„nachhaltige technologien 3|2018“

Zeit 1.05 1.00 0.95 0.90 0.85 0.80 0 2 4 6 8 10 Strombedarf Strompreis Strombedarf Strompreis 1.05 1.00 0.95 0.90 0.85 0.80 In den nächsten 30 Jahren wird das Energiesystem jedenfalls einen Wandel hin zu erneuerbaren Energie- quellen bringen, die sukzessive die herkömmlichen Grundlastkraftwerke, betrieben mit Atom- und vor allem Kohlekraft, ersetzen werden. Die erneuerbaren Energiequellen senken schon derzeit die Grenzkosten dieser Grundversorgung und drücken den Marktpreis – diese Entwicklung wird weitergehen. Kurzfristige Spitzenlast durch flinke Öl- und besonders Gaskraft- werke ist schwerer alternativ zu ersetzen – hier könnte aber die Energieflexibilität in Zukunft zum Tragen kommen, indem sie durch zeitlich verschiebbare Las- ten die Spitzen markant reduziert. Da Spitzenlasten mit hohen Grenzkosten bereitgestellt werden, würde auch die Wertigkeit der Energieflexibilität hoch sein und verschiedene Geschäftsmodelle könnten darauf auf- bauen. Hier steht die Entwicklung aber noch am Beginn. Methode zur Charakterisierung und Labeling Um die Methodik zu harmonisieren und die Vergleich- barkeit verschiedener Studien zu erhöhen, wird im Projekt IEA EBC Annex 67 folgende Charakterisierung vorgeschlagen: Die Energieflexibilität wird entspre- chend der Reaktion des „Energiesystems Gebäude“ auf ein politisch, ökologisch oder markttechnisch gesteuertes Signal quantifiziert. Wie in der Abbildung dargestellt, können so Indikatoren für Energieflexibi- lität abgeleitet werden. Diese Methodik stellt Energieflexibilität als Energie- menge dar, die ein Gebäude als Reaktion auf externe Einflussfaktoren verschieben kann, ohne die Komfort- bedingungen der BewohnerInnen zu beeinträchtigen und das Haustechniksystem zu ändern. Folglich ist Energieflexibilität eines Gebäudes kein statisch festgelegter Wert, sondern variiert in Abhängigkeit von Rahmenbedingungen wie z. B. Klima, Gebäude- standard, Steuerungssystem etc. und dem externen Steuersignal, das eine Systemreaktion auslöst. Diese Reaktion minimiert den Effekt des externen Signals auf das System durch z. B. Verschieben des Energiebe- darfs. Das externe Signal kann so gestaltet sein, dass dadurch der Energieverbrauch, die Kosten oder der CO 2 -Fußabdruck des Gebäudes minimiert wird - oder eine Kombination dieser Kriterien. Um Gebäude ver- gleichen bzw. labeln zu können, wird dann die erfolgte CO 2 -Emissionseinsparung (mit Signal) in Relation zu einem Referenzsystem (ohne Signal) gesetzt. Potenziale und Beispiele Die Wärmespeicherkapazitäten in den Bauteilen, die Anzahl und Größe von Warmwasserspeichern und Bat- terien, die Anzahl und Ausstattung mit elektrischen Geräten und Verbrauchern wie z. B. Wärmepumpen, die jeweilig in Verwendung befindlichen Regelungs- systeme und Ähnliches bestimmen das nutzbare Potenzial der Energieflexibilität in Gebäuden. Die Fähigkeit, das Potenzial an Energieflexibilität in einem Gebäude auszuschöpfen, hängt in hohem Maße von der gebäudetechnischen Ausstattung und der konstruktiven, bauphysikalischen Struktur eines Gebäudes ab und wird bereits in der Planungsphase maßgeblich festgelegt. Bei unterschiedlichen Gebäu- detypologien zeigt sich, dass Bestandsgebäude zwar einen großen Einfluss auf kurzfristig verschiebbare hohe Spitzenlasten haben, aber die Entlastung von Strom- und Wärmenetzen über mehrere Stunden nur mit Hilfe von energetischen Sanierungsmaßnahmen bzw. -strategien bis zum Plusenergiegebäudestandard funktionieren kann. Werden in Abhängigkeit der lokalen Bedingungen und des NutzerInnenkomforts konstruktive, bauphysikalische Eigenschaften, Gebäu- detechnik, Regelungsstrategie und Speichertechno- logien hinsichtlich ihrer Flexibilisierungs-Potenziale mittels dynamischer Gebäudesimulationen analysiert, zeigt sich, dass Gebäude mit zum Beispiel Bauteilak- tivierung oder größeren Speichern um einiges mehr Flexibilität aufweisen. 7 6 ENERGIEFLEXIBILITÄT 1 Six D., Desmedt J., Vanhoudt D., Van Bael J. (2011): Exploring the flexibility potential of residential heat pumps combined with thermal energy storage for smart grids. In: 21st International conference on electricity distribution; 2011. p. 0442–0442. 2 Cardinaels W., Borremans I. (Hrsg., 2014): Demand response for families. Linear - the report. EnergyVille, Genk; 2014. Abrufbar unter: http://www.linear-smartgrid.be/sites/default/files/Linear%20Final%20 Report%20-%20lr2.pdf. 3 Oldewurtel F., Sturzenegger D., Andersson G., Morari M., Smith R.S.: Towards a standardized building assessment for demand response. 51nd IEEE conference on Decision and Control 2013: 7083-7088. Abrufbar unter: http://www.opticontrol.ethz.ch/Lit/Olde_13_Proc- CDC2013_submitted.pdf. 4 Madsen H., Parvizi J., Halvgaard R., Sokoler L.E., Jørgensen J.B., Hansen L.H., Hilger K.B.: Control of Electricity Loads in Future Elec- tric Energy Systems, in: Handbook of Clean Energy Systems, Wiley 2015 Schematisches Beispiel für die Reaktion bzw. Ant- wort - hier des Strombedarfs eines Gebäudes - auf ein Steuerungssignal, wobei τ die Zeit ist, bis das Signal zu greifen beginnt, α ist die Zeitspanne vom Beginn der Antwort bis zur maximalen Antwort Δ, β ist die Dauer der Antwort, A ist die verschobene Menge an Energie, B ist die benötigte Energie, um das System wieder in den "Referenz"-Zustand zu bringen 4 .