ResearchPDF Available

Abstract

Szenario-Analyse für eine sektorgekoppelte kommunale Energieversorgung.
Thomas Göllinger / Jakob Knauf
Szenario-Analyse einer sektorgekoppelten
kommunalen Energieversorgung
IöB-Arbeitspapier Nr. 70 Siegen 2019
Impressum
Schriftenreihe:
Arbeitspapiere des Instituts für ökologische Betriebswirtschaft (ISSN: 1436 - 1264)
Herausgeber: Prof. Dr. Dr. h.c. Eberhard Seidel / Prof. Dr. Thomas Göllinger
Arbeitspapier Nr. 70: Göllinger, Thomas /Knauf, Jakob
Szenario-Analyse einer sektorgekoppelten kommunalen Energieversorgung
Siegen (IöB), 2019
Institut für ökologische Betriebswirtschaft (IöB) e.V.
Unteres Schloß 3 • D - 57072 Siegen
office@ioeb-siegen.de
© Alle Rechte bei den Verfassern
Thomas Göllinger / Jakob Knauf
Szenario-Analyse einer sektorgekoppelten
kommunalen Energieversorgung
Inhalt
1 Einleitung ..................................................................................................... 1
2 Szenario-Analyse mittels der Cross-Impact-Balance-Methode (CIB) ......... 2
2.1 Deskriptoren ...................................................................................................... 2
2.2 Cross-Impact-Matrix .......................................................................................... 3
3 Energiemodell-Analyse und Szenarien-Berechnung .................................. 5
3.1 Ergebnisse der Gebäudeoptimierung ................................................................ 5
3.2 Ergebnisse der Netzoptimierung ..................................................................... 12
3.3 Weiterführende Szenarien und Modellergebnisse ........................................... 15
4 Fazit und Ausblick ..................................................................................... 20
5 Literatur ..................................................................................................... 22
1 Einleitung 1
1 Einleitung
Vor dem Hintergrund der aktuellen Klimaschutz- und Energiewende-Diskussion und den hie-
raus resultierenden politischen, regulatorischen, technologischen und ökonomischen Entwick-
lungen ergeben sich neue Herausforderungen für die kommunale Energieversorgung, insbe-
sondere für kommunale Versorgungsnetze.
Als ein Beitrag zur Bewältigung dieser Herausforderungen wurden im Rahmen von zwei Ko-
operationsprojekten zwischen der AG Energiewirtschaft / Institut für Strategische Innovation
und Technologiemanagement (IST) der Hochschule Konstanz (HTWG) und dem Institut für
ökologische Betriebswirtschaft (IöB) Siegen entsprechende Fragen bearbeitet. In zwei For-
schungsprojekten (HYPV und PlanOhybE)
1
wurden wesentliche Aspekte einer hybriden und
sektorübergreifenden kommunalen Energieversorgung untersucht. Hierbei ging es um die
Weiterentwicklung der wissenschaftlichen Grundlagen und exemplarische Anwendung eines
Systems zur Entscheidungsunterstützung im Bereich der sparten- u. geschäftsfeldübergrei-
fenden ökonomischen Optimierung von kommunalen Energieversorgungsstrukturen unter Ein-
schluss von Strom-, Gas- und Wärmenetzen. Die generellen konzeptionellen Ansätze sowie
die im Rahmen dieser Projekte entwickelten Methoden und Tools wurden bereits in diversen
Veröffentlichungen beschrieben (siehe hierzu z.B. Göllinger 2014, Göllinger/Gaschnig/Heidt-
mann 2016, 2017, Göllinger/Gaschnig/Knauf 2018, Göllinger/Knauf 2018).
Im Fokus des PlanOhybE-Projektes stand die Weiterentwicklung von Entscheidungsmodellen
im Bereich der kommunalen Energieversorgung u.a. mittels Einsatzes der Szenarioanalyse.
Diese ist für energiewirtschaftliche Akteure wie Energieversorgungsunternehmen (EVU) von
Interesse, insbesondere um Fehlinvestitionen u.a. beim Netzausbau und Netzumbau zu ver-
meiden. Daher ist es erforderlich, für die möglichen zukünftigen energiewirtschaftlichen Rah-
menbedingungen sowie für die mögliche zukünftige Struktur der Energienachfrage mittels
Energiemodell- und Szenarien-Analysen deren Implikationen für verschiedene Varianten der
kommunalen Energieinfrastruktur zu ermitteln.
In diesem Papier erfolgt die konkrete Darstellung und Diskussion einer Szenario-Analyse für
die Situation einer sektorgekoppelten kommunalen Energieversorgung am Beispiel der Stadt
Konstanz.
1
HYPV: Hybrides Planungsverfahren zur energieeffizienten Wärme- und Stromversorgung von städtischen Ver-
teilnetzen (Förderung durch BMWi, Förder-Kz.: 03ET1263B). PlanOhybE: Planung und Optimierung einer
hybriden kommunalen Energieversorgung (Förderung durch BMBF, Förder-Kz.: 03FH052PX4).
2 Szenario-Analyse mittels der Cross-Impact-Balance-Methode (CIB) 2
2 Szenario-Analyse mittels der Cross-Impact-Balance-Me-
thode (CIB)
Bei Szenario-Analysen handelt es sich um Methoden aus der präskriptiven Entscheidungsthe-
orie, zur Unterstützung der Entscheidungsfindung in komplexen Entscheidungssituationen. Mit
Szenario-Analysen können weder der Determinismus eines Eintritts noch die Wahrscheinlich-
keit eines Ereignisses vorhergesagt werden. Szenarien können daher weder eine Prognose
über die Sicherheit noch über die Wahrscheinlichkeit eines Ereignisses machen. Somit helfen
Szenarien verschiedene mögliche Ereignisse und Handlungsalternativen aufzuzeigen, ohne
eine Aussage über deren Eintritts-Wahrscheinlichkeit zu treffen (vgl. Dieckhoff et al. 2014).
Ausgehend von der Prämisse, dass Szenarien größtmögliche Konsistenz und Widerspruchs-
freiheit besitzen sollten, wurden von Weimer-Jehle et al. (2016) die Cross-Impact-Balance-
Methode (CIB) entwickelt, die in modifizierter Form im Projekt genutzt wurde. Die CIB-Methode
ermöglicht die quantitative Analyse von qualitativem Wissen über die Abhängigkeiten von Sys-
temelementen. Kontextszenarien untersuchen die Bestandteile des gesellschaftlichen, techni-
schen und ökonomischen Kontextes. Der Schwerpunkt liegt auf der Analyse von exogenen
Faktoren, welche sowohl die Akteure selbst als auch das umgebende System betreffen. Die
Methode wurde im Projekt PlanOhybE an die Projekterfordernisse angepasst und entspre-
chend angewandt. Im Folgenden werden die konkreten Deskriptoren und die benutzten Para-
meter für die Modellläufe dargestellt.
