Schlussbericht
(Deutsch)
|
Im Jahr 2017 wurde die Energiestrategie 2050 in einer Volksabstimmung angenommen. Sie hat zum Ziel, den Energieverbrauch zu senken, die Energieeffizienz zu steigern und erneuerbare Energien zu fördern. Zudem verbietet sie den Bau neuer Kernkraftwerke. Aufgrund dieser Entscheidung wird erwartet, dass sich die Anzahl der dezentralen erneuerbaren Energiequellen bald stark steigern wird. Dies hat eine stochastischere Energieversorgung zur Folge und kann unkontrollierbare Lastflüsse im Verteilnetz verursachen. Für die Energieversorgung wie auch die Energienachfrage impliziert das unter anderem, dass ein flexibleres Lastmanagement erforderlich sein wird. Die Fähigkeit, Flexibilität im Verteilnetz identifizieren und nutzen zu können wird ein zentraler Faktor sein, um in Zukunft eine sichere Energieversorgung zu gewährleisten. Um die existierende, teils unflexible Energieversorgung in ein zukunftsfähiges System zu transformieren, strebt aliunid einen Mechanismus an, der es erlaubt, Energie «einzuatmen» (d.h. unregelmäßig produzierten Strom aus erneuerbaren Quellen zu speichern) und «auszuatmen» (d.h. Energie ins Netz einzuspeisen, falls ein Mangel besteht). Dieses Atmen soll einem ganzheitlichen Konzept folgen und eine dezentrale, sichere und flexible Infrastruktur als Grundlage haben, welche auf der Internet of Things (IoT) Technologie basiert. Das Ziel des Projekts «wenn Energie atmet - Feldtest 2019-2020» ist es, die wichtigsten Aspekte eines solchen atmenden Versorgungsnetzes zu lokalisieren und zu beschreiben und die nötige IoT-Infrastruktur zu entwickeln. Schlussendlich wird die vorgeschlagene Technologie an verschiedenen Use Cases demonstriert. In diesem Projekt wurden die folgenden Elemente und Methoden genutzt, um die Basis für die Transformation des existierenden Energienetzes zur «Energieversorgung neu» zu legen.
- Ein dezentrales System erfordert eine enge Zusammenarbeit entlang der gesamten Wertschöpfungskette der Energieversorgung. Bei einer ganzheitlichen Betrachtung des Systems können sich dabei neue Geschäftsmodelle1 entwickeln, welche für alle beteiligten Parteien lohnend sind (vgl. Abschnitt 3.1).
- Es ist möglich, das Verhalten eines Systems nach verschiedenen Kostenfunktionen zu optimieren. Für Smart Grid Anwendungen sind häufig verwendete Kostenfunktionen beispielsweise minimale Kosten, maximaler Eigenkonsum, minimale Emissionen, minimale Spitzenlasten oder optimale Netzauslastung. In diesem Projekt war das Ziel, die CO2-Emissionen zu minimieren, wobei berücksichtigt wurde, dass sich der CO2-Gehalt des Strommix mit dem Einsatz der Kraftwerke in der Schweiz und im umliegenden Ausland kontinuierlich ändert. Um die Emissionen zu minimieren, wurde täglich eine 24-Stunden-Prognose des CO2-Gehalts des Strommix gemacht (vgl. Abschnitt 3.2).
- Um eine Atmende Versorgung auf größerer Skala umzusetzen braucht es einen einfachen und intuitiven Weg, Flexibilität zu beschreiben. Dafür wurde ein Vier-Werte-Modell entwickelt, welches das Energiesystem mittels eines Sets von (hierarchisch angeordneten) «Grid-blocks» (GB) beschreibt. Ein GB repräsentiert ein Subsystem des Stromnetzes. Für jeden GB wird der momentane Konsum und die Produktion (unflexibel) sowie das Ein- und Ausatmen (flexibel) gemessen. Basierend auf diesem Modell wird die verfügbare Flexibilität von jedem Haus in Echtzeit erfasst. Die Anwendung des Vier-Werte-Modells schafft eine gemeinsame Wahrnehmung und Begrifflichkeit eines fragmentierten Systems, ist aber auch entscheidend für den Datenschutz. Die Flexibilität eines GB kann beschrieben werden, ohne Details über den Endnutzer preiszugeben (vgl. Abschnitt 3.3).
