablen fr den Kraftwerksneubau im Lsungsvektor x (Block XIN)
Methodischer Ansatz
15
mssen ebenfalls nach oben begrenzt werden. Im Block PMI des Obergrenzenvektors ub wird deshalb der jhrlich realisierbare Umfang des Kraftwerksneubaus eingeschrnkt. Im Rahmen der Optimierung wird die Zielfunktion minimiert, die im Fall des Teilmodells MOWIKA die Gesamtkosten der Strombereitstellung im Bereich der frei disponierbaren thermischen Kraftwerke reprsentiert. Der Zielfunktionsvektor g verknpft den Lsungsvektor x linear mit spezifischen Kosten. In den Blcken VKB und VKN sind die spezifischen variablen Betriebskosten also Brennstoffkosten, variable Kosten fr Betriebsstoffe sowie ggf. CO2-Zertifikatskosten der Bestands- und Neubaukraftwerke hinterlegt. Die spezifischen Kosten fr den Kraftwerksneubau werden im Block INB angegeben. Um die Vergleichbarkeit der einzelnen Jahre herzustellen, werden smtliche Kosten mit einem Realzinssatz von 3 % auf den Barwert im Jahr 2010 diskontiert. Das lineare Programm kann nun mit dem Ziel der Kostenminimierung und unter Einhaltung der Nebenbedingung der Lastdeckung sowie der Beschrnkungen des Kraftwerksneubaus gelst werden. Je nach Aufgabenstellung kann der Lsungsraum im Teilmodell MOWIKA durch die Bercksichtigung zustzlicher politischer oder energiewirtschaftlicher Rahmenbedingungen eingeschrnkt werden. So kann als Alternative zur indirekten Emissionsbegrenzung durch die Vorgabe von CO2-Zertifikatspreisen die direkte Begrenzung der jhrlichen Emissionsmengen durch Ungleichungen formuliert werden. Da zur Gewhrleistung der Versorgungszuverlssigkeit auch Kraftwerksberkapazitten installiert werden mssen (siehe Kapitel 2.3.4), ist es weiterhin notwendig, bei der Modellierung die Vorgabe eines Mindestwerts fr die jhrlich vorhandene Kraftwerkskapazitt vorzusehen. Auerdem ist es mglich, den jhrlichen Verbrauch einzelner Brennstoffe zu begrenzen, um beispielsweise Frder- oder Importbeschrnkungen abzubilden. Durch weitere Ungleichungen kann auch die Gesamtzubaukapazitt beschrnkt werden.
Methodischer Ansatz
16
in mglichst hoher zeitlicher Auflsung eine wichtige Voraussetzung fr die Bestimmung des realistischen Einsatzes von Speichern und damit deren Potentials. Eine intertemporale Abbildung eines Zeitraums von mehreren Jahrzehnten wrde aufgrund der hohen Variablenzahl und der Komplexitt des Problems allerdings an die Grenzen der verfgbaren Computertechnik stoen. Um dennoch nicht auf die Verwendung von Typtagen zurckgreifen zu mssen, werden stattdessen die Jahre des Betrachtungszeitraums einzeln anhand der chronologischen, stndlich aufgelsten residualen Last optimiert. Wie im Teilmodell MOWIKA wird die Optimierung dabei mithilfe der LP durchgefhrt. Der im jeweiligen Jahr zur Verfgung stehende Kraftwerkspark wird aus dem Teilmodell MOWIKA bernommen. Zustzlich zu den Bestandsspeichern knnen verschiedene Speichertechnologien zugebaut werden, deren Dimensionen im Hinblick auf Lade- und Endladeleistung sowie Speicherkapazitt frei optimierbar sind. Der Speicherzubau erfolgt jedes Jahr auf die Grne Wiese. Dies bedeutet, dass eine Investitionsentscheidung nur auf Basis des im jeweiligen Jahr mglichen Speichereinsatzes sowie der annuittischen Investitionskosten getroffen wird. Die Optimalitt der Entscheidung ist also nur fr genau dieses Jahr gewhrleistet. Damit eine auf Basis eines Jahres getroffene Entscheidung nicht das Ergebnis des gesamten Betrachtungszeitraums beeinflusst, werden neugebaute Speicher nicht als Bestand in das jeweilige Folgejahr bernommen. Zwar besteht bei dieser Vorgehensweise die Mglichkeit eines Rckbaus, d. h. eines geringeren Ausbaus einer Speichertechnologie in den Folgejahren aufgrund vernderter Rahmenbedingungen, allerdings spielt dieses Problem bei einem starken Ausbau der erneuerbaren Energien und einem damit wachsenden Speicherbedarf eine untergeordnete Rolle. Zudem lassen sich auf diese Weise eventuelle Vernderungen der optimalen Technologieauswahl und der Dimensionierung im Verlauf der Jahre erkennen. In Bild 2.4 ist die Struktur des dem Teilmodell MESTAS zugrunde liegenden linearen Programms dargestellt. Die gesuchten Ausgangsgren der stndliche Kraftwerksund Speichereinsatz sowie die installierten Lade- und Entladeleistungen und Speicherkapazitten werden im Lsungsvektor x beschrieben. Die primr zu erfllende Nebenbedingung ist auch im Teilmodell MESTAS die Deckung der Last zu jedem Zeitpunkt des Betrachtungszeitraums. Im Gegensatz zum Teilmodell MOWIKA stehen dabei nun auch Speicher zur Verfgung, die im Entladebetrieb positive Leistung zur Lastdeckung bereitstellen knnen oder geladen werden knnen und damit eine zustzliche Last darstellen. Die Lastbedingung wird fr jeden Zeitpunkt durch eine Gleichung in der Matrix Aeq beschrieben. Anders als im Teilmodell MOWIKA werden negative Stundenwerte der residualen Last nicht zu Null gesetzt, da diese berschssige Produktion zum Laden der Speicher genutzt werden kann. Sollte jedoch trotz des Speichereinsatzes noch berschssige Leistung vorhanden sein, muss die Lsbarkeit der Lastgleichung gewhrleistet bleiben. Dies wird durch die Einfhrung
Methodischer Ansatz
17
einer Abschaltleistung fr jeden Zeitpunkt im Block ABL gelst. Im Lsungsvektor x werden die abgeschalteten Leistungen, die als nicht in das Stromsystem integrierbare Erzeugung interpretiert werden knnen, durch den Block XPA dargestellt. Der Lade- und Entladebetrieb der Speicher wird unabhngig voneinander modelliert, so dass ein zeitgleiches Laden und Entladen prinzipiell mglich wre. Allerdings bietet diese Fahrweise in der Regel keine wirtschaftlichen Vorteile und wird damit im Rahmen der Optimierung vermieden. Lediglich in berschusssituationen knnte durch das gleichzeitige Laden und Entladen der Speicher und die dabei entstehenden Verluste Energie vernichtet werden. Um zu verhindern, dass die Optimierung diese Lsung whlt, werden im Block ABK des Kostenvektors g infinitesimal kleine Erlse fr die Abschaltleistung eingefhrt, so dass berschsse, die nicht mehr durch Speicher integriert werden knnen, in jedem Fall abgeschaltet werden.
Bild 2.4:
Methodischer Ansatz
18
Whrend bei Kraftwerken bei Vernachlssigung von Anfahrvorgngen sowie Mindestbetriebs- und Stillstandszeiten keine Abhngigkeit zwischen den erzeugten Leistungen der einzelnen Zeitpunkte besteht, werden bei Speichern die Einsatzmglichkeiten durch den aktuellen Ladezustand mitbestimmt. Diese Abhngigkeit muss im Rahmen des Modells durch eine weitere Nebenbedingung, die Bilanzgleichung des Speicherinhalts, bercksichtigt werden. So ergibt sich der Ladezustand einer Stunde aus dem Ladezustand der vorangegangenen Stunde zuzglich der in dieser Stunde geladenen bzw. abzglich der in dieser Stunde entladenen Energiemenge. Die stndlichen Lade- und Entladeleistungen werden dabei im Block PAB bercksichtigt, der jeweils aktuelle Ladezustand sowie der vorherige Ladezustand finden sich im Block PUB. Da sowohl beim Laden als auch beim Entladen der Speicher Verluste auftreten, sind die Lade- und Entladeleistungen jeweils mit einem Wirkungsgrad zu bewerten. Hier wird angenommen, dass der Lade- und Entladewirkungsgrad jeweils der Quadratwurzel des Gesamtspeichernutzungsgrades entspricht. Indem der Ladezustand des jeweils vorherigen Zeitpunkts mit einem zustzlichen Wirkungsgrad bewertet wird, knnen auf einfache Weise auch etwaige Ruheverluste der Speicher abgebildet werden. Die Bilanzgleichungen fr die Neubauspeicher werden in gleicher Weise mit den Blcken PAN, PUN und SCN formuliert. Im Obergrenzenvektor ub werden die Kraftwerksleistungen (Block PNK) sowie auch die Lade- und Entladeleistungen der Bestandsspeicher (Block PNS) durch die jeweils installierten Nennleistungen begrenzt. Zustzlich ist auch der Speicherinhalt in jeder Stunde nach oben durch die installierte Speicherkapazitt (Block PNC) und nach unten durch die Untergrenze Null zu beschrnken. Im Gegensatz zu den Bestandsanlagen knnen bei Neubauspeichern weder fr die Lade- und Entladeleistungen noch fr den Speicherinhalt deterministische Obergrenzen angegeben werden, da die installierten Kapazitten modellendogen bestimmt werden. Die Limitierung dieser Variablen wird daher hnlich wie im Teilmodell MOWIKA mithilfe von Ungleichungen fr jeden Zeitpunkt realisiert. Fr die Lade- und Entladeleistungen werden die Ungleichungen mit den Blcken SLU und SIL formuliert, die Begrenzung der Speicherkapazitten erfolgt mithilfe der Blcke SCU und SIC. Eine Beschrnkung im Vektor ub ist nun nicht mehr notwendig, so dass die entsprechenden Obergrenzen mit Unendlich belegt werden. Der Speicherneubau wird bezglich der installierten Lade- bzw. Entladeleistung durch den Block PIM, bezglich der Speicherkapazitt durch den Block CIM begrenzt. Auf diese Weise lassen sich Potentialgrenzen bestimmter Speichertechnologien abbilden. Das Optimierungsziel des linearen Programms ist die Minimierung der Gesamtkosten der Strombereitstellung, die sich aus den Kosten des Kraftwerks- und Speichereinsatzes und den annuittischen Investitionskosten des Speicherneubaus zusammensetzen. Die Gesamtkosten entstehen als Linearprodukt des Kostenvektors g mit dem
Methodischer Ansatz
19
Lsungsvektor x. Dazu werden im Block BKB die spezifischen variablen Betriebskosten der Kraftwerke (Brennstoffkosten, variable Kosten fr Betriebsstoffe und ggf. CO2-Zertifikatskosten) sowie in den Blcken BSB und BSN die spezifischen variablen Betriebskosten der Bestands- bzw. Neubauspeicher hinterlegt. Des Weiteren werden die spezifischen Investitionskosten fr Lade- und Entladeleistung in Block ISL und fr die Speicherkapazitt in Block ISC angegeben. Um die Vergleichbarkeit der einzelnen Jahre herzustellen, werden wie im Teilmodell MOWIKA smtliche Kosten mit einem Realzinssatz von 3 % auf den Barwert im Jahr 2010 diskontiert. Auch im Teilmodell MESTAS kann der Lsungsraum durch zustzliche Nebenbedingungen weiter eingeschrnkt werden. Voraussetzung dabei ist, dass in den Teilmodellen MOWIKA und MESTAS stets die gleichen Nebenbedingungen bercksichtigt werden. Durch zustzliche Ungleichungen ist deshalb im Teilmodell MESTAS auch die Vorgabe einer Must-Run-Leistung sowie die Begrenzung von Emissionen und Brennstoffverbrauch mglich. Der Ausbau von Lade- und Entladeleistung sowie Kapazitt der Speicher erfolgt im Modell zunchst vllig unabhngig voneinander. Auf diese Weise kann die optimale und fr unterschiedliche Speichertechnologien charakteristische Dimensionierung zuknftig notwendiger Energiespeicher ermittelt werden. Allerdings ist es mglich, dass sich bei bestimmten Technologien Lade- und Entladeleistung sowie Speicherkapazitt aus technischen Grnden nicht vllig unabhngig voneinander dimensionieren lassen (z. B. Lade- und Entladeleistung einer Pumpturbine). Durch zustzliche Ungleichungen in den Blcken ZAP und ZAC knnen in diesen Fllen die zulssigen Verhltnisse der drei Parameter untereinander eingeschrnkt werden. Das wesentliche Ergebnis des Teilmodells MESTAS ist der Speicherausbau und die Bestimmung des Einsatzes der Bestands- und Neubauspeicher fr alle Betrachtungsjahre. Der Kraftwerkseinsatz verndert sich gegenber dem Teilmodell MOWIKA aufgrund der Flexibilisierungsmglichkeiten der Speicherung. So knnen die Gesamtkosten durch Peak-Shaving und die zustzliche Integration gesetzter Einspeisung aus EE und KWK reduziert werden. Die durch den Speichereinsatz vernderte residuale Last wird im nchsten Iterationsschritt als Eingangsgre an das Teilmodell MOWIKA bergeben. Auf diese Weise kann der Einfluss der Speicher auf die erreichbaren Ausnutzungsdauern und die Wirtschaftlichkeit von Kraftwerken bei der Investitionsentscheidung bercksichtigt werden.
Methodischer Ansatz
20
Nichtverfgbarkeiten auf die Ausnutzungsdauern der Kraftwerke und fhrt in gewissem Mae zu einer Installation von berkapazitten. Der Reduktionsfaktor bildet dabei allerdings nur die durchschnittlich verfgbare Kraftwerksleistung ab und liefert noch keine Aussage ber die Wahrscheinlichkeit eines gleichzeitigen Auftretens mehrerer ungeplanter Ausflle und der dann noch zur Verfgung stehenden Kraftwerksleistung [ROT08]. Den worst case fr diese Betrachtung stellt die Stunde der Jahreshchstlast dar, in der die meiste Kraftwerksleistung bentigt wird. Um die Deckung der Jahreshchstlast mit einer bestimmten Zuverlssigkeit gewhrleisten zu knnen, wird mithilfe des Teilmodells MOGLIE die gesicherte Leistung des Erzeugungssystems fr das geforderte Zuverlssigkeitsniveau wahrscheinlichkeitstheoretisch ermittelt. Die gesicherte Leistung ist derjenige Anteil der installierten Leistung eines Erzeugungssystems, der mit einer bestimmten Wahrscheinlichkeit sicher zur Verfgung steht. Sie ist folglich keine feste technische Gre einer konkreten Anlage, sondern gilt nur fr ein Kollektiv von Erzeugungsanlagen und hngt vom gewhlten Zuverlssigkeitsniveau ab. Im Rahmen des Teilmodells MOGLIE wird der Beitrag des konventionellen Kraftwerksparks, der Speicher und der fluktuierenden Einspeisung aus Wind- und Wasserkraftanlagen sowie KWK-Anlagen zur gesicherten Leistung betrachtet. Auf diese Weise wird der Umfang gegebenenfalls weiterer zu installierender Erzeugungskapazitten bzw. bestehender, unntiger berkapazitten identifiziert. Der zustzliche bzw. verminderte Bedarf an Erzeugungskapazitten kann dann im nchsten Iterationsschritt bercksichtigt werden. Die Unterschiede in Bezug auf die charakteristische Verfgbarkeit der Erzeugungstechnologien erfordern entsprechend unterschiedliche Anstze bei der Bestimmung des Beitrags zu gesicherten Leistung. So kann davon ausgegangen werden, dass die technische Verfgbarkeit der konventionellen Kraftwerke nicht von der Jahres- oder Tageszeit abhngt und damit fr jeden Zeitpunkt gleich wahrscheinlich ist. Bei erneuerbaren Erzeugungstechnologien steht hingegen weniger die technische Funktionstchtigkeit der Anlagen als vielmehr das zeitlichen Schwankungen unterworfene natrliche Energieangebot im Vordergrund. Wird von saisonalen Einflssen abgesehen, so kann jedoch auch die aus Wind- und Wasserkraftanlagen verfgbare Erzeugungsleistung fr jeden Zeitpunkt als gleich wahrscheinlich betrachtet werden. Es ist demzufolge mglich, die Verfgbarkeit der genannten Erzeugungstechnologien durch jeweils eine technologiespezifische Wahrscheinlichkeitsverteilung abzubilden und anhand dieser den Beitrag zur gesicherten Leistung fr einen beliebigen Zeitpunkt wie z. B. die Stunde der Jahreshchstlast zu bestimmen. Fr die verfgbare Erzeugung aus Photovoltaikanlagen ergeben sich dagegen durch die Abhngigkeit von der Sonneneinstrahlung starke tages- und jahreszeitliche Schwankungen. So ist zum Zeitpunkt der in Deutschland und groen Teilen Europas blicherweise an einem Winterabend auftretenden Jahreshchstlast (vgl. [SAR11]) kein Beitrag zur ge-
Methodischer Ansatz
21
sicherten Leistung zu erwarten. Im Folgenden werden die methodischen Vorgehensweisen zur Bestimmung der Wahrscheinlichkeitsverteilungen der Verfgbarkeit der im Modell bercksichtigten Erzeugungstechnologien dargestellt. Der Beitrag des konventionellen Kraftwerksparks zur gesicherten Leistung hngt in erster Linie von der technischen Verfgbarkeit der einzelnen Kraftwerke ab. So wird angenommen, dass fr den Zeitraum der Jahreshchstlast keine Kraftwerksrevisionen geplant werden. Die Nichtverfgbarkeit der Kraftwerke ist damit lediglich auf ungeplante Ausflle infolge technischer Defekte zurckzufhren. Um die technologiespezifischen Verfgbarkeiten von Kraftwerken abzuschtzen, knnen statistische Erfahrungswerte herangezogen werden. Jedes Kraftwerk kann nach [BIL84] also vereinfacht durch zwei Zustnde beschrieben werden (two-state model): Entweder ist es betriebsbereit bzw. in Betrieb, d. h. die installierte Leistung steht zur Stromerzeugung zur Verfgung, oder es ist ausgefallen und kann keine Leistung erbringen. Mathematisch lsst sich dies mithilfe einer diskreten Wahrscheinlichkeitsverteilung beschreiben. Da der Ausfall mehrerer Kraftwerke als stochastisch unabhngig angenommen werden darf, kann die Wahrscheinlichkeitsverteilung der durch den Kraftwerkspark bereitgestellten Erzeugungsleistung durch die Faltung der Wahrscheinlichkeitsverteilungen der einzelnen Kraftwerke ermittelt werden. Sie gibt an, welche diskrete Leistung der Kraftwerkspark mit welcher Wahrscheinlichkeit zur Verfgung stellen kann. Wie bereits erwhnt spielt bei der Verfgbarkeit von Erzeugungsleistung aus Windund Wasserkraftanlagen nicht die technische Funktionstchtigkeit sondern das fluktuierende natrliche Energieangebot die magebliche Rolle. Im Teilmodell MOGLIE werden anhand der charakteristischen Einspeisezeitreihen der Wind- und Wasserkraftanlagen die diskreten Wahrscheinlichkeitsverteilungen der verfgbaren Erzeugungsleistung ermittelt. Im Gegensatz zu konventionellen Kraftwerken wird dabei nicht von zwei mglichen Zustnden Ausfall oder Betrieb mit maximaler Leistung ausgegangen. Stattdessen wird nach [ROT08] ein Mehr-Zustands-Modell unterstellt, das jeder diskreten Erzeugungsleistung aus Wind- bzw. Wasserkraft eine bestimmte Wahrscheinlichkeit zuordnet. Sowohl fr die Wind- als auch fr die Wasserkrafteinspeisung werden aggregierte Zeitreihen fr Deutschland verwendet. Die ermittelten Wahrscheinlichkeitsverteilungen beschreiben demnach, welche diskrete Leistung die deutschlandweit installierten Wind- bzw. Wasserkraftanlagen mit welcher Wahrscheinlichkeit zur Verfgung stellen knnen. Eine mgliche Korrelation der Windstromeinspeisung rumlich nahegelegener Anlagenstandorte wird damit implizit bercksichtigt. Im Teilmodell MOGLIE wird auch der Beitrag der Speicher zur gesicherten Leistung des Erzeugungssystems quantifiziert. Anders als bei Kraftwerken der Brennstoff steht bei Speichern die zur Bereitstellung von Erzeugungsleistung notwendige Energie
Methodischer Ansatz
22
nicht unbegrenzt zur Verfgung, sondern ist von einem schwankenden Energieangebot dem Speicherinhalt abhngig. Zur Bestimmung der Wahrscheinlichkeitsverteilung der verfgbaren Entladeleistung der Speicher wird aus diesem Grund ebenso wie bei Wind- und Wasserkraftanlagen ein Mehr-Zustands-Modell gewhlt. Anhand der im Teilmodell MESTAS ermittelten Zeitreihen des Speicherinhalts wird fr jeden Speicher die stndlich verfgbare Entladeleistung, welche durch die NennEntladeleistung begrenzt ist, bestimmt. Da der wirtschaftlich getriebene Einsatz der einzelnen Speicher starke Korrelationen aufweisen kann und damit nicht als stochastisch unabhngig betrachtet werden darf, werden die einzelnen Zeitreihen der verfgbaren Entladeleistungen anschlieend addiert. Aus der resultierenden Zeitreihe kann dann die diskrete Wahrscheinlichkeitsverteilung der insgesamt verfgbaren Entladeleistung berechnet werden. Bei Verwendung dieser Wahrscheinlichkeitsverteilung zur Bestimmung des Beitrags der Speicher zur gesicherten Leistung wird allerdings vereinfacht die stochastische Unabhngigkeit von Speicherstand und Auftreten der Jahreshchstlast vorausgesetzt, die in Realitt nicht gegeben ist. Der Beitrag der Speicher zur gesicherten Leistung wird durch diese Vorgehensweise daher tendenziell unterschtzt, da der Speicher zum Zeitpunkt der Jahreshchstlast rein zufllig mehr oder weniger voll ist. Zustzlich zur dargebotsabhngigen Verfgbarkeit der Speicher wird auch deren durch Ausflle und Revisionen beeinflusste technische Verfgbarkeit bercksichtigt. Hierzu wird ebenso wie bei den Kraftwerken durch Faltung der diskreten Wahrscheinlichkeitsverteilungen der einzelnen Speicher die Wahrscheinlichkeitsverteilung der technisch verfgbaren Leistung des gesamten Speicherparks bestimmt. Da der Ausfall eines Speichers und dessen Speicherinhalt vereinfacht als stochastisch unabhngig zu betrachten sind, kann die Wahrscheinlichkeitsverteilung der technischen Verfgbarkeit anschlieend mit der Wahrscheinlichkeitsverteilung der verfgbaren Entladeleistung verknpft werden. Es ergibt sich die diskrete Wahrscheinlichkeitsverteilung der insgesamt verfgbaren Erzeugungsleistung der Speicher. Die Methodik zur Bestimmung des Beitrags von Speichern zur gesicherten Leistung wurde in [KUH12] nher beschrieben. Um die diskrete Wahrscheinlichkeitsverteilung der Leistungsverfgbarkeit des gesamten Erzeugungssystems zu bestimmen, werden schlielich die stochastisch unabhngigen Wahrscheinlichkeitsverteilungen der Kraftwerke, der Wind- und Wasserkraft sowie der Speicher miteinander gefaltet. Damit die gesicherte Leistung des Erzeugungssystems ermittelt werden kann, wird die komplementre kumulative Verteilungsfunktion gebildet. Diese ordnet jedem diskreten Leistungswert diejenige Wahrscheinlichkeit zu, mit welcher mindestens die jeweilige Leistung zur Verfgung steht. Umgekehrt kann also die mit einer gewnschten Zuverlssigkeit mindestens zur Verfgung stehende gesicherte Leistung bestimmt werden. Dabei wird ein bliches Zuverlssigkeitsniveau von 99,5 % angesetzt [ROT08]. Zustzlich wird der Bei-
Methodischer Ansatz
23
trag der fossilen KWK-Anlagen sowie der Biomasse- und Geothermieanlagen zur gesicherten Leistung bestimmt. Durch die gekoppelte Wrmeerzeugung ergibt sich fr diese Anlagen eine starke Zeitabhngigkeit der Stromerzeugung. Die Wahrscheinlichkeit, dass sie zur Jahreshchstlast an einem Winterabend Erzeugungsleistung bereitstellen knnen, ist damit sehr hoch. Aufgrund der Vielzahl der KWK-Anlagen kleiner Leistung wird, wie in [KUH12] beschrieben, der Grenzfall einer unendlichen Anzahl von Anlagen infinitesimal kleiner Leistung und gleicher Zuverlssigkeit betrachtet. In diesem Fall ergibt sich unabhngig vom Zuverlssigkeitsniveau als gesicherte Leistung die installierte Gesamtleistung multipliziert mit der technischen Verfgbarkeit der Einzelanlagen. Der Beitrag der fossilen und regenerativen KWKAnlagen kann damit einfach zur zuvor bestimmten gesicherten Leistung der Kraftwerke, Speicher und Wind- und Wasserkraftanlagen addiert werden. Auf diese Weise wird im Teilmodell MOGLIE fr jedes Betrachtungsjahr die gesicherte Leistung des Erzeugungssystems bestimmt und mit dem Sollwert der jeweiligen Jahreshchstlast zuzglich eines Sicherheitszuschlags von 4 % (vgl. [ROT08]) verglichen. Ergibt sich dabei ein Leistungsdefizit, so wird die mindestens zu installierende Kraftwerksleistung fr das entsprechende Jahr im Teilmodell MOWIKA im nchsten Iterationsschritt erhht. Dabei wird eine einfache Abschtzung getroffen, wie viele Megawatt gesicherte Leistung je Megawatt installierter Kraftwerkskapazitt im Kraftwerkspark durchschnittlich zur Verfgung stehen [ROT08]. Liegt die gesicherte Leistung hingegen ber der Jahreshchstlast, so wird die mindestens zu installierende Kraftwerksleistung mithilfe der gleichen Abschtzung reduziert.
