Methoden und Modelle

Graphische Darstellung zur Übersicht

Quantitative Entscheidungsmodelle für Planungsprobleme zukünftiger Energiesysteme

ModelkürzelSCOPE SDEMPRISEIEEOpt TEPIEEOpt RD
ModellnameSCOPE Scenario DevelopmentEnvironment for Modelling and Planning Robust
Investments of Sector-integrated Energy systems
Transmission Expansion Planning

Redispatch

StatusExistierende Modellansätze
(unter Kontinuierlicher Verbesserung)
NeuentwicklungExistierende Modellansätze
(unter Kontinuierlicher Verbesserung)
Neuentwicklung
Art des Entscheidungs-
problems (engl.)
Cross-Sectoral Capacity Expansion Planning
Cross-Sectoral Capacity Expansion Planning
Transmission Expansion Planning
Optimal Power Flow + Economic (Re)Dispatch
Analytischer
Ansatz
LP
Deterministisch
LP / QP / MIP
Stochastisch (zwei- o. mehrstufig)
MINLP
Deterministisch
MINLP
Deterministisch
PlanungshorizontStatisch („single-period“)Dynamisch („multi-period“)Statisch („single-period“)
Statisch („single-period“)
Geografischer Fokus
und Detail
Europa
1 Knoten pro Gebotszone bzw. Land
Europa
1 Knoten pro Gebotszone bzw. Land
Europa
Knoten- & leitungsscharfe Modellierung
Europa
Knoten- & leitungsscharfe Modellierung
Zeitlicher Fokus
und Auflösung
Ganzes Jahr (chronologisch)
Stündlich (chronologisch)
Ganzes Jahr o. repräsentative u. extreme Perioden
Stündlich (chronologisch)
Ganzes Jahr
Stündlich

Ganzes Jahr
Stündlich (chronologisch)
AnlagendetailEinzelne Technologiecluster
Economic Dispatch (ED)
Einzelne Technologiecluster
Economic Dispatch (ED)
Einzelne LeitungenAggregierte Technologien je Netzknoten
Lösungsansätze u.
-techniken
Kommerzielle LP-SolverKommerzielle LP-Solver
+ Szenario-Dekomposition
+ Progressive-Hedging-Algorithmus
Kommerzielle LP-Solver
+ sequentielle Problemsegmentierung
+ Konvergenzsichernde Ansätze
Kommerzielle LP-Solver
+ Konvergenzsichernde Maßnahmen

Beschreibung

Das Energiesystemmodell SCOPE Scenario Development (SCOPE SD) am Fraunhofer IEE ist ein sektorenübergreifendes Kapazitätsausbauplanungsmodell (Capacity Expansion Planning, CEP) mit stundenscharfer Abbildung des Anlageneinsatzes im gesamten Jahr (8760 h) und Berücksichtigung aller relevanten Wechselwirkungen zwischen den zukünftigen Strom-, Gebäude-, Industrie- und Transportsektoren. Mit einem linearen Programmieransatz minimiert es die Kosten für Erzeugung, Speicherung und sektorenübergreifende Investitionen in Verbrauchertechnologien sowie für den Betrieb des Gesamtsystems. Es bietet umfassende Möglichkeiten zur Darstellung von traditionellen Stromversorgungssystemen und allen relevanten (Hybrid-)Technologiekombinationen an den sektoralen Schnittstellen zum Gebäude-, Industrie-, und Verkehrssektor.

Als technoökonomisches Bottom-Up-Modell zur Berechnung partieller Gleichgewichte trifft SCOPE SD deterministische Entscheidungen zum Kapazitätsausbau und zum Systembetrieb für ein bestimmtes Szenariojahr. Abhängig davon, wie weit das untersuchte Szenariojahr in der Zukunft liegt, analysiert das Modell sowohl Szenarien mit als auch ohne Bestandsanlagen („brown-field“ bzw. „green-field“). Eine große Stärke des Modells liegt in dem ganzjährigen Optimierungshorizont, was die konsistente Bewertung diverser wetterabhängiger Zeitreihensignale und die Erfassung sektorenübergreifender Korrelationen ermöglicht. Nationale und internationale Treibhausgasemissionsbudgets (z. B. separate Ziele für EU-ETS/ Nicht-ETS) können die Investitionsentscheidungen in Transformationsszenarien hin zur Klimaneutralität beeinflussen. Durch die explizite Modellierung von nationalen und europaweiten Brennstoffmärkten kann die Verwendung von einerseits fossilen und andererseits synthetischen erneuerbaren Energieträgern unterschieden werden, die entweder importiert oder über Elektrolyseure und weitere Umwandlungsschritte im Inland hergestellt werden.