- Der Betrieb eines dezentralen Systems kann nur optimiert und gesteuert werden, wenn das Verhalten seiner Bausteine verstanden wird und mit einem relevanten Set von Echtzeitdaten modelliert werden kann. Die verwendete Methode des Model Predictive Control ist ein
1 Geschäftsmodelle, welche die "Versorgung neu" ermöglichen, sind nicht Teil dieses Berichts. vielversprechender Ansatz, um das dezentralisierte System als Ganzes, oder einzelne Komponenten individuell, zu steuern (vgl. Abschnitt 3.4).
- Die Grundlage eines atmenden Versorgungsnetzes ist eine robuste, bezahlbare und sichere Dateninfrastruktur, welche es ermöglicht, das Verhalten eines Systems in Echtzeit zu beobachten, zu analysieren und zu steuern. Die IT-Lösung, welche in diesem Projekt verwendet wurde, basiert auf SIOT, einer dezentralen und sicheren Cloud-Infrastruktur, welche in der Schweiz zusammen mit der Appmodule AG entwickelt wurde. Diese Lösung ermöglicht die Verbindung zu zahlreichen Sensoren und Aktoren, um Daten auszulesen und zu verarbeiten (vgl. Abschnitt 3.5 und 3.6).
Als Resultat des Projekts wurde eine dezentrale Infrastruktur bestehend aus 500 Echtzeitdatensystemen aufgebaut. Dies wurde erreicht, indem neue Hardware installiert wurde oder Schnittstellen zu bestehendem Equipment genutzt wurde. Nach Möglichkeit, wurden auch Geräte angebunden, welche flexibel gesteuert werden können (z.B. Wärmepumpen, Warmwasserspeicher und Hausbatterien). Mit dieser Hardware wurde der «Proof of Concept» für ein Atmendes Versorgungsnetz erbracht. Die folgenden drei Use Cases für Nachfragesteuerung wurden untersucht:
- Wie kann man den Energieverbrauch eines Einfamilienhauses mit PV und einer Hausbatterie optimieren? Verglichen mit den beiden anderen Use Cases bietet die Hausbatterie den höchsten Grad an Flexibilität. Der eingesetzte Model Predictive Controller zeigte vielversprechende Resultate, in dem er zuverlässig den Strom in denjenigen Zeiten vom Netz bezog, in denen die Emissionen niedrig waren (vgl. Abschnitt 4.2).
- Wie kann man Warmwassertanks nutzen, um CO2-Emissionen zu senken? Bis heute nutzen viele Versorgungsunternehmen eine Rundsteuerung um die Boiler basierend auf einem fixen Zeitplan zu steuern. Indem die Boiler stattdessen während eines optimalen Zeitpunkts in der Zeitspanne von 13 Uhr bis 23 Uhr geheizt werden, kann der CO2-Fussabdruck der Warmwasserproduktion basierend auf der verwendeten Berechnungsmethode um ca. 25% verringert werden (vgl. Abschnitt 4.3)
- Wie kann man die Wärmepumpen in einem Quartier steuern, um Emissionen zu senken? Wärmepumpen während zwei Stunden pro Tag vom Netz zu nehmen ist eine interessante Möglichkeit um Lastenverschiebung auch mit Wärmepumpen ohne Smart Grid Interface durchzuführen. Es konnte gezeigt werden, dass so die Netzbelastung um bis zu 10 kW gesenkt werden kann. Dies entspricht einer Lastreduktion der beteiligten Häuser um 30% in Zeiten einer hohen CO2-Belastung des Strommix. (vgl. Abschnitt 4.4)
Im Verlauf des Projekts wurde ersichtlich, dass eine genaue Vorhersage der erwünschten Kostenfunktion (CO2-Gehalt des Strommix in den beschriebenen Use Cases) essenziell ist, um eine wirksame Lastverschiebung zu ermöglichen. Weiter wird die bessere Modellierung des Wärmeverhaltens von Häusern das Flexibilitätspotential erhöhen, da dies dem Regler ermöglicht, Geräte öfter vom Netz zu nehmen, ohne den Komfort des Nutzers zu beeinträchtigen. Dadurch besteht auch bei den CO2-Ersparnissen und anderen Optimierungszielen ein Steigerungspotential.