Methodischer Ansatz
24
Spaltenzahl ... spneu ISC Investk. SPneu,C CIM CinstMAX,SPneu 2zanzaus PEA Kosten / Erlse Ausl. NTC Pbertragung, Ausl. 2zanzev BEV BetriebskostenEV PEV NennleistungEV PFS Fahrstrom zanzev zanzev BRE BetriebskostenRangeext. PRE NennleistungRangeext. zanzks zanzks 2zanzsh zanzsh z kw Zeitpunkte bestehende Kraftwerke gesamt neue Kraftwerke gesamt bestehende Speicher gesamt neue Speicher gesamt betrachtete Nachbarlnder Fahrzeugklassen Anzahl Khlschranktypen Anzahl Speicherheizungstypen
g ub lb
Zeilenzahl
...
kwneu sp spneu
...
CEV KapazittEV
KCN KapazittKS
NCN KapazittSH
anzaus anzev
...
CIU CinstMIN,SPneu
anzks anzsh
...
EVB EinsatzEV
KSE StrombezugKS
NSE StrombezugSH
zsp
...
zspneu
Aeq
...
beq
zanzev
...
EVA PegelnderungEV
EVP PegelberwachungEV
REB EinsatzRangeext. KSA PegelnderungKS KSP PegelberwachungKS NSA PegelnderungSH NSP PegelberwachungSH
zanzks
...
zanzsh
...
Zeilenzahl
...
...
...
A
{1...3} spneu ...
b
0
...
BSG Brennstoffgrenze ABG Abschaltgrenze EZG Erzeugungs -grenze NSW PHeizen NSV VerlusteHeizen WAR Wrmenachfrage
61102L12
...
...
365 anzsh
...
xT
...
XIC Cinst,SPneu
XAU PImport/Export
XEE EinsatzEV
XEP PegelstandEV
XKP XNP XRE XKE XNE Speicherstand Speicherstand EinsatzRangeext. StrombezugKS StrombezugSH KS SH
Bild 2.5:
Unter Umstnden, und dies ist Untersuchungsgegenstand dieses Forschungsprojektes, fhrt die Verwendung funktionaler Speicher also zu einer Reduzierung des grotechnischen Speicherpotentials, da funktionale Speicher eine zustzliche bzw. eine flexible Last darstellen. Im Gegensatz zu grotechnischen Speichern war eine Bestimmung des wirtschaftlichen Potentials funktionaler Speicher jedoch nicht Gegenstand dieser Untersuchung. Vielmehr wird durch die szenarische Vorgabe mglicher technischer Potentiale fr funktionale Speicher untersucht, welchen Beitrag funktionale Speicher zur verbesserten Integration erneuerbarer Energien leisten und in welchem Umfang sie das wirtschaftliche Potential grotechnischer Speicher reduzieren knnten. Whrend in den folgenden Kapiteln 2.4.1 bis 2.4.3 die Methodik der Einbin-
Methodischer Ansatz
25
dung funktionaler Speicher in das Teilmodell MESTAS dargestellt wird, werden die verwendeten Eingangsdaten und Durchdringungsgrade in Kapitel 3.2.2 aufgefhrt. In Bild 2.5 ist die fr die programmtechnische Abbildung funktionaler Speicher notwendige Erweiterung der linearen Programmierung im Teilmodell MESTAS dargestellt. Analog zu den grotechnischen Speicher wird auch der Einsatz der funktionalen Speicher im Teilmodell MESTAS chronologisch und in Stundenauflsung betrachtet und deren Einfluss auf die Form der residualen Last anschlieend an das Teilmodell MOWIKA bermittelt. Die Beschreibung der programmtechnischen Abbildung findet sich in den jeweiligen Unterkapiteln der verschiedenen funktionalen Speicher.
2.4.1 Elektromobilitt
Ziel der Abbildung der Elektromobilitt im Modell ist die Einbindung des Ladens von Elektrofahrzeugen in die kostenminimale Strombereitstellung und die Darstellung des Einflusses der Elektromobilitt auf das Stromerzeugungssystem. Dabei wird sowohl das optimierte Laden als auch das gesteuerte Entladen der Fahrzeugbatterien in die Betrachtung einbezogen. Der Einfluss der Elektromobilitt auf das Stromerzeugungssystem wird modelliert durch die Abbildung der Elektrofahrzeuge als Speicher, aus denen die bentigte Energie anhand von stndlich aufgelsten Fahrprofilen deterministisch entnommen wird. Dabei existieren Fahrprofile von sechs verschiedenen Nutzerklassen mit charakteristischen tglichen Fahrstrecken und Fahrzeiten. Jeder Nutzerklasse werden zwei Fahrzeugtypen mit unterschiedlichen Speicherkapazitten und spezifischen Energieverbruchen zugeordnet. Den daraus resultierenden zwlf Fahrzeugklassen werden Bestandszahlen zugeordnet. So wird im Modell nicht jedes Fahrzeug einzeln modelliert, sondern mehrere Fahrzeuge einer Fahrzeugklasse werden gemeinsam abgebildet. Damit verhalten sich im Modell alle Fahrzeuge einer Fahrzeugklasse immer exakt gleich. Bei allen Fahrzeugen wird nicht nur der fahrstreckenabhngige Bedarf sondern auch der Bedarf fr temperaturabhngige Verbraucher zum Heizen und Khlen sowie fr alle weiteren Nebenverbraucher bercksichtigt. Des Weiteren liegt dem Modell ein Lade-/Entladenutzungsgrad fr die Fahrzeugbatterien zugrunde. Alle verwendeten Eingangsdaten sind im Kapitel 3.2.2.1 ausfhrlich angegeben. Im Teilmodell MESTAS wird jede Fahrzeugklasse einzeln als Speicher im Stromsystem modelliert (Bild 2.5, Block CEV). Die verwendeten Fahrzeugklassen werden im Rahmen der Gesamtoptimierung geladen. Die Optimierung findet die kostengnstigste Ladestrategie, wobei die Ladeleistungen zwischen einer Obergrenze (Block PEV Laden) und einer Untergrenze (Block PFS Laden), die gleich null ist, variieren kn-
Methodischer Ansatz
26
nen. Die Ladeleistungen werden durch den Block EVB in der Lastgleichung bercksichtigt. Die Optimierung bercksichtigt dabei, dass die vorgegebenen Fahranforderungen jedes Fahrzeugs inkl. der Anforderungen durch Heizen, Khlen und Nebenverbraucher stets erfllt werden. Dies bedeutet, dass die Fahrzeuge zu jedem Zeitpunkt ausreichend geladen sein mssen, um die anstehenden Fahranforderungen erfllen zu knnen. Der dafr notwendige Ladeenergiebedarf lsst sich durch die perfekte Vorausschau ber jeweils ein Jahr ermitteln. Die Fahranforderungen werden in der Modellierung fr alle Fahrzeugklassen als Entladeleistungen festgelegt, bei der zu jedem Zeitpunkt die Obergrenze der Untergrenze entspricht (Blcke PEV Entladen und PFS Entladen). Die nderungen des Batterieinhalts durch Laden bzw. Entladen werden mithilfe des Blocks EVA in die Bilanzgleichung der Batterie bernommen. Im Block EVP wird der Ladezustand der Batterie berwacht, im Block SCE kann eine mgliche Batterieladung zu Anfang des Betrachtungszeitraums bercksichtigt werden. Ist die Erfllung der Fahranforderung trotzdem nicht mglich, da die Ladezeitrume zu kurz sind oder die Speicherkapazitt der Fahrzeugbatterie fr die Anforderungen zu klein ist, so wird die Annahme getroffen, dass bei der betroffenen Fahrzeugklasse ein Range-Extender an Bord ist, dessen Einsatz mit hheren Kosten (Block BRE) belegt ist als das Fahren mit elektrischer Energie. Welche Fahrzeugklassen tatschlich einen Range-Extender bentigen, hngt u. a. von den Lademglichkeiten ab (vgl. Abschnitt 3.2.2.1). Der Range-Extender kann eine maximale Leistung bereitstellen, die durch Block PRE definiert ist. Durch den Block REB wird der Einsatz des RangeExtenders in der Energiebilanz der Batterie bercksichtigt. Optional kann im Modell auch die Rckspeisung elektrischer Energie aus den Fahrzeugbatterien in das Stromsystem bercksichtigt werden (Vehicle-to-Grid, V2G). Dabei erhalten die Fahrzeuge in Stunden, in denen sie am Netz sind, zustzlich zum Laden auch die Mglichkeit, die Batterien zu entladen. In diesem Fall werden die Entladeleistungen ebenfalls durch den Block EVB in der Lastgleichung bercksichtigt. Da die Nutzung der Batterien fr V2G gegenber der reinen Erfllung der Fahranforderungen eine zustzliche Zyklisierung und damit den Verschlei der Batterie bedeutet, kann im Block BEV die Rckspeisung von Energie mit entsprechenden Kosten belegt werden. Als Zykluskosten kann hierbei der Quotient aus den Investitionskosten fr die Fahrzeugbatterie und der Zyklenlebensdauer angesetzt werden. Ein ungesteuertes Laden, das darauf beruht, dass Fahrzeuge ab dem Moment geladen werden, an dem sie ans Netz angeschlossen werden, und der Ladevorgang endet, wenn die Fahrzeuge mechanisch vom Netz getrennt oder vollstndig geladen sind, wird hier nicht verfolgt. Ein Szenario mit rein ungesteuertem Laden ist bei einer
Methodischer Ansatz
27
so groen Durchdringung mit Elektrofahrzeugen ohnehin schwer vorstellbar und htte wahrscheinlich groe finanzielle Auswirkungen durch einen notwendigen Netzausbau und den Zubau von flexiblen Kraftwerken. Die Modellierung des Einsatzes von Elektrofahrzeugen erfordert einige Abstrahierungen und Vereinfachungen, die im Folgenden noch einmal zusammengefasst werden: Die potentiellen Ladezeitrume erstrecken sich ber die Stunden, in denen das Fahrzeug nicht bewegt wird und somit keine Fahranforderung auftritt. Diese Annahme ist zu treffen, da das Modell, wie bereits genannt, nur auf einer 1-Stunden-Auflsung basiert. Konkret bedeutet diese Einschrnkung, dass in Stunden, in denen das Fahrzeug auch nur eine Sekunde bewegt wird, kein Ladevorgang erfolgen kann. Die Speicherkapazitt der Fahrzeugbatterien kann stets voll genutzt werden, was bedeuten kann, dass die Fahrzeugbatterie am Ende einer Fahrt vollstndig geleert ist. Konzeptbedingt gilt bei der Abbildung des Fahrverhaltens eine perfekte Vorausschau zuknftiger Fahrbedarfe. Whrend es bei einzelnen Fahrzeugen in der Realitt hufiger zu Abweichungen vom jeweiligen Standardfahrprofil kommt, lsst sich fr eine groe Grundgesamtheit an Fahrzeugen ein mittleres Fahrprofil fr zuknftige Zeitbereiche unterstellen. Damit ist eine annhernd perfekte Vorausschau gegeben. Wie bereits erwhnt, verhalten sich alle Fahrzeuge einer Fahrzeugklasse exakt gleich. Eine weitere zeitliche Verteilung der Fahrstrecken ist demnach nur durch die Betrachtung zustzlicher Fahrzeugklassen mglich. Aufgrund der begrenzten Rechenleistung wurden im Rahmen des Projekts nur zwlf Fahrzeugklassen betrachtet. Zudem wird unterstellt, dass alle Elektrofahrzeuge fest verbaute Batterien besitzen. Ein Wechselbatteriekonzept wird im Rahmen dieser Untersuchung nicht bercksichtigt.
Methodischer Ansatz
28
ueren Rahmenbedingungen bekannt und mit dem Stromlieferanten vertraglich vereinbart. Eine gute Planbarkeit ist somit gegeben. Die Planung findet mit einigem zeitlichen Vorlauf statt und geht z. B. in die Nominierung der Strombezugsfahrplne ein. Mit Demand Side Management (DSM) werden Handlungen eines Stromverbrauchers beschrieben, die dieser zur Verringerung der Strombezugskosten vornimmt. Im weiteren Sinne umfasst dies auch Einsparmanahmen. Demand Side Management ist in vielen Industriebranchen Stand der Technik. Bei Demand Response (DR) dagegen reagiert ein Verbraucher mit seinem Lastverhalten unmittelbar auf ein kurzfristig auftretendes ueres Signal. Dieses Signal kann z. B. den konomischen Wert einer Leistungsreduktion beinhalten. Die Verbindlichkeit der Demand Response wird im Vorfeld vertraglich geregelt und kann von einer freiwilligen Lastnderung bis hin zu einer Fremdsteuerung des Leistungsbedarfs einzelner Anlagen durch den Vertragspartner reichen. Demand Response wird in Deutschland erst vereinzelt eingesetzt, etwa durch die Vermarktung von gepoolten Khlhusern auf dem Regelleistungsmarkt. Der Einfachheit wegen wird fr die Szenarios und im Folgenden nur die Abkrzung DSM verwendet, selbst wenn dies definitionsgem auch Demand Response beinhaltet. Im Rahmen dieser Arbeit werden nur flexible Anwendungen untersucht, die keine Einschrnkungen in der Nutzung der jeweiligen Anwendung zur Folge haben. Das heit, dass beispielsweise keine Waschmaschinen untersucht werden, da eine zeitliche Verschiebung der Nutzung einer Waschmaschine einen Einfluss auf den Tagesablauf des Nutzers zur Folge haben und unter Umstnden die gewnschte Anzahl an Waschvorgngen im vom Nutzer vorgesehenen Zeitraum nicht erzielt werden kann. Speicherheizungen und Khlschrnke, die im Folgenden untersucht werden, haben dagegen keinen Einfluss auf den Nutzer, solange gewisse Rahmenbedingungen und Anforderungen, die dem Modell vorgegeben sind, eingehalten werden. Der Vorteil dieser Art der Speicherung liegt darin, dass in der Regel die Energie in Form von Nutzenergie gespeichert wird und damit verlustbehaftete Umwandlungsschritte entfallen. Jedoch knnen trotzdem zustzliche Speicherverluste auftreten, zum Beispiel durch erhhte Selbstentladung bei zu starker Beladung des inhrenten Speichers. Die DSM-fhigen Gerte werden im Rahmen der Gesamtoptimierung gesteuert zum kostengnstigsten Zeitpunkt geladen. Technische Restriktionen, wie z. B. Einschaltverzgerungen, sind aufgrund des Stundenrasters vernachlssigbar. Die notwendigen Durchdringungsgrade und Rahmendaten zu DSM-fhigen Speicherheizungen und Khlschrnken werden in Kapitel 3.2.2.2 aufgefhrt.
Methodischer Ansatz
29
Weitere DSM-Anwendungen wurden nicht betrachtet. Die Ergebnisse der Betrachtungen zu DSM-fhigen Khlschrnken und Speicherheizungen stehen aber fr weitere funktionale Speicher mit hnlicher Betriebsweise.
