ÖKO-OPT-QUART Ökonomisch optimiertes Regelungs- und Betriebsverhalten komplexer Energieverbünde zukünftiger Stadtquartiere - Bioenergy 2020+
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
© pixLab studios © pixLab studios
© zwoPK Landschaftsarchitektur
ÖKO-OPT-QUART
Ökonomisch optimiertes Regelungs- und
Betriebsverhalten komplexer Energieverbünde
zukünftiger Stadtquartiere
Workshop
Graz, 25.01.2019
Partner
© pixLab studios
Wissenschaftliche Partner Unternehmenspartner
Folie 2
Programm
© pixLab studios
9:00 Begrüßung und Vorstellung des Projektes ÖKO-OPT-QUART
Markus Gölles, Daniel Muschick (BE2020)
9:15 – 10:00 Bewertung des Einsatzes modellprädiktiver Regelungen bei komplexen
Energieverbünden in Stadtquartieren
Hermann Schranzhofer (IWT), Ingo Leusbrock (AEE INTEC), Andreas Moser (BE2020)
10:00 – 10:15 Pause
10:15 – 11:00 Technische Umsetzung einer modellprädiktiven Regelung
Siegfried Stark (TB Starchel), Franz Lackner (PMC), Karl Eibisberger (ISWAT)
ab 11:00 Ausklang bei Getränken und Brötchen
Folie 3
© pixLab studios
Vorstellung des Projektes
ÖKO-OPT-QUART
Daniel Muschick
Andreas Moser
Markus Gölles
BIOENERGY 2020+
Folie 4
Motivation Optimierung
© pixLab studios
Steigende Komplexität der Integration von erneuerbaren,
Integration in Netze aber volatilen Energiequellen
(variable Tarife, Strommärkte)
Stadtquartier
Verstärkte Kopplung Notwendigkeit der ökonomischen,
zwischen den Sektoren ökologischen und sicheren Versorgung
Folie 5
Motivation Vorausschauende Regelstrategie
© pixLab studios
■ Vorhersage der Erträge aus erneuerbaren
Energiequellen und der Netztarife
■ Vorausschauende Bewirtschaftung der Speicher
■ Vorausschauende Einsatzplanung
Vorausschauende Regelstrategie
Folie 6
Prinzip optimale vorausschauende Regelung:
Modellprädiktive Regelung
© pixLab studios
■ Nur Sollwerte für die ersten
15 Min. werden übertragen
■ Nach 15 Min. wird die
Optimierung mit neuen
Messgrößen wiederholt
„Moving horizon“- Prinzip Optimierung Regelung
Folie 7
Projektziele
© pixLab studios
FRAGESTELLUNG
Welche Vorteile kann eine modellprädiktive Regelung für komplexe
Energieverbünde bringen?
■ funktionell
■ energetisch
■ ökologisch
■ ökonomisch
ÖKO-OPT-QUART, Kooperatives F&E Projekt,
Stadt der Zukunft, Februar 2017 bis Jänner 2019
Folie 8
Untersuchungsobjekt
© pixLab studios
Wohnen
37.823 m² BGF
Büro
37.388 m² BGF
Gewerbe
17.209 m² BGF
Quartiere in Graz Reininghaus Quartier 1 + 4a
Projekt RAHMENPLAN BEBAUUNGSENTWURF
ENERGIE ENERGY CITY ATELIER THOMAS
GRAZ-REININGHAUS PUCHER
Folie 9
Anlagenkonzept des Basisszenarios
© pixLab studios
Wohnen
Heizen: 21 °C
Büro
MSR Heizen: 21 °C
Kühlen: 24°C
Gewerbe
Heizen: 20 °C
Kühlen: 22°C
Photovoltaik
Geplante Energieversorgung
TB-STARCHEL Ingenieurbüro-GmbH +
PMC - Gebäudetechnik Planungs-GmbH
Folie 10Anlagenkonzept des erweiterten Szenarios
© pixLab studios
Modellprädiktive
Regelung
MSR
Gebäudemodell Anlagenmodell
Energietechnisches Ökonomische
Co-Simulationsmodell Bewertung
Folie 11Projekt ÖKO-OPT-QUART –
Durchgeführte Arbeiten
© pixLab studios
Definition der Szenarien
Thermo-elektrisches Ökonomisches
Co-Simulation
Simulationsmodell Analysemodell
Modellprädiktive
Regelung
(MPC)
Simulationsstudien
Folie 12© pixLab studios
Grundsätzlicher Ansatz der
Energietechnischen Simulation