Zusammenfassend gesagt hat dieser Feldtest Player aus der gesamten Energiewertschöpfungskette zusammengebracht und die nötigen ökonomischen und technischen Kompetenzen geschaffen, um die Vision eines atmenden Versorgungssystems einen Schritt näher an die Realität zu bringen. Ein ganzheitliches anstelle eines individuell orientierten Energiemanagements ermöglicht es, die Ziele der Energiestrategie 2050 besser zu erreichen. Es besteht noch ein langer Weg, bis alle Häuser in der Schweiz so zuverlässig zusammenarbeiten wie die Zellen einer Lunge. Jedoch konnte in diesem Feldtest die technische Grundlage geschaffen werden, um dies zu erreichen und die vielversprechenden Resultate sind eine Motivation für die weitere Arbeit in diesem Gebiet.
Zugehörige Dokumente
|
Schlussbericht
(Englisch)
|
In 2017, the Swiss electorate accepted the revised Federal Energy Act, which aims to reduce energy consumption, increase energy efficiency, promote the use of renewable energy, while prohibiting the construction of new nuclear power plants. Due to this decision, the quantity of decentral renewable energy sources is expected to significantly increase soon, making electricity production more stochastic and causing uncontrollable load flows in the distribution grid. The expected challenges on both electricity demand and supply will require – among other actions – shifting strategies to balance out loads. Identifying and utilizing flexibility in the distribution grid will become a key factor to safely provide power supply at reasonable cost in the future. To transform the existing, partially inflexible electricity supply into a “future-proof” system, aliunid envisages a mechanism that can "inhale" (i.e., store irregularly occurring renewable electricity production in case of surplus) and "exhale" (i.e., supply electricity in case of energy shortage). The breathing should be designed with an integrated mindset, should be organized bottom-up and should use a decentralized, secure, and flexible infrastructure, based on the Internet of Things (IoT). The objective of the project «when energy breathes - field test 2019-2020» is to investigate and describe the essential aspects of an energy supply system that breathes and to develop the required IoT infrastructure. Finally, the proposed “breathing technology” is to be demonstrated in different use cases. During the project, the following elements and methods were used to lay the basis for transforming the existing energy grid into a “new energy supply”:
- A decentral system requires close collaboration along the entire value chain of energy supply. When looking at the entire system holistically, new business models2 can evolve that will make this integrated approach viable for all partners, from the power plant to the utility (see also Section 3.1).
- It is possible to optimize the behavior of a system according to different cost functions (also referred to as “tariffs”). Common cost functions for smart grid applications are minimal cost, maximal self-consumption, minimal emission, minimal peak load, or grid health. Which cost function is more adequate depends on the stakeholders and the business case. The use cases demonstrated within this project aimed at minimizing emissions, considering that the carbon intensity of the electricity depends on the operation of the power plants in Switzerland as well as in the neighboring countries (see also Section 3.2).