2.4.2.1 Speicherheizungen Speicherheizungen sind elektrische Raumheizgerte, die aufgrund ihres speicherfhigen Kerns, der meist aus Magnesit besteht, mittels elektrischer Energie thermisch geladen werden knnen. Die durch Kapselung des Kerns gespeicherte thermische Energie kann, abgesehen von einer gewissen Selbstentladung, bedarfsgerecht wieder an den Raum abgegeben werden. Durch eine Ungleichung im linearen Programm (siehe Bild 2.5) wird bestimmt, dass durch die Speicherheizungen mindestens der bentigte Tageswrmebedarf (Block WAR) gedeckt wird. Eine Raumberhitzung durch Bereitstellung einer zu groen Wrmemenge pro Tag ist somit theoretisch mglich. Um jedoch einerseits eine zu starke berhitzung und andererseits eine Unterkhlung in bestimmten Zeitrumen innerhalb eines Tages zu vermeiden, wird eine Obergrenze fr die Wrmeleistung der Speicherheizungen (Block NPN) festgesetzt, so dass die Speicherheizungen den bentigten Tageswrmebedarf ber mindestens zwlf ganze, aber nicht notwendigerweise zusammenhngende Stunden des jeweiligen Tages bereitstellen mssen. Der Wrmebedarf kann theoretisch auch ber 24 Stunden verteilt abgegeben werden. Anders formuliert liegt die Wrmeleistung der Speicherheizungen in mindestens zwlf Stunden des betrachteten Tages zwischen dem Quotienten aus dem Tageswrmebedarf und zwlf Stunden und dem Quotienten aus dem Tageswrmebedarf und 24 Stunden. Der Bestand der DSM-fhigen Speicherheizungen wird dabei aggregiert betrachtet. Die Ladeleistung der Speicherheizungen ist damit die Summe ber alle elektrischen Anschlussleistungen der DSM-fhigen Speicherheizungen. Der Tageswrmebedarf wird sowohl durch Selbstentladung (Block NSV) als auch durch die erzwungene Wrmeabgabe (Block NSW) gedeckt. Der Lastverlauf der Speicherheizungen, d. h. die Ladung durch Bezug elektrischer Energie (Block NSE), wird fr DSM-fhige Speicherheizungen im Rahmen des Gesamtansatzes optimiert und in der Lastgleichung bercksichtigt. Wie bei den brigen Speichern findet auch bei Speicherheizungen durch die begrenzte Speicherkapazitt (Block NCN) eine Pegelberwachung (Block NSP) statt, wobei die Pegelnderung (NSA) und die Startladung (SCH) Bercksichtigung finden.
Methodischer Ansatz
30
2.4.2.2 Khlschrnke Alle relevanten Gren der betrachteten Khlschrnke, die im Modell als Speicher umgesetzt werden, d. h. die Ladeleistung, die Entladeleistung und die Kapazitt, werden rein elektrisch betrachtet. Modelltechnisch findet also keine Umwandlung von elektrischer in thermische Energie statt. Wie bei den Speicherheizungen mssen auch bei den DSM-fhigen Khlschrnken gewisse Randbedingungen eingehalten werden, damit die eigentliche Aufgabe des Khlgertes nicht eingeschrnkt wird. Aus diesem Grund ist es erforderlich, die Temperatur der betrachteten Khlschrnke in einem Schwankungsbereich zwischen 2 C und 7 C zu halten [STA05]. Durch diese Festlegung sind keine Qualittseinbuen beim Khlgut zu erwarten, da durch die obere Grenze eine zu starke Erwrmung mit verstrkter Keimbildung und durch die untere Grenze ein Einfrieren vermieden werden. Vereinfachend wird im Modell davon ausgegangen, dass der Leistungsbedarf von Khlschrnken, die nicht im DSM-Modus betrieben werden, ber die Zeit konstant ist. Das heit, tageszeitliche und saisonale Leistungsschwankungen der Khlschrnke werden vernachlssigt. Tageszeitliche Schwankungen des Leistungsbedarfs aller Khlschrnke treten ohnehin kaum auf, da aufgrund der sehr groen Anzahl an Khlschrnken von einem niedrigen Gleichzeitigkeitsgrad ausgegangen werden kann. Lediglich zu Zeiten, in denen vermehrt Trffnungen stattfinden, sind kleine Schwankungen zu erwarten. Saisonale Abweichungen vom Normalbedarf sind nur in den Sommermonaten zu erwarten, da hier blicherweise die Raumtemperatur ber der der restlichen Monate liegt und damit die Verluste der Khlgerte ansteigen. Somit entsteht durch die genannte Vereinfachung ein Lastband fr alle nicht DSMfhigen Khlschrnke. Aus dem Jahresenergiebedarf der Khlschrnke, umgelegt auf die Stunden des Jahres und dividiert durch die Gertezahl, entsteht eine mittlere Ladeleistung pro Khlschrank. Diese Leistung entspricht wegen der rein elektrischen Betrachtung der durchschnittlichen Entladeleistung. Diese Entladeleistung ist fr alle Khlschrnke, DSM-fhige und nicht DSM-fhige, ber alle Stunden konstant, da angenommen wird, dass die Variation der Khltemperatur zu keiner Vernderung der thermischen Verluste fhrt. Daher entspricht im Modell die Obergrenze der Entladeleistung (Block KPN Khlen) der Untergrenze der Entladeleistung (KPE Khlen). Fr DSM-fhige Gerte ist die Ladeleistung dagegen stndlich variabel, wobei die vorgegebene Nennladeleistung nicht berschritten werden darf (Bild 2.5, Block KPN Kompressor). Die Untergrenze fr die Ladeleistung liegt bei null, wenn zum betrachteten Zeitpunkt kein Khlschrank geladen wird. Zur modelltechnischen Einbindung DSM-fhiger Khlschrnke muss eine Lastanpassung erfolgen, in der Form, dass
Methodischer Ansatz
31
von der vorgegebenen Verbraucherlast ein Lastband das Produkt aus der mittleren Ladeleistung und der Anzahl DSM-fhiger Khlschrnke abgezogen wird. Die vernderte Last der DSM-fhigen Khlschrnke wird dann im Rahmen der Optimierung wieder hinzugefgt (Block KSE). Wie bei den Speicherheizungen wird auch der Bestand der DSM-fhigen Khlschrnke aggregiert betrachtet. In die Lastgleichung wird nur die Ladeleistung einbezogen, da die Entladeleistung in Form von Nutzenergie auftritt. Die Speicherkapazitt der Khlschrnke (Block KPC) ist von den definierten Temperaturgrenzen und in starkem Mae von der Beladung mit Khlgut abhngig. Aufgrund der groen Zahl an betrachteten Gerten kann von einer ber die Zeit konstanten durchschnittlichen Beladung ausgegangen werden. Die verwendeten Daten hierzu sind in Kapitel 3.2.2.2 aufgefhrt. Auch in diesem Fall findet eine Pegelberwachung statt, um eine Unterkhlung und berhitzung des Khlguts zu vermeiden (Blcke KSA, KSP und SCK).
2.4.3 Export
Die Mglichkeit des Exports elektrischer Energie tritt in direkte Konkurrenz zur Speicherung. Dabei stellt sich die Frage, unter welchen Umstnden der direkte Verkauf von berschssen ins benachbarte Ausland wirtschaftliche Vorteile gegenber der Speicherung bietet. Gespeicherter Strom knnte zu einem spteren Zeitpunkt mit hohen Erzeugungskosten wieder genutzt werden. Allerdings treten bei der Speicherung Verluste auf, so dass eine Speicherung nur dann rentabler als ein Export der berschsse ist, wenn trotz der Speicherverluste die Kosteneinsparungen beim Entladen hher als die Exporterlse sind. Des Weiteren fallen gegebenenfalls Investitionsaufwendungen fr entsprechende Neubauspeicher an. Fr einen Export mssen im Modell hingegen keine zustzlichen Investitionen gettigt werden, da nur die bestehenden bertragungskapazitten bercksichtigt werden. Die wirtschaftliche Attraktivitt der Exportoption wird von den mglichen Erlsen fr die ausgefhrte Energie bestimmt. Diese hngen von der aktuellen Lastsituation und der Angebotssituation im Marktgebiet ab. Nherungsweise bestimmt die Residuallast, also die Netzlast abzglich der gesetzten Einspeisung den jeweiligen Strompreis. Theoretisch kann demnach ein Export realisiert werden, wenn der aktuelle Strompreis des Importgebietes unterboten werden kann. Fr eine reprsentative Abbildung des Preisgefges im Modell mssten demzufolge die Importgebiete in hnlicher Weise zeitaufgelst abgebildet werden. Dies setzt jedoch zum einen eine sinnvolle Annahme fr die Ausbaustrategien der konventionellen und erneuerbaren Erzeugung im benachbarten Ausland und zum anderen die Kenntnis der zeitaufgels-
Methodischer Ansatz
32
ten Lastverlufe voraus. Da eine Modellierung des Auslands in dieser Form den Berechnungsaufwand deutlich erhhen wrde, wird im Rahmen des Projekts vereinfachend von konstanten, also tageszeitlich und saisonal unabhngigen Erlsen ausgegangen, welche die wirtschaftliche Konkurrenzsituation des Exports zur grotechnischen Speicherung im Mittel abbilden soll. Neben wirtschaftlichen Kriterien wird aus technischer Sicht der Export von der maximal mglichen bertragungsleistung bestimmt. Die aktuell mglichen bertragungskapazitten (NTC) zu den Nachbarlndern unterscheiden sich saisonal und werden vom ENTSO-E verffentlicht [ENT11]. Innerhalb des Teilmodells MESTAS wird der Export als negative Erzeugung bzw. Last abgebildet, welche zustzlich zur Stromnachfrage in Deutschland von null bis zur maximalen bertragungskapazitt gedeckt werden kann. Eventuell auftretende Netzverluste werden dabei nicht abgebildet. Alle Nachbarlnder werden vereinfachend zu einem Knoten aggregiert. Fr die exportierte Strommenge fallen negative Kosten, d. h. Erlse an, welche den Zielfunktionswert im Rahmen der Optimierung verringern. Realisiert wird die Exportmglichkeit im Rahmen des Teilmodells MESTAS mithilfe der zustzlichen Module PEA, NTC, APH und XAU im linearen Programm (Bild 2.5).
33
3.1.1 Kraftwerksdaten
Die Eingangsdaten fr den Kraftwerksbestand werden der Kraftwerksdatenbank des Lehrstuhls fr Energiewirtschaft und Anwendungstechnik entnommen. Diese enthlt nahezu alle konventionellen Kraftwerke der ffentlichen Versorgung in Deutschland (inkl. Kraftwerke in Bau). Fr die deutschen Kernkraftwerke werden die Laufzeiten entsprechend der aktuellen Gesetzeslage angenommen [ATG11]. Demnach gehen die letzten drei Kernkraftwerke im Jahr 2022 vom Netz. Da im Modell IMAKUS Kraftwerke ihr Betriebsende stets am Jahresende erreichen, wurde die gesetzlich geregelte Auerbetriebnahme von acht Kernkraftwerken zum 6. August 2011 im Modell allerdings erst ab Jahresbeginn 2012 bercksichtigt. Aufgrund der gekoppelten Wrmeerzeugung sind KWK-Kraftwerke nicht oder nur teilweise frei disponierbar und knnen deshalb nicht wie die restlichen konventionellen Kraftwerke behandelt werden. So wird bei KWK-Kohle-Anlagen nicht die volle Nennleistung als frei disponierbar angenommen. Stattdessen wird die Leistung um denjenigen Anteil reduziert, der fr die Auskopplung der Wrme notwendig ist. Eine Abschtzung erfolgt ber durchschnittliche Stromkennzahlen laut [VIK10] und die Fernwrmeleistungen der entsprechenden Kraftwerke laut [UBA10]. Die KWK-Gas-Anlagen werden hingegen als vollstndig wrmegefhrt betrachtet und deren Einsatz deshalb nicht vom Modell optimiert. Der erzeugte KWK-Strom aus Kohle- und Gas-Anlagen wird im Modell als gesetzte Einspeisung in Form charakteristischer Einspeisezeitreihen vorgegeben (vgl. Abschnitt 3.1.2). Da im Modell die Deckung des gesamten deutschen Strombedarfs betrachtet wird, muss auch der Bestand der Industriekraftwerke zur Eigenerzeugung bercksichtigt werden. Mangels ausreichender Daten zum Bestand an Industriekraftwerken wurden die existierenden Kapazitten mithilfe eines Pauschalansatzes abgeschtzt. Als Basis diente dabei die Energietrgerstruktur laut [VIK10]. KWKAnteile und Lebensdauern konnten jedoch nur geschtzt werden. Bild 3.1 zeigt die Struktur des frei disponierbaren konventionellen Kraftwerksbestandes fr das Jahr 2010 sowie die bercksichtigten derzeit in Bau befindlichen Kraftwerkskapazitten (geplante Fertigstellung bis einschlielich 2013). Kohle-KWK-Anlagen sind dabei mit der entsprechenden reduzierten, frei disponierbaren Leistung bercksichtigt, GasKWK-Anlagen sind nicht enthalten.
34
80
61302B12
70
10
Bild 3.1:
Bestand konventioneller Kraftwerke und bercksichtigte im Bau befindliche Kraftwerkskapazitten bis einschlielich 2013
Fr den Kraftwerksneubau stehen dem Modell sechs verschiedene Technologien zur Verfgung: Gasturbinen- und GuD-Kraftwerke, Steinkohle- und Braunkohle-Kraftwerke sowie ab dem Jahr 2020 Steinkohle- und Braunkohle-Kraftwerke mit 700 CTechnologie. Aufgrund der besseren verfgbaren Technik wird angenommen, dass ab dem Jahr 2020 konventionellen Steinkohle- bzw. Braunkohlekraftwerke nicht mehr genehmigungsfhig sind. Ab diesem Zeitpunkt steht dem Modell deshalb nur noch die 700 C-Technologie zur Verfgung. Eine in Zukunft mgliche Verfgbarkeit von Carbon-Capture-and-Storage-Technologien (CCS) wird im Rahmen der Szenarios nicht betrachtet. Die technischen und konomischen Daten fr Neubaukraftwerke wurden im Rahmen des Projektes im Arbeitskreis Energiewirtschaft abgestimmt und sind in Tabelle 3.1 dargestellt. Bei den angegebenen Kosten handelt es sich jeweils um Realpreise in Euro des Referenzjahres 2010 (2010). Des Weiteren werden fr Steinkohle- und Braunkohlekraftwerke 40 Jahre Lebensdauer angenommen, fr Gasturbinen- und GuD-Kraftwerke 30 Jahre.
35
Tabelle 3.1:
Technische und konomische Rahmendaten der Neubaukraftwerke 2010 2020 46,0 1353,87 36,00 4,17 10,41 50,0 1489,25 39,57 4,17 10,41 45,0 1562,15 40,23 4,17 12,50 49,0 1718,37 44,78 4,17 12,50 61,0 729,00 20,12 2,08 8,33 39,0 338,47 12,17 2,17 2,08 2030 51,0 1489,25 39,57 4,17 10,41 50,0 1718,37 44,78 4,17 12,50 62,0 729,00 20,12 2,08 8,33 40,0 338,47 12,17 2,17 2,08 2040 52,0 1489,25 39,57 4,17 10,41 51,0 1718,37 44,78 4,17 12,50 62,0 729,00 20,12 2,08 8,33 40,0 338,47 12,17 2,17 2,08 2050 52,0 1489,25 39,57 4,17 10,41 51,0 1718,37 44,78 4,17 12,50 62,0 729,00 20,12 2,08 8,33 40,0 338,47 12,17 2,17 2,08
Steinkohle Netto-Wirkungsgrad Investitionskosten fixe Betriebskosten variable Betriebskosten Abriss- u. Rckbaukosten Steinkohle 700 C Netto-Wirkungsgrad Investitionskosten fixe Betriebskosten variable Betriebskosten Abriss- u. Rckbaukosten Braunkohle Netto-Wirkungsgrad Investitionskosten fixe Betriebskosten variable Betriebskosten Abriss- u. Rckbaukosten Braunkohle 700 C Netto-Wirkungsgrad Investitionskosten fixe Betriebskosten variable Betriebskosten Abriss- u. Rckbaukosten GuD Netto-Wirkungsgrad Investitionskosten fixe Betriebskosten variable Betriebskosten Abriss- u. Rckbaukosten Gasturbine Netto-Wirkungsgrad Investitionskosten fixe Betriebskosten variable Betriebskosten Abriss- u. Rckbaukosten % /kWel /kWela /MWhel /kWel 38,0 369,71 12,17 2,17 2,08 % /kWel /kWela /MWhel /kWel 59,0 729,00 20,12 2,08 8,33 % /kWel /kWela /MWhel /kWel % /kWel /kWela /MWhel /kWel 44,5 1666,30 40,23 4,17 12,50 % /kWel /kWela /MWhel /kWel % /kWel /kWela /MWhel /kWel 46,0 1458,01 36,00 4,17 10,41
36
Die Nichtverfgbarkeit der konventionellen Kraftwerke wird zum einen im Teilmodell MOWIKA durch den Reduktionsfaktor abgebildet. Hier werden sowohl geplante (Revisionen) als auch ungeplante Nichtverfgbarkeiten (Kraftwerksausflle) bei der Bestimmung der Ausnutzungsdauern bercksichtigt. Zum anderen wird im Teilmodell MOGLIE die gesicherte Leistung der Kraftwerke zum Zeitpunkt der Jahreshchstlast bestimmt, wobei nur die technische Verfgbarkeit relevant ist. Zur Abschtzung dieser Gren werden statistische Werte fr die unterschiedlichen Kraftwerkstypen herangezogen. In Tabelle 3.2 sind Mittelwerte fr den Zeitraum 2000 bis 2009 nach [VGB10] dargestellt.
Tabelle 3.2: Kraftwerkstyp Arbeits-Verfgbarkeit und Arbeits-Nichtverfgbarkeit von Kraftwerken [VGB10] ArbeitsVerfgbarkeit % Steinkohle-Blockanlagen Braunkohle-Blockanlagen l/Gas-Blockanlagen Gasturbinenanlagen Kombianlagen (GuD) Kernkraftwerke 84,4 86,2 90,3 86,6 86,8 85,5 ArbeitsNichtverfgbarkeit % 15,6 13,8 9,7 13,4 13,2 14,5 geplante Nichtverfgbarkeit % 8,4 6,5 5,8 8,7 8,2 9,2 ungeplante Nichtverfgbarkeit % 7,2 7,3 3,9 4,7 5,0 5,3
Die Arbeits-Verfgbarkeit ist dabei der Anteil der unter Bercksichtigung von Revisionen und Ausfllen erzeugbaren Energie an der theoretisch erzeugbaren Energie bei voller Verfgbarkeit. Im Gegensatz zur Betrachtung einer reinen Zeit-Verfgbarkeit bercksichtigt die Arbeits-Verfgbarkeit auch Teil-Nichtverfgbarkeiten, d. h. wenn beispielsweise nicht die gesamte Kraftwerksleistung zur Verfgung steht, das Kraftwerk aber gedrosselt betrieben wird. Die Arbeits-Nichtverfgbarkeit gibt die Differenz zwischen der Arbeits-Verfgbarkeit und einer theoretischen vollen Verfgbarkeit an und setzt sich aus geplanten und ungeplanten Nichtverfgbarkeiten zusammen. Der bentigte Reduktionsfaktor entspricht damit genau der Arbeits-Verfgbarkeit. Da die technische Verfgbarkeit angibt, mit welcher Wahrscheinlichkeit ein Kraftwerk auerhalb der Revisionszeitrume zur Verfgung steht, muss zu ihrer Bestimmung die Arbeits-Verfgbarkeit auf die theoretisch auerhalb der geplanten Nichtverfgbarkeiten erzeugbare Energie bezogen werden. Tabelle 3.3 zeigt Reduktionsfaktoren und technische Verfgbarkeiten der im Rahmen des Projekts betrachteten konventionellen Kraftwerkstechnologien. Dabei wird zwischen Bestands- und Neubaukraftwerken keine Unterscheidung bezglich der Verfgbarkeit getroffen.
