Advertisement

Flexible Stromerzeugung in kommunalen Kläranlagen: Auswirkungen auf Kraftwerkseinsatz, Strombezugskosten und Treibhausgasemissionen

  • Maximilian Seier
  • Liselotte SchebekEmail author
Article
  • 62 Downloads

Zusammenfassung

Untersucht werden die Auswirkungen flexibler Stromerzeugung in deutschen kommunalen Kläranlagen auf den Kraftwerkseinsatz im Energiesystem sowie mögliche Kosteneinsparungen für Kläranlagenbetreiber und die Änderung der Treibhausgasemissionen der systemischen Stromerzeugung. Die Analysen werden für kommunale Kläranlagen in Deutschland für drei Szenarien im Jahr 2030 durchgeführt.

Für die Zielerreichung werden verschiedene methodische Schritte angewendet: Mittels eines Merit-Order-Modells werden Strompreise am Day-Ahead-Markt und Treibhausgasemissionen in stündlicher Auflösung simuliert. Ein Technisches Betriebsmodell beschreibt die technischen Parameter – u. a. BHKW-Nennleistung und Faulgasspeichervolumen – des Bestands kommunaler Kläranlagen. Für die Erarbeitung eines kostenoptimalen Erzeugungsprofils wird ein linearer Optimierungsansatz genutzt.

Die durch die flexible Stromerzeugung ermöglichten Kosteneinsparungen befinden sich im unteren Prozentbereich der Betriebskosten der Kläranlagen und stellen daher nur eine geringe Motivation dar, flexible Stromerzeugung umzusetzen (0,1–2 %). Durch die kostenmäßig motivierte flexible Stromerzeugung kann es zu einer Erhöhung der Treibhausgasemissionen kommen. Dies ist durch den Anstieg der Erzeugung aus Grundlastkraftwerken und der Verringerung der Erzeugung aus Spitzenlastkraftwerken begründet. Für das analysierte Fallbeispiel gilt jedoch, dass die Höhe der Änderung der Treibhausgasemissionen – sowohl zusätzliche als auch eingesparte – im Vergleich zu den gesamten Treibhausgasemissionen der Stromerzeugung vernachlässigbar ist.

Flexible Power Generation in Municipal Wastewater Treatment Plants: Effects on Power Plant Scheduling, Greenhouse Gas Emissions and Electricity Supply Costs

Abstract

This study addresses the effects of flexible power generation in German municipal wastewater treatment plants focusing on changes in the merit order of the German energy system, as well as possible cost savings for wastewater treatment plant operators and the change in greenhouse gas emissions from power generation in the whole system. The analysis is carried out for municipal sewage treatment plants in Germany in 2030 considering three different scenarios.

In order to achieve the main goal of this paper, a merit order model is used and both electricity prices on the day-ahead market and greenhouse gas emissions are simulated in an hourly resolution. A technical operating model is used to describe the technical parameters of the stock of municipal sewage treatment plants (i.e. Combined Heat and Power nominal capacity and digested gas storage volume). A linear optimization approach is used to develop a cost-optimized generation profile.

Results show that the cost savings due to the flexible generation of electricity are in the lower percentage of the operating costs of wastewater treatment plants and therefore provide little incentive to implement flexible power generation (0.1–2%). Economically motivated flexible power generation can increase greenhouse gas emissions due to the increase in generation from base load power plants at the expense of a reduction in generation from peak load power plants. For the case study analyzed, however, the level of change in greenhouse gas emissions—both additional and saved—is negligible compared to the total greenhouse gas emissions of electricity generation.