2.1 Deskriptoren
Für die Erstellung der Einflussfaktoren und Unsicherheiten wurde eine Liste mit Deskriptoren
erstellt (vgl. Tab. 2.1). Diese Liste orientiert sich an den im Modell vergebenen Parametern.
Um möglichst robust Szenarien für eine Vielzahl von möglichen Parameter-Ausprägungen zu
erhalten, wurden zu jedem dieser Deskriptoren zwei Extrema als Ausprägungsstufe zugeord-
net (optimistisch und pessimistisch). Die Anzahl der Deskriptoren wurde insgesamt eher klein
gehalten, um die Übersichtlichkeit zu erhalten.
Tab. 2.1: Deskriptoren und alternative Ausprägungen für die Szenarioerstellung
Deskriptoren
Extremausprägungen
A. Kosten externer Energiebezug (Strom)
A.1 Optimistisch
A.2 Pessimistisch
B. Kosten externer Energiebezug (Gas)
B.1 Optimistisch
B.2 Pessimistisch
C. Technologiekosten EE
C.1 Optimistisch
C.2 Pessimistisch
D. Energiebedarf Strom
D.1 Optimistisch
C.2 Pessimistisch
E.1 Optimistisch
2 Szenario-Analyse mittels der Cross-Impact-Balance-Methode (CIB) 3
E. Energiebedarf Wärme
(abhängig von Gebäudesanierung)
E.2 Pessimistisch
F. Kosten externer Wärmebezug
(Fernwärme)
F.1 Optimistisch
F.2 Pessimistisch
Mittels der CIB-Methode können Szenarien systematisch erstellt und insbesondere Entschei-
dungsträger direkt bei der Szenario-Erstellung miteinbezogen werden. Dadurch lässt sich die
Transparenz des Prozesses steigern. Ein Nachteil ist jedoch der verhältnismäßig große Auf-
wand für die Zuweisung der Werte in der Deskriptoren-Matrix. Dieser erhöht sich mit zuneh-
mender Matrixgröße überproportional. Für den Einsatz in konkreten Entscheidungssituationen
muss daher die Deskriptoren-Anzahl beschränkt werden.
2.2 Cross-Impact-Matrix
Zwischen den einzelnen Deskriptoren kann es Interdependenzen geben. Um Redundanzen
auszuschließen und konsistente Szenarien zu erzeugen, sollten diese Interdependenzen er-
mittelt werden. Hierzu kann z.B. die Software ScenarioWizard4 (CIB Algorithmus) zum Einsatz
kommen.
2
Deskriptoren und deren Ausprägungen werden vom Software-Anwender vorgege-
ben. Daraus generiert die Software eine Matrix, die alle Deskriptoren einander gegenüberstellt.
Im Projekt wurden die Bewertungen durch die Projekt-Mitarbeiter sowie durch Mitarbeiter der
Projektpartner vorgenommen. Die Ergebnisse wurden im Anschluss in die Software Scenari-
oWizard4 (CIB-Algorithmus) zur Berechnung von Szenarien übertragen. Es ergibt sich je nach
Anzahl von Eingangsparametern, Ausprägungen und der gewählten Konsistenzgrenze eine
unterschiedliche Anzahl an Szenarien. Die im Projekt genutzten Szenarien sind in Tab. 2.2
dargestellt.
Tab. 2.2: Im Projekt PlanOhybE genutzte Szenarien
Szenario
Nr. 1
Szenario
Nr. 2
Szenario
Nr. 3
Szenario
Nr. 4
Szenario
Nr. 5
Szenario
Nr. 6
Szenario
Nr. 7
Szenario
Nr. 8
Kosten externer
Energiebezug (Strom):
pessimistisch
Kosten externer Energiebezug (Gas):
optimistisch
Kosten externer Energiebezug (Gas):
pessimistisch
Technologie
-kosten EE:
optimistisch
Technologie
-kosten EE:
pessimis-
tisch
Technologie
-kosten EE:
optimistisch
Technologie
-kosten EE:
pessimis-
tisch
Technologie
-kosten EE:
optimistisch
Technologie
-kosten EE:
pessimis-
tisch
Technologie
-kosten EE:
optimistisch
Technologie
-kosten EE:
pessimis-
tisch
Energiebedarf Strom:
optimistisch
Energiebedarf Wärme:
pessimistisch
Energiebedarf Wärme:
optimistisch
Kosten externer Energiebezug (Fernwärme):
optimistisch
2
Diese Software basiert auf den Arbeiten von Weimer-Jehle und wird von ZIRIUS bereitgestellt.
2 Szenario-Analyse mittels der Cross-Impact-Balance-Methode (CIB) 4
Nachdem der Kontext definiert und Szenarien bestimmt sind, wurden für die quantitative Aus-
wertung die qualitativen Erkenntnisse in konkrete Parameter übersetzt. In Tab. 2.3 sind den
verschiedenen Deskriptoren in den Szenarien die Parameter zugeordnet, welche stellvertre-
tend für qualitative Aussagen bezüglich dieses Deskriptors stehen. Diese Auswahl richtet sich
nach den im Projekt gesammelten Annahmen bezüglich der zukünftigen Technologie-Kosten,
Energiebezugskosten und des Energiebedarfs.
Tab. 2.3: Quantifizierung der qualitativen Deskriptoren für die Szenarien
Kosten ex-
terner Ener-
giebezug
(Strom)
Kosten ex-
terner Ener-
giebezug
(Gas)
Technologie-
kosten EE
Energie-
bedarf
Strom
Energie-
bedarf
Wärme
Kosten ex-
terner Ener-
giebezug
(Fernwärme)
Vergütung
Strom
Szenario
Nr. 1
40 Cent/kWh
7 Cent/kWh
PV
- 70 %
- 20%
- 30%
9 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 2
40 Cent/kWh
7 Cent/kWh
PV
- 40 %
- 20%
- 30%
9 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 0 %
Batterie
- 75 %
Szenario
Nr. 3
28 Cent/kWh
7 Cent/kWh
PV
- 70 %
- 0%
- 30%
9 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 4
28 Cent/kWh
7 Cent/kWh
PV
- 40 %
- 0%
- 30%
9 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 0 %
Batterie
- 75 %
Szenario
Nr. 5
40 Cent/kWh
15
Cent/kWh
PV
- 70 %
- 20%
- 80%
18 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 6
40 Cent/kWh
15
Cent/kWh
PV
- 40 %
- 20%
- 80%
18 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 0 %
Batterie
- 75 %
Szenario
Nr. 7
28 Cent/kWh
15
Cent/kWh
PV
- 70 %
- 0%
- 80%
9 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 8
28 Cent/kWh
15
Cent/kWh
PV
- 40 %
- 0%
- 80%
9 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 0 %
Batterie
- 75 %
Szenario
Nr. 9
28 Cent/kWh
7 Cent/kWh
PV
- 40 %
- 0%
aktuell
9 Cent/kWh
11 Cent/kWh
Solar-
thermie
- 0 %
Batterie
- 75 %
Szenario
Nr. 10
28 Cent/kWh
7 Cent/kWh
PV
- 40 %
- 0%
aktuell
9 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 0 %
Batterie
- 75 %
3 Energiemodell-Analyse und Szenarien-Berechnung 5
3 Energiemodell-Analyse und Szenarien-Berechnung
3.1 Ergebnisse der Gebäudeoptimierung
Im Folgenden werden für jede Trasse zuerst die Technologien aufgezeigt, welche pro Szenario
von den Gesamtkosten her am günstigsten sind. Für die Präsentation der Ergebnisse wird auf
eine GIS basierte Darstellung des Stadtgebiets zurückgegriffen. Dazu werden bei den Ergeb-
nissen im folgenden Abschnitt die Grundrisse der Gebäude im Untersuchungsgebiet aus der
Vogelperspektive abgebildet. Die Gebäude sind einem Technologie-Farbcode entsprechend
eingefärbt, welcher die installierte Technologie repräsentiert.
