Bidirektionales Energiemanagement für Lasten und dezentrale Erzeuger

Transkript

1 14. Fuldaer Elektrotechnik-Kolloquium Hochschule Fulda Bidirektionales Energiemanagement für Lasten und dezentrale Erzeuger - ein Baustein für ein künftiges Smart Grid - Jan Ringelstein Fraunhofer IWES, Königstor 59, D Kassel Tel.: , Mail: jringelstein@iset.uni-kassel.de Fraunhofer IWES

2 Inhalt 1. Die Smart Grid Vision: Problemstellung, Lösungsansatz und Bausteine 2. Das Bidirektionale Energiemanagement Interface () Konzept, Umsetzung und Anwendungen 3. Weiterentwicklung des - der Weg zur Massenanwendung 4. Aktuelle Forschungsprojekte 5. Zusammenfassung Agenda Fraunhofer IWES 2

3 Die Smart Grid Vision Auszug aus dem Koalitionsvertrag zwischen CDU/CSU und FDP (Zeile 1051 ff.): Der Investitionsstau im Ausbau der nationalen Energienetze muss aufgelöst werden. Dazu werden wir das dritte Binnenmarktpaket Strom und Gas zügig umsetzen, die rechtlichen Rahmenbedingungen für eine flächendeckende Modernisierung der Energienetze zu intelligenten Netzen weiterentwickeln und die Verbindung der Stromnetze mit Informations- und Kommunikationstechnik zu einem Element des effizienten Netzbetriebs machen. [...] Wir werden ein neues Energieforschungsprogramm mit Schwerpunkten in der Energieeffizienzforschung, den Speichertechnologien, intelligenter Netztechnik und Biokraftstoffen der zweiten Generation entwickeln. [...] Zudem soll sich Deutschland zum Leitmarkt der Elektromobilität entwickeln. Fraunhofer IWES 3

4 Die Smart Grid Vision - Definition Ein Smart Grid erlaubt den Transport elektrischer Energie von Erzeugern zu Verbrauchern, und zwar:... sicher & Quelle: European Commission, Vision and Strategy for Europe s Electricity Networks of the future, EUR22040, unter Beibehaltung oder Verbesserung der Versorgungszuverlässigkeit... wobei Lasten verteilt sind &... Erzeuger zentral oder dezentral sein können und fossile oder erneuerbare Energiequellen nutzen... wobei Lasten, Erzeuger und Energiespeicher mit optimaler Effizienz (technisch, ökonomisch, ökologisch) eingesetzt werden 1. Die Smart Grid Vision Fraunhofer IWES 4

5 Die Smart Grid Vision Systemgrenze 20/ 0,4 kv Ziel: effiziente Nutzung erneuerbarer Energiequellen, Vermeidung von Abregelung, effiziente Integration von Lasten (z.b. Elektrofahrzeuge) Stromverbrauch UND Stromerzeugung optimiert Kommunikation im NSN ~ benötigt Energiemanagement, messtechnische Erschließung des NSN, Anreize für die Endkunden! 1. Die Smart Grid Vision Fraunhofer IWES 5

6 Bausteine eines Smart Grid Erzeugungstechnologie: PV, KWK, Windkraft, Biomasse,... Speichertechnologie Energiemanagementsysteme Kundeneinbindung Smart Metering Angepasste elektrische Netzwerke Übertragungsnetz (z.b. HVDC), Verteilnetz Netzleittechnik Netzschutz und Netz(ausbau)planung Geschäftsmodelle und Marktintegration Informations- und Kommunikationssysteme (IKT) Standards für Hardware und Software 1. Die Smart Grid Vision Fraunhofer IWES 6

7 Potenziale eines smarten Niederspannungsnetzes (NSN) 17% 8% 19% Beleuchtung Kochen, Bügeln, Trocknen Unterhaltungselektronik, Kommunikation Heizung Kühl- & Gefriergeräte Waschen, Geschirrspülen, Warmwasser 29% 15% ~ 25% des deutschen Stromverbrauchs entfallen auf Haushalte ~ 40-50% davon verursacht durch verschiebbare Lasten künftig: Wärmepumpen, Elektrofahrzeuge, verteilte Erzeuger Last- und Erzeugungsmanagement hat Nebenbedingungen (z.b. Nutzeranforderungen) 1. Die Smart Grid Vision Automatisches Last- und Erzeugungsmanagement und Einbeziehung der Kunden ist zentraler Smart Grid-Baustein! 12% Quelle: eig. Darstellung laut BDEW Pressemitteilung zu Stromverbrauch in Haushalten, Fraunhofer IWES 7

8 Konzept der dezentralen Entscheidung erstmals vorgestellt 2005 große Zahl kleiner verteilter Lasten und Erzeuger unabhängig voneinander betrieben Keine zentrale Optimierung, sondern zentrale Information: Variable Tarife grid operator energy supplier internet provider Netzanschlusspunkt als intelligente Schnittstelle Offene Kommunikationsstandards low voltage grid natural gas supply 2. Das Bidirektionale Energiemanagement Interface () Fraunhofer IWES 8

