Skip to main content
main-content

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

2017 | OriginalPaper | Buchkapitel

17. Systemansätze und -komponenten für cross-sektorale Netze

verfasst von: Prof. Dr. Christian Doetsch, Dr. rer. nat. Tanja Clees

Erschienen in: Herausforderung Utility 4.0

Verlag: Springer Fachmedien Wiesbaden

share
TEILEN

Zusammenfassung

Effiziente Transportnetze für Gas, Elektrizität und Wasser sind von größter Bedeutung, die industrielle Produktion mit ihrem umfänglichen Ressourcenbedarf nicht mehr wegzudenken. Um unsere Ansprüche und Sicherheitsvorstellungen in Balance zu Ressourcenknappheit und Klimaschwankungen zu bringen, braucht es Systemansätze für sektorübergreifende Optimierungen. Hierzu sind Konversionstechnologien (Power‐to‐X) aber auch Flexibilitätsoptionen (Speicher) notwendig. Neben den erforderlichen Technologien werden hier zwei ineinandergreifende Ansätze, welche der Entscheidungsfindung, Planung und dem Betrieb dienen, beschrieben. Aus technologischer Sicht geht es um die Entwicklung von Cross‐Energy‐Technologien und ihre Einbringung als Komponenten in cross‐sektorale Netze. Zur Optimierung aus Sicht der Netze wird ein Ansatz zur Modellierung, Simulation und Analyse relevanter Energiekreisläufe und ihrer Komponenten erläutert mit dem Ziel eine fundierte Entscheidungsunterstützung zu bieten. So unterschiedlich der Startpunkt jeweils ist, beide Ansätze gehören zusammen und sollen in der Praxis konvergieren.
Fußnoten
1
Cross‐sektoral bedeutet sektor‐ oder bereichübergeifend (https://​www.​bmvit.​gv.​at/​service/​glossar/​c/​crosssektoral.​html).
 
2
Häufig auch Power2Heat.
 
3
Häufig auch Power2Gas.
 
4
Häufig auch Power2Liquid.
 
5
PEM steht für Proton Exchange Membrane (Protonen‐Austausch‐Membran).
 
6
Unter dem unscharfen Begriff „Überschussstrom“ wird im allgemeinen Strom verstanden, für den es regional keine Verwendung gibt, was dazu führt, dass entweder die regenerative Erzeugungsanlage abgeregelt wird oder aber mit extrem geringen oder sogar negativen Preisen für den Strom versucht wird für diesen eine andere Verwendung zu finden.
 
7
Vgl. Ausfelder et al. (2015), Buddenberg (2016).
 
8
Vgl. Bergins et al. (2015).
 
9
„[…] Für die spezifischen Treibhausgasemissionen von Kraftstoffen nach Anlage 1 Buchstabe a und b ist der in Anlage 1 hinterlegte Wert in Kilogramm Kohlenstoffdioxid‐Äquivalent pro Gigajoule nur dann zugrunde zu legen, sofern ausschließlich Strom aus erneuerbaren Energien nichtbiogenen Ursprungs für die Herstellung der Kraftstoffe nach Absatz 1 eingesetzt wurde und der Strom nicht aus einem Netz nach § 5 Nummer 26 des Erneuerbare‐Energien‐Gesetzes vom 21. Juli 2014 (BGBl. I S. 1066), das durch Artikel 9 des Gesetzes vom 26. Juli 2016 (BGBl. I S. 1786) geändert worden ist, in der jeweils geltenden Fassung, entnommen wurde […]“.
 
10
Vgl. Buddenberg (2016).
 
11
Residuallast ist die verbleibende Last nach Abzug von EE und Must‐run Kapazitäten.
 
12
Vgl. EEG (2000, § 8,1 und 2).
 
13
Vgl. EEG (2016).
 
14
Annahme 1000 km Transportentfernung und 10 m/s Gasgeschwindigkeit.
 
15
Vgl. Scheibe und Weimann (1999), Aymanns et al. (2008).
 
16
Vgl. Rogalla und Wolters (1994), Stevanovic et al. (2009).
 
17
Vgl. Milano (2015), Zimmerman und Murillo‐Sanchez (2015).
 
18
Wie bspw. Bazaraa und Shetty (1979), Bertsekas (1999), Avriel (2003), Fletcher (2013).
 
19
Vgl. Murtagh und Saunders (1978), Gill et al. (2005), Wächter und Biegler (2006), Nocedal und Wright (2006), Belotti et al. (2013).
 