3
Bei den Ergebnissen der güns-
tigsten Technologien werden zudem die trassenbezogenen durchschnittlichen Dimensionie-
rungen der Aggregate angegeben.
4
Im Anschluss an die detaillierte Darstellung der günstigs-
ten Technologie wird eine Übersicht der Kostenreihenfolge für jedes Szenario gegeben, eben-
falls in GIS Darstellung. Dadurch werden Veränderungen in der Kostenreihenfolge der ver-
schiedenen Szenarien sichtbar, was einen noch detaillierteren Vergleich der Szenarien unter-
einander erlaubt.
Die Modellergebnisse zeigen, dass überwiegend mit Erdgas betriebene Heiz-Varianten am
wirtschaftlichsten sind, insbesondere in den Szenarien 1-5 und 9-10. Der Anteil an BHKW und
Erdgaskesseln variiert, wobei bezogen auf die thermische Leistung Erdgaskessel überwie-
gend deutlich größer als BHKW dimensioniert sind. In den Szenarien 4, 6 und 8 ist der Anteil
der Wärmepumpen jeweils verhältnismäßig hoch, in Szenario 7 und mit Einschränkung in Sze-
nario 8 überwiegt die Fernwärme. In Szenarien mit einem pessimistischen Verlauf der EE-
Technologie-Kosten ist der Anteil an Solarthermie und, mit Einschränkungen, auch an elektri-
schen Speichern geringer als in Szenarien mit optimistischer Annahme. Im Folgenden werden
die Ergebnisse nach Szenarien geordnet detailliert aufgeführt.
In den Szenarien 1 und 2 ist die kostenoptimale Versorgung durch Erdgaskessel mit einem
kleinen Anteil an BHKW am wirtschaftlichsten (BHKW mit Spitzenlastkessel, vgl. Abb. 3.1). Die
unterschiedlichen EE-Technologie-Kosten scheinen in diesen zwei Szenarien kaum Auswir-
kungen auf die kostenoptimale Technologie zu haben.
3
Erdgaskessel ≙ gelb, BHKW mit Spitzenlastkessel ≙ hellgrün, BHKW ohne Spitzenlastkessel ≙ dunkelgrün, Fern-
wärme ≙ rot und elektrische Wärmepumpe ≙ blau
4
Es handelt sich somit nicht um einen gebäudescharfen Durchschnitt, sondern den einer Trasse.
3 Energiemodell-Analyse und Szenarien-Berechnung 6
Abb. 3.1: Kostengünstigste Technologien in den Szenarien 1 und 2. Der Erdgaskessel ist bezogen auf die
thermische Leistung pro Trasse am größten dimensioniert.
In Tab. 3.1 sind die Dimensionierungen der verschiedenen Technologien aufgeführt. Die Werte
von „Durchschnitt (ohne Nullwerte)“ bedeuten, dass nur von Trassen die Werte für die Durch-
schnittsberechnung berücksichtigt wurden, bei welchen die Technologie installiert ist. Die
Werte „Durchschnitt“ geben den Mittelwert über alle 331, also auch Trassen ohne entspre-
chende Technologie, an. In Szenario 2 mit eher pessimistischer EE-Kostenverlaufsannahme
sind BHKW etwas größer als in Szenario 1 dimensioniert. Solarthermie und elektrische Spei-
cher werden weniger verbaut.
Tab. 3.1: Durchschnittliche Dimensionierung der Gebäudetechnologien in den Szenarien 1 und 2
BHKW (kWel)
Erdgas-kes-
sel (kWth)
Wärme-
pumpe (kWth)
Fernwärme
(kWth)
PV (kWel)
Solarthermie
(kWth)
El. Speicher
(kWhel)
Th. Speicher
(kWhth)
Szenario 1
Durchschnitt (ohne Nullwerte)
17,9
81,6
0
0
52,4
64,6
97,7
119,3
Durchschnitt
15,8
79,1
0
0
51,4
31,8
97,4
50,8
Szenario 2
Durchschnitt (ohne Nullwerte)
19,1
83,1
0
0
24,2
42,9
38,5
24
Durchschnitt
18,5
79,8
0
0
17,9
1,3
33,1
11,3
Bei einer Senkung des Wärmebedarfs und pessimistischen Annahmen bezüglich der EE-
Technologie-Kostenentwicklung werden Wärmepumpen zunehmend wirtschaftlich attraktiv.
Dies ist über mehrere Szenarien hinweg insbesondere bei Gebäuden mit vergleichsweise
geringem Wärme- und Strombedarf (EFH und kleine Mehrfamilienhäuer) im westlichen
Stadtgebiet der Fall. Dies wird beispielhaft anhand von Szenario 3 und 4 erläutert (vgl. Abb.
3.2). Die Szenarien sind identisch, bis auf die unterschiedlichen Annahmen bei den EE-
Technologiekosten. In Szenario 3 ist auf keiner Trasse die Wärmepumpe am günstigsten. Hier
wird die erdgasbetriebene Heizung durch Solarthermie unterstützt. Die Dimensionierung der
BHKW ist vergleichsweise gering im Verhältnis zum Erdgaskessel. Eigenerzeugter Strom wird
in elektrischen Speichern zwischengespeichert. Im Szenario 4 steigt die Dimensionierung der
BHKW, Wärmepumpen und BHKW sind bei einigen Gebäuden die wirtschaftlichste Option.
