We can't find the internet
Attempting to reconnect
SI/502319
GIASES – Ganzheitlich Integrierendes Adaptives Smart Energy System zur Glättung von Lastspitzen
Zusammenfassung
Aus wirtschaftlichen, gesellschaftlichen und ökologischen Notwendigkeiten heraus besteht der Bedarf die Netzverstärkung zu minimieren. Lastspitzen hingegen erfordern höhere Netzkapazitäten und destabilisieren zudem die Netze, insbesondere zunehmend mit dem wachsenden Anteil an erneuerbaren Energien. Ziel dieses Projekts ist es, in einer realen Netzumgebung mit einem ganzheitlich integrierenden Ansatz ein adaptives System zum Glätten von Lastspitzen zu realisieren. Dazu soll in einem breit angelegten Feldtest - aufbauend auf Algorithmen aus dem Innosuisse-Projekt NILM4Balance - ein intelligentes Energiemanagement- und Verbrauchsplanungssystem erprobt und beurteilt werden. Basierend auf den Echtzeitdaten der teilnehmenden Netzbetreiber (Ebenen 5-7) sollen durch Analyse und Ansteuerung von flexiblen Verbrauchern wie Wärmepumpen, Boilern und E-Ladestationen Lastspitzen geglättet werden, indem Energieproduktion und -verbrauch prognostiziert und aufeinander abgestimmt werden.
Weitere Texte
Publikationen / Ergebnisse
Betreiber von Stromverteilnetzen sind aus finanziellen und betrieblichen Gründen daran interessiert, Lastspitzen zu vermeiden. Ein Pilot- und Demonstrationsprojekt unter der Leitung der Hochschule Luzern zeigt einen Weg, wie sich im Netz grosse Verbraucher wie Boiler, Wärmepumpen und Ladestationen automatisiert aufspüren und für ein optimiertes Lastmanagement nutzen lassen.
Schlussbericht
Das Ziel des Projektes GIASES war es, in einer realen Netzumgebung mit mehreren Tausend Messpunkten (Standard Smart-Meter mit 15 min Auflösung) mittels eines ganzheitlich integrierenden Ansatzes ein adaptives System zum Glätten von Lastspitzen zu erproben, um den Bedarf an Netzverstärkung zu reduzieren. Hierzu wurde in einem breit angelegten Feldtest ein intelligentes Energiemanagement- und Verbrauchsplanungssystem getestet und beurteilt. Basierend auf den Echtzeitdaten der teilnehmenden Netzbetreiber (Ebenen 5-7) wurden durch Analyse und Ansteuerung von flexiblen Verbrauchern wie Wärmepumpen, Boilern und E-Ladestationen Lastspitzen geglättet, indem Energieproduktion und -verbrauch prognostiziert und aufeinander abgestimmt wurden. Die Gerätetyperkennung und Disaggregation von Lastkurven durch adaptierte und neu entwickelte Algorithmen haben gute Ergebnisse in der präzisen Identifizierung von Photovoltaikanlagen, Wärmepumpen, Boilern und E-Ladestationen erzielt, trotz Herausforderungen wie der falschen Erkennung in spezifischen Konfigurationen. Die Vorhersage des Verhaltens von Wärmepumpen im Hinblick auf Wärmebedarf, Warmwasser und Gesamtverbrauch zeigt, dass eine hohe Genauigkeit für Flexibilitäts-Anwendungsfälle erreicht werden kann. Auch die Optimierungen in der Verbrauchsplanung zeigen, dass durch den Einsatz flexibler Komponenten und entsprechender Steuerungsstrategien erhebliche Lastspitzenreduktionen und Effizienzsteigerungen möglich sind, insbesondere durch eine gezieltere und effizientere Gruppierung von Flexibilitäten sowie der gestaffelten Abschaltung von privaten E-Ladestationen zwischen 17 und 21 Uhr. Insgesamt zeigt das Projekt, dass durch die intelligente Analyse, Vorhersage und Steuerung von Energieverbräuchen nicht nur die Effizienz gesteigert, sondern auch signifikante Beiträge zur Netzstabilität und zur Reduktion von Netzausbaubedarfen geleistet werden können.
Projektdetails
- Forschungsstelle
- BFE
- Projektstatus
- Abgeschlossen
- Projekttyp
- Forschungsprojekt
- Startdatum
- 2021-10-31
- Enddatum
- 2024-11-30
- Bewilligte Gesamtkosten
- CHF 436432.00
- Sektion
- Netze
- NABS Politikbereich
- Erzeugung, Verteilung und rationelle Nutzung der Energie