20
Vgl. Gay (2005).
 
21
Vgl. Baumanns et al. (2012), Clees (2012, 2016), Clees et al. (2016a, 2016b, 2016c, 2016d).
 
22
Vgl. Gay (2005).
 
23
Vgl. Fourer et al. (2002).
 
24
Vgl. Modelica (2012).
 
25
Für ein allgemeines Konzept für Transportnetzwerke, siehe Clees (2012), effiziente und numerisch stabile neue algorithmische Entwicklungen werden in Clees et al. (2016c, 2016d) diskutiert.
 
26
Vgl. Clees et al. (2016c, 2016d).
 
27
Vgl. Clees et al. (2016c, 2016d).
 
28
Vgl. Clees et al. (2016a, 2016b, 2016c, 2016d).
 
29
Vgl. Clees (2016) mit Anwendungen im Gastransport.
 
30
Veröffentlichung in Artikelform noch ausstehend.
 
31
Leibniz‐Rechenzentrum (LRZ) der Bayerischen Akademie der Wissenschaften.
 
32
SuperMUC ist ein Supercomputer des Leibniz‐Rechenzentrums in Garching bei München; die Endung „MUC“ wurde dem IATA‐Code des Münchner Flughafens entlehnt.
 
Literatur
Zurück zum Zitat von der Assen, N. et al. (2015). Was tun mit Überschussstrom? Ein ökologischer Vergleich von Nutzungsoptionen. ortragsveranstaltung „Energie im Wandel – Rohstoff Strom und jetzt?“, Fraunhofer UMSICHT, 11.–12. Nov. 2015, Aachen. University. Lehrstuhl für Technische Thermodynamik, RWTH. von der Assen, N. et al. (2015). Was tun mit Überschussstrom? Ein ökologischer Vergleich von Nutzungsoptionen. ortragsveranstaltung „Energie im Wandel – Rohstoff Strom und jetzt?“, Fraunhofer UMSICHT, 11.–12. Nov. 2015, Aachen. University. Lehrstuhl für Technische Thermodynamik, RWTH.
Zurück zum Zitat Avriel, M. (2003). Nonlinear Programming: Analysis and Methods. New York: Dover Publishing. MATH Avriel, M. (2003). Nonlinear Programming: Analysis and Methods. New York: Dover Publishing. MATH
Zurück zum Zitat Aymanns, P. et al. (2008). Online simulation of gas distribution networks. 9th SIMONE Congress, Dubrownik, Croatia, October 15–17, 2008. Aymanns, P. et al. (2008). Online simulation of gas distribution networks. 9th SIMONE Congress, Dubrownik, Croatia, October 15–17, 2008.
Zurück zum Zitat Baumanns, S. et al. (2012). MYNTS User’s Manual, Release 1.3. Fraunhofer SCAI. Baumanns, S. et al. (2012). MYNTS User’s Manual, Release 1.3. Fraunhofer SCAI.
Zurück zum Zitat Bazaraa, M. S., Shetty, C. M. (1979). Nonlinear programming: theory and algorithms. Hoboken, NJ: John Wiley Sons. MATH Bazaraa, M. S., Shetty, C. M. (1979). Nonlinear programming: theory and algorithms. Hoboken, NJ: John Wiley Sons. MATH
Zurück zum Zitat Bertsekas, D. P. (1999). Nonlinear Programming. Michigan: Athena Scientific. MATH Bertsekas, D. P. (1999). Nonlinear Programming. Michigan: Athena Scientific. MATH
Zurück zum Zitat Buddenberg, T. (2016). „ Power to Gasoline – Aus Strom produziertes Benzin für den deutschen Markt“, Mitsubishi Hitachi Power Systems Europe GmbH. Brandenburger Fachworkshop „Energiespeicher“, Potsdam, Duisburg, 12. September 2016. Buddenberg, T. (2016). „ Power to Gasoline – Aus Strom produziertes Benzin für den deutschen Markt“, Mitsubishi Hitachi Power Systems Europe GmbH. Brandenburger Fachworkshop „Energiespeicher“, Potsdam, Duisburg, 12. September 2016.
Zurück zum Zitat Clees, T. (2012). MYNTS – Ein neuer multi physikalischer Simulator für Gas, Wasser und elektrische Netze. Energie-Wasser Praxis, (09), 174–175. Clees, T. (2012). MYNTS – Ein neuer multi physikalischer Simulator für Gas, Wasser und elektrische Netze. Energie-Wasser Praxis, (09), 174–175.