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 1
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 2
3 Energiemodell-Analyse und Szenarien-Berechnung 7
Abb. 3.2: Kostengünstigste Technologien in den Szenarien 3 und 4
Bei pessimistischen Annahmen bezüglich der EE-Technologie-Kosten werden sowohl keine
Solarthermie als auch keine elektrischen Speicher verbaut (Szenario 4). Der durch PV
erzeugte Strom wird entweder in den Wärmepumpen (teilweise) verbraucht oder ins Netz
eingespeist. Alternativ wird der Wärmebedarf durch im Vergleich zu Szenario 3 größer
dimensionierten BHKW gedeckt (vgl. Tab. 3.2).
Tab. 3.2: Durchschnittliche Dimensionierung der Gebäudetechnologien in den Szenarien 3 und 4
BHKW (kWel)
Erdgas-kes-
sel (kWth)
Wärme-
pumpe (kWth)
Fernwärme
(kWth)
PV (kWel)
Solarthermie
(kWth)
El. Speicher
(kWhel)
Th. Speicher
(kWhth)
Szenario 3
Durchschnitt (ohne Nullwerte)
19
82
0
0
55,8
52,3
101,5
64,8
Durchschnitt
16,1
80,3
0
0
55
18,2
99,9
30
Szenario 4
Durchschnitt (ohne Nullwerte)
41,3
91,1
14,9
0,0
59,4
0,0
0,0
150,7
Durchschnitt
30,0
17,6
14,9
0,0
59,2
0,0
0,0
137,5
Hohe Gas- und Strompreise in Kombination mit einer starken Senkung des Wärmebedarfs
führen zu einer verhältnismäßig großen Dimensionierung der Erdgaskessel oder zur Nutzung
einer Wärmepumpe (vgl. Abb. 3.3). Ähnlich wie bei Szenario 3 und 4 nimmt die Attraktivität der
Wärmepumpe bei einem pessimistischen Verlauf der EE-Technologiekosten zu.
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 3
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 4
3 Energiemodell-Analyse und Szenarien-Berechnung 8
Abb. 3.3: Kostengünstigste Technologien in den Szenarien 5 und 6
Bei einer günstigen Entwicklung der EE-Technologiekosten werden vermehrt
Solarthermieanlagen installiert. Elektrische Speicher sind hingegen zusammen mit einer PV
Anlage auch bei einer geringen Kostensenkung wirtschaftlich (vgl. Tab. 3.3).
Tab. 3.3: Durchschnittliche Dimensionierung der Gebäudetechnologien in den Szenarien 5 und 6
BHKW (kWel)
Erdgas-kes-
sel (kWth)
Wärme-
pumpe (kWth)
Fernwärme
(kWth)
PV (kWel)
Solarthermie
(kWth)
El. Speicher
(kWhel)
Th. Speicher
(kWhth)
Szenario 5
Durchschnitt (ohne Nullwerte)
9,2
20
1,3
0
54,1
34,6
158,4
92,2
Durchschnitt
2,7
17,6
1,3
0
53,9
28,3
156,4
80,3
Szenario 6
Durchschnitt (ohne Nullwerte)
10
26,5
7,1
0
58,8
71,4
110,4
36,6
Durchschnitt
3,3
18,7
7,1
0
58,7
1,5
106,4
14,9
Hohe Gas- bei gleichzeitig günstigen Stromkosten könnten zu einem verstärkten Ausbau der
Fernwärme führen, falls diese wie angenommen vergleichsweise günstig über Wärmepumpen
und nicht über gasbetriebene Heizkraftwerke versorgt werden (vgl. Abb. 3.4). Als Alternative
zum Fernwärmeanschluss könnten Wärmepumpen verbaut werden, insbesondere wieder im
westlichen Stadtgebiet und bei pessimistischen Annahmen über den EE-Technologie-Kosten-
verlauf. BHKW sind sowohl in Szenario 7 als auch in 8 nicht die günstigste Option.
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 5
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 6
3 Energiemodell-Analyse und Szenarien-Berechnung 9
Abb. 3.4: Kostengünstigste Technologien in den Szenarien 7 und 8
Falls Erdgaskessel verbaut werden, dann nur in verhältnismäßig kleinen Dimensionierungen.
Die Dachflächen werden überwiegend mit PV belegt und nur im geringen Anteil mit Solarther-
mie. Die elektrischen Speicher fallen auch bei einem pessimistischen Verlauf der EE-Techno-
logiekosten verhältnismäßig groß aus (vgl. Tab. 3.4).
Tab. 3.4: Durchschnittliche Dimensionierung der Gebäudetechnologien in den Szenarien 7 und 8
BHKW (kWel)
Erdgas-kes-
sel (kWth)
Wärme-
pumpe (kWth)
Fernwärme
(kWth)
PV (kWel)
Solarthermie
(kWth)
El. Speicher
(kWhel)
Th. Speicher
(kWhth)
Szenario 7
Durchschnitt (ohne Nullwerte)
0
6
1,3
30,4
58
20,9
126,7
42,8
Durchschnitt
0
0,7
1,3
30,4
57,8
12,6
122,8
20,2
Szenario 8
Durchschnitt (ohne Nullwerte)
0
1,5
4,4
30,5
58,6
7
93,8
13,9
Durchschnitt
0
0,1
4,4
30,5
58,5
0,4
88,7
3,1
Unter den heutigen Bedingungen, d.h. mit den aktuellen Energie- und Technologiekosten sind
Erdgaskessel mit einem geringen Anteil an BHKW am wirtschaftlichsten (vgl. Abb. 3.5). Fern-
wärme oder Wärmepumpen sind weder in Szenario 9 noch in 10 unter den günstigsten Tech-
nologien zu finden.
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 7
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 8
3 Energiemodell-Analyse und Szenarien-Berechnung 10
Abb. 3.5: Kostengünstigste Technologien in den Szenarien 9 und 10
Die Einspeisevergütung von 11 Cent/kWh anstatt von 4 Cent/kWh sorgt für einen geringfügi-
gen Anstieg der BHKW-Dimensionierung. EE-Technologien, d.h. PV, Solarthermie und elek-
trische Speicher, sind kaum wirtschaftlich und werden nur im geringen Umfang verbaut (vgl.
Tab. 3.5).
Tab. 3.5: Durchschnittliche Dimensionierung der Gebäudetechnologien in den Szenarien 9 und 10
BHKW (kWel)
Erdgas-kes-
sel (kWth)
Wärme-
pumpe (kWth)
Fernwärme
(kWth)
PV (kWel)
Solarthermie
(kWth)
El. Speicher
(kWhel)
Th. Speicher
(kWhth)
Szenario 9
Durchschnitt (ohne Nullwerte)
27,5
92,4
0
0
25
185,5
5,8
88
Durchschnitt
26,7
89
0
0
1,3
1,1
0,3
80,3
Szenario 10
Durchschnitt (ohne Nullwerte)
24,6
105,7
0
0
23,8
189
8,7
74,1
Durchschnitt
23,7
102,5
0
0
1,2
1,1
0,4
66,9
Die oben dargestellten Detailansichten der günstigsten Technologiekombination pro Szenario
erlauben keine Rückschlüsse über die Kostenreihenfolge, d.h. über die zweit- bis n-günstigste
Technologie. Eine Übersicht der gesamten Kostenfolge der zehn Szenarien bietet Abb. 3.6. Die
Gesamtkosten bei jedem Szenario steigen mit jeder Zeile an.