9 Funktionen des automatische Optimierung des Geräteeinsatzes durch... aufgrund zentraler Information: variable Tarifprofile Überwachung des Gerätebetriebs Nutzer erhält alle optimierungsrelevanten Informationen per PDA Nutzerinteraktion möglich Beobachtung Netzanschlusspunkt Erfassung und Darstellung von Zähldaten ( intelligenter Zähler ) Nutzer (PDA) Fahrplan- Eingriff MSI 1 ZI 3 Fahrplan-, Kosteninf. EMS 2 MMI 4 Nutzereingriff Steuereingriff, Datenfluss 1 Mess- und Steuerinterface 2 Energiemanagementsystem 3 Zählerinterface 4 Mensch-Maschine-Interface schaltbare Last schaltbare Last steuerbare Last ~ = steuerbare Erzeugung 2. Das Bidirektionale Energiemanagement Interface () Fraunhofer IWES 9

10 Teststand im DeMoTec Labor: Testhaushalte Schaltbox Smart Meter Netzüberwachung Rechnerkern Fraunhofer IWES 10

11 Teststand im DeMoTec Labor: KWK Anlagen mit Wärmespeichern Fraunhofer IWES 11

12 Webbasierte Kommunikation auf Basis von IEC KWK-Anlagen, Lasten Schaltboxen Bediendisplay Leitstelle Preisprofil (Internet / XML) Zählerdaten Netz-Messdaten Ethernet WLAN Last- /Erzeugungsprofilzähler WLAN- Router WLAN Ethernet RS-232 Rechnerkern Netzmessung/ -überwachung Fraunhofer IWES 12

13 -System Regelen. Regelenergiemarkt Bilanzkreisverantw. Übertragungsnetzbetreiber Verteilnetzbetreiber Stundenreserve VN-Dienstleistungen Zählerablesung, Abrechnung Energiemanagement Energie- Dienstleister Pool- Spotmarkt Zu-/Verkauf Fernüberwachung EEX ~ = ~ ~ ~ ~ Zählerfernauslesung 2. Das Bidirektionale Energiemanagement Interface () Energiehandel Dienstleistung Fraunhofer IWES 13

14 Theoretisches Beispiel zur Lastgangvorgabe: Simulation von 2500 Haushalten mit, PV und KWK 50 ct/kwh 20 ct/kwh Tarifprofil Erzeugung Tarifprofil Verbrauch 3 MW 2,5 MW 2 MW Erzeugung aus PV+KWK Erzeugung aus PV Last 1,5 MW 1 MW 0,5 MW 0 MW 0:00 4:00 8:00 12:00 16:00 20:00 Uhrzeit Fraunhofer IWES 14

15 Theoretisches Beispiel zur Lastgangvorgabe: Simulation von 2500 Haushalten mit, PV und KWK 50 ct/kwh 20 ct/kwh Tarifprofil Erzeugung Tarifprofil Verbrauch 3 MW 2,5 MW 2 MW Erzeugung aus PV+KWK Erzeugung aus PV Last 1,5 MW 1 MW 0,5 MW 0 MW 0:00 4:00 8:00 12:00 16:00 20:00 Uhrzeit Fraunhofer IWES 15

16 Theoretisches Beispiel zur Lastgangvorgabe: Simulation von 2500 Haushalten mit, PV und KWK 50 ct/kwh 20 ct/kwh Tarifprofil Erzeugung Tarifprofil Verbrauch 3 MW 2,5 MW 2 MW Erzeugung aus PV+KWK Erzeugung aus PV Last 1,5 MW 1 MW 0,5 MW 0 MW 0:00 4:00 8:00 12:00 16:00 20:00 Uhrzeit Fraunhofer IWES 16

17 Verfahren zur anreizbasierten Spannungshaltung P Übergeordnetes Netz U n +2% U n +1% 10kV 0,4kV U n +1% U n +3% U n -2% Spannung entlang NSN Strang U U n + 10% U n U n - 10% Fraunhofer IWES 17

18 Verfahren zur anreizbasierten Spannungshaltung P Übergeordnetes Netz U n +3% U n +4% 10kV 0,4kV U n +2% U n +4% ~ U n +6% ~ ~ ~ ~ Spannung entlang NSN Strang U U n + 10% U n U n - 10% Fraunhofer IWES 18

19 Verfahren zur anreizbasierten Spannungshaltung 1 2 ~ ~ ~ ~ ~ ~ ~ ~ U n +7% VNB Tarifprofile, Spannungsgrenzen Pool- VNB Überspannungsalarme Benachr. Pool- 3 4 ~ ~ ~ ~ Tarifänderungs- Vorschläge U n +7% U n +5% ~ ~ ~ ~ Tarifänderung VNB Pool- VNB Pool- Fraunhofer IWES 19