37
Tabelle 3.3:
Reduktionsfaktor und technische Verfgbarkeit der betrachteten Kraftwerkstypen Reduktionsfaktor % 84,4 84,4 86,2 86,2 90,3 86,6 86,8 85,5 technische Verfgbarkeit % 92,1 92,1 92,2 92,2 95,9 94,9 94,6 94,2
Kraftwerkstyp Steinkohle Steinkohle 700 C Braunkohle Braunkohle 700 C Heizl Gasturbine GuD Kernenergie
38
1,0
0,5
Stromnachfrage (6495 h)
0,0 1,0
0,0 1,0
0,5
Photovoltaik (1095 h)
0,5
0,0 1,0 0
365
0,5
Wasserkraft (4746 h)
0,0 1,0 0 365
0,5
Biomasse (5673 h)
0,0 1,0 0 365
0,5
Geothermie (5917 h)
0,0 1,0 0 365
0,5
KWK (3747 h)
0,0 0
Tage
365
Bild 3.2:
Charakteristische Zeitreihen der Last und der gesetzten Einspeisung als Tagesmittelwerte, Ausnutzungsdauern sind in Klammern angegeben
61320B12
39
Die im Modell IMAKUS angewandte Methodik erlaubt nur die Betrachtung deterministisch vorgegebener Zeitreihen der Last, der EE und der KWK. Dabei ist zu beachten, dass die Qualitt der Ergebnisse, insbesondere im Hinblick auf den Speicherausbau und -einsatz, in hohem Mae von der Qualitt der vorgegebenen Zeitreihen abhngt, d. h. inwieweit diese tatschlich als typisch angesehen werden knnen. Um abschtzen zu knnen, welche Sensitivitt bezglich der Zeitreihen vorliegt, sollte die Optimierung prinzipiell mit mehreren unterschiedlichen Zeitreihen durchgefhrt werden. Soll diese Unsicherheit hingegen von der Optimierung mit bercksichtigt werden, so muss ein stochastischer Modellierungsansatz verwendet werden.
3.1.3 Brennstoffe
Die Entwicklung der Brennstoffkosten wurde im Rahmen des Projekts im Arbeitskreis Energiewirtschaft abgestimmt. Tabelle 3.4 zeigt die angenommene Entwicklung der Brennstoffkosten fr neun Sttzjahre im Zeitraum von 2010 bis 2050. Zwischen den Sttzjahren wurde jeweils linear interpoliert. Die Brennstoffkosten fr Braun- und Steinkohle, Gas sowie Heizl werden als Realpreise in 2010 je Megawattstunde Brennstoff (MWhth) angegeben. Fr Kernenergie werden die Brennstoffkosten hingegen direkt als Realpreise in 2010 je Megawattstunde erzeugter elektrischer Energie (MWhel) angegeben.
Tabelle 3.4: Brennstoff Braunkohle Steinkohle Gas Heizl Kernenergie /MWhth /MWhth /MWhth /MWhth /MWhel Entwicklung der Brennstoffkosten 2010 3,75 10,80 25,66 35,81 8,25 2015 3,75 10,84 33,50 48,87 8,25 2020 3,75 11,64 37,49 56,34 8,25 2025 3,75 12,02 39,77 61,01 8,25 2030 3,75 12,32 42,62 65,68 8,25 2035 3,75 12,57 44,04 68,01 8,25 2040 3,75 12,57 44,04 68,01 8,25 2045 3,75 12,57 44,04 68,01 8,25 2050 3,75 12,57 44,04 68,01 8,25
Im Unterschied zu den anderen Brennstoffen existiert fr Braunkohle kein Weltmarkt. Aufgrund des niedrigen Brennwerts ist ein Transport von Braunkohle ber lngere Strecken meist unwirtschaftlich, so dass Braunkohle-Kraftwerke in der Regel in unmittelbarer Nhe der Frdersttten angesiedelt sind. Laut [SKW11] betrug die Braunkohlefrderung in Deutschland im Jahr 2010 169 Mio. t, wobei ca. 90 % zur Stromerzeugung verwendet wurden. Eine Einfuhr aus Drittlndern fand nicht statt. Da eine Steigerung der Braunkohlefrderung aufgrund mangelnder Akzeptanz fr die Erschlieung neuer Frdersttten als unwahrscheinlich gilt, wird im Rahmen der Szenarios die zur Stromerzeugung jhrlich zur Verfgung stehende Menge Braunkohle
40
auf 50 Mio. t SKE begrenzt, was etwa 163 Mio. t Braunkohle bzw. einem Energieinhalt von 407 TWh entspricht. Zur Bestimmung der CO2-Emissionen der Stromerzeugung werden als weitere Eingangsgre die spezifischen CO2-Emissionen der fossilen Brennstoffe bentigt. Diese werden entsprechend Tabelle 3.5 angenommen. Die Stromerzeugung aus Kernenergie wird als emissionsfrei angenommen.
Tabelle 3.5: Spezifische CO2-Emissionen der Brennstoffe (eigene Berechnungen nach [VIK10]) spezifische CO2-Emissionen t/MWhth t/MWhth t/MWhth t/MWhth 0,39816 0,33975 0,20160 0,27000
3.1.4 CO2-Zertifikate
Im Rahmen der betrachteten Szenarios werden die CO2-Emissionen der Stromerzeugung nicht direkt durch jhrliche Emissionsgrenzen beschrnkt. Durch die Bercksichtigung der Kosten fr CO2-Zertifikate werden die Emissionen der Kraftwerke stattdessen in die Kostenminimierung mit einbezogen und so indirekt begrenzt. Ein mglicher Entwicklungspfad des CO2-Zertifikatspreises wurde im Rahmen des Projekts im Arbeitskreis Energiewirtschaft abgestimmt. In Tabelle 3.6 ist der CO2Zertifikatspreis als Realpreis in 2010 angegeben.
Tabelle 3.6: Entwicklung des CO2-Zertifikatspreises 2010 CO2-Zertifikate /t CO2 13,16 2015 22,40 2020 21,87 2025 17,70 2030 25,15 2035 42,06 2040 59,36 2045 2050
82,45 137,99
41
terogenitt hinsichtlich dieser drei Gren. So reicht die Turbinenleistung von wenigen 10 MW hin zu etwa 1000 MW und die Speicherkapazitt von wenigen 10 MWh hin zu einigen 10 GWh. Insgesamt betrgt die installierte Turbinenleistung 6,5 GW und die installierte Speicherkapazitt 77 GWh. Der Speichernutzungsgrad bewegt sich zwischen etwas mehr als 50 % bei lteren bis zu 80 % bei neueren PSW. Die fr die Modellierung bentigten Daten der Bestands-PSW sind in Kapitel 8.2 des Anhangs im Detail aufgefhrt.
100 90 80 Speichernutzungsgrad in % 70 60
40030 MWh
Quellen: dena-Studie NNE-Pumpspeicher, 2008; Mitteilungen durch Betreiber; eigene Berechnungen.
50
57 MWh
40 30 20 10 0
61323B12
100
200
300
400
500
600
700
800
900
1000
1100
1200
Turbinenleistung in MW
Bild 3.3:
Fr den Speicherneubau wird von einer Verfgbarkeit von PSW ab Betrachtungsbeginn im Jahr 2010 ausgegangen, sowie von AA-CAES ab dem Jahr 2020 und von Wasserstoffspeichern ab dem Jahr 2025. Dabei wird angenommen, dass AA-CAES aus einem Kompressor zur adiabaten Verdichtung von Luft, einer Salzkaverne als Speichervolumen, einem Wrmespeicher sowie einer Heiluftturbine bestehen. Als Wasserstoffspeicher wird ein System mit einem Gas-und-Dampf-Prozess (GuD) zur Rckverstromung des Wasserstoffs betrachtet. Weitere Bestandteile dieses H2-GuDSpeichersystems sind die Elektrolyse- und Kompressoreinheit und analog zur Druckluftspeicherung eine Salzkaverne zur Speicherung des Wasserstoffs. Die technischen und konomischen Eingangsdaten fr den Neubau grotechnischer Energiespeicher wurden im Rahmen des Projektes im Arbeitskreis Energiewirtschaft abge-
42
stimmt und sind in Tabelle 3.7 dargestellt. Bei den angegebenen Kosten handelt es sich jeweils um Realpreise in Euro des Referenzjahres 2010 (2010). Da, wie beschrieben, im Teilmodell MESTAS die Optimierung der einzelnen Jahre anhand eines Grne-Wiese-Ansatzes erfolgt, ist die Vorgabe eines Entwicklungspfades fr die technischen und konomischen Speicherdaten nicht sinnvoll. Nur unter der Annahme konstanter Parameter ber den Betrachtungszeitraum lsst sich das Ergebnis des Speicherausbaus als kontinuierliche Entwicklung interpretieren.
Tabelle 3.7: Technische und konomische Rahmendaten der Neubauspeicher PSW Speichernutzungsgrad Investitionskosten Ladeleistung Entladeleistung Speicherkapazitt fixe Betriebskosten Ladeleistung Entladeleistung variable Betriebskosten Laden Entladen Abriss- und Rckbaukosten Ladeleistung Entladeleistung Lebensdauer technische Verfgbarkeit Reduktionsfaktor /kWel /kWel a % % 4,17 4,17 70 95,0 91,4 1,04 1,04 30 90,0 86,6 4,17 4,17 30 90,0 86,6 /MWhel /MWhel 0,28 0,28 1,40 1,40 1,51 1,51 /kWela /kWela 5,59 5,59 4,47 4,47 10,06 10,06 /kWel /kWel /kWh 450,97 450,97 6,34 421,63 421,63 30,65 1000,00 729,00 0,09 % 80,0 AA-CAES 70,0 H2-GuD 40,0
Zwar werden Salzkavernen sowohl fr AA-CAES als auch fr H2-GuD-Speicher als Speichervolumen eingesetzt, jedoch ist nach [ETG09] die volumetrische Energiedichte der Wasserstoffspeicherung mit 163 kWh/m deutlich hher als bei der Druckluftspeicherung (2,9 kWh/m). Dies spiegelt sich in den sehr niedrigen Investitionskosten fr die Speicherkapazitt bei H2-GuD-Speichern wider. In die Speicherkapazittskosten der AA-CAES flieen zudem noch die Kosten fr den thermischen Speicher ein. Das Ausbaupotential der AA-CAES sowie der H2-GuD-Speicher bleibt in allen Szenarios unbegrenzt. Da der weitere Ausbau von PSW in Deutschland jedoch durch die notwendigen geographischen Voraussetzungen sowie durch Belange des Umwelt-
43
und Landschaftsschutzes sehr begrenzt ist, wird der Neubau von PSW-Kapazitten in allen Szenarios auf 40 GWh begrenzt. Dies entspricht etwa 50 % der heute installierten PSW-Kapazitt. Eine leistungsseitige Beschrnkung des PSW-Potentials ist hingegen nicht notwendig, da sich die begrenzte Verfgbarkeit geeigneter PSWStandorte vorrangig auf die Gre der Speicherbecken und damit der Speicherkapazitt auswirkt. Des Weiteren werden beim Neubau von PSW heutzutage in der Regel Pumpturbinen installiert, d. h. eine einzige Maschine dient sowohl zum Pumpen als auch zum Turbinieren, so dass die ansonsten frei dimensionierbaren Lade- und Entladeleistungen gewissermaen gekoppelt sind. Um dies zu bercksichtigen, wird beim PSW-Neubau das Verhltnis der installierten Entlade- zur installierten Ladeleistung auf einen Bereich von 0,8 bis 1,2 begrenzt.
3.1.6 Bevlkerung
Allen betrachteten Szenarios wird eine Bevlkerungsentwicklung nach dem Szenario Mittlere Bevlkerung, Obergrenze (Variante 1-W2) des Statistischen Bundesamtes unterstellt [SBA09]. Da innerhalb dieser verwendeten Statistik dem jeweiligen Jahr der Wert fr den 31. Dezember zugeordnet wird, wurde fr das jeweils betrachtete Jahr der Mittelwert aus dem Vorjahresendwert und dem Endwert des aktuellen Jahres verwendet. Fr das Jahr 2050 wird von ca. 74 Millionen Personen in Deutschland ausgegangen.
44
Als Grundlage fr die weiteren Szenarios wurden drei Basisszenarios definiert, die mgliche zuknftige Entwicklungen des Stromverbrauchs und des Beitrags erneuerbarer Energien darlegen. In den Basisszenarios ist die Elektromobilitt mit ca. 30 Millionen Fahrzeugen im Jahr 2050 bereits bercksichtigt. Dabei werden die Elektrofahrzeuge jedoch proportional zum brigen Lastprofil geladen. Im Folgenden werden die charakteristischen Merkmale der drei Basisszenarios beschrieben.
Tabelle 3.8: Rahmendaten von Stromverbrauch und Stromerzeugung in den Basisszenarios
Szenario Bruttostromverbrauch in TWh 60/plus3 80/minus15 80/minus25 Nettostromverbrauch in TWh 60/plus3 80/minus15 80/minus25 60/plus3 Wasserkraft 80/minus15 80/minus25 60/plus3 Biomasse 80/minus15 80/minus25 60/plus3 Photovoltaik 80/minus15 80/minus25 60/plus3 Geothermie 80/minus15 80/minus25 60/plus3 Windenergie Stromerzeugung aus erneuerbaren Energien gesamt Anteil erneuerbarer Energien am Bruttostromverbrauch 80/minus15 80/minus25 60/plus3 80/minus15 80/minus25 60/plus3 80/minus15 80/minus25 alle Szenarios 544,4 544,4 544,4 19,5 19,5 19,5 26,5 26,5 26,5 12,0 12,0 12,0 0,0 0,0 0,0 37,5 37,5 37,5 95,5 95,5 95,5 549,8 538,7 549,8 20,0 20,5 20,5 33,1 37,1 38,0 19,0 21,3 21,8 0,3 0,3 0,3 64,7 72,6 74,3 137,0 151,8 154,9 555,4 551,6 551,6 20,3 21,2 21,2 42,1 53,2 53,2 20,3 25,6 25,6 1,5 1,9 1,9 90,2 114,0 114,0 174,3 216,0 216,0 560,9 568,3 541,5 20,5 23,6 23,6 45,6 61,6 58,4 24,3 32,9 31,2 1,9 2,6 2,4 108,9 147,1 139,5 201,2 267,7 255,1 566,6 527,7 498,8 20,8 23,4 23,4 49,5 61,5 57,9 28,9 35,9 33,8 2,4 3,0 2,8 133,6 166,0 156,1 235,3 289,8 273,9 572,3 524,0 491,3 21,1 25,7 25,7 54,5 66,6 62,1 35,1 42,9 40,0 3,1 3,8 3,5 156,8 191,5 178,5 270,6 330,4 309,8 578,0 512,0 468,7 22,1 26,1 26,1 59,0 69,7 63,4 39,5 46,7 42,4 3,6 4,2 3,9 184,2 217,6 197,8 308,5 364,4 333,6 583,8 495,2 434,2 22,6 25,6 25,6 62,5 70,7 61,3 42,6 48,1 41,8 4,1 4,6 4,0 212,9 240,8 209,1 344,7 389,8 341,8 589,7 495,4 430,6 23,1 25,8 25,8 67,0 75,0 64,6 45,2 50,7 43,6 4,5 5,1 4,4 241,1 270,1 232,5 380,9 426,7 370,9 620,6 620,6 620,6 621,0 608,4 621,0 621,3 617,2 617,2 621,8 629,9 600,3 622,3 579,6 547,8 627,5 574,6 538,8 632,8 560,6 513,2 633,9 537,7 471,4 634,9 533,4 463,6 Jahr 2010 2015 2020 2025 2030 2035 2040 2045 2050
15,4% 22,1% 28,1% 32,4% 37,8% 43,1% 48,8% 54,4% 60,0% 15,4% 24,9% 35,0% 42,5% 50,0% 57,5% 65,0% 72,5% 80,0% 15,4% 24,9% 35,0% 42,5% 50,0% 57,5% 65,0% 72,5% 80,0% 87,0 95,4 91,0 99,2 116,0 106,0 106,3 106,2 101,9
45
Im Szenario 80/minus15 sinkt, nach einem kurzfristigen Anstieg, der Bruttostromverbrauch bis zum Jahr 2050 um ca. 15 % bezogen auf das Jahr 2008. Der Anteil der erneuerbaren Energien am Bruttostromverbrauch betrgt 80 % im Jahr 2050. Gegenber dem Szenario 80/minus15 nimmt im Szenario 80/minus25 der Bruttostromverbrauch unter anderem aufgrund verstrkter Effizienzmanahmen strker ab um 25 % bis zum Jahr 2050 bezogen auf das Jahr 2008. Der Anteil der erneuerbaren Energien am Bruttostromverbrauch betrgt auch in diesem Szenario 80 % im Jahr 2050. Absolut betrachtet ist die Erzeugung aus erneuerbaren Energien in diesem Szenario jedoch niedriger als im Szenario 80/minus15. Fr das Szenario 60/plus3 wird von einer wachsenden Durchdringung mit elektrischen Anwendungen und damit von einem leicht steigenden Stromverbrauch ausgegangen um 3 % bis zum Jahr 2050 bezogen auf das Jahr 2008. Der Anteil der erneuerbaren Energien am Bruttostromverbrauch betrgt in diesem Szenario 60 % im Jahr 2050. Absolut betrachtet liegt die Stromerzeugung aus erneuerbaren Energien in den letzten Jahren des Betrachtungszeitraums unter dem Szenario 80/minus15. Die verwendeten Daten sind in Tabelle 3.8 aufgefhrt. Vergleichend werden die Bruttostromverbruche der Basisszenarios auch in Bild 3.4 dargestellt. Die zeitliche Entwicklung des Anteils der erneuerbaren Energien an der Bruttostromerzeugung zeigt Bild 3.5.
700
IfE, 48300F12
500
400
300
200
100
0 2010
2015
2020
2025
2030 Jahr
2035
2040
2045
2050
60/plus3
80/minus15
80/minus25
Bild 3.4:
46
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 2010
IfE, 48301F12
2015
60/plus3
2020
2025
2030 Jahr
80/minus15
2035
2040
2045
80/minus25
2050
Bild 3.5:
80 Jahresdauerlinie der residualen Last in GW
2010 60 40 20 0 -20 -40 -60 0 1000 2000 3000 4000 5000 6000
2030
2050
IfE, 48350B12
7000
8000
Stunden
Bild 3.6:
Jahresdauerlinien der residualen Last fr die Jahr 2010, 2030 und 2050 im Szenario 80/minus15 ohne Speichereinsatz
Bild 3.6 zeigt die zeitliche Entwicklung der Jahresdauerlinien der residualen Last ohne Speichereinsatz. Dargestellt werden dabei die Kurven fr die Jahre 2010, 2030
47
und 2050. Der zunehmende Anteil der erneuerbaren Energien an der Stromerzeugung bewirkt tendenziell eine Verschiebung der Jahresdauerlinie zu niedrigeren, teils auch negativen Lasten. Gut zu erkennen ist, dass die Spitzenlast insbesondere von 2030 bis 2050 weniger stark abnimmt als die brigen Lastbereiche. Bei den Werten unterhalb der Nulllinie handelt es sich um die sogenannte nicht integrierbare Leistung aus der gesetzten Einspeisung. Erst durch den Einsatz von Speichern lsst sich ein Teil dieser nicht integrierbaren Leistung nutzen, um damit die Erzeugung aus Spitzenlastkraftwerken zu ersetzen. Wie in Abschnitt 2.3.1 beschrieben, sind aufgrund des nicht im Modell abgebildeten Netzes die Netzverluste bereits in der vorgegebenen Stromnachfrage zu bercksichtigen. Dabei wurde angenommen, dass die jhrlichen Netzverluste ber den gesamten Betrachtungszeitraum konstant 15 TWh betragen. Als Eingangswerte fr die Stromnachfrage wurden dem Modell demnach die jhrlichen Werte des Nettostromverbrauchs zuzglich 15 TWh vorgegeben.
48
100% 90% 80% 70% 60% Anteil 50% 40% 30% 20% 10%
IfE, 48331D12
Verfgbarkeit Export
0% 2010 2015 2020 2025 2030 2035 2040 2045 2050 Jahr
Bild 3.7:
Entwicklung der Durchdringung funktionaler Speicher am Bestand des jeweiligen Jahres im Betrachtungszeitraum im zugehrigen Szenario
110 theoretische Gesamtleistung im Jahr 2050 in GW 100 90 80 70 60 50 40 30 20 10 0 SH KS Export EV V2G Entladeleistung
IfE, 48332B 1 2
Ladeleistung
Bild 3.8:
49
3.2.2.1 Elektromobilitt Wie bereits in Kapitel 3.2.1 erwhnt, wird der Energiebedarf der Elektrofahrzeuge in den Basisszenarios bereits bercksichtigt. Jedoch wird hierbei unterstellt, dass der Ladelastgang der Elektrofahrzeuge proportional zum restlichen Lastgang ist und die Fahrzeuge nicht flexibel geladen werden knnen. Im Gegensatz dazu werden in den Szenarios zur Elektromobilitt (EV) die Elektrofahrzeuge flexibel und entsprechend dem Gesamtmodell kostenminimal geladen.
