Sektorgekoppelte Energiesystemoptimierung: Klimaszenarien und dynamische Komplexitätsreduktion

Motivation und zentrale Fragestellung

Integrierte Energiesystemplanung erfordert eine enorme Menge an Daten, die intelligent verknüpft werden muss – speziell, wenn auch Klimaszenarien und deren Einfluss auf das Energiesystem berücksichtigt werden sollen. Dabei müssen die kritischen Schnittstellen zwischen Klima- und Energiesystemmodellen standardisiert sowie unterschiedliche Klimapolitik-Maßnahmen integriert werden, um eine automatisierte und aussagekräftige Modellierung zuzulassen. Im Rahmen des Forschungsprojekts iKlimEt [1] soll die Optimierung regionaler Netzabschnitte ermöglicht werden, die mit Wetterrealisierungen neuester Klimamodelle und in Verbindung mit verschiedenen Politik- und Gesellschaftsszenarien verknüpft in das europäische Strom- und Gasnetz eingebettet werden. Die zentralen Herausforderungen umfassen die mathematische Komplexität sowie die Datenverfügbarkeit (historisch und zukünftig) für das sektorgekoppelte Energiesystemmodell.

Methodische Vorgangsweise

Energiesystemmodelle, die umfangreiche Regionen (z.B. Europa) über ausgedehnte Zeiträume (z.B. 8760h) abbilden, können aktuell nur durch Reduktion der Dimensionen Raum und/oder Zeit und/oder technischer Detailgrad der Modellierung gelöst werden. A priori ist es allerdings nicht möglich, genau vorherzusagen, welcher Detailgrad einzelner Dimensionen gewählt werden soll, um ein optimales Gleichgewicht zwischen Rechenzeit und Modellgenauigkeit zu finden. Das Energiesystemmodell LEGO [2] wird dafür weiterentwickelt, damit das Optimierungsproblem (bestehend aus Modellformulierung und Input-Daten) sowohl geographisch (z.B. durch Knoten-Aggregation), zeitlich (z.B. durch anhand von Clustering-Algorithmen ermittelter repräsentativer Perioden) als auch technisch (z.B. durch Modellierung von Lastflüssen als Transport-Problem statt DC-OPF) dynamisch reduziert werden kann, um es lösbar zu machen. Dabei soll die Komplexitätsreduktion auch lokal fokussiert erfolgen können, d.h. der Detailgrad von Regionen kann explizit definiert werden.
Zur Erprobung der entwickelten Methoden wird gemeinsam mit den Energienetzen Steiermark das steirische Strom- und Gasnetz nachgebildet (eingebettet in Österreich und Europa), um Erkenntnisse zum Investitionsbedarf für das sektorgekoppelte System im Sinn der Klimaneutralität 2040 zu erlangen. Dafür wird die Modularität des Energiesystemmodells so ausgenutzt, dass die Ergebnisabweichung zum vollständigen Optimierungsproblem innerhalb der Steiermark minimiert wird. Die Modellkomplexität in geographisch ferner gelegenen Regionen des europäischen Strom- und Gasnetzes kann gegebenenfalls reduziert werden, um die Modelllösbarkeit zu gewährleisten.

Ergebnisse und Schlussfolgerungen

Die Integration einer Vielzahl an Inputdaten stellt durch die dadurch entstehende Modellgröße eine Herausforderung für die Lösbarkeit von Energiesystemmodellen dar. Es sollen unterschiedliche zukünftige Wetterrealisierungen sowie Klimapolitik-Maßnahmen als Szenarien integriert werden. Das gesamte europäische Energiesystem soll in höchster Detailgenauigkeit modelliert werden, da zeitaufgelöste Preise von Energieimporten und -exporten einen beträchtlichen Einfluss auf lokale Investitions- und Betriebsentscheidungen haben. Zusätzlich sollen jeweils ganze Jahre in stündlicher Auflösung modelliert werden, da der Anstieg der Erneuerbaren am Strommix dazu führt, dass zeitlich hoch-aufgelösten Modelle über große Zeiträume benötigt werden, um sowohl kurzfristige als auch saisonale Effekte abbilden zu können. Um dies zu ermöglichen, wird in diesem Projekt ein innovatives, modulares Energiesystemmodell weiterentwickelt, mit dem hochaufgelöste Input-Daten sowie die Modellformulierung dynamisch in ihrer Komplexität angepasst werden können, ohne an Aussagekraft des Ergebnisses für das gewünschte Sub-Energienetz zu verlieren.
Die zweite Herausforderung der Verfügbarkeit der dafür benötigten Daten ergibt sich vor allem aus nicht standardisierten Schnittstellen, vor allem zwischen Klima- und Energiesystemmodellen [3]. Im Konsortium werden Datenschnittstellen sowie automatisierte Translatoren erarbeitet, um weg von händischen Berechnungen und Anpassungen hin zu intelligenter, wiederverwendbarer und nachvollziehbarer Datenaufbereitung zu gelangen. Dies soll es ermöglichen, in Zukunft die Bandbreite miteinbezogener Datenquellen zu erhöhen, um die Genauigkeit von Energiesystem-Modellen weiter auszubauen.

Literatur

[1]T. Klatzer, F. C. A. Auer, S. Wogrin, R. Gaugl, und U. Bachhiesl, „iKlimEt - Optimierung und Machine Learning für integrierte Klima- und Energiesystemmodelle“, Technische Universität Graz. Zugegriffen: 20. November 2024. [Online]. Verfügbar unter: https://graz.elsevierpure.com/de/projects/iklimet-optimization-and-machine-learning-for-integrated-climate-
[2]S. Wogrin, D. A. Tejada-Arango, R. Gaugl, T. Klatzer, und U. Bachhiesl, „LEGO: The open-source Low-carbon Expansion Generation Optimization model“, SoftwareX, Bd. 19, S. 101141, Juli 2022, doi: 10.1016/j.softx.2022.101141.
[3]M. T. Craig et al., „Overcoming the disconnect between energy system and climate modeling“, Joule, Bd. 6, Nr. 7, S. 1405–1417, Juli 2022, doi: 10.1016/j.joule.2022.05.010.