Optimized placement of thermo-electric energy systems in city districts under uncertainty

Aachen / E.ON Energy Research Center (2019) [Buch, Doktorarbeit]

Seite(n): 1 Online-Ressource (xxv, 149 Seiten) : Illustrationen, Diagramme

Kurzfassung

Aufgrund ihres hohen Energieverbrauchs haben Städte ein großes Potential zur Reduktion von Treibhausgasen. Die optimierte Energieplanung kann die Identifikation von nachhaltigen und kosteneffizienten urbanen Energiesystemen unterstützen. Allerdings erschweren unsichere Parameterden Planungsprozess. Gängige Methoden zur Berücksichtigung der Unsicherheit, wie beispielsweise die robuste Optimierung sowie das Stochastic Programming, sind aufwändig und führen nicht zwingend zur Identifikation von Energiesystemen, welche weniger sensitiv gegenüber unsicheren Parametern sind. Ziel dieser Arbeit ist die Identifikation von urbanen Energiesystemen mitreduzierter Sensitivität gegenüber Unsicherheit. Hierfür wurde ein Optimierungstool entwickelt, welches einen Genetischen Algorithmus zur optimierten Verteilung mit einem ökonomischen und ökologischen Unsicherheitsrechner kombiniert. Bedarfe sowie technische und ökonomische Faktorenwerden als unsichere Parameter berücksichtigt. Verschiedene Risikoeinstellungen, von Risikoneutralität bis zu hoher Risikoaversion, werden analysiert. Die Analysen zeigen, dass eine Reduktion der ökonomischen und ökologischen Unsicherheit möglich ist. Allerdings geht diese Reduktionmit schlechteren mittleren Kosten- und Emissionswerten einher. Die Unsicherheitsreduktionwird primär über eine steigende Leistung der Kraft-Wärme-Kopplungsanlagen (KWK) sowie kleinere Photovoltaik-Flächen erreicht. Kosten-effiziente Lösungen basieren auf Kessel-Photovoltaik Konfigurationen. Eine weitere Reduzierung der Emissionen ist über den Einsatz von KWK Anlagenmit Nahwärmenetzen möglich. Die Referenzoptimierung ohne Unsicherheit liefert ähnliche Ergebnisse wie die Optimierung unter Unsicherheit. Allerdings haben nicht alle Lösungen der Referenzoptimierung akzeptable Zielfunktionswerte unter Unsicherheit. Während einige Mikro-KWK-Konfigurationen zu den pareto-optimalen Lösungen des Referenzszenarios gehören, sind diese Lösungen suboptimal für den Einsatz unter Unsicherheit. Die vorgestellte Methodik ermöglicht die Identifikation von Energiesystemen, welche vorteilhafte Zielfunktionswerte unter Unsicherheit liefern. Ebenso ermöglicht es die Reduktion der ökonomischen und ökologischen Unsicherheit über die Berücksichtigung verschiedene Risiko-Einstellungen. Jedoch zeigt sich, dass auch die vorgestellte Optimierung rechenintensiv ist. Daher sollte bei Anwendungsfällen mit geringer Rechenkapazität die Referenzoptimierung bevorzugt werden. Nichtsdestotrotz ermöglicht der vorgestellte Optimierungsansatz einen Einblick in die ökonomische und ökologische Unsicherheit der Zielfunktionswerte urbaner Energiesysteme.

Autorinnen und Autoren

Autorinnen und Autoren

Schiefelbein, Jan

Gutachterinnen und Gutachter

Müller, Dirk
Monti, Antonello

Identifikationsnummern

  • ISBN: 978-3-942789-69-1
  • REPORT NUMBER: RWTH-2019-06887

Downloads