Fahrzeugbestand Die notwendigen Zahlen fr die Bestandsentwicklung von Elektrofahrzeugen wurden im Rahmen des Projektes im Arbeitskreis Energiewirtschaft abgestimmt. Fr den Gesamtfahrzeugbestand wurden ber den gesamten Betrachtungszeitraum 41,7 Millionen Fahrzeuge angesetzt, was dem Bestand des Jahres 2010 entspricht [DIW11]. Dabei wird angenommen, dass sich der Anstieg des Fahrzeugbestandes, wie er auch in den letzten Jahren stattgefunden hat, und der zuknftige Rckgang der Bevlkerung (siehe Kapitel 3.1.6) dahingehend aufheben, dass ein konstanter Fahrzeugbestand unterstellt werden kann. Fr die Durchdringung mit Elektrofahrzeugen wird ein sigmoidales Wachstum zugrunde gelegt. Aufgrund verschiedenartiger Hemmnisse kann davon ausgegangen werden, dass bis 2050 keine vollstndige Umstellung auf elektrische Antriebe stattfindet. Wie Bild 3.7 zeigt, ist im betrachteten Szenario im Jahr 2050 mit einem Anteil von 71 % elektrisch betriebener Fahrzeuge am Gesamtbestand zu rechnen. Dieser Anteil entspricht 29,7 Millionen Elektrofahrzeugen.
Fahrzeugklassen mit Fahrzeugdaten Wie Bild 3.9 zeigt, werden bei den Elektrofahrzeugen sechs Nutzerklassen unterschieden: vier davon sind Pendler vom Kurzstreckenpendler (Pendler 1) bis zum Langstreckenpendler (Pendler 4). Die vier Pendler-Nutzerklassen machen 40 % des Fahrzeugbestandes aus, wobei die Langstreckenpendler nur einen geringen Teil davon stellen. Weitere Nutzerklassen sind geschftliche Fahrzeuge mit einem Anteil von 11 % am Bestand und rein privat genutzte Fahrzeuge mit 49 %. Jeder Nutzerklasse werden zwei Fahrzeugtypen mit unterschiedlichen Speicherkapazitten und spezifischen Energieverbruchen zugeordnet. Die Jahresenergiebedarfe beinhalten den vollstndigen elektrischen Energiebedarf fr Fahren, Heizen, Khlen und Nebenverbraucher. Der Nutzungsgrad der Batterien (kombinierter Ladeund Entladenutzungsgrad) liegt bei 70 %, der stndliche Ruhenutzungsgrad bei
50
100 %. Zudem wurden der Anfangsspeicherstand auf 0 % und die technische Verfgbarkeit auf 100 % festgelegt. Fr das Jahr 2050 resultiert bei der oben aufgefhrten Anzahl an Elektrofahrzeugen ein Jahresenergiebedarf von 85 TWh. Daraus kann mithilfe des Batterienutzungsgrades ein Ladestrom von 122 TWh abgeschtzt werden. Ladekosten werden nicht angesetzt, da die Ladung von Elektrofahrzeugen ein notwendiger Vorgang ist, um den Fahrenergiebedarf bereitzustellen.
Tabelle 3.9 zeigt spezifische Daten der Fahrzeugklassen, die fr den Fahrenergiebedarf und die Ladung der Batterien relevant sind. Die Batterieleistung von 3,5 kW stellt sowohl die Nennladeleistung als auch die Nennentladeleistung fr V2G dar. Da die Erfllbarkeit der Fahranforderungen durch reines Laden der Batterien aus dem Stromnetz vor der Simulation nicht berprft wird, erhalten alle Fahrzeugklassen die Mglichkeit den Fahrenergiebedarf im Notfall ber einen Range-Extender zu decken. Die Kosten von 697,67 /MWh fr die Energiebereitstellung durch den RangeExtender bestimmen sich nach [MEZ12] aus einem Benzinpreis von 1,50 /l, einem Energieinhalt des Benzins von 8,6 kWh/l und einem Motorwirkungsgrad von 25 %.
30
Pendler 1
Elektrofahrzeugbestand in Millionen
25
Pendler 2 Pendler 3
20
Pendler 4
15
Geschftlich Privat
10
IfE, 48284D12
2050
Bild 3.9:
Entwicklung des Elektrofahrzeugbestands von 2010 bis 2050 unterteilt auf sechs Nutzerklassen
51
Die Jahresenergiebedarfe beinhalten den vollstndigen elektrischen Energiebedarf fr Fahren, Heizen, Khlen und Nebenverbraucher. Der Nutzungsgrad der Batterien (kombinierter Lade- und Entladenutzungsgrad) liegt bei 70 %, der stndliche Ruhenutzungsgrad bei 100 %. Zudem wurden der Anfangsspeicherstand auf 0 % und die technische Verfgbarkeit auf 100 % festgelegt. Fr das Jahr 2050 resultiert bei der oben aufgefhrten Anzahl an Elektrofahrzeugen ein Jahresenergiebedarf von 85 TWh. Daraus kann mithilfe des Batterienutzungsgrades ein Ladestrom von 122 TWh abgeschtzt werden. Ladekosten werden nicht angesetzt, da die Ladung von Elektrofahrzeugen ein notwendiger Vorgang ist, um den Fahrenergiebedarf bereitzustellen.
Tabelle 3.9:
Spezifische Daten der verwendeten Fahrzeugklassen nach [MEZ12] mit Temperaturbasis nach [GOB12] Batteriekapazitt kWh Batterieleistung kW 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 Leistung RangeExtender kW 15,0 15,0 15,0 15,0 15,0 15,0 15,0 15,0 15,0 15,0 15,0 15,0 Jahresenergiebedarf pro EV fr Fahren, Heizen, Khlen und Nebenverbraucher kWh 1401 1527 2691 2378 5072 5089 6801 7780 5947 4605 2075 2628
Fahrzeugklasse
1 2 3 4 5 6 7 8 9 10 11 12
13 16 28 16 24 22 16 72 36 22 16 22
Fahranforderung Die Fahranforderung wird fr die zwlf Fahrzeugklassen anhand deterministischer Fahrprofile vorgegeben. Die Daten der Fahrprofile stammen aus dem Teilprojekt BY 2E und sind ursprnglich im Sekundenraster hinterlegt [MEZ12]. Da im Rahmen des Teilprojekts BY 1E ein Stundenraster angewandt wird, mssen die Daten ent-
52
sprechend angepasst werden. Dazu wurde der Fahrenergiebedarf stundenweise summiert und damit die mittlere stndliche Fahrleistung bestimmt. Neben der stndlichen Fahrleistung wird aus den Fahrprofilen auerdem stndlich die Information ber den Zustand des Fahrzeugs abgeleitet. Dabei werden vier Flle unterschieden: Hinfahrt: Das Fahrzeug fhrt in dieser Stunde von seinem primren Standort (Zuhause bei privaten Nutzern und Pendlern, Firmenstandort bei geschftlicher Nutzung) weg. Rckfahrt: Das Fahrzeug fhrt in dieser Stunde zu seinem primren Standort zurck. Hin- und Rckfahrt: Das Fahrzeug fhrt in derselben Stunde von seinem primren Standort weg und wieder zurck. Parken: Das Fahrzeug fhrt in dieser Stunde nicht.
Mithilfe dieser zustzlichen Information ist es mglich, unterschiedliche Szenarios der verfgbaren Lademglichkeiten fr Fahrzeuge zu betrachten.
Lademglichkeiten Hinsichtlich der Lademglichkeiten der Fahrzeuge werden zwei Varianten unterschieden, nmlich berall und nur zu Hause laden. Bei den Eingangsgren liegen verschiedene Netzzeiten zugrunde, also diejenigen Zeiten, zu denen das Fahrzeug an das Stromnetz angeschlossen ist und geladen bzw. bei der Betrachtung von V2G auch entladen werden kann. In den Szenarios der Variante berall laden () wird davon ausgegangen, dass die Ladeinfrastruktur fr Elektrofahrzeuge sehr gut ausgebaut ist und in jeder Stunde, in der ein Fahrzeug parkt, auch ein Netzanschluss und damit eine Lademglichkeit vorhanden ist. Demgegenber haben die Fahrzeuge in den Szenarios der Variante nur zu Hause laden (H) lediglich in denjenigen Stunden die Mglichkeit zu laden, in welchen sie sich an ihrem primren Standort befinden. Die geordneten Jahresdauerlinien der Netzzeiten beider Szenariovarianten sind in Bild 3.10 dargestellt. Die Differenz der Flchen unter den Linien ist die Zeit, in der die Fahrzeuge nicht zu Hause sind und gleichzeitig nicht fahren.
53
110 100 90 Anteil der Fahrzeuge am Netz in % 80 70 60 50 40 30 Szenario 'Laden nur zu Hause' 20 Szenario 'Laden berall' 10 0 0 1000 2000 3000 4000 Stunden 5000 6000 7000 8000
61268B12
Bild 3.10:
Vehicle-to-Grid (V2G) Neben den Szenarios zur Elektromobilitt ohne Netzrckspeisung (OV2G) wird, wie in Kapitel 2.4.1 beschrieben, im Rahmen des Projekts optional auch die Rckspeisung der in der Fahrzeugbatterie gespeicherten Energie in das Stromnetz betrachtet (MV2G). Hierbei wird angenommen, dass eine technische Umsetzung der Netzrckspeisung erst ab dem Jahr 2019 erreicht wird. Ab diesem Jahr entwickelt sich die V2G-Durchdringung bei neuen Elektrofahrzeugen sigmoidal, wobei aufgrund technischer Restriktionen unterstellt wird, dass die V2G-Durchdringung maximal auf 80 % anwchst. Dies wird im Jahr 2039 erreicht. Die zeitliche Entwicklung des Elektrofahrzeugbestandes und die Aufteilung auf V2G-fhige und nicht V2G-fhige Fahrzeuge zeigt Bild 3.11. Diese Aufteilung betrifft alle Nutzerklassen im selben Mae. Der Anteil V2G-fhiger Fahrzeuge am gesamten Fahrzeugbestand hat damit im Jahr 2050 einen Anteil von 57 %, wie Bild 3.7 zeigt.
54
30
Elektrofahrzeugbestand in Mio.
25
EV gesamt ohne V2G
20
EV gesamt mit V2G
15
10
IfE, 48299D12
2050
Bild 3.11:
Wie in Kapitel 2.4.1 beschrieben, tritt bei der Netzrckspeisung durch die zustzliche Zyklisierung der Batterien Verschlei auf. Bei den Szenarios mit Bercksichtigung von V2G werden deshalb zwei Varianten untersucht. In der Szenariovariante OK werden keine Entladekosten fr V2G angesetzt, in der Szenariovariante MK liegen die durch Netzrckspeisung aus der Fahrzeugbatterie anfallenden Entladekosten bei 10 /MWh.
3.2.2.2 Demand Side Management / Demand Response Speicherheizungen Fr das Szenario, bei dem Speicherheizungen eingesetzt werden (DSM SH), wird eine fr die Zukunft gleichbleibende Zahl an Speicherheizungsanlagen angesetzt, wobei eine Anlage aus mehreren Einzelfen, z. B. fr eine Wohneinheit, bestehen kann. Der Wert hierfr liegt bei 2,43 Millionen, was dem Bestand des Jahres 2000 entspricht [WOH05]. Dabei werden Haushalte, Landwirtschaft, Gewerbe und ffentliche Gebude bercksichtigt. Gleichzeitig wird angenommen, dass sich im Lauf der Zeit Anlagen durchsetzen, die nicht nur nach blichen Schaltzeiten ber Rundsteuersignale gesteuert werden, sondern DSM-fhig sind und somit optimiert betrieben werden knnen. Die jeweiligen Anteile DSM-fhiger Speicherheizungsanlagen bezogen auf alle Haushalte wurden in Bild 3.7 aufgezeigt. Ab dem Jahr 2016 werden im betrachteten Szenario flexibel steuerbare Speicherheizungen eingesetzt. Nach einem
55
sigmoidalen Wachstum wird im Jahr 2030 der maximale Anteil von gesteuerten Speicherheizungen in Hhe von 80 % erreicht. In allen brigen Szenarios, die DSM-fhige Speicherheizungen nicht bercksichtigen, wird hingegen davon ausgegangen, dass der Speicherheizungsbestand bis 2050 linear zurckgeht und auch keine DSM-fhigen Gerte hinzukommen. In diesem Fall sind im Jahr 2050 noch etwa 122.000 Anlagen in Betrieb. Die Werte fr den Speicherheizungsbestand im Szenario DSM SH und in den brigen Szenarios werden in Bild 3.12 grafisch dargestellt.
3,0 DSM-fhige Speicherheizungen fr Szenario DSM SH nicht DSM-fhige Speicherheizungen fr Szenario DSM SH Speicherheizungsbestand fr die brigen Szenarios 2,5 Speicherheizungsbestand in Mio.
IfE, 48311H12
2,0
1,5
1,0
0,5
0,0 2010
2015
2020
2025
2030 Jahr
2035
2040
2045
2050
Bild 3.12:
Vorgaben fr die Entwicklung der Anzahl an Speicherheizungsanlagen fr Szenarios mit und ohne DSM-fhige Speicherheizungen
Die nicht DSM-fhigen Speicherheizungen werden in allen Szenarios gem Annahme mit einem Standardlastprofil (SLP) fr Speicherheizungen nach [ENB05] geladen. Fr das Szenario DSM SH ist zuerst die vorgegebene Gesamtlast um den Leistungsbezug des Speicherheizungsbestandes fr Szenarios ohne DSM zu reduzieren. Dazu wird die fr das jeweilige Jahr geltende Anzahl an Speicherheizungen mit dem temperaturabhngigen SLP multipliziert und von der Gesamtlast abgezogen. Anschlieend wird die Last, ebenfalls unter Verwendung des SLP, um den Leistungsbezug der nicht DSM-fhigen Speicherheizungen im Szenario DSM SH erhht. Im
56
Rahmen der Gesamtoptimierung wird dann der optimierte Leistungsbezug der DSMfhigen Speicherheizungen zur Deckung des Wrmebedarfs bestimmt und zur Last addiert. Um den stndlichen Leistungsbezug von nicht DSM-fhigen Speicherheizungen zu bestimmen und den durch DSM-fhige Speicherheizungen zu deckenden Tageswrmebedarf zu ermitteln, sind folgende Berechnungsschritte notwendig: Fr das Basisjahr 1996 sind der Jahresenergiebedarf der Speicherheizungen in Hhe von 26 680 GWh und der Anlagenbestand von 2,592 Millionen bekannt [STA05]. Der Jahresenergiebedarf ist jedoch zu korrigieren, da das in diesem Projekt verwendete Testreferenzjahr (TRY13) [GOB12] gegenber dem Jahr 1996 einen abweichenden Temperaturverlauf ber das Jahr hat und standardmig andere Anlagenbestandszahlen verwendet werden. Die Korrektur des anlagenzahlenabhngigen Bedarfs erfolgt durch den Quotienten aus der tatschlichen Anlagenzahl des betrachteten Jahres und dem Anlagenbestand des Jahres 1996. Die Korrektur der temperaturbedingten Abweichung erfolgt ber den Quotienten der Jahressumme der Temperaturmazahlen (TMZ) des TRY13 und der Jahressumme der TMZ des Jahres 1996. Die Temperaturmazahl, die fr jeden Tag bestimmt wird, ist definiert als die Differenz aus einer Bezugstemperatur (hier 17 C) und der Tagesmitteltemperatur (bzw. einer gewichteten Mehrtagesmitteltemperatur), wobei die TMZ stets auf eine ganze Zahl gerundet wird. Ergibt sich hierbei eine TMZ kleiner als 0 K/d, das heit die Tagesmitteltemperatur ist grer oder gleich 17 C, so wird die TMZ fr diesen Tag auf 0 K/d gesetzt, da an diesen Tagen kein Heizbedarf anfllt. Fr TMZ grer als 34 K/d wird bei der hier verwendeten Auslegungstemperatur von -17 C die TMZ gleich 34 K/d gesetzt, da der Heizbedarf bei Tagesmitteltemperaturen unter -17 C nicht weiter ansteigt. Mit der Anlagenbestandszahl des Jahres 1996 von 2,592 Millionen und der TMZ des Jahres 1996 von 3378 K/a bzw. 2973 K/a fr das TRY13 ergibt sich ein korrigierter Verbrauch von 22 013 GWh fr den Standardfall. Fr den zeitlichen Lastverlauf nicht DSM-fhiger Speicherheizungen werden die normierten, TMZ-abhngigen Lastprofilkurven fr Speicherheizungen von EnBW [ENB05] umgerechnet in eine stndliche Auflsung verwendet. Diese Lastprofilkurven geben den zeitlichen Einsatz der Speicherheizungen in Abhngigkeit der TMZ des jeweiligen Tages wieder. Fr einige TMZ sind die Lastprofilkurven in Bild 3.13 dargestellt. Die Aneinanderreihung der Lastprofilkurven fr die entsprechenden TMZ des TRY13 fhrt zu einem normierten Lastprofil fr den verwendeten Standardtemperaturverlauf, der fr nicht DSM-fhige Speicherheizungen gilt.
57
IfE 48349B12
3,0
2,5
2,0 TMZ 12 1,5 TMZ 16 TMZ 20 1,0 TMZ 24 0,5 TMZ 28 TMZ 32 0,0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Stunde
Bild 3.13:
Fr DSM-fhige Speicherheizungen gilt, wie in Kapitel 2.4.2.1 beschrieben wurde, dass ein temperaturabhngiger Tageswrmebedarf in jedem Fall zu decken ist. Dazu ist die Speicherheizung entsprechend zu laden. Der Tageswrmebedarf einer Anlage lsst sich aus dem spezifischen TMZ-abhngigen Verbrauch bestimmen. Die Division des korrigierten Jahresverbrauchs aller Speicherheizungen durch die Jahressumme der TMZ fr das TRY13 und die Anlagenzahl ergibt einen spezifischen, TMZabhngigen Verbrauch fr eine Speicherheizungsanlage in Hhe von 3,05 kWh/K. Der tgliche Wrmebedarf einer Anlage lsst sich somit durch Multiplikation des genannten spezifischen Verbrauchs mit der TMZ des jeweiligen Tages ermitteln. Weitere Kenngren fr die verwendeten Speicherheizungen sind eine Nennentladeleistung von 10,2 kW und eine Nennladeleistung von 15,3 kW. Die Nennladeleistung wurde aus dem Anschlusswert der Speicherheizungen und der Anlagenzahl des Jahres 2000 ermittelt [WOH05]. Die Nennentladeleistung wurde so kalkuliert, dass die Entladung einer vollstndig geladenen Anlage ber einen Zeitraum von 12 Stunden mglich ist. Die Speicherkapazitt einer Anlage liegt bei 123 kWh, wobei diese einer Ladung mit Nennladeleistung ber einen Zeitraum von 8 Stunden entspricht. Der stndliche Ruhenutzungsgrad liegt bei 98,5 %, d. h. pro Stunde tritt eine Selbstentladung von 1,5 % des jeweiligen Speicherstandes auf. Diese Selbstentladung kann jedoch auch zur Deckung des Raumwrmebedarfs beitragen.
58
Khlschrnke Der Bestand an Khlschrnken wird ber den Betrachtungszeitraum als konstant angenommen und nach der Bestandszahl des Statistischen Bundesamtes aus dem Jahr 2011 auf 43,8 Millionen Stck festgesetzt [DES11]. hnlich wie bei den Speicherheizungen werden im Szenario DSM KS ab dem Jahr 2016 flexibel steuerbare Khlschrnke angenommen. Jedoch wird hier nach einem sigmoidalen Wachstum erst im Jahr 2035 der maximale Anteil von gesteuerten Khlschrnken in Hhe von 80 % erreicht. Die Durchdringung mit DSM-fhigen Khlschrnken ist in Bild 3.14 grafisch dargestellt.
50 nicht DSM-fhige Khlschrnke 45 40 Khlschrankbestand in Mio. 35 30 25 20 15 10 5 0 2010 DSM-fhige Khlschrnke
IfE, 48310D12
2015
2020
2025
2030 Jahr
2035
2040
2045
2050
Bild 3.14:
Bei allen anderen Szenarios ist der gesamte Khlschrankbestand nicht DSM-fhig und wird annahmegem mit konstanter durchschnittlicher Leistung geladen. Wie auch im Fall der Speicherheizungen muss im Szenario mit DSM-fhigen Khlschrnken zunchst die Stromnachfrage angepasst werden, indem von der vorgegebenen Verbraucherlast ein Lastband das Produkt aus der mittleren Ladeleistung und der Anzahl DSM-fhiger Khlschrnke abgezogen wird. Der optimierte Leistungsbezug der DSM-fhigen Khlschrnke wird dann im Rahmen der Gesamtoptimierung ermittelt.
