Ein neuer datengestützter Ansatz für die vergleichende Bewertung von Grundlastprofilen zur Unterstützung der Planung der zukünftigen Ladeinfrastruktur

23. Juni 2023
Portrait von Johannes Galenzowski

Um die weltweit gesetzten ambitionierten Klimaziele zu erreichen, kann die die Identifizierung und Charakterisierung von Flexibilität in Quartieren
Netzlasten reduzieren und Netzüberlastungen vermeiden.

Auf der Konferenz ACM e-Energy 2023 veröffentlichte Johannes Galenzowski einen Beitrag, der auf realen Daten aus Smart East basiert. Die ACM e-Energy 2023 befasst sich mit Themen wie smarten Energiesystemen, Elektrofahrzeugen, Energieeffizienz, Datenanalyse, Smart Grids und intelligenten Gebäuden. In der Veröffentlichung ging es darum, wie aus gemessenen Verbrauchsprofilen von Kundenanlagen eine Flexibilitätskennzahl abgeleitet werden kann. Diese soll im Speziellen geeignet sein, verschiedene Kundenanlagen in Hinblick auf ihre Eignung zum Zubau von Elektromobilität vergleichen zu können.

Im Gegensatz zu anderen Flexibilitätskennzahlen in der Literatur, führt das vorliegende Paper einen neuen Flexibilitätsindikator ein, der einen datengesteuerten Ansatz zur Bestimmung von Flexibilität aus tatsächlich gemessenen Lastprofilen beschreibt.

Wir stellen diesen neuen Indikator vor, indem wir die Flexibilität in den Kontext der Planung von Ladeinfrastruktur und einem „valley filling approach“ setzen. Für diesen Anwendungsfall präsentieren wir einen Datenanalyse-Workflow zur Anwendung des vorgestellten Flexibilitätsindikators. Der beschriebene Datenanalyse-Workflow wird auf Daten aus einem realen Quartier angewendet.

Anhand der Ergebnisse aus den realen Daten zeigen wir, dass die höchste Spitzenlast und die am wenigsten flexible Spitze nicht immer identisch sind.
Daher reicht es nicht aus, nur die höchsten Lastspitzen zu betrachten, um die Flexibilität adäquat zu beschreiben.
Außerdem zeigen wir, dass zusätzliche Flexibilität als weiterer Freiheitsgrad genutzt werden kann, um die Ladeleistung oder die Ladedauer zu optimieren.

Mit den Daten aus der Praxis zeigen wir, dass die maximal benötigte Ladeleistung durch den unflexibelsten Peak bestimmt wird und für alle Peaks mit höherer Flexibilität gleich oder kleiner sein kann. Außerdem zeigen wir den Unterschied auf zwischen der Betrachtung einzelner Gebäude
und der Kombination von Gebäuden zu einem Quartier.