Der Flexibilitätsbeitrag von Haushaltswärmepumpen im Stromsystem in Österreich im Jahr 2030 - TU Graz
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Der Flexibilitätsbeitrag von Haushaltswärmepumpen im Stromsystem in Österreich im Jahr 2030 - eine Sensitivitätsanalyse Franziska SCHÖNIGER, Philipp MASCHERBAUER, Gustav RESCH, Lukas KRANZL, Reinhard HAAS TU Wien, Institute of Energy Systems and Electrical Drives, Energy Economics Group, Gusshausstrasse 25-29/370-3, AT-1040 Vienna, +43 1 58801 370378 17. Symposium Energieinnovation 2022, online
Herausforderungen und Chancen der Dekarbonisierung Dekarbonisierung: Stromsektor: erfordert in hohem Maße Flexibilität zur Integration fluktuierender erneuerbarer Erzeugung Sektorkopplung: potenzielle Flexibilität durch Wärmespeicherpotenzial des Wärmesektor: Gebäudebestands (thermische Masse) steigender Strombedarf durch Wärmepumpen Verschiebung der Stromnachfrage in Stunden (erneuerbarer Strom) niedriger Last oder hoher EE Erzeugung 18.02.2022 EnInnov 2022 2
Motivation & Zielsetzungen Diverse Ansätze zur Modellierung der Power-to-Heat-Flexibilität in der Literatur und in der Praxis der Energiesystemmodellierung: • Geplantes Wärmelastprofil kann mit bestimmten Einschränkungen verschoben werden 1. Das Flexibilitätspotenzial ist durch die zeitliche Verschiebung begrenzt (Dauer - h) 2. Speichergröße wird durch die im Gebäudebestand vorhandene thermische Masse und thermische Verluste definiert (Speicherkapazität – MWh) • Literatur: Kirkerud et al. (2021), Olkkonen et al. (2018), Moser et al., (2015), Weiß, (2019), und Spreitzhofer (2018): Studien mit a) detaillierten Gebäudemodellen und b) Energiesystemmodellen 1. Soft links zwischen einem detaillierten Gebäudemodell und einem Energiesystemmodell Adäquate Darstellung der Flexibilität von Wärmepumpen im Gesamtsystem Informationsbedarf aus dem detaillierten Gebäudemodell 2. Case Study: Wie hoch ist das Flexibilitätspotenzial, das Wärmepumpen in Wohngebäuden (Raumheizung) für das Stromsystem in Österreich im Jahr 2030 bereitstellen können? 18.02.2022 EnInnov 2022 3
Differenzierte Modellumgebung Daten aus dem detaillierten … speisen das Energiesystemmodell Gebäudemodell… • Techno-ökonomisches bottom-up Modell • Mehr als 1000 Gebäudetypen und deren Charakteristika • Strom- und Fernwärmesektor • Detaillierte Darstellung von Wärmebedarf und • Erzeugungsdynamiken erneuerbarer Energien und Technologien Strompreismodellierung Optional • Strompreis als Input energy module Dynamic sub-hourly • Hohe zeitliche Auflösung (nötig für Flexibillitätsanalyse) energy needs calculation t=t0 Energy module Building stock database Climate data Quasi-steady-state (t=t0, dynamic input for t1 … tn) energy balance approach User behavior t=t1 … tn Technology databases Exogenously defined Space heating techn. Service lifetime scenario-specific DHW technologies module datasets Weibull Heat distr. systems distribution Growth of building stock Shading systems Diffusion restrictions HP Ventilation systems Building shell compon. Investment-decision Biomass potentials flexibility module Policies Technology combinations Nested logit model Options for thermal Database: renov. and SH-technol. Refurbishment techn. Logistic growth model Energy prices Preferences for heating Simulation results systems, traditions, • New building stock database inertia, ... • Installation of heating, refurbishment options, DHW systems (#, kW, m²) • Renovation of buildings (number, m², …) • Energy demand and consumption • CO2-emissions Data flow within simulation • Investments, policy program and running costs • … Data flow for (manual) calibration on an individual level Invert/EE-Lab: https://www.invert.at/index.php Data flow for (manual) calibration on a global level Balmorel: https://github.com/balmorelcommunity/Balmorel 18.02.2022 EnInnov 2022 4