20 Verfahren zur anreizbasierten Spannungshaltung Beispielnetz mit 98 Haushalten, ca. 50% des Energieverbrauchs entfällt auf gemanagete Lasten eine 5 kwp PV-Anlage pro Haushalt, Verwendung gemessener Einstrahlungsdaten in Kassel, Sommertag 246 ΔU 2V Ohne Verfahren Mit Verfahren Spannung [V] U nenn + 6% 238 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 Uhrzeit Fraunhofer IWES 20

21 Verfahren zur anreizbasierten Spannungshaltung Beispielnetz mit 98 Haushalten, ca. 50% des Energieverbrauchs entfällt auf gemanagete Lasten eine 5 kwp PV-Anlage pro Haushalt, Verwendung gemessener Einstrahlungsdaten in Kassel, Sommertag Mit Verfahren: Zeit der Spannungsüberschreitung um 1/3 reduziert gewünschter Effekt erreicht Vergleich zu Abregelung von PV- Anlagen bei Spannungsüberschreitung Energieverlust durch Abregelung um >30% reduziert... leichte Senkung der Transformatorauslastung von 72% auf 70%. Vgl. Einspeisung induktiver Blindleistung: Erhöhung auf 89% Fraunhofer IWES 21

22 Vom zum offenen Gateway Im Massenmarkt werden standardisierte Komponenten benötigt! Smart Grid Hard- und Software des auch für andere Anwendungen nutzbar, z.b. Heizungssteuerung, PV- Anlagenüberwachung Unterfunktionen des als Dienste für andere Anwendungen PV Display KWK-Daten 2,3 kw System OK OGEMA- Gateway Heimautomation Smart Meter Anwendungen verschiedener Hersteller sollten auf einem einzigen -Rechner (Gateway) laufen Lasten KWK Standardisierte und erweiterbare Schnittstellen und Komponenten 3. Weiterentwicklung des Fraunhofer IWES 22

23 Open Gateway Energy Management Alliance Kernspezifikation: OGEMA-Gateway Umgebung für parallele Ausführung von verschiedenen Anwendungen mit Zugriff auf Smart Grid Daten und Geräte (z.b. steuerbare Lasten) Standardisierte Datenmodelle und Dienste für verschiedene Gebäudeautomationssysteme Unterstützung verschiedener Kommunikationssysteme In-House und zum Smart Grid OGEMA definiert einen offenen Standard Referenzimplementiertung (open source) demonstriert Integration des OGEMA-Gateway 3. Weiterentwicklung des Fraunhofer IWES 23

24 Open Gateway Energy Management Alliance Open source Betriebssystem (z.b. Linux) KWK-Daten 2,3 kw System OK OGEMA für Energiemanagement Nutzer- Display Kühlschrank- Anwendung KWK Ressourcen- Verwaltung Lasten Notfall- Lastabwurf Smart Meter 3. Weiterentwicklung des Fraunhofer IWES 24

25 OGEMA-Referenzimplementierung Management Agent Zeitsteuerung Anwendungen Kühlschrank Management Auto- Update- Dienst Tarifbas. Management Ressourcen- Verwaltung Geräte (repräsentiert als Ressourcen) Datenbank- Verwaltung Kühlschrank PV- Anlage variabler Strompreis Web-Interface Kommunikationstreiber Logging KNX Z-Wave IEC61850 MMS 4 Java / OSGi Fraunhofer IWES 25

26 E-Energy - Projekte ~ 4. Aktuelle Forschungsprojekte Quelle: Broschüre E-Energy auf dem Weg zum Internet der Energie, BMWi, März 2009 Fraunhofer IWES 26

27 Projekt Smart House, Smart Grids: Feldtests FT A: IKT für Smart House Massenanwendung FT B: Smart House roll-out in Mannheim FT C: Netzstützung und Inselnetze mit Smart Houses 4. Aktuelle Forschungsprojekte Quelle: Fraunhofer IWES 27

28 Feldtests in Mannheim SH/SG: ~100 Smart Houses in Mannheim, u.a. Mannheim-Wallstadt MoMa: zunächst 200 Kunden (2010) Ausbau auf bis zu 3000 Kunden geplant (2012) Gesamtbudget MoMa ca. 20M, 50% Förderung durch BMU Steuerbare Lasten, PV und KWK-Anlagen Realer Kundenkontakt, Abrechnung nach variablem Tarif Erste Ergebnisse im 2. HJ 2010 ~ 4. Aktuelle Forschungsprojekte Fraunhofer IWES 28

29 Zusammenfassung Smart Grid gilt als Schlüsseltechnologie für Energieeffizienz-Ziele Das ist ein Baustein für Smart Grids Breites Anwendungsfeld nachgewiesen OGEMA definiert offenen Standard Verschiedene Feldtests werden 2010 gestartet Quelle: Europ. Commission, Vision and Strategy for Europe s Electricity Networks of the future, EUR22040, 2006 Fraunhofer IWES 29

30 Danke für Ihre Aufmerksamkeit! Jan Ringelstein Fraunhofer IWES, Königstor 59, D Kassel, Tel.: , Fraunhofer IWES 30