Literatur

Verwendete Literatur

  1. 50Hertz Transmission GmbH, amprion GmbH, TransnetBW GmbH, Tennet TSO GmbH (2015) Netzentwicklungsplan Strom 2025, Version 2015. https://www.netzentwicklungsplan.de/si-tes/default/files/paragraphs-files/NEP_2025_2_Entwurf_Teil1.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  2. Andrenacci N, Ragona R, Valenti G (2016) A demand-side approach to the optimal deployment of electric vehicle charging stations in metropolitan areas. Appl Energy 182:39–46.  https://doi.org/10.1016/j.apenergy.2016.07.137 CrossRefGoogle Scholar
  3. Ansmann T, Bormann H, Dierich A, Dornburg A, Edens G, Engelhart M et al (2017) Kläranlagen im Spannungsfeld der Energiewirtschaft. Analysen – Ergebnisse – Impulse. ERWAS-Projektverbund ESiTI „Abwasserbehandlungsanlage der Zukunft: Energiespeicher in der Interaktion im Spannungsfeld von Energieerzeugung und Verbrauch“Google Scholar
  4. Apel R, Aundrup T, Buchholz M, Domels HP, Funke S et al (2012) Demand Side Integration – Lastverschiebepotenziale in Deutschland. Verband der Elektrotechnik (VDE), FrankfurtGoogle Scholar
  5. Babrowski S, Heinrichs H, Jochem P, Fichtner W (2014) Load shift potential of electric vehicles in Europe. J Power Sources 255:283–293.  https://doi.org/10.1016/j.jpowsour.2014.01.019 CrossRefGoogle Scholar
  6. Bhandari V, Giacomoni AM, Wollenberg BF, Wilson EJ (2017) Interacting policies in power systems. Renewable subsidies and a carbon tax. The Electricity Journal 30(6):80–84.  https://doi.org/10.1016/j.tej.2017.06.004 CrossRefGoogle Scholar
  7. Blesl M, Ohl M (2010) Bundesländerspezifische Potenziale von Blockheizkraftwerken und Brennstoffzellen auf Kläranlagen in Deutschland. Statistisches Monatsheft Baden-Württemberg (12)Google Scholar
  8. BMWI, BMUB (2010) Energiekonzept für eine umweltschonende, zuverlässige und bezahlbare Energieversorgung. Hg. v. BMWI. Berlin. http://www.bmwi.de/Redaktion/DE/Downloads/E/energie-konzept-2010.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  9. Bruyn K de, Kollmann A, Moser S, Schmidthaler M, Amann C, Elbe C et al (2014) LoadShift. Hemmniskatalog. http://www.energieinstitut-linz.at/v2/wp-content/uploads/2016/04/Endbericht_Loadshift_9_Hemmniskatalog_FINAL.pdf. Zugegriffen 10. Okt. 2017
  10. Cludius J, Hermann H, Matthes FC, Graichen V (2014) The merit order effect of wind and photovoltaic electricity generation in Germany 2008–2016. Estimation and distributional implications. Energy Econ 44:302–313.  https://doi.org/10.1016/j.eneco.2014.04.020 CrossRefGoogle Scholar
  11. Di Cosmo V, Hyland M (2013) Carbon tax scenarios and their effects on the Irish energy sector. Energy Policy 59:404–414.  https://doi.org/10.1016/j.enpol.2013.03.055 CrossRefGoogle Scholar
  12. Dietrich K, Latorre JM, Olmos L, Ramos A (2015) Modelling and assessing the impacts of self supply and market-revenue driven Virtual Power Plants. Electric Power Systems Research 119:462–470.  https://doi.org/10.1016/j.epsr.2014.10.015 CrossRefGoogle Scholar
  13. DWA (2010) Merkblatt DWA-M 363: Herkunft, Aufbereitung und Verwertung von Biogasen. Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall, HennefGoogle Scholar
  14. DWA (2012) Leistungsvergleich kommunaler Kläranlagen 2011 – Stromverbrauch: 4.300 Kläranlagen unter der Lupe. https://de.dwa.de/tl_files/_media/content/PDFs/Abteilung_WAW/mj/Leistungsver-gleich_2012_LOW.pdf. Zugegriffen: 17. Mai 2017Google Scholar
  15. DWA (2014) Kläranlagen-Nachbarschaften (Landesverband Hessen/Rheinland-Pfalz/Saarland). DWA, MainzGoogle Scholar
  16. DWA (2015a) Kläranlagen- und Kanalnachbarschaften (Landesverband Nord). DWA, HildesheimGoogle Scholar
  17. DWA (2015b) Kläranlagen- und Kanalnachbarschaften (Landesverband Sachsen/Thüringen). DWA, DresdenGoogle Scholar
  18. DWA (2015c) Kläranlagen- und Kanalnachbarschaften: DWA-Landesverband Nord-Ost. DWA, MagdeburgGoogle Scholar
  19. DWA (2015d) Nachbarschaften im DWA-Landesverband Nordrhein-Westfalen. DWA, EssenGoogle Scholar
  20. DWA (2016a) Kanal- und Kläranlagennachbarschaften: Landesverband Bayern. DWA, MünchenGoogle Scholar
  21. DWA (2016b) Kläranlagen- und Kanalnachbarschaften: DWA-Landesverband Baden-Württemberg. DWA, StuttgartGoogle Scholar