59
Die Nennladeleistung eines Khlschranks liegt bei 90 W [GRE09], die Kapazitt bei 514 Wh [STA05]. Der Jahresenergiebedarf eines Gertes liegt bei 180 kWh [STA05], woraus sich eine, wie in Kapitel 2.4.2.2 beschriebene, durchschnittliche Leistungsaufnahme pro Gert von 21 W ergibt.
3.2.2.3 Export Im Rahmen der Untersuchung der Konkurrenzsituation zwischen Export und Speicherung werden drei verschiedene Varianten analysiert. In den beiden Szenariovarianten NTCfix - 5 und NTCfix - 25 wird von einer gleichbleibenden bertragungskapazitt ins benachbarte Ausland auf heutigem Niveau ausgegangen. Nach [ENT11] betrug im Jahr 2010 die gesamte Net Transfer Capacity (NTC) von Deutschland ins Ausland in den Wintermonaten (Januar - Mrz, Oktober Dezember) 15,88 GW und in den Sommermonaten (April - September) 15,54 GW. Es wird folglich kein verstrkter innereuropischer Netzausbau unterstellt. In der dritten Szenariovariante NTCinf - 25 steht fr den Export eine theoretisch unbegrenzte bertragungskapazitt zur Verfgung. Die unterstellten Erlse betragen in der ersten Variante 5 EUR pro MWh. Diese Annahme soll eine Situation widerspiegeln, in der auch die europischen Nachbarstaaten hnliche Anstrengungen im Ausbau der erneuerbaren Energien unternehmen und folglich tendenziell in diesen Lndern ebenfalls berschsse auftreten knnten. In diesem Fall wren im Mittel eher niedrige Erlse zu erwarten. Die unterstellten Erlse von 5 EUR pro MWh liegen zudem unterhalb der Stromerzeugungskosten der gnstigsten konventionellen Kraftwerkstechnologie. Damit ist der zustzliche Einsatz konventioneller Kraftwerke zum Zweck des Stromexports nicht rentabel. In der zweiten und dritten Variante wird ein hherer Erls von 25 EUR pro MWh angenommen. Ein hheres Preisniveau soll einen geringeren Ausbau an erneuerbaren Energien in den Nachbarlndern erklren. Mit dem exportierten berschussstrom knnte die Erzeugung von konventionellen Kraftwerken in den jeweiligen Importlndern ersetzt werden, was im Mittel hhere Erlse rechtfertigen wrde.
60
3.2.3 Szenariobersicht
Zusammenfassend sollen im Folgenden die wichtigsten Kriterien der betrachteten Szenarios und Szenariofamilien aufgefhrt werden:
3.2.3.1 Basisszenarios Als Grundlage wurden drei Basisszenarios definiert, die mgliche zuknftige Entwicklungen des Stromverbrauchs und des Beitrags erneuerbarer Energien darlegen. In den Basisszenarios ist bereits Elektromobilitt bercksichtigt (ca. 30 Mio. Fahrzeuge im Jahr 2050), wobei die Elektrofahrzeuge proportional zum brigen Lastprofil geladen werden.
80/minus15 - Basis (STANDARD) In diesem Szenario sinkt, nach einem kurzfristigen Anstieg, der Bruttostromverbrauch bis zum Jahr 2050 um ca. 15 % bezogen auf das Jahr 2008. Der Anteil der erneuerbaren Energien am Bruttostromverbrauch betrgt 80 % im Jahr 2050. Dieses Basisszenario dient als Grundlage fr alle weiteren Szenariofamilien.
80/minus25 - Basis Gegenber dem Szenario 80/minus15 nimmt in diesem Szenario der Bruttostromverbrauch u. a. aufgrund verstrkter Effizienzmanahmen strker ab um 25 % bis zum Jahr 2050 bezogen auf das Jahr 2008. Der Anteil der erneuerbaren Energien am Bruttostromverbrauch betrgt auch in diesem Szenario 80 % im Jahr 2050. Absolut betrachtet ist die Erzeugung aus erneuerbaren Energien in diesem Szenario jedoch niedriger als im Szenario 80/minus15.
60/plus3 - Basis Dieses Szenario geht von einer wachsenden Durchdringung mit elektrischen Anwendungen und damit von einem leicht steigenden Stromverbrauch aus um 3 % bis zum Jahr 2050 bezogen auf das Jahr 2008. Der Anteil der erneuerbaren Energien am Bruttostromverbrauch betrgt in diesem Szenario 60 % im Jahr 2050. Absolut betrachtet liegt die Stromerzeugung aus erneuerbaren Energien unter dem Szenario 80/minus15.
61
3.2.3.2 Elektromobilittsszenarios Neben allen anderen Szenarios, in welchen der Strombedarf fr Elektromobilitt zwar bercksichtigt ist, Elektrofahrzeuge aber proportional zum brigen Lastgang geladen werden, existieren noch folgende Elektromobilittsszenarios, in denen auch der Ladevorgang der Elektrofahrzeuge optimiert wird. Die Basis fr die Elektromobilittsszenarios bildet das Szenario 80/minus15.
80/minus15 - EV - OV2G - In diesem Szenario werden die Elektrofahrzeuge (EV) gesteuert zum kostengnstigsten Zeitpunkt geladen. Eine Netzrckspeisung ist nicht mglich (ohne V2G). Die Fahrzeuge knnen in jeder Stunde, in der keine Fahrt erfolgt, berall () geladen werden.
80/minus15 - EV - OV2G - H Hier werden die Elektrofahrzeuge (EV) gesteuert zum kostengnstigsten Zeitpunkt geladen. Eine Netzrckspeisung ist nicht mglich (ohne V2G). Die Fahrzeuge knnen in jeder Stunde, in der keine Fahrt erfolgt, jedoch nur zu Hause (H) geladen werden.
80/minus15 - EV - MV2G - - OK In diesem Fall werden die Elektrofahrzeuge (EV) gesteuert zum kostengnstigsten Zeitpunkt geladen. Eine Netzrckspeisung ist mglich (mit V2G). Die Fahrzeuge knnen in jeder Stunde, in der keine Fahrt erfolgt, berall () geladen bzw. entladen werden. V2G verursacht keine zustzlichen Kosten (OK).
80/minus15 - EV - MV2G - - MK In diesem Szenario werden die Elektrofahrzeuge (EV) gesteuert zum kostengnstigsten Zeitpunkt geladen. Eine Netzrckspeisung ist mglich (mit V2G). Die Fahrzeuge knnen in jeder Stunde, in der keine Fahrt erfolgt, berall () geladen bzw. entladen werden. V2G verursacht aufgrund der Erhhung der Zyklenzahl zustzliche Kosten (MK) in Hhe von 10 /MWh.
62
3.2.3.3 DSM-Szenarios In den folgenden Szenarios werden ausgewhlte Haushaltsanwendungen als DSMfhig betrachtet und deren Strombezug (Laden) entsprechend optimiert. Die Basis fr die DSM-Szenarios bildet das Szenario 80/minus15.
80/minus15 - DSM - KS In diesem Szenario werden DSM-fhige Khlschrnke gesteuert zum kostengnstigsten Zeitpunkt geladen. Es wird dabei von einer bestimmten Durchdringung, d. h. einem steigenden Anteil DSM-fhiger Khlschrnke am Gesamtbestand ausgegangen. Bei allen anderen Szenarios ist der gesamte Khlschrankbestand nicht DSMfhig und wird annahmegem mit konstanter durchschnittlicher Leistung geladen.
80/minus15 - DSM - SH Hier werden DSM-fhige Speicherheizungen gesteuert zum kostengnstigsten Zeitpunkt geladen. Es wird dabei von einer bestimmten Durchdringung, d. h. einem steigenden Anteil DSM-fhiger Speicherheizungen an einem konstanten Gesamtbestand ausgegangen. In allen anderen Szenarios wird hingegen angenommen, dass der Speicherheizungsbestand bis 2050 zurckgeht und keine DSM-fhigen Gerte hinzukommen. Die nicht DSM-fhigen Speicherheizungen werden gem Annahme mit einem Standardlastprofil (SLP) fr Speicherheizungen geladen.
3.2.3.4 Exportszenarios Whrend in allen brigen Szenarios elektrische Energie nicht exportiert werden kann, bercksichtigen die folgenden Szenarios einen mglichen Export, der jeweils zum kostengnstigsten Zeitpunkt erfolgt. Die Basis fr die Exportszenarios ist wiederum das Szenario 80/minus15.
80/minus15 - A - NTCinf - 25 In diesem Szenario ist eine theoretisch unbegrenzte bertragungskapazitt vorhanden. Fr exportierte elektrische Energie wird ein Erls von 25 EUR/MWh unterstellt.
63
80/minus15 - A - NTCfix - 5 Die bertragungskapazitt fr den Export elektrischer Energie ins benachbarte Ausland liegt im gesamten Betrachtungszeitraum auf dem heutigen Niveau. Die Erlse fr exportierte elektrische Energie liegen in diesem Szenario bei 5 EUR/MWh. Die im Vergleich zu den anderen Auslandsszenarios niedrigeren Erlse sind auf einen ebenfalls starken Ausbau erneuerbarer Energien im benachbarten Ausland zurckzufhren.
80/minus15 - A - NTCfix - 25 Die bertragungskapazitt fr den Export elektrischer Energie ins benachbarte Ausland liegt im gesamten Betrachtungszeitraum auf dem heutigen Niveau. Die Erlse fr exportierte elektrische Energie liegen in diesem Szenario bei 25 EUR/MWh.
Szenarioergebnisse
64
4 Szenarioergebnisse
In diesem Kapitel werden die Ergebnisse der Modellrechnungen anhand mehrerer Grafiken aufgezeigt. Fr das Standard-Szenario 80/minus15 werden die zeitlichen Entwicklungen der Stromerzeugungsstruktur und der installierten Kraftwerkskapazitten konventioneller Kraftwerke dargestellt. Des Weiteren werden fr die Basisszenarios die zeitlichen Entwicklungen von Speicherkapazitt, Speicherladeleistung und Speicherentladeleistung abgebildet. Diese drei Gren werden auch fr alle untersuchten Szenarios fr das Jahr 2050 verglichen und nach den betrachteten Speichertechnologien aufgeschlsselt. Zudem werden die berschsse aus erneuerbaren Energien aufgezeigt. Weitere untersuchte Gren sind der Speichereinsatz, die Ladeenergiezusammensetzung und die Nutzung von V2G bei den EV-Szenarios sowie die auftretenden Exportenergien und -leistungen bei den Exportszenarios.
Speicher PV
500
Stromerzeugung in TWh
400
300
Biomasse Heizl
200
GT GuD SK konv.
100
SK-700C BK konv.
BK-700C Kernenergie
-100 2010 2015 2020 2025 2030 2035 2040 2045 2050
EE - Nicht integrierbar
Jahr
Bild 4.1:
Die Entwicklung der Stromerzeugung im Betrachtungszeitraum ist in Bild 4.1 dargestellt. Die Erzeugung aus erneuerbaren Energien nimmt dabei bis 2050 bestim-
Szenarioergebnisse
65
mungsgem deutlich zu, wohingegen die Stromproduktion aus konventionellen Kraftwerken kontinuierlich abnimmt. Deutlich wird auch der im Jahr 2022 vollzogene Kernenergieausstieg. Die damit in der Grundlast wegfallende Stromerzeugung wird in den anschlieenden Jahren in etwa von neu zugebauten Braunkohlekraftwerken mit 700 C-Technologie bernommen. Auf der Ordinatenachse negativ dargestellt ist die nicht integrierbare Erzeugung aus EE und KWK in diesem Szenario, also die berschssige Erzeugung, die weder direkt genutzt noch ber Speicherung zu einem spteren Zeitpunkt verwendet werden kann. Das Maximum tritt dabei im Jahr 2042 mit etwa 6,6 TWh nicht integrierbarer Erzeugung auf. Im Jahr 2050 betragen die berschsse 3,5 TWh. Zum Vergleich knnten ohne die Speichermglichkeit durch Bestands- und Neubauspeicher in diesem Jahr etwa 44 TWh elektrische Energie aus EE und KWK nicht integriert werden.
IfE, 48319D12
Heizl
GuD
SK-700C
SK konv. BK-700C
BK konv.
0 2010 2015 2020 2025 2030 2035 2040 2045 2050 Jahr
Bild 4.2:
Szenarioergebnisse
66
Die insgesamt installierte Leistung geht weniger stark zurck als die Stromerzeugung aus konventionellen Kraftwerken, was zum einen auf die vergleichsweise geringe Reduktion der auftretenden residualen Spitzenlast zurckzufhren ist. So tragen EE und KWK im Szenario zwar immer mehr zur Stromerzeugung bei, allerdings tritt die Einspeisung nicht notwendigerweise zu Zeitpunkten mit hoher Last auf. Zum anderen hngt die installierte Kraftwerkskapazitt nicht nur von der tatschlich auftretenden Last ab, sondern wird im Modell IMAKUS auch durch das geforderte Niveau der Versorgungssicherheit bestimmt. Der Beitrag der erneuerbaren Energien zur gesicherten Leistung ist dabei, gemessen an der installierten Leistung, relativ gering. Whrend die konventionellen Kraftwerke im Szenario 80/minus15 im Jahr 2050 mit ca. 85 % ihrer installierten Leistung zur gesicherten Leistung beitragen, ist beispielsweise der Beitrag der Onshore- und Offshore-Windkraftanlagen mit ca. 6 % der installierten Leistung deutlich geringer. Aber auch der Beitrag der Speicher zur gesicherten Leistung ist sehr gering, was auf die sehr konservative Abschtzung durch die gewhlte Methodik zurckzufhren ist (vgl. Abschnitt 2.3.4). So tragen Bestands- und Neubauspeicher zusammen im Jahr 2050 nur mit ca. 2 % ihrer installierten Entladeleistung zur gesicherten Leistung bei. Die Ausnutzungsdauer der Kraftwerke geht aufgrund der wachsenden Einspeisung aus erneuerbaren Energien zurck. Diese Entwicklung bevorzugt Kraftwerke mit geringen Investitionskosten, was in der Ausweitung der Gasturbinen-Kapazitten deutlich wird. Gasturbinen stellen zudem die gnstigste Kraftwerkstechnologie dar, um die notwendige gesicherte Leistung des Erzeugungssystems vorzuhalten. Die 700 C-Technologie bei Kohlekraftwerken findet einen wirtschaftlichen Platz, wobei im Bereich der Steinkohle nur Kapazitten in geringem Umfang realisiert werden.
Szenarioergebnisse
67
4.500 Speicherkapazitt in GWh 4.000 3.500 3.000 2.500 2.000 1.500 1.000 500 0 2010 2015 2020 2025 2030 Jahr 2035 2040 2045
61271D12
5.000
2050
Bild 4.3:
Im Jahr 2050 ist damit inklusive der bestehenden Anlagen ein Speichervolumen von ca. 4 TWh installiert, was in etwa der 50-fachen Kapazitt der derzeit installierten PSW entspricht.
Szenarioergebnisse
68
Installierte Ladeleistung in MW
35.000 30.000
H2-GuD
25.000
AA-CAES
20.000 15.000 10.000 5.000 0 2010 2015 2020 2025 2030 Jahr 2035 2040 2045 2050
61270D12
40.000
Bild 4.4:
Szenarioergebnisse
69
wodurch auch mit einer relativ geringen Entladeleistung die Energie aus den Speichern abgegeben werden kann.
40.000 Installierte Entladeleistung in MW 35.000 30.000
H2-GuD
25.000
AA-CAES
20.000 15.000 10.000 5.000 0 2010 2015 2020 2025 2030 Jahr 2035 2040 2045 2050
61269D12
Bild 4.5:
4.2.1 berblick
Die nachfolgenden Diagramme zeigen den im Jahr 2050 erreichten Umfang der installierten Speicherkapazitt, Ladeleistung und Entladeleistung der neu gebauten Speicher in allen betrachteten Szenarios. In den anschlieenden Abschnitten werden die Ergebnisse innerhalb der einzelnen Szenariofamilien noch genauer diskutiert.
Szenarioergebnisse
70
4.2.1.1 Neubauspeicher-Kapazitt Die neben den bereits bestehenden Speichern zustzlich wirtschaftliche Kapazitt ist in Bild 4.6 abgebildet. Das grte wirtschaftliche Potential tritt dabei im Szenario 80/minus25 - Basis auf, wohingegen der geringste Zubau im Szenario 60/plus3 - Basis stattfindet. Insgesamt bewegt sich der Zubau in den Szenarios zwischen 0,2 TWh und 4,9 TWh.
61303B12
80/minus15 - Basis (STANDARD) 80/minus25 - Basis 60/plus3 - Basis 80/minus15 - EV - OV2G - 80/minus15 - EV - OV2G - H 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - MK 80/minus15 - DSM - KS 80/minus15 - DSM - SH 80/minus15 - A - NTCinf - 25 80/minus15 - A - NTCfix - 5 80/minus15 - A - NTCfix - 25 0 1 2 2,2 3 4 1,4 2,0 0,2 3,2 3,2 3,1 3,0
4,0 4,9
4,2
3,9
Bild 4.6:
4.2.1.2 Neubauspeicher-Ladeleistung Die zustzlich installierten Ladeleistungen sind in Bild 4.7 dargestellt. Der maximale Zubau tritt dabei in Szenario 80/minus15 - Basis auf. Der geringste Ausbau an Ladeleistung findet im Szenario 60/plus3 - Basis statt. Die Leistungen bewegen sich zwischen 8,5 GW und 31,4 GW. Damit ist die Schwankungsbreite bei der installierten Ladeleistung deutlich geringer als bei der installierten Speicherkapazitt.
Szenarioergebnisse
71
80/minus15 - Basis (STANDARD) 80/minus25 - Basis 60/plus3 - Basis 80/minus15 - EV - OV2G - 80/minus15 - EV - OV2G - H 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - MK 80/minus15 - DSM - KS 80/minus15 - DSM - SH 80/minus15 - A - NTCinf - 25 80/minus15 - A - NTCfix - 5 80/minus15 - A - NTCfix - 25 0 5 10 15 20 23,6 25 30 20,5 21,9 12,8 12,9 8,5 13,1 26,1
31,4 29,0
30,5
30,9
35
Bild 4.7:
4.2.1.3 Neubauspeicher-Entladeleistung
80/minus15 - Basis (STANDARD) 80/minus25 - Basis 60/plus3 - Basis 80/minus15 - EV - OV2G - 80/minus15 - EV - OV2G - H 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - MK 80/minus15 - DSM - KS 80/minus15 - DSM - SH 80/minus15 - A - NTCinf - 25 80/minus15 - A - NTCfix - 5 80/minus15 - A - NTCfix - 25 0 5 10 9,7 13,2 14,6 13,3 15 20 25 30 35 2,7 3,0 13,6 3,4 3,2 10,8 14,4 12,3
61305B12
Bild 4.8:
61304B12
Szenarioergebnisse
72
In Bild 4.8 ist die installierte Entladeleistung der neu gebauten Speicher fr das Jahr 2050 dargestellt. Wie schon fr das Standard-Szenario 80/minus15 liegt auch bei allen anderen betrachteten Szenario der Wert der installierten Entladeleistung unter der jeweils installierten Ladeleistung. Der hchste Wert tritt im Export-Szenario 80/minus15 - A - NTCfix - 5 mit 14,6 GW auf. Am wenigsten Entladeleistung wird im Elektromobilitts-Szenario 80/minus15 MV2G - - OK mit 2,7 GW installiert.
4.2.2 Basisszenarios
Der folgende Abschnitt vergleicht die Ausbauergebnisse der drei Basisszenarios fr unterschiedliche Lastentwicklungen und Ausbaugrade an erneuerbaren Energien. In Bild 4.9 ist dabei zunchst die im Jahr 2050 installierte Kapazitt der Neubauspeicher differenziert nach den einzelnen Technologien fr alle drei Szenarios dargestellt. In den beiden Varianten mit 80 % erneuerbaren Energien sind Wasserstoffspeicher wirtschaftlich, wohingegen bei 60 % erneuerbaren Energien diese Technologie keinen Platz findet. Die weitere Reduzierung der Nachfrage um 25 % anstatt 15 % verringert das wirtschaftliche Potential an AA-CAES und erhht selbiges bei Wasserstoffspeichern. So wird im Szenario 80/minus25 etwa 1 TWh mehr Speicherkapazitt in Form von Wasserstoffspeichern gebaut.