Die Szenarien 1,2, 9 und 10 und mit Einschränkungen auch Szenario 3 ergeben überwiegend
das gleiche Bild: Das BHKW mit Spitzenlastkessel ist die günstigste Option, danach folgen
BHKW, Erdgaskessel, Fernwärme und Wärmepumpe. In den Szenarien 4 bis 8 gewinnt die
Wärmepumpe an Attraktivität, sie ist jedoch nur selten die günstigste Option. Fernwärme ist
überwiegend nur in Szenario 7 und 8 am Vorteilhaftesten und ansonsten überwiegend wirt-
schaftlich nicht attraktiv.
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 9
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 10
3 Energiemodell-Analyse und Szenarien-Berechnung 11
Abb. 3.6: Kostenfolge der zehn Szenarien
3 Energiemodell-Analyse und Szenarien-Berechnung 12
3.2 Ergebnisse der Netzoptimierung
Bei der Netzoptimierung können, neben den technologie- und kostenspezifischen Parametern,
zusätzlich Vorgaben bezüglich der Reduktion von CO2-Emissionen gemacht werden. Die Er-
gebnisse der Gebäudeoptimierung wurden als Eingangsparameter für diesen Optimierungs-
schritt übernommen. Im Folgenden ist eine Auswahl der Netz-Optimierungsergebnisse darge-
stellt.
Ohne die Vorgabe von CO2-Reduktionszielen (Status-quo-Situation), unterscheiden sich die
Ergebnisse der zehn Szenarien bei der Netzoptimierung nicht wesentlich. Daher werden nur
die Ergebnisse der Szenarien 1, 4, 7 und 9 dargestellt (vgl. Abb. 3.7). Szenario übergreifend ist
in dieser Situation die Versorgung von Gebäuden mit Erdgas die günstigste Versorgungsop-
tion. Lediglich das jeweilige Einsatzverhältnis der verschiedenen erdgasbasierten Technolo-
gien unterscheidet sich teilweise. In manchen Szenarien ist beispielsweise der BHKW-Anteil
höher als in anderen Szenarien. An der prinzipiellen Notwendigkeit, dass Erdgasnetze vorhan-
den sein müssen, ändert das abweichende Verhältnis jedoch nichts.
Abb. 3.7: Kostengünstigste Technologien in den Szenarien 1, 4, 7 und 9 unter Einbezug der Netzkosten und
keinen CO2-Reduktionszielen
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 1
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 4
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 7
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 9
3 Energiemodell-Analyse und Szenarien-Berechnung 13
Die identischen Szenarien wurden unter der Vorgabe von 70 % CO2-Reduktion wiederholt.
Szenario übergreifend konnte dieses Ziel nur erreicht werden, wenn die CO2-Emissionen von
Strom- und Gas-Kontingenten, welche von außerhalb der Stadt bezogen werden, wesentlich
unter den heutigen Werten liegen. Bei Emissionen wesentlich höher als 100gCO2/kWh für Strom
und mit Abstrichen auch für Gas liefert das Modell keine Lösung. Dies bedeutet, dass das
70%-CO2-Reduktionsziel mit keiner städtischen und gebäudenahen Technologiekombination
zu erreichen ist. Für die Szenarien wurden deshalb Emissionen von 100gCO2/kWh für Strom
und Gas angenommen.
Der stadtexterne Bezug von Strom und Gas wird notwendig, wenn der residuale Energiebedarf
nicht durch EE oder effiziente Erzeugung auf fossiler Basis auf Stadtebene gedeckt werden
kann. Emissionsfreie EE-Erzeugungskapazitäten sind im Netzmodell nicht explizit vorgese-
hen, da diese bereits im Gebäudemodell berücksichtigt werden. Der residuale Strombedarf,
welcher durch das Gebäudemodell berechnet wird, ist nur über den externen Bezug oder
durch stadtnahe Kraftwerke möglich, beispielsweise Groß-KWK in Form von Heizkraftwerken.
Deren Emissionen scheinen jedoch zu groß zu sein, so dass, trotz KWK, die CO2-Reduktions-
ziele nicht ohne entsprechend niedrige Emissionen der stadtexternen Strom- und Gas-Kontin-
gente zu erreichen sind. Dies bedeutet, dass der entsprechende externe Strom- und Gasmix
im Vergleich zu heute deutlich niedrigere Emissionen aufweisen muss, um die kommunalen
CO2-Reduktionsziele im Energiesektor zu erreichen (z.B. durch hohe Anteile an Windstrom,
Freiflächen-PV und P2G).
Neben niedrigen spezifischen Emissionswerten von Gas und Strom ist die Energieeinsparung
eine weitere Möglichkeit, um Emissionen zu reduzieren. Da das Modell lediglich die Vorgabe
hat, die CO2-Emissionen um einen gewissen Prozentsatz zu senken und die Energieeinspa-
rung als Kostenfunktion hinterlegt ist, wäre eine Emissionssenkung zwar prinzipiell im Modell
durch Wärmeschutz oder sonstige Einsparmaßnahmen möglich. Da solche Effizienz-Maßnah-
men bereits im Gebäudemodell bei der Szenarioerstellung berücksichtigt wurden, ist diese
Möglichkeit für das Netzmodell im konkreten Projekt nicht vorgesehen.
5
Eine geringe Sanierungsrate mit einhergehendem geringem Wärmeschutz scheint den Lö-
sungsraum erheblich einzuschränken. In Szenario 1 werden beispielsweise, trotz hoher Strom-
kosten, überwiegend Wärmepumpen verbaut, um das CO2-Reduktionsziel zu erreichen. In
Szenario 7 kann die Wärmeversorgung, bedingt durch geringen Wärmebedarf der Gebäude,
über verhältnismäßig ineffiziente Erdgaskessel sichergestellt werden. In diesem Szenario
scheinen zur Erreichung der CO2-Reduktionsziele keine teuren Technologien und Infrastruk-
turen erforderlich. In Szenario 9 wird über fast das gesamte Untersuchungsgebiet die Wärme-
versorgung mit Fernwärme sichergestellt; die Wärmegewinnung findet dort über eine zentrale
Wärmepumpe (Seewasserwärmepumpe oder Geothermie) statt. Einzelne Gebiete, vor allem
im westlichen Teil mit niedriger Wärmedichte, werden über Erdgaskessel oder BHKW mit
Wärme versorgt (vgl. Abb. 3.8).