und Co-Simulation
Hermann Schranzhofer
Thomas Mach
Peter Nageler
Werner Lerch
TU Graz, Institut für Wärmetechnik
Folie 13Allgemeine Fragestellungen
© pixLab studios
■ Energieverbrauch von Gebäuden für Heizen und Kühlen
■ Solarer Deckungsgrad von Solaranlagen
■ Arbeitszahlen von Wärmepumpen
■ Wärmeverluste von thermischen Speichern
■ Optimierung von Regelungskonzepten
■ Auswirkung von Verschattung auf die Kühllast
Folie 14Thermische Anlagen- und Gebäudesimulation
(TAGS)
© pixLab studios
■ Detaillierte, zeitaufgelöste Ergebnisse
■ Viele unterschiedliche Modellansätze und Tools
■ Eingangsdaten und Randbedingungen sind wesentlich
■ Grundsätzlich alle Aufgabenstellungen modellierbar
■ Variantenstudien, Optimierungsaufgaben
■ Arbeitsaufwand oft hoch
Folie 15Co-Simulation
© pixLab studios
■ Dynamische Kopplung von Simulationsplattformen
■ Unterschiedliche Technologien (COM, FMI, OOP,
BCVTB)
■ Ansätze sind schon lange bekannt und im Einsatz
■ Stärken unterschiedlicher Programme werden genutzt
■ Komplexität erhöht sich
■ Arbeitsaufwand oft hoch
Folie 16Gebäudesimulation in IDA – ICE © pixLab studios Folie 17
Simulation der Energiezentrale in TRNSYS © pixLab studios Folie 18
Simulation der Energiezentrale in TRNSYS © pixLab studios Folie 19
Kopplung über BCVTB
© pixLab studios
Mit Lastdaten Mit Gebäudesimulation
https://simulationresearch.lbl.gov/bcvtb/FrontPage
Folie 20© pixLab studios
Ökonomisches Analysemodell
Ingo Leusbrock
Carles Ribas Tugores
AEE INTEC
Folie 21Methode
© pixLab studios
■ Umfassende und detaillierte ökonomische Bewertung
von Energiezentralen zukünftiger Stadtquartiere
■ Umfassend
– Investitionskosten
– Betriebskosten
– Wartungskosten
■ Detailliert
– Auswirkung auf Lebensdauer
– Einschaltkosten
Folie 22Herausforderungen
© pixLab studios
■ Einzigartigkeit jeder Energiezentrale
Modularer Ansatz
■ „Übersetzung“ der Betriebsweise auf Wartung- und
Betriebskosten
basiert auf wissenschaftlicher und technischer
Literatur sowie Expertenwissen
■ Komplexität
Einschränkung auf wesentliche Komponenten
Folie 23Prinzipieller Ansatz (I)
© pixLab studios
■ Erstellung von Basismodellen sowie erweiterten
ökonomischen Modellen
■ Geeignet für Modellierung komplexer Systeme
(Modularer Aufbau)
Ökonomisches Gesamtsystemmodell
Teilsystem 1 Teilsystem ...
Komponente 1
Komponente 2
Komponente ..
Folie 24Prinzipieller Ansatz (II)
© pixLab studios
■ Erstellung Basismodell für technische Komponenten
Ökologische
Investitionskosten Wartungskosten Betriebskosten
Bewertung
Zukauf CO2-
Fix (€/a)
Stromnetz Emissionen
Variabel Zukauf
(€/MWh) Fernwärme
CO2 -
Steuer
Folie 25Prinzipieller Ansatz (III)
© pixLab studios
1. Erstellung Basismodell für technische Komponenten
■ Investitions-, Wartungs- (fix und variabel) und Betriebskosten
■ Berechnungen der Emissionen und mögliche CO2-Steuer
2. Erweitertes Basismodell für
■ Umwälzpumpen: Bestimmung Betriebspunkt bzw. Stromverbrauch
über Kennfelder
■ Wärmepumpe: Startverhalten
■ Batterie: Bewertung Lebensdauer und Leistungsabfall
Folie 26Integration in Co-Simulation
© pixLab studios
Thermo-
hydraulische Basismodelle
Simulation und
Regelung Erweiterte
Basismodelle
Ökonomisches
Gesamtmodell
Analyse Ergebnisse
auf Komponenten- und
Gesamtsystemebene
Folie 27Was ist alles in der Analyse enthalten?