61309B12
Bild 4.9:
Im Szenario 60/plus3 mit einem Anteil von 60 % erneuerbaren Energien fllt das wirtschaftliche Potential fr AA-CAES deutlich geringer aus und betrgt etwa 125 GWh, was ungefhr einem Fnftel des Zubaus im Szenario 80/minus25 bzw. einem Sechstel des Zubaus im Szenario 80/minus15 entspricht. Das annahmegem noch zustzlich verfgbare Speichervolumen fr PSW in Hhe von 40 GWh wird in allen drei Szenariovarianten voll ausgeschpft.
Szenarioergebnisse
73
10
15
20
25
30
35
Bild 4.10:
In Bild 4.10 ist der im Jahr 2050 erreichte Umfang der installierten Ladeleistung der Neubauspeicher dargestellt. Bei den PSW werden in allen Szenarios jeweils etwa 3 GW an Ladeleistung installiert, bei der Wasserstoffspeicherung fllt der Zubau in den beiden 80 %-Szenarios mit 9,4 GW (Szenario 80/minus15) und 10,7 GW (Szenario 80/minus25) relativ hnlich aus. Bei den AA-CAES schwankt der Ausbau zwischen ca. 6 GW und knapp 19 GW. Analog zur Speicherkapazitt wird im Fall eines strkeren Rckgangs der Nachfrage um 25 % tendenziell auch mehr Ladeleistung im Bereich der Wasserstoffspeicher installiert. Allerdings ist dieser Unterschied fr die Speicherkapazitt ausgeprgter. Insgesamt betrgt die installierte Ladeleistung im Szenario 80/minus25 weniger als im Szenario 80/minus15. Ein hnliches Bild zeigt sich auch bei der installierten Entladeleistung (Bild 4.11). Der Ausbau der PSW ist wiederum bei allen drei Szenariovarianten auf einem vergleichbaren Niveau von 2,2 bis 2,5 GW. Fr die Wasserstoffspeicher erweisen sich Entladeeinheiten mit ca. 2 GW als die wirtschaftlichste Option. Abgesehen davon, dass die Wasserstoffspeicher im Szenario 60/plus3 kein Potential aufweisen, ergeben sich die grten Unterschiede wie auch bereits bei den beiden vorherigen Parametern bei den AA-CAES. Die installierte Entladeleistung bewegt sich zwischen etwa 1 GW und 10 GW.
10
15
20
25
30
35
Bild 4.11:
61316B12
61312B12
Szenarioergebnisse
74
Die unterschiedliche Ausprgung des in diesen drei Basis-Szenarios auftretenden Ausbaus an Speichertechnologien kann anhand von Bild 4.12 verdeutlicht werden. Der ohne die Betrachtung von Speichermglichkeiten nicht integrierbare Anteil der Erzeugung aus EE und KWK betrgt im Jahr 2050 bei beiden 80 %-Szenarios ber 40 TWh, wohingegen im Szenario mit 60 % erneuerbaren Energien nur ein berschuss von 10 TWh auftritt. Da der Ausbau an Wasserstoffspeichern im Wesentlichen zur Integration der berschsse der gesetzten Einspeisung erfolgt, ist dieser im Szenario 60/plus3 nicht wirtschaftlich.
Stromverbrauch nicht int. gesetzte Einspeisung o. Sp. gesetzte Einspeisung nicht int. gesetzte Einspeisung m. Sp.
510
80/minus15
3,5
449 44
446
80/minus25
3,0
404 42
605
60/plus3
411 10 2,5
53507B12
100
200
300
400
500
600
TWh
700
Bild 4.12:
Die Unterschiede des Speicherausbaus in den Szenariovarianten 80/minus15 bzw. 80/minus25 lassen sich hingegen nicht auf die Hhe der berschsse zurckfhren, da diese in beiden Szenarios sehr hnlich ausfallen. Eine Erklrung der Ergebnisse liefert hingegen die Behandlung des PSW-Zubaus. In beiden Szenarios werden fr PSW die gleichen Zubaugrenzen verwendet. Mit den erlaubten Grenzen ist jedoch in einem System mit weniger Last und weniger Erzeugung aus erneuerbaren Energien ein grerer Flexibilisierungseffekt zu erzielen. Die PSW knnen deshalb im Szenario 80/minus25 in Einsatzbereiche vorstoen, die im Szenario 80/minus15 von AACAES abgedeckt werden mussten. Dies verschlechtert wiederum die Wirtschaftlichkeit der AA-CAES im Szenario 80/minus25, so dass deren Potential deutlich geringer
Szenarioergebnisse
75
ausgeprgt ist. Der reduzierte Ausbau an AA-CAES verschafft jedoch der Wasserstoffspeicherung zustzliche Einsatzmglichkeiten, was das wirtschaftliche Potential dieser Technologie erhht.
Szenarioergebnisse
76
eingeschrnkten Flexibilitt knnen Elektrofahrzeuge die Aufgabe der Wasserstoffspeicher nicht bernehmen. Der Einfluss der Elektromobilitt auf den wirtschaftlichen Ausbau der Wasserstoffspeicherung ist deshalb eher als gering einzuschtzen.
61310B12
80/minus15 - Basis (STANDARD) 80/minus15 - EV - OV2G - 80/minus15 - EV - OV2G - H 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - MK 0
PSW AA-CAES H2-GuD
Bild 4.13:
Deutlichere Unterschiede liefert die Betrachtung der installierten Ladeleistungen. Allgemein nimmt die zugebaute Leistung im Vergleich zum Standard-Szenario ohne gesteuertes Laden der Elektrofahrzeuge ab (Bild 4.14). In allen betrachteten Szenarios mit der Lademglichkeit berall betrgt die installierte Ladeleistung ca. 13 GW, was etwa 40 % der im Standard-Szenario installierten Leistung entspricht. Lediglich bei der Variante mit einer Lademglichkeit nur zu Hause werden etwa 26 GW zugebaut. Die Ursache fr den deutlich hheren Bedarf ist in diesem Fall die geringere Flexibilitt im Ladevorgang. Fr die Ladung der Fahrzeuge knnen praktisch nur gnstige Zeitpunkte whrend der Nacht genutzt werden. Treten jedoch untertags Zeitpunkte mit niedrigen Stromerzeugungskosten auf etwa durch eine hohe PVEinspeisung ist es sinnvoll, die gnstige Energie kurzzeitig zwischenzuspeichern und spter zum Laden der Elektrofahrzeuge zu nutzen. Im Szenario 80/minus15 - EV - OV2G - H ist deshalb eine hhere Ladeleistung der grotechnischen Speicher wirtschaftlich. Da diese Speichervorgnge in der Regel jedoch von sehr kurzfristiger Natur sind, schlagen sie sich nicht derart stark auf die Kapazitt nieder. Ebenso wird die installierte Leistung der Wasserstoffspeicher kaum durch die unterschiedlichen Varianten des flexiblen Ladens bzw. Entladens der Elektrofahrzeuge beeinflusst, da dieser Speichertyp berwiegend fr langfristige Speichervorgnge genutzt wird. Die installierte Entladeleistung korrespondiert im Wesentlichen mit der Ladeleistung, bewegt sich allerdings auf einem deutlich niedrigeren Niveau. In den Szenarios mit der Lademglichkeit berall werden zwischen 2,7 GW und 3,2 GW zugebaut, wohingegen bei der Mglichkeit nur zu Hause laden etwa 11 GW an Entladeleistung neu installiert werden (Bild 4.15).
Szenarioergebnisse
77
80/minus15 - Basis (STANDARD) 80/minus15 - EV - OV2G - 80/minus15 - EV - OV2G - H 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - MK 0
PSW AA-CAES H2-GuD
10
15
20
25
30
35
Bild 4.14:
80/minus15 - Basis (STANDARD) 80/minus15 - EV - OV2G - 80/minus15 - EV - OV2G - H 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - MK 0
PSW AA-CAES H2-GuD
10
15
20
25
30
35
Bild 4.15:
In Bild 4.16 wird noch einmal der unterschiedliche wirtschaftliche Speicherzubau und -einsatz in den beiden Ladevarianten berall und zu Hause verdeutlicht (ohne Betrachtung von V2G). Links ist jeweils der Einsatz der grotechnischen Speicher in Form der Entladeenergie fr das Jahr 2030, rechts fr das Jahr 2050 dargestellt. Dabei wird einerseits differenziert nach dem Entladestrom der grotechnischen Speicher, der gleichzeitig zum Laden der Elektrofahrzeuge genutzt wird und andererseits nach Entladestrom, der fr die Deckung der restlichen Last verwendet wird (schraffiert). Fr das Jahr 2030 zeigen sich fr beide Szenarios nur geringe Unterschiede im Ladeverhalten. Die Ladeenergie ist im Falle des Zu-Hause-Ladens insgesamt etwas hher. Allerdings ist der Anteil des Entladestroms, der zum Laden der Fahrzeuge verwendet wird, bereits deutlich hher. Im Jahr 2050 verstrkt sich diese Tendenz. Vor allem im Bereich der Bestands- und Neubau-PSW und der AA-CAES ist die entladene Energiemenge der Speicher um das drei- bis fnffache grer als im Szenario 80/minus15 - EV - OV2G - und wird berwiegend zum Laden der Elektrofahrzeuge verwendet.
61317B12
61313B12
Szenarioergebnisse
78
7,0 Entladeenergie in TWh 6,0 5,0 4,0 3,0 2,0 1,0 0,0 PSWBestand PSW AA-CAES 2030 7,0 Entladeenergie in TWh 6,0 5,0 4,0 3,0 2,0 1,0 0,0 PSWBestand PSW AA-CAES 2030 H2-GuD PSWBestand PSW AA-CAES 2050 H2-GuD H2-GuD PSWBestand PSW AA-CAES 2050 H2-GuD
Bild 4.16:
Der Einfluss unterschiedlicher Lademglichkeiten auf die Betriebsweise der Wasserstoffspeicherung ist sehr gering. Fr das Laden der Fahrzeuge wird jedoch auch diese Speichertechnologie genutzt. In Bild 4.17 ist die Zusammenstellung des Ladestroms der Elektrofahrzeuge fr die Lademglichkeiten berall und zu Hause und die Jahre 2030 und 2050 dargestellt. Analog zum vorhergehenden Bild zeigt sich dabei ein hherer Anteil der Speicher am Fahrzeugladestrom, wenn die Fahrzeuge nur zu Hause geladen werden knnen. So betrgt der Anteil des Fahrzeugladestroms aus Speichern im Szenario Laden zu Hause im Jahr 2050 etwa 14 %. Der vergleichsweise hohe Anteil aus Wasserstoffspeichern resultiert aus der saisonalen Betriebsweise dieser Technologie. Sie wird hauptschlich zur saisonalen Speicherung von Windberschssen genutzt und stellt in vielen Zeitpunkten Grundlast durch Ent-
Szenarioergebnisse
79
speicherung zur Verfgung, die demzufolge bilanziell anteilig zum Laden von Elektrofahrzeugen verwendet wird. Das Bild zeigt weiterhin den deutlichen Unterschied zwischen den Szenariovarianten Laden berall und Laden zu Hause hinsichtlich der Nutzung des Range-Extenders. So mssen die Fahrzeuge bei einer Einschrnkung der Lademglichkeit den Range-Extender deutlich hufiger zur Erfllung der Fahranforderung einsetzen.
Bild 4.17:
EV-Szenarios Vergleich der Zusammenstellung des Ladestroms fr Elektrofahrzeuge bei unterschiedlichen Lademglichkeiten
Die Option V2G wird in zwei Szenarios untersucht. Dabei werden einmal variable Betriebskosten fr die Netzrckspeisung angenommen (MK), whrend in einer weiteren Variante als obere Abschtzung keine zustzlichen Kosten durch die Netzrckspeisung entstehen sollen (OK). In beiden V2G-Szenarios wird von der Lademglichkeit berall ausgegangen.
Szenarioergebnisse
80
Einen berblick ber die Nutzung von V2G verschafft das Bild 4.18. Dabei werden fr die Jahre 2030, 2040 und 2050 die beiden V2G-Szenarios dem StandardSzenario und dem Szenario 80/minus15 - EV - OV2G - gegenbergestellt. Die einzelnen Sulen zeigen dabei die jhrliche Entladeenergie der unterschiedlichen Speichertechnologien sowie die Rckspeisung der Fahrzeugbatterien ins Netz.
27 Jhrliche Entladeenergie in TWh 24 21 18 15 12 9 6 3 0 80/minus15 - EV - OV2G - 80/minus15 - EV - OV2G - 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - OV2G - 80/minus15 - EV - MV2G - - MK 80/minus15 - EV - MV2G - - MK 80/minus15 - EV - MV2G - - OK 80/minus15 - EV - MV2G - - MK 80/minus15 - Basis (STANDARD) 80/minus15 - Basis (STANDARD) 80/minus15 - Basis (STANDARD)
PSW-Bestand AA-CAES H2-GuD V2G
PSW
2030
2040
2050
Bild 4.18:
Allgemein bewegt sich die aus den Fahrzeugbatterien bereitgestellte Energie auf deutlich niedrigerem Niveau als die Entladeenergie aus den grotechnischen Speichern. Wenn fr die V2G-Option keine zustzlichen Kosten anfallen (OK), steigt der Einsatz dieser Technologie etwas an. Die Anzahl der Fahrzeuge mit V2G-Option erhht sich deutlich zwischen den Jahren 2030 und 2050. Trotz der greren Verfgbarkeit nimmt die Nutzung von V2G insgesamt nicht oder nur unwesentlich zu. Pro Fahrzeug ist demzufolge ein deutlich geringeres wirtschaftliches Potential an V2G-Dienstleistungen zu erwarten. Die vergleichsweise hohe Anzahl an Elektrofahrzeugen im Jahr 2050 bietet bereits durch die Mglichkeit des gesteuerten Ladens ein hohes Ma an Flexibilitt, welche die Integration von berschssen aus erneuerbaren Energien deutlich erleichtert. Fr die dennoch bentigte Speicherung von Energie bieten im kurzfristigen Bereich PSW
61331B12
Szenarioergebnisse
81
gegenber V2G jedoch die hhere Effizienz. Des Weiteren ist fr eine lngerfristige Speicherung die Speicherkapazitt der Fahrzeuge zu gering bzw. die Flexibilitt der Batteriespeicher aufgrund der noch zu bewltigenden Fahraufgabe nicht gro genug. Trotz der gegenber V2G hheren Kosten und geringeren Effizienz finden deshalb Wasserstoffspeicher und AA-CAES in diesem Zeitbereich einen wirtschaftlichen Platz im Speicherportfolio.
Bild 4.19:
10
15
20
25
30
35
Bild 4.20:
61314B12
61311B12
Szenarioergebnisse
82
10
15
20
25
30
35
Bild 4.21:
Im Szenario mit DSM-fhigen Khlschrnken fllt zunchst auf, dass sich insgesamt eine etwas hhere installierte Speicherkapazitt ergibt als im Standard-Szenario. Dies ist auf die hhere Kapazitt der H2-GuD-Speicher zurckzufhren, whrend die Kapazitt der AA-CAES leicht zurckgeht und das maximale PSW-Potential von 40 GWh voll ausgenutzt wird. Des Weiteren sinkt durch die Nutzung DSM-fhiger Khlschrnke die installierte Lade- und Entladeleistung im Bereich der PSW und AACAES. Die H2-GuD-Speicher werden analog zur Speicherkapazitt auch leistungsseitig etwas strker ausgebaut. Insgesamt ist die installierte Lade- bzw. Entladeleistung im Szenario 80/minus15 - DSM - KS allerdings niedriger als im Standard-Szenario. Aufgrund der zustzlichen Flexibilitt der Khlschrnke ergibt sich somit insgesamt ein leichter Rckgang des wirtschaftlichen Speicherpotentials, wobei das Potential der H2-GuD-Speicher und damit der Langfrist- oder Saisonalspeicherung aber zunimmt. Die vorrangige Konkurrenz mit den zur kurz- bis mittelfristigen Speicherung eingesetzten PSW und AA-CAES lsst sich anhand der charakteristischen Parameter der Khlschrnke erklren. Bei der angenommenen Kapazitt von 514 Wh je Khlschrank und der Kompressornennleistung von 90 W je Khlschrank ergibt sich eine charakteristische Ladedauer von etwa sechs Stunden. Mit dem durchschnittlichen elektrischen Verbrauch von 21 W, der zur Kompensation der thermischen Verluste des Khlschranks dient, ergibt sich auerdem eine charakteristische Entladedauer von etwa 25 Stunden. Beide Gren deuten auf einen Lastausgleich durch DSM-fhige Khlschrnke mit kurz- bis mittelfristigem Zeithorizont hin. Durch den flexiblen Einsatz von Speicherheizungen im Szenario 80/minus15 - DSM SH ergibt sich eine deutlich strkere Reduktion des wirtschaftlichen Speicherpotentials als durch DSM-fhige Khlschrnke. So sinkt die insgesamt installierte Speicherkapazitt um etwa zwei Drittel, die insgesamt installierten Leistungen um jeweils etwa ein Drittel. Vom Rckgang des Potentials sind dabei alle drei Speichertechnologien betroffen. Die im Vergleich zu DSM-fhigen Khlschrnken deutlich strkere Reduktion des grotechnischen Speicherpotentials im Szenario 80/minus15 - DSM SH ist zunchst durch die Hhe der jeweils verfgbaren Leistung bzw. Kapazitt der
61318B12
Szenarioergebnisse
83
DSM-Anwendungen begrndet. So umfasst der Bestand der DSM-fhigen Speicherheizungen im Jahr 2050 annahmegem eine Nennladeleistung von 30 GW und eine Kapazitt von ca. 238 GWh, verglichen mit einer Nennladeleistung von 3 GW und einer Kapazitt von 18 GWh der DSM-fhigen Khlschrnke in diesem Jahr. Des Weiteren ist jedoch auch zu beachten, dass der Gesamtbestand der Speicherheizungen im Szenario 80/minus15 - DSM - SH ab dem Jahr 2010 konstant bleibt, whrend im Standard-Szenario von einem kontinuierlichem Rckgang der Anlagenzahlen ausgegangen wird (vgl. Kapitel 3.2.2.2). Die Stromnachfrage ist damit im Jahr 2050 um etwa 21 TWh hher als im Standard-Szenario bzw. im Szenario 80/minus15 - DSM KS (vgl. Bild 4.22). So ergeben sich in diesem Fall nur 36 TWh berschsse aus gesetzter Einspeisung, wenn die Speicherheizungen nach den Standard-Lastprofilkurven geladen und keine Speicher eingesetzt werden. Damit kann das deutlich niedrigere Potential insbesondere der H2-GuD-Speicher auch auf die geringeren berschsse aus EE und KWK zurckgefhrt werden.
80/minus15
3,5
449 44
510
80/minus15 DSM - KS
3,3
449 44
531
80/minus15 DSM - SH
3,1
449 36
61324B12
100
200
300
400
500
TWh
600
Bild 4.22:
Szenarioergebnisse
84
Bild 4.23:
Gegenber dem Basisszenario 80/minus 15 zeigt dabei die Variante mit unvernderter bertragungskapazitt und Erlsmglichkeiten von 5 EUR je MWh (A - NTCfix 5) die geringste Vernderung. Die insgesamt installierte Speicherkapazitt geht von etwas ber 4 TWh auf knapp unter 4 TWh zurck, wobei die Verringerung nahezu ausschlielich im Bereich des Wasserstoffspeichers stattfindet. Bei ebenfalls gleichbleibender bertragungskapazitt aber hheren Erlsmglichkeiten von 25 EUR (A - NTCfix - 25) werden insgesamt nur noch Speicher mit einer Gesamtkapazitt von etwa 2,2 TWh installiert. In diesem Fall wird ein deutlich kleinerer Wasserstoffspeicher gebaut und der Ausbau an AA-CAES reduziert sich gegenber dem Basisszenario leicht. Wird bei hheren Erlsmglichkeiten eine theoretisch unbegrenzte bertragungskapazitt ins benachbarte Ausland unterstellt (A - NTCinf - 25), nimmt der wirtschaftliche Speicherausbau noch weiter auf knapp 2 TWh ab. In diesem Fall ist die wirtschaftliche Gre des Wasserstoffspeichers noch geringer als in der Variante mit gleichbleibender bertragungskapazitt. Auf den Ausbau der AA-CAES hat die Unbegrenzte Austauschleistung hingegen kaum Auswirkungen. Im Szenario A - NTCinf - 25 wird die Situation des Exports aufgrund der unbegrenzten bertragungskapazitt gegenber der Speicherung verbessert, was zu einem geringeren Ausbau an Speichern als in der Variante mit begrenzter bertragungskapazitt fhrt.