  22. Dwyer L, Forsyth P, Spurr R (2012) Wither Australian Tourism? Implications of the Carbon Tax. Journal of Hospitality and Tourism Management 19(1):15–30.  https://doi.org/10.1017/jht.2012.18 CrossRefGoogle Scholar
  23. Energy Brainpool (2013) Strompreise 2040. Energy Brainpool, BerlinGoogle Scholar
  24. Farrell N (2017) What Factors Drive Inequalities in Carbon Tax Incidence? Decomposing Socioeconomic Inequalities in Carbon Tax Incidence in Ireland. Ecological Economics 142:31–45.  https://doi.org/10.1016/j.ecolecon.2017.04.004 MathSciNetCrossRefGoogle Scholar
  25. Finn P, Fitzpatrick C (2014) Demand side management of industrial electricity consumption. Promoting the use of renewable energy through real-time pricing. Appl Energy 113:11–21.  https://doi.org/10.1016/j.apenergy.2013.07.003 CrossRefGoogle Scholar
  26. Fricke K (2009) Energieeffizienz kommunaler Kläranlagen. Hg. v. Umweltbundesamt. Dessau-Roßlau. https://www.umweltbundesamt.de/sites/default/files/medien/publikation/long/3855.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  27. Graichen P, Steigenberger M, Litz P (2015) Die Rolle des Emissionshandels in der Energiewende. Perspektiven und Grenzen der aktuellen Reformvorschläge. Hg. v. Agora Energiewende. Berlin. https://www.agora-energiewende.de/fileadmin/downloads/publikationen/Hintergrund/ETS/Agora_Hintergrund_Rolle_des_Emissionshandels_11022015_web.pdf. Zugegriffen: 11. Okt. 2017
  28. Grote F, Drees T, Budke J, Moser A (2013) Einfluss des Demand Side Managements auf den Kraftwerkseinsatz in Europa. Energiewirtsch Tagesfr 63(12):32–36Google Scholar
  29. Gujer W (2007) Siedlungswasserwirtschaft, 3. Aufl. Springer, Berlin HeidelbergGoogle Scholar
  30. He S, Yin J, Zhang B, Wang Z (2017) How to upgrade an enterprise’s low-carbon technologies under a carbon tax. The trade-off between tax and upgrade fee. Applied Energy.  https://doi.org/10.1016/j.apenergy.2017.07.015 CrossRefGoogle Scholar
  31. Henning H‑M, Palzer A (2013) Energiesystem Deutschland 2050. Sektor- und Energieträgerübergreifende, modellbasierte, ganzheitliche Untersuchung zur langfristigen Reduktion energiebedingter CO2-Emissionen durch Energieeffizienz und den Einsatz Erneuerbarer Energien. Hg. v. Fraunhofer-Institut für Solare Energieforschung. Freiburg. Online verfügbar unter https://www.ise.fraunhofer.de/content/dam/ise/de/documents/publications/studies/Fraunhofer-ISE_Energiesystem-Deutschland-2050.pdf. Zugegriffen 11. Okt. 2017Google Scholar
  32. Holzhammer UA, Gerhardt N, Stelzer M, Hauser E, Guss H (2017) SymBioSE. Beiträge zur Systemtransformation durch Erbringung von Systemdienstleistungen von biogen betriebenen Stromerzeugungsanlagen. Kassel. http://publica.fraunhofer.de/eprints/urn_nbn_de_0011-n-4424968.pdf. Zugegriffen: 28. Juli 2017Google Scholar
  33. Huneke F, Lenck T (2016) Kurzanalyse zur Stromerzeugung bei netzbedingter Abregelung erneuerbarer Energien. Hg. v. Energy Brainpool. Berlin. https://www.greenpeace.de/files/publications/kurzana-lyse_grosskraftwerke.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  34. Icha P, Kuhs G (2017) Entwicklung der spezifischen Kohlendioxid-Emissionen des deutschen Strommix in den Jahren 1990–2017. Hg. v. Umweltbundesamt. https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2018-05-04_climate-change_11-2018_strommix-2018_0.pdf. Zugegriffen: 29. Jan. 2019Google Scholar
  35. IEA (2014) The power of transformation. Wind, sun and the economics of flexible power systems. OECD Publishing. Paris. https://www.iea.org/publications/freepublications/publication/The_power_of_Transformation.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  36. IEA (2015) Energy technology perspectives. Mobilising innovation to accelerate climate action. Hg. v. International energy agency. Paris. http://www.iea.org/publications/freepublications/publication/ETP2015.pdf. Zugegriffen: 11. Okt. 2017Google Scholar
  37. Jahn A, Praetrorius B (2014) Der Spotmarktpreis als Index für eine dynamische EEG-Umlage. Vorschlag für eine verbesserte Integration Erneuerbarer Energien durch Flexibilisierung der Nachfrage. Agora Energiewende. Berlin. https://www.agora-energiewende.de/fileadmin/downloads/publikationen/Studien/Dynamische-EEG_Umlage/Agora_RAP_Spotmarktpreis_als_Index_fuer_dyn_EEG-Umlage_web.pdf. Zugegriffen: 7. Juli 2016Google Scholar