© pixLab studios
■ Ökonomische Bewertung
■ Ökologische Bewertung
■ Technische Bewertung
■ Betriebsstunden
■ Stunden je Effizienzbereich
■ Bewertung auf Komponentenebene
■ Bewertung auf Systemebene
■ Vergleich von Szenarien und Varianten
Folie 28Berücksichtigte Komponenten
© pixLab studios
■ Basisszenario
■ Umwälzpumpen
■ Wärmepumpen
■ Kühlturm
■ Photovoltaik
■ Erweitertes Szenario
■ Batterie
■ Speicher
■ Modellprädiktive Regelung (MPC)
Folie 29Bewertung auf Gesamtsystemebene
Beispielhaftes Ergebnis für das Basisszenario
© pixLab studios
Aufteilung der Gesamtkosten in k€/a
237 102 Zukauf Stromnetz
Zukauf Fernwärme
Wartungskosten
859 41
Investitionskosten
Betriebskosten
200,000 € CO₂-Steuer (Fernwärme)
150,000 €
100,000 € CO₂-Steuer (Stromnetz)
50,000 € Zukauf Fernwärme
0€
Zukauf Stromnetz (Nachttarif)
Zukauf Stromnetz (Tagtarif)
Folie 30© pixLab studios
Modellprädiktive Regelung
Andreas Moser
Daniel Muschick
Markus Gölles
BIOENERGY 2020+
Folie 31Modellprädiktive Regelung (I)
© pixLab studios
Füllstand
Füllstand
Folie 32Modellprädiktive Regelung (II)
© pixLab studios
■ Modulares Framework ■ Optimierung von Energieflüssen
■ Adaptive Last- und mit konstanten Temperaturniveaus
Ertragsprognose ■ Integration von Wetterprognosen
Folie 33© pixLab studios
Ergebnisse
Folie 34Ergebnisse aus dem ökonomischen Modell
Basisszenario vs. erweitertes Szenario (I)
© pixLab studios
Investitionskosten
Simulationszeitraum:
350,000 01.01. - 31.12.2018
300,000 MPC
Speicher
250,000
Batterie
200,000 Photovoltaik
€/a
Kühlturm
150,000 Wärmepumpe
Umwälzpumpen
100,000
Technologiekosten:
50,000
• Batterie: 250 €/kWh
(Lebensdauer: 8 Jahre)
0 • Speicher: 520 € + 1,050 €/m3
Basisszenario Erweitertes Szenario (Lebensdauer: 25 Jahre)
Folie 35Ergebnisse aus dem ökonomischen Modell
Basisszenario vs. erweitertes Szenario (II)
© pixLab studios
Betriebskosten
Simulationszeitraum:
1,200,000 01.01. - 31.12.2018
1,000,000
Einschaltkosten
800,000
CO₂-Steuer
(Stromnetz und Fernwärme)
€/a
600,000 Zukauf Fernwärme
400,000 Zukauf Stromnetz (Nachttarif)
Zukauf Stromnetz (Tagtarif)
200,000
0
Basisszenario Erweitertes Szenario
Folie 36Ergebnisse aus dem ökonomischen Modell
Basisszenario vs. erweitertes Szenario (III)
© pixLab studios
Gesamtkosten
Simulationszeitraum:
1,400,000 01.01. - 31.12.2018
1,200,000
1,000,000
800,000 Wartungskosten
€/a
Investitionskosten
600,000
Betriebskosten
400,000
200,000
0
Basisszenario Erweitertes Szenario
Einsparung: ca. 37,000 €/a (~3%)
Folie 37Energieflussdiagramm Energiezentrale
Basisszenario
© pixLab studios
Simulationszeitraum: 01.01. - 31.12.2018
Folie 38Energieflussdiagramm Energiezentrale
Erweitertes Szenario
© pixLab studios
Simulationszeitraum: 01.01. - 31.12.2018
Folie 39Beispielhaftes Ergebnis des erweiterten Szenarios
Speicher zur Rückkühlung
© pixLab studios
Di. 26.06 2018 Mi. 27.06 2018
Folie 40Beispielhaftes Ergebnis des erweiterten Szenarios
Batterie zur Tag-/Nachtstrom-Verschiebung und als Photovoltaikspeicher
© pixLab studios
So. 25.03.2018 Mo. 26.03.2018
Folie 41© pixLab studios
Interpretation und
Zusammenfassung
Folie 42Interpretation der Ergebnisse
© pixLab studios
■ Basisszenario ist bereits gut ausgelegt
■ Erweitertes Szenario optimiert die Anlage noch weiter
■ Potenzial zur Verkleinerung des Kühlturms
Weitere Kostenreduktion!