- Scaling the vision of a breathing energy system requires a simple and intuitive way to describe flexibility. For this purpose, a four-value model was developed, which describes an energy system through a set of (hierarchically arranged) “Grid-blocks” (GB). A GB represents a subsystem of the grid. For each GB, the current consumption and production (non-shiftable) as well as inhaling and exhaling (shiftable loads) are measured. Based on this model, the available flexibility of each GB is represented in real-time. Applying the four-value model does not only create a common ontology and semantics for a fragmented system, but it is also the key for data privacy. The flexibility of a GB is described without revealing any details of the end user (see also Section 3.3).
- The operation of a decentralized system can only be optimized and controlled once the behavior of its building blocks is well understood and modeled based on a relevant set of real-time data. Model predictive control (MPC) is a promising approach to control either the decentralized system as a whole or some of its components individually. For the purposes of this project, MPC was used to control the behavior of a single-family household (see Section 3.4), while distributed MPC formulations are part of future research. 2 Details of a business model that supports a “new energy supply” is not scope of this report.
- The foundation of a breathing energy system is a robust, affordable, and secure data infrastructure, which allows to observe, analyze, and control the behavior of the energy system in real-time. The IT solution used within this project is built on SIOT, a decentral and secure cloud infrastructure which is developed in Switzerland together with Appmodule AG. The solution allows to connect to a variety of different sensors and actuators to read and process energy data (see also Sections 3.5 and 3.6).
As an outcome of the project, 500 real-time data systems based on decentralized infrastructure have been established. This was achieved by installing new hardware or interfacing to existing equipment. Where possible, devices that can be used for flexibility utilization (e.g., heat pumps, domestic hot water tanks and batteries) were additionally interfaced. This hardware was used to demonstrate a proof of concept of an energy system that breathes.
The following three use cases of demand side management have been investigated:
- How to optimize the energy consumption of a single-family house with PV and a battery? Compared to the other two use cases, the battery provides the highest degree of flexibility. The model predictive controller showed promising results, importing energy from the grid when the calculated footprint of electricity was low (see Section 4.2).
- How to use domestic hot water tanks to reduce carbon emissions? Until now, many utilities use ripple control to control these loads based on a fixed schedule. By scheduling boilers during the most optimal time between 1pm and 11pm instead of 3am every day, the CO2 footprint of warm water production was reduced by 25% according to the adopted metric (see Section 4.3).
- How to operate the heat pumps of a neighborhood to reduce carbon emissions? Disconnecting heat pumps for 2 hours per day is an interesting way to shift loads using heat pumps without smart grid interface. The use case demonstrated that the load of the grid could be reduced by up to 10kW. This is equivalent to reducing the loads of the considered houses by 30% during times of high carbon intensity (see Section 4.4). During the validation, it became evident that the competence of accurately forecasting the desired tariff (CO2 intensity of electricity for all three use cases) is crucial for a meaningful load shifting. Moreover, developing a better understanding of the thermal behavior of houses will also increase the flexibility potential by allowing the control software to disconnect more often appliances from the grid without compromising customers’ comfort. This increased room for maneuvering will result in higher CO2 savings and gives more flexibility when optimizing the grid for other objectives. In summary, the field test brought together players from the whole energy value chain and created the necessary economical and technical competences to bring the vision of an energy supply that breathes one step closer to reality. Performing energy management holistically rather than individually helps to better achieve the targets of Energy Strategy 2050. It is still a long way to go until all houses in Switzerland work together as reliably as the alveoli in people’s lungs do. However, the field test laid out the technical basis for this to happen and demonstrated promising results that motivate further work in this direction.