Im Altstadtbereich sind in den unten dargestellten Szenarien durch städtebauliche Vorgaben
keine Wärmepumpen zugelassen. Daher wurde deren Installation im Netzmodell für diesen
Bereich ausgeschlossen.
5
Prinzipiell wäre eine entsprechende Erweiterung der Modellkopplung erforderlich, so dass eine iterative Opti-
mierung und bidirektionale Kommunikation zwischen Gebäude- und Netzmodell möglich ist.
3 Energiemodell-Analyse und Szenarien-Berechnung 14
Abb. 3.8: Kostengünstigste Technologien in den Szenarien 1, 4, 7 und 9 unter Einbezug der Netzkosten und
70 % CO2-Reduktionsziel
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 1
Kein
Ergebnis
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 4
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 7
Erdgaskessel
BHKW mit Spitzenlastkessel
BHKW
Fernwärme
Elektrische Wärmepumpe
Szenario 9
3 Energiemodell-Analyse und Szenarien-Berechnung 15
3.3 Weiterführende Szenarien und Modellergebnisse
In weiteren Anwendungen der erarbeiteten Tools wurden die Auswirkungen verschiedener
CO2-Zertifikatspreise auf die wirtschaftliche Attraktivität des Technologieportfolios untersucht.
Für die Szenarien-Berechnungen werden CO2-Zertifikatspreise zwischen 0 und 400 €/tCO2 an-
genommen. Die Arbeitspreise von Strom und Gas werden für spezifische Emissionen von 100
gCO2/kWh (Strom und Gas mit hohem Anteil EE und P2G) und 400 gCO2/kWh (Strom) und 200
gCO2/kWh (Gas) berechnet (vgl. Abb. 3.9).
Abb. 3.9: Arbeitspreise von Strom und Gas für unterschiedliche CO2-Zertifikatspreise unter der Annahme
verschiedener spezifischer CO2-Emissionen
In den Szenarien 1 bis 4 werden sowohl für Gas als auch für Strom spezifische Emissionen
von 100 gCO2/kWh angenommen (hoher Anteil EE und P2G). Die Szenarien 5 bis 8 basieren
auf spezifischen Emissionen von 200 gCO2/kWh für Gas und von 400 gCO2/kWh für Strom (un-
gefähr heutige Werte). In den Szenarien 9 bis 12 wird angenommen, dass der EE-Anteil im
Strommix stark zugenommen hat; allerdings wurde keine wesentliche Kapazität an P2G auf-
gebaut. Daraus resultieren spezifische Emissionen für Gas von 200 gCO2/kWh und für Strom
von 100 gCO2/kWh (vgl. Tab. 3.6).
Tab. 3.6: Szenarien zur Untersuchung verschiedener Annahmen bezüglich der möglichen zukünftigen CO2-
Zertifikatspreise und CO2-Emissionen (Strom und Gas)
Szenario Nr. 1
Szenario Nr. 2
Szenario Nr. 3
Szenario Nr. 4
Szenario Nr. 5
Szenario Nr. 6
Szenario Nr. 7
Szenario Nr. 8
Szenario Nr. 9
Szenario Nr. 10
Szenario Nr. 11
Szenario Nr. 12
Emission
Gas (gCO2/kWh)
100
100
100
100
200
200
200
200
200
200
200
200
Emission
Strom (gCO2/kWh)
100
100
100
100
400
400
400
100
100
100
100
100
Zertifikatspreis
(€/tCO2)
400
300
200
100
400
300
200
100
400
300
200
100
0
0,1
0,2
0,3
0,4
0,5
0,6
050 100 150 200 250 300 350 400 450
Kosten (€/kWh)
€/tCO2
Strom
Gas
400 gCO2/kWh
200 gCO2/kWh
100 gCO2/kWh
100 gCO2/kWh
3 Energiemodell-Analyse und Szenarien-Berechnung 16
Eine Gesamtübersicht aller Werte für die zwölf Szenarien ist in Tab. 3.7 dargestellt.
Tab. 3.7: Im Projekt PlanOhybE genutzte Szenarien zur Berücksichtigung verschiedener
CO2-Zertifikatspreise
Kosten exter-
ner Energie-
bezug
(Strom)
Kosten ex-
terner Ener-
gie-bezug
(Gas)
Technologie-
kosten EE
Energie-
bedarf
Strom
Energie-
bedarf
Wärme
Kosten externer
Energiebezug
(Fernwärme)
Vergütung
Strom
Szenario
Nr. 1
39 Cent/kWh
14 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
32 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 2
38 Cent/kWh
13 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
31 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 3
37 Cent/kWh
12 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
29 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 4
36 Cent/kWh
11 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
28 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 5
51 Cent/kWh
18 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
32 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 6
47 Cent/kWh
16 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
31 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 7
43 Cent/kWh
14 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
29 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 8
39 Cent/kWh
12 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
28 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 9
39 Cent/kWh
18 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
32 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 10
38 Cent/kWh
16 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
31 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 11
37 Cent/kWh
14 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
29 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
Szenario
Nr. 12
36 Cent/kWh
12 Cent/kWh
PV
- 70 %
+ 20 %
- 30%
28 Cent/kWh
4 Cent/kWh
Solar-
thermie
- 60 %
Batterie
- 90 %
3 Energiemodell-Analyse und Szenarien-Berechnung 17
Insbesondere bei einer deutlichen Emissionsreduktion des Strommixes bei gleichzeitig hohen
Zertifikatskosten erhöht sich die Attraktivität der Wärmepumpe (vgl. Abb. 3.12). Sollten durch
hohe P2G-Kontingente die Emissionswerte von Erdgas abnehmen, so reduziert sich die Vor-
teilhaftigkeit der Wärmepumpe (vgl. Abb. 3.10). Unter Annahme weiterhin hoher spezifischer
Emissionen für Strom und Gas bleiben Erdgastechnologien besonders attraktiv (vgl. Abb. 3.11).
Bei den angenommenen spezifischen Kosten von Fernwärme ist der Anschluss an ein Fern-
wärmenetz für Gebäudeeigentümer wirtschaftlich nicht attraktiv.