Zurück zum Zitat Clees, T. (2016). Parameter studies for energy networks with examples from gas transport. Springer Proceedings in Mathematics Statistics, 153, 29–54. CrossRef Clees, T. (2016). Parameter studies for energy networks with examples from gas transport. Springer Proceedings in Mathematics Statistics, 153, 29–54. CrossRef
Zurück zum Zitat Clees, T. et al. (2016a). Cooling circuit simulation I: Modeling. Technical Report. Fraunhofer SCAI. Clees, T. et al. (2016a). Cooling circuit simulation I: Modeling. Technical Report. Fraunhofer SCAI.
Zurück zum Zitat Clees, T. et al. (2016b). Cooling circuit simulation II: A numerical example. Technical Report. Fraunhofer SCAI. Clees, T. et al. (2016b). Cooling circuit simulation II: A numerical example. Technical Report. Fraunhofer SCAI.
Zurück zum Zitat Clees, T. (2016c). A globally convergent method for generalized resistive systems and its application to stationary problems in gas transport networks. In Procs. 6th Int. Conf. Simulation and Modeling Meth., Techn. and Applications (SIMULTECH 2016), 29.–31. July 2016, (S. 64–70). ISBN 9789897581991. CrossRef Clees, T. (2016c). A globally convergent method for generalized resistive systems and its application to stationary problems in gas transport networks. In Procs. 6th Int. Conf. Simulation and Modeling Meth., Techn. and Applications (SIMULTECH 2016), 29.–31. July 2016, (S. 64–70). ISBN 9789897581991. CrossRef
Zurück zum Zitat Clees, T. (2016d). MYNTS: Multi-phYsics NeTwork Simulator. In Procs. 6th Int. Conf. Simulation and Modeling Meth., Techn. and Applications (SIMULTECH 2016), 29.–31. July 2016, (S. 179–186). ISBN 9789897581991. CrossRef Clees, T. (2016d). MYNTS: Multi-phYsics NeTwork Simulator. In Procs. 6th Int. Conf. Simulation and Modeling Meth., Techn. and Applications (SIMULTECH 2016), 29.–31. July 2016, (S. 179–186). ISBN 9789897581991. CrossRef
Zurück zum Zitat Doetsch, C. (2015). Die zukünftige Entwicklung des Energiesystems. Fraunhofer UMSICHT, Vortragsveranstaltung „Energie im Wandel – Rohstoff Strom und jetzt?“, Oberhausen, 11–12. Nov. 2015. Doetsch, C. (2015). Die zukünftige Entwicklung des Energiesystems. Fraunhofer UMSICHT, Vortragsveranstaltung „Energie im Wandel – Rohstoff Strom und jetzt?“, Oberhausen, 11–12. Nov. 2015.
Zurück zum Zitat Doetsch, C. (2016). Skript zur Vorlesung „Energiespeichertechnologien“. Ruhr-Universität Bochum, Fachbereich Maschinenbau, 2016/2017. Doetsch, C. (2016). Skript zur Vorlesung „Energiespeichertechnologien“. Ruhr-Universität Bochum, Fachbereich Maschinenbau, 2016/2017.
Zurück zum Zitat Fletcher, R. (2013). Practical Methods of Optimization. Chichester, England: John Wiley Sons. MATH Fletcher, R. (2013). Practical Methods of Optimization. Chichester, England: John Wiley Sons. MATH
Zurück zum Zitat Fourer, R. et al. (2002). AMPL: A Modeling Language for Mathematical Programming (2. Aufl.). Belmont: Cengage Learning. Fourer, R. et al. (2002). AMPL: A Modeling Language for Mathematical Programming (2. Aufl.). Belmont: Cengage Learning.
Zurück zum Zitat Gay, D. M. (2005). Writing .nl Files. Technical Report. Albuquerque: Sandia National Laboratories. Gay, D. M. (2005). Writing .nl Files. Technical Report. Albuquerque: Sandia National Laboratories.
Zurück zum Zitat Gill, P. E., et al. (2005). SNOPT: An SQP algorithm for large-scale constrained optimization. SIAM Review, 47(1), 99–131. MathSciNetCrossRefMATH Gill, P. E., et al. (2005). SNOPT: An SQP algorithm for large-scale constrained optimization. SIAM Review, 47(1), 99–131. MathSciNetCrossRefMATH