Theoretisches Konzept Lastverschiebung in der Modellierung based on Kirkerud et al. (2021) and Gils (2016) Maximum electric capacity/load Load shifting technology ∆ , Maximal shifting time for technology c [hours] ( ) Scheduled load of technology c Scheduled load Shifted load [MW] Was sind die größtenShifting Einflussfaktoren time Load auf das Flexibilitätspotential von ( ) Realized load after load shifting of Load advance Wärmepumpen fürs Stromsystem? technology c [MW] Realized load ( ) Shifted load of technology c [MW] ( ) Energy content of “virtual storage” of Load delay technology c [MWh] One timestep within the timeframe of Time load shifting Realized load after load shifting Scheduled load Λ Maximum electric capacity/load of technology c ≤ ≤ ∀ , 18.02.2022 EnInnov 2022 5
1) Wärmebedarf bestimmt stündliche und saisonale Verfügbarkeit … und wöchentliche Muster Saisonale… • Source: Hotmaps project (Pezzutto et al., 2018) • Originaldaten auf NUTS2 level, aggregiert für Österreich • Jahr 2010, Raumwärmebedarf der Haushalte 18.02.2022 EnInnov 2022 6
2) Gebäudetyp/thermische Masse bestimmt Wärmebedarf + Verluste • Gebäudemodellrechnungen basierend auf DIN ISO 13790: Energy performance of buildings - Calculation of energy use for space heating and cooling • Beispiel: Innentemperatur steigt von 20°C auf 22°C für drei Stunden 1. Sensitivitätsanalyse: therm. Verluste (temperaturabhängig) im Speicherprozess 18.02.2022 EnInnov 2022 7
Einflussfaktoren auf Lastverschiebepotential ℎ ℎ Lastveschiebungspotential (Y-Achse) ist abhängig von • Außentemperatur/Wärmenachfrage • Gebäudetyp • Akzeptierter Komfortverlust der Nutzer*innen (Eingriffszeit/absolute Abweichung) Variation of time restrictions/storage volume 18.02.2022 EnInnov 2022 8
Methodische Herangehensweise Model Balmorel • Open-source energy system model (LP/MIP, GAMS) https://github.com/balmorelcommunity/Balmorel Installed variable renewable capacities • Höchst modular: Abbildung von Sektorkopplung (P2H) AT • Stündliche Auflösung, ein Knoten pro Land (AT + Nachbarländer), Flex-Betrachtung nur in AT • Investitions- und Kraftwerkseinsatzoptimierung Annahmen zu Kraftwerkspark, Nachfrage, Export- /Importkapazitäten (2030) • AT: EAG Ziele/NEKP • Nachbarländer: TYNDP 2020 (National Trend Investment option for generation gap in Austria Scenario), ENTSO-E 18.02.2022 EnInnov 2022 9
Modellannahmen Wärmepumpen Literaturrecherche: • Installierte flexible, ansteuerbare Haushaltswärmepumpen (Raumwärme): 2 TWhel Stromnachfrage (1.818 MWel) • Default: storage 3.0 (5.455 MWhel), 5% thermal loss per hour • Sensitivitätsanalysen +/- 50% der Annahmen Inflexible Flexible Thermal Thermal Controllable HP Controllable HP Thermal Thermal Time scenario scenario storage storage capacity capacity losses losses restriction (reference) 4 hours standard +50% -50% +50% -50% +50% -50% Thermal loss - 5 5 5 5 5 7.5 2.5 5 per hour [%] Installed HP capacity flexible 0 1818 1818 1818 2727 909 1818 1818 1818 [MW] Storage capacity time- - 3.0 4.5 1.5 3.0 3.0 3.0 3.0 [MWh/MW dependent installed) 18.02.2022 EnInnov 2022 10
Ergebnisse: Stromerzeugung 2030 in Österreich Inflexible scenario = Referenzszenario Electricity generation AT Electricity generation mix 2030 [TWh] 18 000 180 1.37 16 000 160 3.92 1.92 12.04 Waste + Geothermal 14 000 140 Pump hydro 12 000 120 Bioenergy 42.91 Natural gas €2015/MWh 10 000 100 Hydro MW Wind 8 000 80 16.25 Solar 6 000 60 10.94 Austria 4 000 40 2 000 20 • Mittlerer Strompreis: 60.2 - - €2015/MWh T001 T005 T009 T013 T017 T021 T025 T029 T033 T037 T041 T045 T049 T053 T057 T061 T065 T069 T073 T077 T081 T085 T089 T093 T097 T101 T105 T109 T113 T117 T121 T125 T129 T133 T137 T141 T145 T149 T153 T157 T161 T165 • Österreich wird Nettoexportland Hours of week 7 (100% erneuerbarer Strom Solar Wind Hydro Natural gas Bioenergy Pump storage Waste + Geothermal Electricity price national bilanziell) 18.02.2022 EnInnov 2022 11