  38. Jansen M, Richts C, Gerhardt N, Lenck T, Heddrich ML (2015) Strommarkt-Flexibilisierung. Hemmnisse und Lösungskonzepte. Bochum: Ponte PressGoogle Scholar
  39. Katz J, Andersen FM, Morthorst PE (2016) Load-shift incentives for household demand response. Evaluation of hourly dynamic pricing and rebate schemes in a wind-based electricity system. Energy 115:1602–1616.  https://doi.org/10.1016/j.energy.2016.07.084 CrossRefGoogle Scholar
  40. Khanna NZ, Guo J, Zheng X (2016) Effects of demand side management on Chinese household electricity consumption. Empirical findings from Chinese household survey. Energy Policy 95:113–125.  https://doi.org/10.1016/j.en-pol.2016.04.049 CrossRefGoogle Scholar
  41. Khripko D, Morioka SN, Evans S, Hesselbach J, de Carvalho MM (2017) Demand side management within industry. A case study for sustainable business models. Proc Manuf 8:270–277.  https://doi.org/10.1016/j.promfg.2017.02.034 CrossRefGoogle Scholar
  42. Kuo TC, Hong IH, Lin SC (2016) Do carbon taxes work? Analysis of government policies and enterprise strategies in equilibrium. Journal of Cleaner Production 139:337–346.  https://doi.org/10.1016/j.jclepro.2016.07.164 CrossRefGoogle Scholar
  43. Laicane I, Blumberga D, Blumberga A, Rosa M (2015) Reducing household electricity consumption through demand side management. The role of home appliance scheduling and peak load reduction. Energy Proc 72:222–229.  https://doi.org/10.1016/j.egypro.2015.06.032 CrossRefGoogle Scholar
  44. Matar W (2017) A look at the response of households to time-of-use electricity pricing in Saudi Arabia and its impact on the wider economy. Energy Strategy Rev 16:13–23.  https://doi.org/10.1016/j.esr.2017.02.002 CrossRefGoogle Scholar
  45. MELUR (2016) Abregelung von Strom aus erneuerbaren Energien und daraus resultierende Entschädigungsansprüche in den Jahren 2010 bis 2015. Hg. v. Ministerium für Energiewende, Landwirtschaft, Umwelt und ländliche Räume. Kiel. https://www.schleswig-holstein.de/DE/Schwerpunkte/Energie-wende/Strom/pdf/abregelungStrom.pdf. Zugegriffen: 22. Sept. 2017Google Scholar
  46. Mesari P, Krajcar S (2015) Home demand side management integrated with electric vehicles and renewable energy sources. Energy Build 108:1–9.  https://doi.org/10.1016/j.enbuild.2015.09.001 CrossRefGoogle Scholar
  47. Nilsson A, Stoll P, Brandt N (2017) Assessing the impact of real-time price visualization on residential electricity consumption, costs, and carbon emissions. Resour Conserv Recycl 124:152–161.  https://doi.org/10.1016/j.resconrec.2015.10.007 CrossRefGoogle Scholar
  48. Nitsch J, Pregger T, Naegler T, Heide D, Luca de Tena D, Trieb F et al. (2012) Langfristszenarien und Strategien für den Ausbau der erneuerbaren Energien in Deutschland bei Berücksichtigung der Entwicklung in Europa und global. Hg. v. DLR Deutsches Zentrum für Luft- und Raumfahrt, Fraunhofer-Institut für Windenergie und Energiesystemtechnik und Ingenieurbüro für neue Energie. Online verfügbar unter http://www.dlr.de/tt/Portaldata/41/Resources/dokumente/institut/system/publications/leitstudie2011_bf.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  49. Pechmann A, Shrouf F, Chonin M, Steenhusen N (2017) Load-shifting potential at SMEs manufacturing sites. A methodology and case study. Renew Sustain Energy Rev 78:431–438.  https://doi.org/10.1016/j.rser.2017.04.081 CrossRefGoogle Scholar
  50. Pellinger C, Schmid T (2016) Merit Order der Energiespeicherung im Jahr 2030. Forschungsstelle für Energiewirtschaft. München. https://www.ffe.de/images/stories/Themen/414_MOS/20160531_MOS_Hauptbericht.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  51. Regett A, Heller C (2015) Relevanz zeitlich aufgelöster Emissionsfaktoren für die Bewertung tages- und jahreszeitlich schwankender Verbraucher. Energiewirtsch Tagesfr 65(7):46–50Google Scholar
  52. Roldan Fernandez JM, Burgos Payan M, Riquelme SJM, Trigo Garcia AL (2016) Renewable generation versus demand-side management. A comparison for the Spanish market. Energy Policy 96:458–470.  https://doi.org/10.1016/j.enpol.2016.06.014 CrossRefGoogle Scholar