■ MPC „findet“ optimale Betriebsstrategien von selbst:
■ Speicher zur Abdeckung von Spitzenlasten
■ Speicher zur Rückkühlung
■ Batterie/Speicher zur Ausnützung variabler Strompreise
■ Batterie zur Zwischenspeicherung von Photovoltaik
Folie 43Zusammenfassung
© pixLab studios
■ Es wurden die Vorteile einer modellprädiktiven Regelung
(MPC) für Stadtquartiere in Simulationen untersucht:
■ Modulare MPC mit Berücksichtigung von Ertrags- und
Verbrauchsprognosen
■ Detailliertes thermo-elektrisches
Simulationsmodell zur Validierung der Regelung
■ Detailliertes ökonomisches Modell zur Bewertung
der Betriebsstrategie
Folie 44Projektziele
© pixLab studios
FRAGESTELLUNG
Welche Vorteile kann eine modellprädiktive Regelung für komplexe
Energieverbünde bringen?
■ funktionell
■ energetisch
■ ökologisch
■ ökonomisch
MPC „findet“ optimale Betriebsstrategien von selbst:
• Speicher zur Abdeckung von Spitzenlasten
• Speicher zur Rückkühlung
• Batterie/Speicher zur Ausnützung variabler Strompreise
• Batterie zur Zwischenspeicherung von Photovoltaik
Folie 45Projektziele
© pixLab studios
FRAGESTELLUNG
Welche Vorteile kann eine modellprädiktive Regelung für komplexe
Energieverbünde bringen?
■ funktionell
■ energetisch
■ ökologisch
■ ökonomisch
MPC ermöglicht optimalen Einsatz von Speichern bzw. Batterien
Anlagen können energetisch und ökologisch besser betrieben werden
Potenzial der MPC ist stark abhängig von installierten Anlagen und
Speicherkapazitäten
Folie 46 Abstimmung zwischen Planungsphase und Regelung nötigProjektziele
© pixLab studios
FRAGESTELLUNG
Welche Vorteile kann eine modellprädiktive Regelung für komplexe
Energieverbünde bringen?
■ funktionell
■ energetisch
■ ökologisch
■ ökonomisch
MPC erleichtert den Umgang mit variablen Preisen und die Teilnahme
an zukünftigen Märkten
Folie 47© pixLab studios
9:00 Begrüßung und Vorstellung des Projektes ÖKO-OPT-QUART
Bewertung des Einsatzes modellprädiktiver Regelungen bei
9:15 – 10:00
komplexen Energieverbünden in Stadtquartieren
Pause 10:00 – 10:15 Pause
10:15 – 11:00 Technische Umsetzung einer modellprädiktiven Regelung
ab 11:00 Ausklang bei Getränken und Brötchen
Folie 48© pixLab studios
Technische Umsetzung einer
modellprädiktiven Regelung
Siegfried Stark (TB Starchel), Franz Lackner (PMC),
Karl Eibisberger (ISWAT)
Folie 49© pixLab studios © pixLab studios
© zwoPK Landschaftsarchitektur
ÖKO-OPT-QUART
Ökonomisch optimiertes Regelungs- und
Betriebsverhalten komplexer Energieverbünde
zukünftiger Stadtquartiere
Workshop
Graz, 25.01.2019
Stadt der Zukunft ist ein Forschungs‐ und Technologieprogramm des
Bundesministeriums für Verkehr, Innovation und Technologie. Es wird im Auftrag des
BMVIT von der Österreichischen Forschungsförderungsgesellschaft gemeinsam mit
der Austria Wirtschaftsservice Gesellschaft mbH und der Österreichischen
Gesellschaft für Umwelt und Technik ÖGUT abgewickelt.Sie können auch lesen