Abb. 3.10: Kostengünstigste Technologien in den Szenarien 1 bis 4 unter Einbezug verschiedener
Emissionswerte und CO2-Zertifikatskosten
Kostenfolge 1
Kostenfolge 2
Kostenfolge 3
Kostenfolge 4
Szenario 3 Szenario 4Szenario 2Szenario 1
Kostenfolge 5
Erdgaskessel BHKW mit Spitzenlastkessel
BHKW Fernwärme Elektrische Wärmepumpe
Emission Gas
(gCO2/kWh) 100 100 100 100
Emission Strom
(gCO2
/kWh)
100 100 100 100
Zertifikatspreis
(€/tCO2) 400 300 200 100
Arbeitspreis (Strom
)39 Cent/kWh 38 Cent/kWh 37 Cent/kWh 36 Cent/kWh
Arbeitspreis(Gas
)14 Cent/kWh 13 Cent/kWh 12 Cent/kWh 11 Cent/kWh
3 Energiemodell-Analyse und Szenarien-Berechnung 18
Abb. 3.11: Kostengünstigste Technologien in den Szenarien 5 bis 8 unter Einbezug verschiedener Emissi-
onswerte und CO2-Zertifikatskosten
Kostenfolge 1
Kostenfolge 2
Kostenfolge 3
Kostenfolge 4
Szenario 7 Szenario 8Szenario 6Szenario 5
Kostenfolge 5
Erdgaskessel BHKW mit Spitzenlastkessel
BHKW Fernwärme Elektrische Wärmepumpe
Emission Gas
(gCO2/kWh) 200 200 200 200
Emission Strom
(gCO2
/kWh)
400 400 400 400
Zertifikatspreis
(€/tCO2) 400 300 200 200
Arbeitspreis (Strom
)51 Cent/kWh 47 Cent/kWh 43 Cent/kWh 39 Cent/kWh
Arbeitspreis(Gas
)18 Cent/kWh 16 Cent/kWh 14 Cent/kWh 12 Cent/kWh
3 Energiemodell-Analyse und Szenarien-Berechnung 19
Abb. 3.12: Kostengünstigste Technologien in den Szenarien 9 bis 12 unter Einbezug verschiedener Emis-
sionswerte und CO2-Zertifikatskosten
In der überwiegenden Mehrzahl an Szenarien basiert die kostenoptimale Versorgung aus Ge-
bäudenutzersicht auf Erdgas. Als Technologien kommen darin Erdgaskessel und BHKW zum
Einsatz. Unter bestimmten Umständen kann aus dieser Perspektive die Versorgung über Fern-
wärme am kostengünstigsten sein. Wärmepumpen sind besonders in Gebieten mit geringem
Wärmebedarf vorteilhaft. In Verbindung mit der Netzoptimierung, falls keine CO2-Reduktions-
ziele vorgegeben werden, bestätigt sich der Eindruck, dass Erdgas überwiegend die güns-
tigste Versorgungsoption ist.
Ambitionierte Ziele bezüglich der Reduktion von CO2-Emissionen können nur durch Mehrkos-
ten erreicht werden. Insbesondere scheint die Wärmedämmung ein kritischer Faktor zu sein,
ohne welche erhebliche Mehrkosten durch andere CO2-Reduktionsmaßnahmen auftreten (er-
höhter Bedarf an EE im Strommix und P2G). Insgesamt ergibt sich über die Szenarien hinweg
kein eindeutiges Bild über die optimale Energieversorgungsstruktur, wenn eine starke Reduk-
tion der CO2-Emissionen vorgegeben wird.
Kostenfolge 1
Kostenfolge 2
Kostenfolge 3
Kostenfolge 4
Szenario 11 Szenario 12Szenario 10Szenario 9
Kostenfolge 5
Erdgaskessel BHKW mit Spitzenlastkessel
BHKW Fernwärme Elektrische Wärmepumpe
Emission Gas
(gCO2/kWh) 200 200 200 200
Emission Strom
(gCO2
/kWh)
100 100 100 100
Zertifikatspreis
(€/tCO2) 400 300 200 100
Arbeitspreis (Strom
)39 Cent/kWh 38 Cent/kWh 37 Cent/kWh 36 Cent/kWh
Arbeitspreis(Gas
)18 Cent/kWh 16 Cent/kWh 14 Cent/kWh 12 Cent/kWh
4 Fazit und Ausblick 20
4 Fazit und Ausblick
Im Projekt PlanOhybE wurden wissenschaftliche und anwendungsbasierte Erkenntnisse zur
strategischen Ausbauplanung von kommunalen Strom-, Gas- und Wärmenetzen gewonnen.
Das Forschungsvorhaben untersuchte auf der Basis von Optimierungsverfahren eine inte-
grierte Sichtweise der Energieversorgung.
Das Projekt zielte zum einen auf die Berücksichtigung neuer Entwicklungen im Bereich der
kommunalen Energieversorgung (z.B. Erhöhung bei: Stromeinspeisung aus volatilen Quellen,
Stromverbrauch durch Einsatz von Strom-Wärmepumpen, bidirektionalen Stromflüsse) und
zum anderen auf die Berücksichtigung von Interdependenzen zwischen Netzen unterschiedli-
cher Medien/Sparten (Strom-, Gas- und Wärmenetze) und Energietechnologien ab. Solche
hybriden Netzstrukturen stellen neue Anforderungen an die Planung und erfordern eine simul-
tane Betrachtung sowohl der Netze als auch der dynamischen Erzeugungs- und Nachfra-
gestruktur bei Strom und Wärme im Versorgungsgebiet.
In diesem Kontext wurden Abschätzungen über die zukünftige dezentrale Energieerzeugung
und Veränderungen der Netzstruktur unternommen. Auf Basis von dynamischen Skaleneffek-
ten wurde eine Abschätzung über die zukünftige ökonomische Attraktivität von Gebäudetech-
nologien zur Energieerzeugung und -speicherung durchgeführt. Viele EE-Technologien, da-
runter PV u. Stromspeicher, verfügen über ein großes Kostensenkungspotenzial. Sie werden
daher wahrscheinlich in Zukunft vermehrt verbaut werden.
Große Unsicherheiten bestehen hingegen im Wärmesektor. In diesem ist ein hohes Einspar-
potenzial insbesondere durch forcierten Wärmeschutz vorhanden. Der Wärmeschutz bzw. der
damit einhergehende zukünftige Wärmebedarf hat sich als ein besonders kritischer Parameter
herausgestellt, wenn Optimierungen auf Basis von CO2-Reduktionszielen durchgeführt wer-
den. Je nach Parameter ergab sich hier ein sehr differenziertes Bild über die optimale Versor-
gungsstruktur. Ohne die Vorgabe von CO2-Reduktionszielen, d.h. bei einer reinen Kostenop-
timierung, sind Erdgastechnologien vielfach sowohl aus der Sicht von Gebäudenutzern als
auch von Netzversorgern am günstigsten. Das Verhältnis von BHKW und Erdgaskesseln va-
riiert dabei. An der Gesamtwirtschaftlichkeit von Erdgasnetzen über verschiedene Szenarien
hinweg ändert dies nichts.