Referenzen

Dissertationen

  • A. von Oehsen, Entwicklung und Anwendung einer Kraftwerks- und Speichereinsatzoptimierung für die Untersuchung von Energieversorgungsszenarien mit hohem Anteil erneuerbarer Energien in Deutschland, Dissertation, Universität Kassel, Kassel (2012). URL: https://kobra.uni-kassel.de/handle/123456789/2013050742706
  • M. Jentsch, Potenziale von Power-to-Gas-Energiespeichern: Modellbasierte Analyse des markt- und netzseitigen Einsatzes im zukünftigen Stromversorgungssystem, Kassel, Univ., Diss., 2014, Fraunhofer-Verlag, Stuttgart, 2015. URL: http://publica.fraunhofer.de/documents/N-336756.html
  • T. Trost, Erneuerbare Mobilität im motorisierten Individualverkehr: Modellgestützte Szenarioanalyse der Marktdiffusion alternativer Fahrzeugantriebe und deren Auswirkungen auf das Energieversorgungssystem, Fraunhofer Verlag, Stuttgart, 2017. URL: http://publica.fraunhofer.de/documents/N-432324.html
  • P. Härtel, Offshore grids in low-carbon energy systems: Long-Term Transmission Expansion Planning in Energy Systems with Cross-Sectoral Integration using Decomposition Algorithms and Aggregation Methods for Large-Scale Optimisation Problems, Fraunhofer Verlag, Stuttgart, 2021. URL: http://publica.fraunhofer.de/documents/N-633787.html

Referierte Zeitschriften- und Konferenzbeiträge

  • P. Härtel, M. Korpås, Aggregation methods for modelling hydropower and its implications for a highly decarbonised energy system in Europe, Energies 10 (11) (2017) 1841. DOI: 10.3390/en10111841
  • P. Härtel, F. Sandau, Aggregated modelling approach of power and heat sector coupling technologies in power system models, in: 2017 14th International Conference on the European Energy Market (EEM), IEEE, 2017, pp. 1–6. DOI: 10.1109/EEM.2017.7981858
  • D. Böttger, M. Jentsch, T. Trost, N. Gerhardt, M. von Bonin, J. Eschmann, Cost-optimal market share of electric mobility within the energy system in a decarbonisation scenario, in: 2018 15th International Conference on the European Energy Market (EEM), IEEE, 2018, pp. 1–5. DOI: 10.1109/EEM.2018.8469846
  • P. Härtel, D. Ghosh, Modelling heat pump systems in low-carbon energy systems with significant cross-sectoral integration, IEEE Transactions on Power Systems Special Section: Towards a 100% Renewable Energy System. DOI: 10.1109/TPWRS.2020.3023474
  • P. Härtel, M. Korpås, Demystifying market clearing and price setting effects in low-carbon energy systems, Energy Economics 93 (2021) 105051. DOI: 10.1016/j.eneco.2020.105051
  • F. Frischmuth, P. Härtel, Hydrogen sourcing strategies and cross-sectoral flexibility trade-offs in net-neutral energy scenarios for Europe. Energy 238 (2022), 121598. DOI: 10.1016/j.energy.2021.121598

Sonstige

Der neue methodische Ansatz ist als quelloffene Software entwickelt und in Python/Pyomo/PySP implementiert worden. Das hierbei entstande „Environment for Modelling and Planning Robust Investments in Sector-integrated Energy sys-tems (EMPRISE)“ kann in seinem jeweils aktuellen Stand unter folgendem GitHub-Repository abgerufen und unter der „GPL-3.0 License“ genutzt werden: https://github.com/philipphaertel/EMPRISE

Simulationsmodelle zur Aufbereitung von Geodaten und meteorologischen Daten

StatusExistierende Modellansätze (unter Kontinuierlicher Verbesserung)Existierende Modellansätze (unter Kontinuierlicher Verbesserung)Neuentwicklung
ModellnameRegionalisierungWind PV
Modellkürzel
Geografischer Fokus und Detail
Europa (ein oder mehrere Knoten pro Land)
Europa (1 Knoten pro Land)
Europa (1 Knoten pro Land)
AnlagendetailEinzelne Anlagenblöcke BUC
Einzelne Technologiecluster ED
Einzelne Technologiecluster ED
Zeitliche Auflösung und Planungshorizont
Stündlich (/ 15 min) Ganzes Jahr (iterativ)
Stündlich Ganzes Jahr
Stündlich Representative und extreme Perioden

Szenario Daten werden regionalisiert, sodass sie Übertragungsnetzknoten zugeordnet werden können.