  53. von Roon S, Huck M (2010) Merit Order des Kraftwerksparks. Hg. v. Forschungsstelle für Energiewirtschaft. München. https://www.ffe.de/download/wissen/20100607_Merit_Order.pdf. Zugegriffen: 17. Mai 2017Google Scholar
  54. Schäfer M, Gretzschel O, Schmitt TG, Knerr H (2015) Wastewater treatment plants as system service provider for renewable energy storage and control energy in virtual power plants—a potential analysis. Energy Proc 73:87–93.  https://doi.org/10.1016/j.egypro.2015.07.566 CrossRefGoogle Scholar
  55. Schäfer M, Gretzschel O, Schmitt TG, Taudien Y (2017a) Flexibilitätspotenziale von Kläranlagen am Energiemarkt. Wasserwirtsch Wassertech 3:8–12Google Scholar
  56. Schäfer M, Hobus I, Schmitt TG (2017b) Energetic flexibility on wastewater treatment plants. Water Sci Technol.  https://doi.org/10.2166/wst.2017.308 CrossRefGoogle Scholar
  57. Schill W‑P (2014) Residual load, renewable surplus generation and storage requirements in Germany. Energy Policy 73:65–79.  https://doi.org/10.1016/j.enpol.2014.05.032 CrossRefGoogle Scholar
  58. Schlesinger M, Hofer P, Kemmler A, Koziel S, Ley A, Piégsa A et al (2014) Entwicklung der Energiemärkte – Energiereferenzprognose. Hg. v. Prognos AG, EWI – Energiewirtschaftliches Institut an der Universität zu Köln, Gesellschaft für Wirtschaftliche Strukturforschung mbH (GWS). Basel, Köln, Osnabrück. https://www.bmwi.de/Redaktion/DE/Publikationen/Studien/entwicklung-der-energiemaerkte-energiereferenz-prognose-endbericht.pdf. Zugegriffen: 26. Nov. 2017Google Scholar
  59. Seier M, Schebek L (2017) Model-based investigation of residual load smoothing through dynamic electricity purchase. The case of wastewater treatment plants in Germany. Appl Energy.  https://doi.org/10.1016/j.a-penergy.2017.07.116 CrossRefGoogle Scholar
  60. Statistisches Bundesamt (2015) Öffentliche Abwasserbehandlung und -entsorgung – Fachserie 19, Reihe 2.1.2 – 2013. Hg. v. Federal Statistical Office. Wiesbaden. https://www.destatis.de/DE/Publikationen/Thematisch/UmweltstatistischeErhebungen/Wasserwirtschaft/WasserAbwasserNichtoeffentlich2190220139004.pdf. Zugegriffen: 17. Mai 2017Google Scholar
  61. Steiniger H (2017) Virtual Power Plants. Bringing the Flexibility of Decentralized Loads and Generation to Power Markets. Innovation and disruption at the Grid’s Edge: Elsevier, S 331–362Google Scholar
  62. Sterner M, Stadler I (2014) Energiespeicher – Bedarf, Technologien, Integration. Springer, Berlin, HeidelbergGoogle Scholar
  63. Teske S, Muth J, Sawyer J, Pregger T, Simon S, Naegler T, O’Sullivan M (2012) Energy [R]evolution. A Sustainable World Energy Outlook. Hg. v. Greenpeace e. V. Amsterdam. http://www.green-peace.org/international/Global/international/publications/climate/2012/Energy%20Revolution%202012/ER2012.pdf. Zugegriffen: 11. Okt. 2017Google Scholar
  64. Udrene L, Bazbauers G (2015) Role of Vehicle-to-grid Systems for Electric Load Shifting and Integration of Intermittent Sources in Latvian Power System. Energy Proc 72:156–162.  https://doi.org/10.1016/j.egypro.2015.06.022 CrossRefGoogle Scholar
  65. Vera S, Sauma E (2015) Does a carbon tax make sense in countries with still a high potential for energy efficiency? Comparison between the reducing-emissions effects of carbon tax and energy efficiency measures in the Chilean case. Energy 88:478–488.  https://doi.org/10.1016/j.energy.2015.05.067 CrossRefGoogle Scholar
  66. Wesseh PK, Lin B, Atsagli P (2017) Carbon taxes, industrial production, welfare and the environment. Energy 123:305–313.  https://doi.org/10.1016/j.energy.2017.01.139 CrossRefGoogle Scholar
  67. Wimmler C, Hejazi G, de Oliveira Fernandes E, Moreira C, Connors S (2017) Impacts of load shifting on renewable energy integration. Energy Proc 107:248–252.  https://doi.org/10.1016/j.egypro.2016.12.142 CrossRefGoogle Scholar
  68. Zapata Riveros J, Bruninx K, Poncelet K, D’haeseleer W (2015) Bidding strategies for virtual power plants considerung CHPs and intermittent renewables. Energy Conversion and Management 103:408–418.  https://doi.org/10.1016/j.enconman.2015.06.075 CrossRefGoogle Scholar
  69. Zhou B, Yao F, Littler T, Zhang H (2016) An electric vehicle dispatch module for demand-side energy participation. Appl Energy 177:464–474.  https://doi.org/10.1016/j.apenergy.2016.05.120 CrossRefGoogle Scholar