Zugehörige Dokumente
|
Schlussbericht
(Französisch)
|
En 2017, les élect•eur•rice•s suisses ont accepté la loi fédérale révisée sur l'énergie, qui vise à accroître l'efficacité énergétique, à promouvoir l'utilisation des énergies renouvelables et qui interdit la construction de nouvelles centrales nucléaires. En raison de cette décision, la quantité de sources d'énergie renouvelables décentralisées devrait bientôt augmenter de manière significative, rendant la production d'électricité plus stochastique et provoquant des flux de charge incontrôlables dans le réseau de distribution. Les défis attendus, tant sur le plan de l'offre que de la demande d'électricité, nécessiteront des mesures importantes, dont le changement de stratégie pour équilibrer les charges. L'identification et l'utilisation de la flexibilité du réseau de distribution deviendront un facteur clé pour fournir à l'avenir une alimentation électrique fiable, à un coût raisonnable. Pour transformer l'offre d'électricité existante, qui n’est partiellement pas flexible, en un système "à l'épreuve du temps", aliunid envisage un mécanisme qui peut "inspirer" (c'est-à-dire stocker la production d'électricité renouvelable irrégulière en cas de surplus) et "expirer" (c'est-à-dire fournir de l'électricité en cas de pénurie d'énergie). La respiration doit être conçue dans un esprit intégré, être organisée de bas en haut et utiliser une infrastructure décentralisée, sûre et flexible, basée sur l'Internet des objets (IOT). L'objectif du projet "when energy breathes - field test 2019-2020" est d'étudier et décrire les aspects essentiels d'un système d'approvisionnement énergétique qui respire et de développer l'infrastructure de l'IOT requise. Enfin, la "technologie de respiration" proposée fera l'objet de démonstrations dans différents cas d'utilisation. Dans les projets, les éléments et méthodes suivants ont été utilisés pour définir les bases de la transformation du réseau énergétique existant en un "nouvel approvisionnement énergétique" : Un système décentralisé nécessite une étroite collaboration tout au long de la chaîne de valeur de l'approvisionnement en énergie. Si l'on considère l'ensemble du système de manière globale, de nouveaux modèles commerciaux peuvent évoluer qui rendront cette approche intégrée viable pour tous les partenaires concernés (voir également la section 3.1). Il est possible d'optimiser le comportement d'un système en fonction de différentes fonctions de coût (également appelées "tarifs"). Les fonctions de coût communes aux applications des réseaux intelligents sont le coût minimal, l'autoconsommation maximale, l'émission minimale, la charge de pointe minimale ou la qualité du réseau. Le choix de la fonction de coût la plus appropriée dépend des parties prenantes et de l'analyse de rentabilité. Les cas d'utilisation démontrés dans le cadre de ce projet visent à minimiser les émissions en carbone, sachant que sa présence dans l'électricité dépend de l'exploitation des centrales électriques en Suisse mais aussi dans les pays voisins (voir également la section 3.2). La mise à l'échelle de la vision d'un système d'énergie respiratoire nécessite une manière simple et intuitive pour décrire la flexibilité. Pour ce faire, un modèle à quatre valeurs a été développé. Il décrit un système énergétique à travers un ensemble de "Grid-blocks" (GB) (disposés hiérarchiquement). Un GB représente un sous-système de la grille. Pour chaque GB, la consommation et la production de courant (non effaçable) ainsi que l'inspiration et l'expiration (charges effaçables) sont mesurées. Sur la base de ce modèle, la flexibilité disponible de chaque maison est représentée en temps réel. L'application du modèle à quatre valeurs ne crée pas seulement une ontologie et une sémantique communes pour un système fragmenté, mais elle est également une manière pour assurer la confidentialité des données. La flexibilité d'un GB est décrite sans révéler aucun détail sur l'utilisateur final (section 3.3). Le fonctionnement d'un système décentralisé ne peut être optimisé et contrôlé qu'une fois que le comportement de ses éléments est bien compris et modélisé sur la base d'un ensemble pertinent de données en temps réel. Le contrôle prédictif par modèle est une approche prometteuse pour contrôler soit le système décentralisé dans son ensemble, soit individuellement certains de