Weiterführender Forschungsbedarf besteht in der Erarbeitung von Methoden, um abschätzen
zu können, an welchen Stellen im Modell Vereinfachungen zur Reduktion von Komplexität und
Rechenaufwand vorgenommen werden können und wo genau modelliert werden muss, um
den Fehler möglichst gering zu halten. Zudem müssen Energiemodelle eine einfacher zu be-
dienende Oberfläche erhalten, damit auch Anwender aus der Praxis nach kurzer Einarbeitung
damit arbeiten können. Hier könnten zusätzlich neue Methoden bezüglich der Darstellung von
Wirkungszusammenhängen helfen, welche bei der Interpretation von Ergebnissen und der
Identifikation von Risiken helfen würden. Insbesondere erscheint die Identifikation von „stabi-
len Räumen“, d.h. dem Aufzeigen von Parameterbereichen, in welchen die Optimierung ähn-
liche Ergebnisse liefert, für Akteure wertvolle Einblicke zu geben.
Die Modellergebnisse in diesem Projekt helfen dem kommunalen EVU aufzuzeigen, dass Gas-
netze zwar in vielen Bereichen die kostengünstigste Versorgungsoption sind, allerdings sind
Klimaschutzziele unter deren Verwendung kaum zu erreichen. Nur falls die spezifischen Emis-
sionen von Gas (bspw. durch P2G) abnehmen oder ein sehr hoher Grad an Wärmeschutz
4 Fazit und Ausblick 21
erreicht wird, könnte Erdgas vor dem Hintergrund der Klimaziele auch weiterhin eine tragende
Rolle einnehmen. Ansonsten ist eher eine Wärmeerzeugung durch zentrale oder dezentrale
Wärmepumpen vorteilhaft.
Die präsentierten Szenarien zeigen die Schwierigkeit auf, für die kommenden Jahre Investiti-
onsentscheidungen zu tätigen. Mit Lebensdauern von bis zu 40 Jahren, insbesondere bei den
Netzstrukturen, manifestieren sich heutige Entscheidungen bis über 2050 (Modellhorizont)
hinaus, was angesichts der unklaren weiteren Entwicklung der entscheidungsrelevanten Pa-
rameter mit hohen Risiken verbunden ist.
Einige Szenarien deuten darauf hin, dass Fernwärme eine vorteilhafte Option für die Zukunft
sein könnte. Diese Option würde allerdings Investitionen in Höhe von mehreren Millionen Euro
erfordern. Entsprechend hoch wäre das wirtschaftliche Risiko, insbesondere vor dem Hinter-
grund, dass sich möglicherweise keine ausreichend große Anzahl an Haushalten anschließen
lässt. Erfahrungen aus einschlägigen Projekte zeigen, dass hier viel Überzeugungsarbeit be-
reits bei viel kleineren Projekten notwendig ist.
Keine Entscheidung in dieser Dimension wird auf Grundlage von nur einem Tool getätigt, insb.
bei der vorhandenen komplexen Situation. Insofern sind die Modelle bzw. das gesamte Toolset
als Bestandteil eines Entscheidungsunterstützungssystems zu verstehen, bei welchem meh-
rere verschiedene Tools und Methoden zum Einsatz kommen.
5 Literatur 22
5 Literatur
Dieckhoff, C. et al.: Zur Interpretation von Energieszenarien. 2014. Schriftenreihe Energiesys-
teme der Zukunft. München 2014.
Göllinger, T.: Herausforderungen einer hybriden kommunalen Energieversorgung.
IöB-Arbeitspapier Nr. 59, Siegen 2014.
Göllinger, T./Gaschnig, H.: Hybride und sektorenübergreifende Energieversorgung als wichti-
ger Baustein der Energiewende. In: Forum Ware (1-4), S. 2229. 2017.
Göllinger, T./Gaschnig, H./Heidtmann, F.: Konzeptionelle Ansätze zur Modellierung einer
hybriden und sektorgekoppelten Energieversorgung. IöB-Arbeitspapier Nr. 65, Siegen
2017.
Göllinger, T./Gaschnig, H./Heidtmann, F.: Hybride und sektorübergreifende Energieversor-
gung. IöB-Arbeitspapier Nr. 63, Siegen 2016.
Göllinger, T./Gaschnig, H./Knauf, J.: Übersicht und Systematik zu Skaleneffekten von Ener-
gietechnologien Empirie und Anwendungen I: Photovoltaik und Windkraft.
IöB-Arbeitspapier Nr. 66, Siegen 2018.
Göllinger, T./Knauf, J.: Übersicht und Systematik zu Skaleneffekten von Energietechnologien
Empirie und Anwendungen II: BHKW. IöB-Arbeitspapier Nr. 67, Siegen 2018.
Hensel, P./König, D.: CO2-Ziele umsetzen: Die zukünftige Entwicklung städtischer Verteil-
netze. In: Energiewirtschaftliche Tagesfragen, 67 (6), S. 67-70. 2017.
Weimer-Jehle, W. et al.: Context scenarios and their usage for the construction of socio-tech-
nical energy scenarios. In: Energy, 111, S. 956970. 2016.
Research
Full-text available
Anwendung der theoretisch-konzeptionellen Vorarbeiten zu statischen und dynamischen Skaleneffekten von Energietechnologien auf Block-Heiz-Kraftwerke (BHKW).
Research
Full-text available
Empirische Kostendaten zur Illustration der statischen und dynamischen Skaleneffekte bei Photovoltaik- und Windkraftanlagen
Article
Model-based energy scenarios are a widely used tool for supporting economic and political decision makers. The results of energy modeling and the conclusions deduced therefrom, however, depend on the model input data derived from framework assumptions about future developments in the embedding society, which are deeply uncertain in the long term. The challenge to deal with this ‘context uncertainty’ in a systematic and comprehensive manner has only recently started to attract intensified attention in energy research; the search for appropriate methods is ongoing. This paper proposes a new concept for the construction of socio-technical energy scenarios, which combines familiar environmental modeling approaches with new developments in qualitative scenario methodology, and demonstrates the possible application of the concept in model-based energy scenario construction.
Schriftenreihe Energiesysteme der Zukunft
  • C Dieckhoff
Dieckhoff, C. et al.: Zur Interpretation von Energieszenarien. 2014. Schriftenreihe Energiesysteme der Zukunft. München 2014.
Herausforderungen einer hybriden kommunalen Energieversorgung. IöB-Arbeitspapier Nr
  • T Göllinger
Göllinger, T.: Herausforderungen einer hybriden kommunalen Energieversorgung. IöB-Arbeitspapier Nr. 59, Siegen 2014.
Hybride und sektorenübergreifende Energieversorgung als wichtiger Baustein der Energiewende
  • T Göllinger
  • H Gaschnig
Göllinger, T./Gaschnig, H.: Hybride und sektorenübergreifende Energieversorgung als wichtiger Baustein der Energiewende. In: Forum Ware (1-4), S. 22-29. 2017.
CO2-Ziele umsetzen: Die zukünftige Entwicklung städtischer Verteilnetze
  • P Hensel
  • D König
Hensel, P./König, D.: CO2-Ziele umsetzen: Die zukünftige Entwicklung städtischer Verteilnetze. In: Energiewirtschaftliche Tagesfragen, 67 (6), S. 67-70. 2017.