Weiterführende Literatur

  1. Ertem FC, Martínez-Blanco J, Finkbeiner M, Neubauer P, Junne S (2016) Life cycle assessment of flexibly fed biogas processes for an improved demand-oriented biogas supply. Bioresour Technol 219:536–544.  https://doi.org/10.1016/j.biortech.2016.07.123 CrossRefGoogle Scholar
  2. Hahn H, Hartmann K, Bühle L, Wachendorf M (2015) Comparative life cycle assessment of biogas plant configurations for a demand oriented biogas supply for flexible power generation. Bioresour Technol 179:348–358.  https://doi.org/10.1016/j.biortech.2014.12.007 CrossRefGoogle Scholar
  3. Lauer M, Dotzauer M, Nebel E, Postel J, Hennig C, Lehmann M (2015) Schlussbericht – OptFlex Biogas – Ermittlung eines technisch-ökonomisch optimierten Betriebs von flexiblen Biogasanlagen. Leipzig. https://www.energetische-biomassenutzung.de/fileadmin/user_upload/Steckbriefe/dokumente/03KB073_OptFlex_Schlussbericht.pdf. Zugegriffen: 26. Nov. 2017Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Institut IWAR, Fachgebiet Stoffstrommanagement und RessourcenwirtschaftTechnische Universität DarmstadtDarmstadtDeutschland

Personalised recommendations