Motivation und Forschungsfrage, Ausgangssituation/Status Quo

Um das Ziel einer sauberen und versorgungssicheren Energiewende zu erreichen (#mission2030) muss, zunehmend auf erneuerbare und dezentralisierte Energiebereitstellung gesetzt werden. Kommunale Energiesysteme bzw. regionale Energiegemeinschaften zeigen ein hohes Potential für die effiziente Nutzung dezentraler Einzeltechnologien, inklusive der volatilen Energieerzeugung aus erneuerbaren Ressourcen, mit Kosten- und CO2-Einsparungen von bis zu 17,6 und 37,2% (Stadler, 2013). Daher werden kommunale Energiesysteme auch von der Politik forciert (u.a. Erneuerbare Ausbaugesetz-EAG). Zum Zeitpunkt der Projektkonzipierung im Frühjahr 2021 gab es nur begrenzte Möglichkeiten um ein kommunales Energiesystem in die Praxis umzusetzen. Mittlerweile wurden in Österreich mit dem Paragraphen 16c im ELWOG 2010 die rechtlichen Rahmenbedingungen für die Gründung von Energiegemeinschaften geschaffen. Darüber hinaus braucht es jedoch Regelungskonzepte und standardisierte niederschwellig anzuwendende Energiemanagementsysteme, um den Betrieb kommunaler Energiesysteme ökonomisch zu optimieren, bzw. netzdienlich gestalten zu können. Die Umsetzung einer solchen Regelung setzt eine Echtzeit-Datenerfassung voraus, die eine Kommunikation von einzelnen Technologien mit der übergeordneten Regelung ermöglicht. Allerdings gibt es noch keinen einheitlichen Standard für die Erfassung von Last- und Erzeugungsdaten (z.B. Smart Meter, PV, Speichersysteme, etc.) in Kommunen, Gemeinden oder Quartieren. Ferner erfolgt die Echtzeit-Datenerfassung, wenn überhaupt, zurzeit meist nur vereinzelt. Derzeit verwenden Anlagenherstellerinnen/-hersteller unterschiedliche Kommunikationsschnittstellen, was wiederum den Aufwand für die Entwicklung eines universell einsetzbaren, übergeordneten Regelungsalgorithmus, welcher ohne großen Aufwand und Kosten installiert werden kann, erhöht.

Projektziel

Das Ziel des Projektes „SmartControl" war es ein standardisiertes und einfach implementierbares Verfahren für die Kommunikation, Überwachung und Steuerung von dezentralen Technologien innerhalb von Erneuerbaren-Energie-Gemeinschaften, Gemeinden und Quartieren zu entwickeln, welches kostengünstig und niederschwellig auf unterschiedlichen Hierarchieebenen der Energiesysteme angewendet werden kann.

Innovative Schnittstellen und selbstlernende Algorithmen sind Teilziele, welche sicherstellen, dass das Konzept, ohne aufwändige Anpassungs- bzw. Kalibrierungsarbeiten, auf unterschiedliche Kommunen bzw. Quartiere übertragen werden kann. Ein weiteres Ziel war es diese Neuentwicklungen im übergeordneten Regelungsalgorithmus einzubinden und zu testen, bzw. Regelungsstrategien zu untersuchen, um die Eigennutzung, der innerhalb von Kommunen produzierten, erneuerbaren Energie weiter zu erhöhen. Damit können Kosten und CO2-Emissionen signifikant reduziert und die Klimaziele schneller erreicht werden. Zusätzlich kann durch die entwickelten Konzepte die Versorgungssicherheit erhöht werden.

Methodische Vorgehensweise

Für die Etablierung von Schnittstellen wurde auf offene Standards und Open Source Lösungen (wie openHAB) gesetzt und aufgebaut. Für die Entwicklung neuer Prognosealgorithmen wurde auf den Einsatz von Methoden aus dem Bereich der Künstlichen Intelligenz gesetzt. Über die gesamte Projektlaufzeit wurden zwei unterschiedlich große Gemeinden, ein Energieversorger, der gleichzeitig auch ein Netzbetreiber ist, in den Prozess mit einbezogen, um auf deren Herausforderungen und technischen Voraussetzungen Rücksicht zu nehmen. Um das Umsetzungspotential aller Ansätze im Projekt zu testen, wurde Messtechnik für die Datenerfassung kommunaler Energiesysteme in der Stadtgemeinde Wieselburg und der Marktgemeinde Yspertal installiert und Daten erhoben.

