TOP-THEMA
Bildquelle: © adege auf pixabay
Walter S.A. Schwaiger/Markus Eigruber
Autarcic Energy @ Home: Geografisch optimale Kapazitätsplanung von Investitionen in erneuerbare Energien mit dem MEP-Framework In der Praxis der Energiewirtschaft wird die Exceedance Probability (EP) verwendet, um das Risiko von Investitionen in erneuerbare Energien (Renewable Energy Resources, kurz: RES) z.B. anhand von P50/P90-Werten der mit den RES-Investitionen künftig generierten Energiemengen zu beurteilen. Die Einbeziehung der Chance Constrained Programming-Optimierung in Verbindung mit dem Sampling & Discarding-Algorithmus führt zum Minimum Exceedance Probability (MEP)-Framework, womit sich die optimalen Kapazitäten von Investitionen in unterschiedliche RES-Technologien bestimmen lassen. Wie die MEP-bezogene Optimierung funktioniert, das wird im vorliegenden Beitrag anhand des „Autarcic Energy @ Home“-Fallbeispiels gezeigt, wobei optimale Kapazitäten von Solar- und Wind-Energieanlagen unter probabilistischer (MEP-)Einhaltung des geforderten Eigenbedarfs ermittelt werden.
1. MEP-Framework: Chance Constraint Programming mit Sampling & Discarding-Algorithmus In der diesem Beitrag zugrundeliegenden Fallstudie „Autarcic Energy @ Home“ geht es um einen Haushalt, welcher aus ökologischen Überlegungen die Anschaffung einer RES-Energieanlage plant. Die zentrale Zielsetzung ist es, dass mit der Anlage ein Eigenbedarf an Energie während der Tageszeit gedeckt wird. Konkret soll im Zeitraum von 9 bis 16 Uhr stündlich eine Energiemenge von ½ kWh als Eigenbedarf mit einer Mindest-, d.h. Sicherheitswahrscheinlichkeit (Minimum Exceedance Probability, kurz MEP) von 80 %
40
gedeckt werden. Zur Erfüllung dieser probabilistischen Anforderung stehen eine Solar-, d.h. Photovoltaik (PV)- sowie eine Wind-, d.h. Turbinen-Energieanlage zur Auswahl. Die zu lösende Problemstellung besteht darin, die optimale in PV-Modulbzw. Turbine-Rotorfläche (in m²) gemessene Kapazität der Solar- bzw. Wind-Anlage zu bestimmen, wobei die probabilistische Anforderung erfüllt wird und die Kosten für die Energieanalage minimiert werden. Die probabilistische Anforderung bezieht sich auf den künftig durch die Energieanlage zu erfüllenden Eigenbedarf an Energie. Ihre probabilistische Natur ergibt sich, zumal die
durch die Anlage generierte Energiemenge eine stochastische Größe ist, welche von den mehr oder minder zufälligen Schwankungen der Sonnenstrahlung bzw. Windgeschwindigkeit abhängig ist. Einen Anhaltspunkt über das mit der Anlage verbundene Risiko, welches in der Nichterfüllung der Anforderung besteht, liefert die Exceedance Probability (EP) [DGK12]. Die EP-Risikokennzahl gibt den Wert der stochastischen Energiemenge an, welcher mit der Konfidenzwahrscheinlichkeit (EP) überschritten (Überschreitungswahrscheinlichkeit) wird. So besagt z.B. ein P90-Wert von 100, dass die Energiemenge von 100
WINGbusiness 1/2022