Flexible Wärmepumpen reagieren auf Preissignale 80 1500 1300 • Stunden hoher 70 Strompreise: Regulierung 1100 nach unten (und vice 60 versa) 900 Electricity price [€2015/MWh] 50 700 Load shift [MW] • Relative 40 500 Strompreisunterschiede entscheidend 300 30 100 • Voraussetzung: Flexible 20 Endkund*innenpreise 168 173 178 183 188 193 198 203 208 213 218 223 228 233 238 243 248 253 258 263 268 273 278 283 288 293 298 303 308 313 318 323 328 333 -100 10 -300 0 -500 Hours of the year (week 2) Downwards regulation (right axis) Upwards regulation (right axis) Electricity price (left axis) 18.02.2022 EnInnov 2022 12
Verschobene Last variiert zwischen den Szenarien Total shifted electricity demand by heat pumps (downward) • Verschobene Last = zur 2 000 1 883 Verfügung gestellte Flexibilität 1 800 fürs Stromsystem 1 600 1 374 1 332 1 400 1 311 1 309 1 164 1 200 • 683-1883 GWh: 1-2,5% der Last GWh 1 000 800 761 683 • Größte Auswirkung: Annahme 600 400 der installierten, steuerbaren 200 Wärmepumpenleistung - • Begrenzung der Verschiebedauer hat relativ große Auswirkungen (Literatur) 18.02.2022 EnInnov 2022 13
Reduktion von Wind & PV Abregelung durch Wärmepumpenflexibilität Wind and PV generation compared to the inflexible scenario in Austria 2030 60 • Flexible Wärmepumpen reduzieren in allen 52.5 Szenarien die Abregelung 50 46.5 von Wind und PV 42.7 42.7 42.7 40 • Größenordnungen gering (
Fazit - Die durch Haushaltswärmepumpen (Raumwärme) bereitgestellte Flexibilität kann die Kosten des Stromsystems, die Stromerzeugung aus Gaskraftwerken sowie die CO2-Emissionen im österreichischen Stromsystem des Jahres 2030 reduzieren, und Abregelung vermindern Größenordnungen sind begrenzt Berücksichtigung anderer Technologien und Sektoren - Hohe Sensitivität des Lastverschiebepotentials für die Annahmen zur - Stromnachfrage durch Wärmepumpen - Installierten Wärmepumpenkapazität (Marktdurchdringung, Gebäudetyp, Effizienz) - Ansteuerbarkeit/Automatisierung - Limitierungen der Verschiebedauer (Komfort) 18.02.2022 EnInnov 2022 15
Literature • Gils, H.C., 2016. Economic potential for future demand response in Germany - Modeling approach and case study. Appl. Energy 162, 401–415. https://doi.org/10.1016/j.apenergy.2015.10.083 • Kirkerud, J.G., Nagel, N.O., Bolkesjø, T.F., 2021. The role of demand response in the future renewable northern European energy system. Energy 235, 121336. https://doi.org/10.1016/j.energy.2021.121336 • Moser, S., Frank, F., Muggenhumer, G., Elbe, C., Schmautzer, E., 2015. LoadShift: Lastverschiebung in Haushalt, Industrie, Gewerbe und kommunaler Infrastruktur – Potenzialanalyse für Smart Grids. Lastverschiebung in Haushalten. • Olkkonen, V., Ekström, J., Hast, A., Syri, S., 2018. Utilising demand response in the future Finnish energy system with increased shares of baseload nuclear power and variable renewable energy. Energy 164, 204–217. https://doi.org/10.1016/j.energy.2018.08.210 • Pezzutto, S., Zambotti, S., Croce, S., Zambelli, P., Garegnani, G., Scaramuzzino, C., Pascuas, R.P., Zubaryeva, A., Haas, F., Exner, D., Müller, A., Hartner, M., Fleiter, T., Klingler, A., Kühnbach, M., Manz, P., Marwitz, S., Rehfeldt, M., Steinbach, J., Popovski, E., 2018. Open Data Set for the EU28 [WWW Document]. D2.3 WP2 Report. Load profile Resid. Heat. yearlong 2010. Rev. by Lukas Kranzl, Sara Fritz. URL https://gitlab.com/hotmaps/load_profile/load_profile_residential_heating_yearlong_2010 • Spreitzhofer, J., 2018. Vermarktung der Flexibilität eines Wärmepumpen-Pools am österreichischen Regelenergiemarkt. Technische Universität Wien. • Weiß, T., 2019. Energy-flexible zero energy buildings and neighborhoods. Technische Universität Graz. • Wiese, F., Bramstoft, R., Koduvere, H., Pizarro Alonso, A., Balyk, O., Kirkerud, J.G., Tveten, Å.G., Bolkesjø, T.F., Münster, M., Ravn, H., 2018. Balmorel open source energy system model. Energy Strateg. Rev. 20, 26–34. https://doi.org/10.1016/j.esr.2018.01.003 18.02.2022 EnInnov 2022 16
Franziska Schöniger TU Wien Energy Economic Group, EEG Gußhausstraße 25-29 / E370-3 1040 Vienna, Austria Tel: +43 1 58801 370378 Email: schoeniger@eeg.tuwien.ac.at Web: http://www.eeg.tuwien.ac.at 18.02.2022 EnInnov 2022 17
Sie können auch lesen
