Future grid load of the residential building sector

Kotzur, Leander; Stolten, Detlef; Wagner, Hermann-Josef

doi:10.18154/RWTH-2018-231872

Future grid load of the residential building sector = Die zukünftige elektrische Netzlast der Wohngebäude

Kotzur, Leander^RWTH*

2018 & 2019

VerantwortlichkeitsangabeLeander Kotzur

ImpressumJülich : Forschungszentrum Jülich GmbH, Zentralbibliothek, Verlag 2018

Umfang1 Online-Ressource (xxi, 213 Seiten) : Illustrationen, Diagramme, Karten

ISBN978-3-95806-370-9

ReiheSchriften des Forschungszentrums Jülich. Reihe Energie & Umwelt ; 442

Dissertation, RWTH Aachen University, 2018

Druckausgabe: 2018. - Onlineausgabe: 2018. - Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2019

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Stolten, Detlef (Thesis advisor)^RWTH* ; Wagner, Hermann-Josef (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2018-11-15

Online
DOI: 10.18154/RWTH-2018-231872
URL: https://publications.rwth-aachen.de/record/752116/files/752116.pdf

Einrichtungen

Lehrstuhl für Brennstoffzellen (FZ Jülich) (413010)

Inhaltliche Beschreibung (Schlagwörter)
building optimization (frei) ; clustering (frei) ; data aggregation (frei) ; energy scenario (frei) ; energy systems analysis (frei) ; mixed integer linear programming (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Zur Erreichung der Treibhausgasreduktionsziele im Haushaltssektor muss signifikant die Energieversorgungsstruktur der Wohngebäude verändert werden. Neben Einsparmaßnamen wird dabei vermehrt auf dezentrale Versorgungslösungen wie KWK-Anlagen, Photovoltaik und Batteriespeichersysteme zu Eigenversorgung gesetzt. Des Weiteren werden klassische Kessel durch Wärmepumpen ersetzt, welche im Rahmen der Sektorkopplung Raumwärme mit Hilfe erneuerbaren Stroms bereitstellen können. Dieser Wandel der Gebäudeversorgungsstruktur verändert signifikant die netzseitige Last der Wohngebäude und die Nachfrage nach zentraler Versorgungstechnologie. Daher ist das Ziel dieser Arbeit, die zukünftige Last der Wohngebäude zeitlich und räumlich aufgelöst abzuschätzen, um eine Grundlage für zukünftige Netzplanungen zu schaffen. Dazu wird ein neues Bottom-Up Modell entwickelt, welches als Gemischt-Ganzzahliges Lineares Optimierungsprogramm konzipiert ist. Das Modell optimiert die Struktur und den Betrieb der Energieversorgung und den Einsatz möglicher Effizienzmaßnahmen einzelner Wohngebäude unter der Prämisse von Kosteneffizienz. Als weitere Zielfunktion kann die Minimierung der Treibhausgasemissionen hinzugefügt werden. Das Modell berücksichtigt das zeitliche Verhalten der Bewohner, die Benutzung von elektrischen Geräten, dynamische Temperaturtoleranzen in den Wohnräumen, limitierte Dachflächen für Solarinstallationen, sowie verschiedene Sanierungstiefen der jeweiligen Gebäudehüllen. Die große Anzahl an Entscheidungsvariablen und deren Interaktion machen das Modell rechenintensiv, weshalb Methoden zur Zeitreihenaggregation eingeführt werden, um die Komplexität des Modells zu reduzieren. Um die Ergebnisse der Einzelgebäude auf eine nationale Perspektive hoch zu skalieren, wird ein Aggregationsalgorithmus eingeführt, der mit Hilfe von quadratischen Optimierungen Typgebäude aus Zensusdaten und vorhanden Gebäudedatenbanken erstellt. Insgesamt ist festzustellen, dass 200 Typgebäude in der Lage sind die Vielfalt des Gebäudebestandes in Deutschland auf Gemeindeebene darzustellen. Die Typgebäude werden mit dem Optimierungsmodell zunächst für die Jahre 2010 bis 2015 optimiert und die resultierende Endenergienachfrage wird mit den berichteten aggregierten Energienachfragen der Bundesregierung validiert. Zur Bestimmung der zukünftigen Last wird ein Szenario-Rahmen für den Wohngebäudesektor im Jahr 2050 definiert und ein kostenminimaler und klimaneutraler Gebäudebestand berechnet. Dabei werden über 130 GW Aufdach-Photovoltaik installiert, welche primär zum Eigenverbrauch von 90 TWh/a Photovoltaik-Strom innerhalb der Gebäude genutzt werden. Die absolute Stromnachfrage der Wohngebäude steigt signifikant an, da 17 bis 26 GW an elektrischer Wärmepumpenleistung installiert und betrieben werden. Sanierungsmaßnamen und Neubauten führen nur zu 30 % Einsparung bei der Raumwärme. Die räumliche Auflösung des Gebäudebestandes zeigt, dass die urbanen Gebiete die steigende Stromnachfrage durch effiziente KWK-Anlagen in Form von Brennstoffzellen kompensieren können. Diese sind jedoch nicht kosteneffizient in ländlichen Regionen. Dort fallen die Erzeugung des Photovoltaik-Stroms und die zusätzliche Stromnachfrage der Wärmepumpen zeitlich auseinander, sodass sich die Spitzennachfrage des Netzstroms im Winter verdoppelt.

The installation and operation of distributed energy resources in the form of photovoltaics, co-generation units, or batteries, and the electrification of the heat supply are seen as promising options to reduce greenhouse gas emissions of residential buildings. Nevertheless, their uptake significantly changes the interaction of the residential building stock with the electricity grid and the centralized supply infrastructure and questions their current design. Therefore, the objective of this work is to derive the future residential electricity grid load spatially and temporally resolved to define a decision basis for future grid and market designs. In order to generally predict the future structure, design and operation of residential supply systems and efficiency measures, a Mixed-Integer Linear Program is introduced that minimizes the total annual energy supply cost of a single buildings since the technology adoption is mainly economically driven. The minimization of the greenhouse gas footprint can be added as second objective. The optimization model accounts for the temporal occupant activities, their related device usage, tolerated room temperature levels, limited roof capacities, or different levels of additional insulation. Since the variety of investment and operation options make the model computationally challenging, clustering based times series aggregation techniques are developed and introduced to reduce the complexity of the model. A novel aggregation algorithm based on Mixed-Integer Quadratic Programs is introduced to scale the technology adoption and operation from the single building perspective to a nationwide scope by creating a spatially resolved archetype building stock from Census data and building databases. 200 archetype buildings are concluded to sufficiently represent the diversity of building types in the different municipalities in Germany. These archetype buildings are optimized for the weather years 2010 until 2015 and the results are validated to residential energy consumption value from public statistics, whereby the regional demand impact of different weather years is illustrated. Afterwards, a scenario frame for 2050 is defined and the buildings are optimized to reach a carbon neutral building stock with minimal cost. As result, at least 130 GW of photovoltaic are deployed and above 90 TWh/a of the generated electricity are used for self-consumption in the residential buildings. Nevertheless, the total demand for electricity significantly increases since 17 to 26 GWel of heat pumps are installed to replace combustion boilers, while only 30 % of space heat are saved by refurbishment measures. The spatially resolved archetype building stock allows new insights: The urban areas can compensate the increasing electricity demand by efficient co-generation units, e.g. in form of fuel cells. Nevertheless, those are not cost efficient in the rural areas where the photovoltaic generation and the heat pump demand temporally disjoin, resulting in a doubling of the peak electricity load in the winter hours.

OpenAccess:
PDF
(additional files)