Szenarioergebnisse
85
In Bild 4.24 ist fr die drei betrachteten Exportszenarios und das Basisszenario die exportierte Energiemenge, die nicht integrierbare Erzeugung aus EE und KWK, die maximal genutzte Exportleistung und die insgesamt neu installierte Ladeleistung der grotechnischen Speicher fr das Jahr 2050 dargestellt. In der Variante mit beschrnkter Exportkapazitt und einem Erls von 25 EUR je MWh werden etwa 10 TWh exportiert und es verbleiben ca. 0,3 TWh an nicht integrierbarer Erzeugung. Bei unbegrenzter Austauschleistung steigt die Stromausfuhr auf etwa 11,6 TWh, wobei die Erzeugung aus erneuerbaren Energien komplett genutzt wird. Bei einem Erls von lediglich 5 EUR je MWh ist der Exportanreiz deutlich geringer. Die Ausfuhrmenge betrgt dabei 3,7 TWh. Allerdings fhrt die geringere Attraktivitt des Exports zu einer Zunahme des wirtschaftlichen Speicherausbaus, was ebenfalls zu einer nahezu vollstndigen Integration der erneuerbaren Energien fhrt.
12
IfE, 53504D12
36
A - NTCinf - 25
10 30
8 Energie in TWh
24 Leistung in GW
A - NTCfix - 5
18
A - NTCfix - 25
12
80/minus15 - Basis
0 Exportenergie nicht integrierbare Exportleistung EE & KWK inst. Ladeleistung 0
Bild 4.24:
In Bild 4.25 ist schematisch dargestellt, warum bei gleichen Erlsen die Variante mit begrenzter Austauschleistung zu einem hheren wirtschaftlichen Speicherpotential fhrt. In den einzelnen Teilbildern ist die Nutzung der Erzeugungsberschsse aus erneuerbaren Energien abgebildet. Im Falle einer unbegrenzten Exportkapazitt (A NTCinf - 25) werden alle Erzeugungsberschsse integriert und eine Erhhung der
Szenarioergebnisse
86
Speicherung (grne Teilflche) fhrt zu einer Verringerung der Exportenergie in gleicher Grenordnung. Eine zustzlich gespeicherte Einheit Energie muss demzufolge die Systemkosten mindestens um den Betrag senken, den der Export dieser gleichen Einheit versprche. Im Fall einer begrenzten Austauschleistung (rechtes Teilbild) werden die Erzeugungsberschsse hingegen nicht gezwungenermaen vollstndig integriert. Damit fhrt eine Vergrerung der Speicherung um eine Einheit Energie zu einer Verschiebung des Exports in Richtung nicht integrierbarer Erzeugung (grauer Bereich). Demzufolge geht nicht die volle Einheit fr den Export verloren, sondern wird teilweise durch eine zustzlich integrierbare Energiemenge kompensiert, was die Speicherung in einem greren Bereich wirtschaftlich macht.
Leistung Leistung A NTCinf 25 Leistung A NTCfix 25 nicht integrierbar Export Export berschsse EE (sortiert)
Speicherung
53506B12
Speicherung
Dauer
Dauer
Dauer
Bild 4.25:
Exportszenarios Nutzung der berschsse aus erneuerbaren Energien in den Szenarios mit fixer und unbegrenzter bertragungskapazitt (schematisch)
Szenarioergebnisse
87
alle zur Verfgung stehenden Speichertechnologien ein wirtschaftliches Potential. So werden insbesondere PSW, aber auch AA-CAES zur kurzfristigen Speicherung von berschssen sowie zum Peak-Shaving eingesetzt, wohingegen der Ausbau der Wasserstoffspeicher vorrangig fr die saisonale Speicherung von berschssen erfolgt. Im Vergleich zu einer Entwicklung mit einem Anteil von 80 % erneuerbarer Energien im Jahr 2050 ergibt sich bei einem niedrigeren Anteil von nur 60 % insgesamt ein deutlich reduziertes Potential fr Speicher und kein Potential mehr fr H2GuD-Speicher. Die untersuchten funktionalen Speicher tragen zur Integration der berschsse aus EE und KWK bei und verringern gleichzeitig das wirtschaftliche Potential der grotechnischen Speicher. Dabei zeigt sich in den Szenarios zur Elektromobilitt, dass bereits die Mglichkeit des optimierten, flexiblen Ladens der Elektrofahrzeuge das Speicherpotential deutlich verringert. Wird diese Flexibilitt durch die Annahme einer begrenzten Ladeinfrastruktur (Szenario zu Hause laden) eingeschrnkt, ergibt sich wiederum ein hheres Speicherpotential. Der Einfluss einer zustzlichen Rckspeisemglichkeit ins Stromsystem (V2G-Szenarios) ist dagegen als gering zu bewerten. So wird V2G unter den hier unterstellten Rahmenbedingungen in der Mitte des Betrachtungszeitraums am strksten genutzt, verliert jedoch mit dem zunehmenden Ausbau der AA-CAES und Wasserstoffspeicher an Bedeutung. Mit Khlschrnken und Speicherheizungen wurden stellvertretend zwei Anwendungen fr DSM aus dem Haushaltssektor untersucht. Whrend sich bei Khlschrnken aufgrund der relativ geringen Leistung und Kapazitt der Gerte das Speicherpotential kaum reduziert, ist der Einfluss der Speicherheizungen deutlich grer. Neben der greren Leistung und Kapazitt der Anlagen fhrt jedoch auch der in diesem Szenario erhhte Strombedarf zum beobachteten Rckgang des Speicherpotentials. Die Konkurrenz zwischen grotechnischen Speichern und dem Export von Erzeugungsberschssen ins Ausland wird vorrangig durch die Hhe der unterstellten Erlsmglichkeiten bestimmt. Eine Erhhung der bertragungskapazitten spielt demgegenber nur eine untergeordnete Rolle. Auerdem zeigt sich, dass der Export von berschssen hauptschlich als Alternative zur Saisonalspeicherung genutzt wird und dementsprechend das Potential fr Wasserstoffspeicher am strksten durch diesen funktionalen Speicher beeinflusst wird.
88
89
zu einer sehr konservativen Abschtzung des Beitrags der Speicher zur gesicherten Leistung, so dass davon ausgegangen werden kann, dass in Realitt ein geringerer Umfang an konventionellen Backup-Kapazitten notwendig ist als die Modellergebnisse zeigen. Als wichtige Ergebnisse der vorangegangenen Untersuchungen sind festzuhalten: Trotz des angenommenen idealen Netzes ist der Einsatz grotechnischer Speicher ab einem Anteil der erneuerbaren Energien an der Bruttostromerzeugung von etwa 50 % in grerem Umfang wirtschaftlich. Knnte ein reales Netz im Modell abgebildet werden, so wrde dies zu einem greren Potential bzw. zu einer verbesserten Wirtschaftlichkeit der Speicher fhren. Dem Modell wurden drei unterschiedliche Speichertechnologien mit zum Teil sehr unterschiedlichen Parametern zugrunde gelegt. Alle im Modell verfgbaren Technologien finden einen Platz im Portfolio, wobei der Zubau an Speichern mit den PSW beginnt, gefolgt von den AA-CAES und den Wasserstoffspeichern. Die Grenordnungen des im Rahmen der Berechnungen bestimmten Speicherausbaus sind in der Praxis darstellbar. Dies trifft auch fr die bentigten Kavernen der AA-CAES und Wasserstoffspeicher zu. Der wirtschaftliche Ausbau findet insgesamt im zweistelligen GW-Bereich bei den Leistungen und im einstelligen TWh-Bereich bei den Speicherkapazitten statt. Funktionale Speicher wie Elektrofahrzeuge, DSM-Anwendungen und der Export elektrischer Energie ins benachbarte Ausland sind in der Lage, das wirtschaftliche Speicherpotential zu reduzieren, jedoch zum Teil in sehr unterschiedlichem Umfang. Die Modellstruktur ist fr weitergehende Untersuchungen in vielen Bereichen, wie beispielsweise bei der Elektromobilitt, gut geeignet. Auerdem ist das Modell so konzipiert, dass weitere grotechnische Speichertechnologien und funktionale Speicher implementiert werden knnen. Aktuell gibt es nur eine grobe Abschtzung der gesicherten Leistung von erneuerbaren Energien, KWK und Speichern. Ein detaillierteres methodisches Konzept fr die Bestimmung der gesicherten Leistung wre deshalb ntzlich. Zudem sind Verbesserungen und Erweiterungen der Datengrundlage wnschenswert, speziell bei der Erzeugung aus Wind und PV. Des Weiteren wre eine Fortentwicklung des Konzeptes fr die Bercksichtigung der Exportoption vorteilhaft. Neben der Verwendung des Wasserstoffs zur Rckverstromung wre eine Betrachtung des Einsatzes fr Mobilittszwecke in diesem Modell ntzlich.
Anhang
90
6 Literatur
6.1 Eigene Arbeiten
[HEH09] Heitmann, N., Hamacher, Th.: Stochastic Model of the German Electricity System. In: Pardalos, P. (Hg.): Optimization in the Energy Industry. Berlin, Heidelberg 2009. [KUH12] Kuhn, P.: Iteratives Modell zur Optimierung von Speicherausbau und -betrieb in einem Stromsystem mit zunehmend fluktuierender Erzeugung. Dissertation TU Mnchen, eingereicht im Dezember 2011. [KUK11] Kuhn, P., Khne, M.: Optimierung des Kraftwerks- und Speicherausbaus mit einem iterativen und hybriden Modell. In: Optimierung in der Energiewirtschaft. VDI-Berichte 2157. 9. Fachtagung Optimierung in der Energiewirtschaft. Nrtingen, 22.-23.11.2011. Dsseldorf, 2011: VDI-Verlag, S. 305317.
[ROK08] Roth, H., Kuhn, P.: Technik- und Kostenszenarien der Strombereitstellung in Deutschland bis 2040. In: IfE-Schriftenreihe, Heft 55. Herrsching 2008. [ROT08] Roth, H.: Modellentwicklung zur Kraftwerksparkoptimierung mit Hilfe von Evolutionsstrategien. Dissertation, TU Mnchen. In: IfE-Schriftenreihe, Heft 57. Herrsching 2008.
[BAG03] Bagemihl, J.: Optimierung eines Portfolios mit hydro-thermischem Kraftwerkspark im brslichen Strom- und Gasterminmarkt. Dissertation, Universitt Stuttgart. Stuttgart 2003. [BIL84] Billinton, R., Allan, R.: Reliability evaluation of power systems. New York 1984.
[BMU10] Bundesministerium fr Wirtschaft und Technologie (BMWi), Bundesministerium fr Umwelt, Naturschutz und Reaktorsicherheit (BMU): Energiekonzept fr eine umweltschonende, zuverlssige und bezahlbare Energieversorgung. Berlin 2010.
Anhang
91
[DES11]
Statistisches Bundesamt: Wirtschaftsrechnungen - Laufende Wirtschaftsrechnungen - Ausstattung privater Haushalte mit ausgewhlten Gebrauchsgtern 2010. Wiesbaden am 11.08.2011. S. 14 - Ausstattungsbestand; Artikelnummer: 2150200107004 Bundesministerium fr Verkehr, Bau und Stadtentwicklung (Hrsg.); Bearbeitet von: Radke, S.; Deutsches Institut fr Wirtschaftsforschung: Verkehr in Zahlen 2011/2012. 40. Jahrgang. DVV Media Group GmbH. Hamburg 2011. ISBN 978-3-87514-456-9 Energie Baden-Wrttemberg AG: Synthetische Lastprofile der EnBW Regional AG. Lastprofil Elektrospeicherheizung EnBW-HZ2. Profilschar gltig ab 01.05.2005. Aus: http://www.enbw.com/content/de/netznutzer/ stromverteilnetz/netznutzung/lastprofile/index.jsp, Februar 2012. European Network of Transmission System Operators for Electricity ENTSO-E: Indicative values for Net Transfer Capacities (NTC) in Continental Europe. Prepared by RGCE SG Network Models and Forecast Tools. Brssel, Februar 2011. Aus: https://www.entsoe.eu/fileadmin/ user_upload/_library/ntc/archive/NTC-Values-Winter-2010-2011.pdf Epe, A. et al.: konomische Bewertung von elektrischen Energiespeichern Ausbau und Betrieb im Kontext wachsender Windenergieerzeugung. In: Schultz, R., Wagner, H.-J. (Hg.): Innovative Modellierung und Optimierung von Energiesystemen. Berlin 2009. Energietechnische Gesellschaft im VDE (ETG): Energiespeicher in Stromversorgungssystemen mit hohem Anteil erneuerbarer Energietrger Bedeutung, Stand der Technik, Handlungsbedarf. Frankfurt 2009.
[DIW11]
[ENB05]
[ENT11]
[EPE06]
[ETG09]
[GBR12] Gobmaier, T., Bernhard, D., von Roon, S.: Mrkte fr Demand Side Management. Langfassung zum Vortrag beim 12. Symposium Energieinnovation, 15.-17.2.2012, Graz. Aus: http://portal.tugraz.at/portal/page/portal/ TU_Graz/Einrichtungen/Institute/Homepages/i4340/veranstaltungen/ eninnov2012/praesentationen, Stand: 18.07.2012. [GOB12] Gobmaier, T., et al: Simulationsgesttzte Prognose des elektrischen Lastverhaltens, Endbericht. Verbundprojekt im Rahmen der Forschungsinitiative Kraftwerke des 21. Jahrhunderts (KW21) Phase II, Teilprojekt KW21 BY 3E. Forschungsstelle fr Energiewirtschaft e. V. (FfE). Mnchen, 2012.
Anhang
92
[GRE09] Grein, A. (ifeu); Pehnt, M. (ifeu); Duscha, M. (ifeu); Kellerbauer, H. (UDE): Modellstadt Mannheim in der Metropolregion Rhein-Neckar, Mannheim Nutzung von thermischen Speichern als Energiespeicher (AS1.06), Version 1.0, 31.07.2009, MVV Energie AG. Mannheim, 2009. [HAA06] Haase, T.: Anforderungen an eine durch Erneuerbare Energien geprgte Energieversorgung Untersuchung des Regelverhaltens von Kraftwerken und Verbundnetzen. Dissertation, Universitt Rostock. Rostock 2006.
[MEZ12] Mezger, T.: Einsatzmglichkeiten von Elektrostraenfahrzeugen zum Lastmanagement (KW21 BY2E). Verbundprojekt im Rahmen der Forschungsinitiative Kraftwerke des 21. Jahrhunderts (KW21), Phase II. Forschungsstelle fr Energiewirtschaft e. V. (FfE). Mnchen, 2012. [REM06] Remme, U.: Zuknftige Rolle erneuerbarer Energien in Deutschland: Sensitivittsanalysen mit einem linearen Optimierungsmodell. Dissertation, Universitt Stuttgart. Stuttgart 2006. [SAR11] [SBA09] European Network of Transmission System Operators for Electricity (ENTSO-E): System Adequacy Retrospect 2010. Brssel 2011. Statistisches Bundesamt: Bevlkerung Deutschlands bis 2060 Ergebnisse der 12. koordinierten Bevlkerungsvorausberechnung. Erschienen am 18. November 2009. Wiesbaden 2009.
[SKW11] Statistik der Kohlenwirtschaft e. V.: Der Kohlenbergbau in der Energiewirtschaft der Bundesrepublik Deutschland im Jahre 2010. Herne, Kln 2011. [STA05] Stadler, I.: Demand Response - Nichtelektrische Speicher fr Versorgungssysteme mit hohem Anteil erneuerbarer Energien; Habilitation. Kassel, Oktober 2005. Umweltbundesamt (UBA): Datenbank Kraftwerke in Deutschland, Stand 28.07.2010. Dessau-Rolau, Juli 2010. Verstege, J.: PROMETHEUS Ein Programmsystem zur Einsatzoptimierung von Energieversorgungssystemen Leistungsbeschreibung. Bergische Universitt Wuppertal. Wuppertal, 2007. Aus: http://www.evt.uniwuppetal.de/fileadmin/Abteilung/EEV/pdf/diverses/leistungsbeschreibung_ prometheus.pdf
[UBA10] [VER07]
[VGB10] VGB Power Tech e. V. (VGB): Technisch-wissenschaftliche Berichte Wrmekraftwerke Verfgbarkeit von Wrmekraftwerken 2000-2009. Essen 2010.
Anhang
93
[VIK10]
Verband der Industriellen Energie- und Kraftwirtschaft e. V. (VIK): VIKStatistik der Energiewirtschaft. Ausgabe 2010.
[WOH05] Wohlauf, G.; Thomas, S.; Irrek, W.; Hohmeyer, O.: Ersatz von ElektroSpeicherheizungen durch effiziente Brennwerttechnik, Beschreibung eines mglichen Frderprogramms eines Energieeffizienz-Fonds. berarbeiteter Endbericht im Auftrag der Hans-Bckler-Stiftung; Wuppertal Institut fr Klima, Umwelt, Energie GmbH im Wissenschaftszentrum NordrheinWestfalen; Forschungsgruppe Energie-, Verkehrs- und Klimapolitik. Wuppertal, Oktober 2005.
Anhang
94
7 Abkrzungsverzeichnis
AA-CAES CCS DR DSM EE EEG EV GGLP GuD IMAKUS KWK LP MESTAS MOGLIE MOWIKA NTC PSW PV SKE SLP TIMES TMZ V2G Advanced Adiabatic Compressed Air Energy Storage, Adiabater Druckluftspeicher Carbon-Capture-And-Storage-Technologie, Kohlendioxidabscheidung Demand Response Demand Side Management Erneuerbare Energien Erneuerbare-Energien-Gesetz Electric Vehicle, Elektrofahrzeug Gemischt-Ganzzahlige Lineare Programmierung Gas-und-Dampf-Prozess Iteratives Modell zur Ausbauplanung von Kraftwerken und Speichern Kraft-Wrme-Kopplung Lineare Programmierung Modell fr Einsatzstrategien und den Ausbau von Speichern Modell zur Bestimmung der Gesicherten Leistung in Elektrizittssystemen Modell zur Optimierung des wirtschaftlichen Kraftwerksausbaus Net Transfer Capacity, bertragungskapazitt Pumpspeicherwerk Photovoltaik Steinkohleeinheit Standardlastprofil The Integrated MARKAL EFOM System Temperaturmazahl Vehicle-to-Grid, Rckspeisung elektrischer Energie aus der Fahrzeugbatterie ins Netz der allgemeinen Stromversorgung
Zeilenzahl 365 anzsh 1 1 5 {1...3} spneu 1 z 2z zspneu (zkwneu) spneu zanzsh zanzks zanzev zspneu zsp
Zeilenzahl z
61102H12
8 Anhang
Gesamtstruktur MESTAS 95
Anhang
96
MWh 28708 940 600 560 8480 900 27773 2087 590 950 550 550 4018 591 630 690 2064 13620 7120 404 478 3428 6073 523 133432
MWh
1)
1 Bleiloch 2 Erzhausen 3 Geesthacht 4 Glems 5 Goldisthal 6 Happburg 7 Hohenwarte 1 8 Hohenwarte 2 9 Koepchenwerk 10 Langenprozelten 11 Leitzachwerk 1 12 Leitzachwerk 2 13 Markersbach 14 Niederwartha 15 Reisach Rabenleite 16 Rnkhausen 17 Sckingen
3)
80 220 120 90 1060 160 63 320 153 168 49 49 1050 120 105 140 370
4)
753
1)
795
67929
550 550
62914 23956
7 3
7 5 1
46 10 35
20 7 25 96
198
6)
57
298400
34
452
Quellen: alle Daten ohne Kennzeichnung: dena-Studie NNE-Pumpspeicher, 2008. 1) eigene Berechnungen nach: Vattenfall, Broschre, Energie aus Wasserkraft. 2) eigene Berechnungen nach: SWM, Broschre, Wasserkraftanlagen Leitzachwerke. 3) Mitteilung Schluchseewerk AG. 4) eigene Berechnungen nach: EnBW, Broschre Wasserkraft bei der EnBW, 2009. 5) eigene Berechnungen nach: J. Giesecke in: DVWK-Schriften, Band 78, Wasser - unser Nutzen, unsere Sorge, 1986. 6) eigene Berechnungen nach: Ruhrverband, Broschre Sorpetalsperre.