Zurück zum Zitat Modelica (2012). A Unified Object-Oriented Language for Systems Modeling. Linköping, Sweden: Modelica Association. Modelica (2012). A Unified Object-Oriented Language for Systems Modeling. Linköping, Sweden: Modelica Association.
Zurück zum Zitat Nocedal, J., Wright, S. J. (2006). Numerical Optimization, 2nd Edition. New York: Springer. MATH Nocedal, J., Wright, S. J. (2006). Numerical Optimization, 2nd Edition. New York: Springer. MATH
Zurück zum Zitat Rogalla, B.-U., Wolters, A. (1994). Slow transients in closed conduit flow – part I: Numerical methods. In M. H. Chaudhry L. W. Mays (Hrsg.), Computer Modeling of Free-Surface and Pressurized Flows NATO ASI Series, (Bd. 274, S. 613–642). Netherlands: Springer. CrossRef Rogalla, B.-U., Wolters, A. (1994). Slow transients in closed conduit flow – part I: Numerical methods. In M. H. Chaudhry L. W. Mays (Hrsg.), Computer Modeling of Free-Surface and Pressurized Flows NATO ASI Series, (Bd. 274, S. 613–642). Netherlands: Springer. CrossRef
Zurück zum Zitat Scheibe, D., Weimann, A. (1999). Dynamische Gasnetzsimulation mit GANESI. GWF Gas/Erdgas, (9), 610–616. Scheibe, D., Weimann, A. (1999). Dynamische Gasnetzsimulation mit GANESI. GWF Gas/Erdgas, (9), 610–616.
Zurück zum Zitat Stevanovic, V. D., et al. (2009). Prediction of thermal transients in district heating systems. Energy Conversion and Management, 50(9), 2167–2173. CrossRef Stevanovic, V. D., et al. (2009). Prediction of thermal transients in district heating systems. Energy Conversion and Management, 50(9), 2167–2173. CrossRef
Zurück zum Zitat Wächter, A., Biegler, L. T. (2006). On the implementation of an interior-point filter line-search algorithm for large-scale nonlinear programming. Mathematical Programming, 106(1), 25–57. MathSciNetCrossRefMATH Wächter, A., Biegler, L. T. (2006). On the implementation of an interior-point filter line-search algorithm for large-scale nonlinear programming. Mathematical Programming, 106(1), 25–57. MathSciNetCrossRefMATH
Zurück zum Zitat Clees, T. (2015). RBF-metamodel driven multiobjective optimization and its application in focused ultrasonic therapy planning. In C.-P. Rückemann (Hrsg.), ADVCOMP 2015, The Ninth International Conference on Advanced Engineering Computing and Applications in Sciences, July 19–24, 2015, Nice, France (S. 71–76). Wilmington (USA): International Academy, Research, and Industry Association. Clees, T. (2015). RBF-metamodel driven multiobjective optimization and its application in focused ultrasonic therapy planning. In C.-P. Rückemann (Hrsg.), ADVCOMP 2015, The Ninth International Conference on Advanced Engineering Computing and Applications in Sciences, July 19–24, 2015, Nice, France (S. 71–76). Wilmington (USA): International Academy, Research, and Industry Association.
Zurück zum Zitat Milano, F. (2010). Power System Modelling and Scripting. Berlin, Heidelberg: Springer. CrossRef Milano, F. (2010). Power System Modelling and Scripting. Berlin, Heidelberg: Springer. CrossRef
Zurück zum Zitat Schmidt, M., et al. (2015a). High detail stationary optimization models for gas networks: model components. Optimization and Engineering, 16(1), 131–164. MathSciNetCrossRef Schmidt, M., et al. (2015a). High detail stationary optimization models for gas networks: model components. Optimization and Engineering, 16(1), 131–164. MathSciNetCrossRef
Metadaten
Titel
Systemansätze und -komponenten für cross-sektorale Netze
verfasst von
Prof. Dr. Christian Doetsch
Dr. rer. nat. Tanja Clees
Copyright-Jahr
2017
DOI
https://doi.org/10.1007/978-3-658-15737-1_17