Ergebnisse und Schlussfolgerungen

Es wurde ein Hard- und Softwaregateway für die Kommunikation zwischen Endanwendung und Energiemanagementsystem entwickelt und getestet. Diese Entwicklung umfasst neben der Hardware, eine API-Schnittstelle und ein Modul, dass die Kopplung zum Smart- und Microgrid Controller von BEST Bioenergy and Sustainable Technologies GmbH (BEST) ermöglicht. Mit diesem Package können, bis auf die Ebene von einzelnen Haushalten, Knotenpunkte in einem Energiesystem angeschlossen, in Echtzeit ausgelesen sowie einzelne Technologien angesteuert werden. Zusätzlich wurden neue Prognosemethoden entwickelt, die durch den Einsatz von Machine Learning Algorithmen sich selbstlernend an die jeweilige Umgebung anpassen, ohne dass zeit- und kostenintensive Kalibrierungsmaßnahmen notwendig werden. Eine großflächige Anwendung dieses gesamten SmartControl-Konzeptes ermöglicht es unterschiedlichste Optimierungsszenarien, auch auf unterschiedlichen Hierarchieebenen eines Energiesystems, zu testen und umzusetzen. Energiegemeinschaften können dann zum Beispiel auch hinsichtlich Netzdienlichkeit Schwerpunkte setzen. Derzeit wird über die Einsparung von Netzkosten bei der Energieabrechnung von Erneuerbaren-Energie-Gemeinschaften ein Bewusstsein für netzdienliches Verhalten geschaffen. Allerdings gibt es keine aktive Regelung diesbezüglich. Im Rahmen des Projektes wurden Regelstrategien bzw. Optimierungsszenarien für die unterschiedlichen Optimierungsziele wie Netzdienlichkeit, Kostenoptimierung und Klimaoptimalität entwickelt bzw. analysiert.

Ausblick

Die in diesem Projekt vorangetriebenen Entwicklungen umfassen Themen in der Energiewirtschaft, die aktuell rege beforscht und bearbeitet werden. Sowohl die Problemstellung hinsichtlich Standards für die Echtzeit-Datenerfassung von Last- und Erzeugungsdaten, als auch die Prognosethematik erfahren große Aufmerksamkeit von der Forschung bis hin zu Dienstleistungsangeboten von Energieunternehmen. Diese Themen haben nicht nur marktwirtschaftlich, sondern vor allem für die Erreichung von klimaneutralen Energiesystemen, hohe Relevanz. Die im Projekt entwickelten Konzepte, Methoden und Komponenten werden von allen Projektpartnern aktiv weiterverfolgt. BEST und wüsterstrom E Werk GmbH (wüsterstrom) arbeiten bereits in einem gemeinsamen Folgeprojekt, RISE –Reinforcement Learning for Intelligent and Resilient Energy Communities, daran, die Regelungsalgorithmen für kleine Energiesysteme robuster gegen Prognoseunsicherheiten zu machen. Die Entwicklung der HABWerk Technologie wird von wüsterstrom laufend vorangetrieben und kommt auch in Projekten mit BEST zum Einsatz.

Projektleitung

BEST – Bioenergy and Sustainable Technologies GmbH

Projekt- bzw. Kooperationspartner:innen

• Gemeinde Yspertal
• Stadtgemeinde Wieselburg
• Wüsterstrom E-Werk GmbH

Unterstützende Partner

• University of California - San Diego, Prof. Jan Kleissl, Director des UCSD Center for Energy Research
• Innovationslabor act4.energy

BEST – Bioenergy and Sustainable Technologies GmbH
Stefan Aigenbauer
Gewerbepark Haag 3
A-3250 Wieselburg-Land
Tel.: +43 (5) 02378-9447
E-Mail: stefan.aigenbauer@best-research.eu
Web: www.best-research.eu