ses composants (voir aussi la section 3.4). La base d'un système d'énergie respiratoire est une infrastructure de données robuste, abordable et sécurisée, qui permet d'observer, d'analyser et de contrôler le comportement du système énergétique en temps réel. La solution informatique utilisée dans le cadre de ce projet est basée sur SIOT, une infrastructure en nuage décentralisée et sécurisée qui est développée en Suisse en collaboration avec Appmodule AG. La solution permet de se connecter à une variété de capteurs et d'actionneurs pour lire et traiter les données énergétiques (voir aussi les sections 3.5 et 3.6). Le projet a permis de mettre en place 500 systèmes de données en temps réel basés sur une infrastructure décentralisée. Cela a été réalisé par l'installation de nouveaux matériels ou par l'interfaçage avec des équipements existants. Dans la mesure du possible, les dispositifs qui peuvent être utilisés pour une utilisation flexible (par exemple, les pompes à chaleur, les réservoirs d'eau chaude sanitaire et les batteries) ont été interfacés en plus. Ce matériel a été utilisé pour démontrer une preuve de concept d'un système énergétique qui respire. Les trois cas d'utilisation suivants de la gestion de la demande ont été étudiés : Comment optimiser la consommation d'énergie d'une maison à famille unique équipée d'un système photovoltaïque et d'une batterie? Par rapport aux deux autres cas d'utilisation, la batterie offre le plus haut degré de flexibilité. Le modèle de contrôleur prédictif a donné des résultats prometteurs important l’énergie du réseau pendant les temps d’empreinte carbonique faible (voir la section 4.2). Comment utiliser les boilers domestiques pour réduire les émissions de carbone? Jusqu'à présent, de nombreux services publics utilisent la commande centralisée pour contrôler ces charges selon un calendrier fixe. En programmant les pompes à chaleur au moment le plus optimal entre 13h et 23h au lieu de 3h du matin chaque jour, l'empreinte CO2 de la production d'eau chaude a été réduite de 25% en fonction de la métrique utilisée (voir la section 4.3). Comment faire fonctionner les pompes à chaleur d'un quartier pour réduire les émissions de carbone? Déconnecter les pompes à chaleur pendant 2 heures par jour est un moyen intéressant pour déplacer les charges en utilisant des pompes à chaleur sans interface de réseau intelligent. Le cas d'utilisation a démontré que la charge du réseau peut être réduite jusqu'à 10 kW. Ceci est équivalent à réduire les charges des maisons considérées de 30 % pendant les périodes de forte intensité carbonique (voir la section 4.4) Au cours de la validation, il est apparu que la capacité à prévoir, avec précision, le tarif souhaité (intensité en CO2 de l'électricité pour les trois cas d'utilisation), est cruciale pour un transfert de charge significatif. Dans le cas où les pompes à chaleur étaient contrôlées, il n'a pas été possible d'estimer de manière fiable les économies de CO2 réalisées en raison de la nature du problème. L'interface prête pour le réseau intelligent facilitera la commande des pompes à chaleur lorsque cette norme sera plus répandue. De plus, une meilleure compréhension du comportement thermique des maisons, augmentera également le potentiel de flexibilité, en permettant au logiciel de contrôle de déconnecter plus souvent les appareils du réseau, sans compromettre le confort des clients. Cette plus grande marge de manoeuvre se traduira par des économies de CO2 plus importantes et donnera plus de flexibilité lors de l'optimisation du réseau pour d'autres objectifs. En résumé, l'essai sur le terrain a rassemblé des acteurs de toute la chaîne de valeur énergétique et a créé les compétences économiques et techniques nécessaires pour rapprocher la vision d'un approvisionnement énergétique qui respire un peu plus de la réalité. Le fait de gérer l'énergie de manière globale plutôt qu'individuelle contribue à mieux atteindre les objectifs de la stratégie énergétique de 2050. Il reste encore beaucoup de chemin à parcourir avant que toutes les maisons en Suisse ne fonctionnent ensemble de manière aussi fiable que les alvéoles pulmonaires des gens. Toutefois, l'essai sur le terrain a permis de jeter les bases techniques nécessaires à cette fin et a donné des résultats prometteurs qui motivent la poursuite des travaux dans ce sens.
Zugehörige Dokumente
|
