Skip to main content

Dekarbonisierung in Salzburgs Skigebieten – Entwicklung von Optimierungsalgorithmen und Energiemanagementsystemen zur Steigerung der Energieeffizienz, Minimierung von Emissionen und Optimierung von Flexibilitäten

Decarbonization of the skiing areas in Salzburg – development of optimization algorithms and energy management systems to increase energy efficiency, minimize emissions and optimize flexibility

Zusammenfassung

Der Wintertourismus stellte einen energieintensiven Industriezweig dar. Das Ziel des FFG-Förderprojekts Clean Energy for Tourism ist es, durch die Entwicklung von Technologien und Geschäftsmodellen Salzburgs Skigebiete am Weg zur Dekarbonisierung zu unterstützen. In diesem Artikel werden die dafür entwickelte IKT-Infrastruktur, die Optimierungsalgorithmen sowie die Geschäftsmodelle vorgestellt.

Abstract

Winter tourism is an energy-intensive branch of industry. The aim of the FFG funding project Clean Energy for Tourism is to support Salzburg’s skiing areas on the way to decarbonization by developing technologies and business models. In this article, the developed ICT infrastructure, the optimization algorithms and the business models are presented.

This is a preview of subscription content, access via your institution.

Abb. 1.
Abb. 2.
Abb. 3.
Abb. 4.
Abb. 5.

Literatur

  1. 1.

    Umweltbundesamt Zehnter Umweltkontrollbericht. Umweltzustand in Österreich, 2013, Vienna, Austria. http://www.umweltbundes-amt.at/umweltsituation/umweltkontrollbericht/ukb2013/.

  2. 2.

    Mansoor, M., Stadler, M., Auer, H., Zellinger, M. (2021): Advanced optimal planning for microgrid technologies including hydrogen and mobility at a real microgrid testbed. Int. J. Hydrog. Energy, 46(37), 19285–19302. https://doi.org/10.1016/j.ijhydene.2021.03.110.

    Article  Google Scholar 

  3. 3.

    Muhammad, M., Stadler, M., Zellinger, M., Lichtenegger, K., Auer, H., Cosic, A. (2021): Optimal planning of thermal energy systems in a microgrid with seasonal storage and piecewise affine cost functions. Energy J., 215(15), 0360. https://doi.org/10.1016/j.energy.2020.119095.

    Article  Google Scholar 

  4. 4.

    Klaus, L., Stadler, M., Moser, A., Zellinger, M., Muschick, D., Gölles, M., Steinlechner, M., Ayoub, T., Gerardts, B. Optimization of heating, electricity and cooling services in a microgrid to increase the efficiency and reliability, making distributed generation business succeed. Electrify Europe, 20 June 2018, Vienna, Austria.

  5. 5.

    Hart, W. E., Laird, C. D., Watson, J.-P., Woodruff, D. L., Hackebeil, G. A., Nicholson, B. L., Siirola, J. D. (2017): Pyomo – optimization modeling in python. 2. ed. (Vol. 67). Berlin: Springer. https://doi.org/10.1007/978-1-4615-1049-9.

    Book  MATH  Google Scholar 

  6. 6.

    Forrest, J., Ralphs, T., Vigerske, S., Hafer, L., Kristjansson, B., Saltzman, M. (2018, July 19): coin-or/Cbc: Version 2.9.9 (Version releases/2.9.9). Zenodo. https://doi.org/10.5281/zenodo.1317566.

  7. 7.

    Morari, M., Lee, J. H. (1999): Model predictive control: past, present and future. Comput. Chem. Eng., 23(4–5), 667–682. https://doi.org/10.1016/S0098-1354(98)00301-9.

    Article  Google Scholar 

  8. 8.

    Dai, L., Xia, Y., Fu, M., Mahmoud, M. (2012): Discrete-time model predictive control. In Advances in Discrete Time Systems (S. 77–116). https://doi.org/10.5772/51122.

    Chapter  Google Scholar 

  9. 9.

    Qin, J. S., Badgwell, T. A. (2003): A survey of industrial model predictive control technology. Control Eng. Pract., 11(7), 733–764. https://doi.org/10.1016/S0967-0661(02)00186-7.

    Article  Google Scholar 

  10. 10.

    ENTSO-E transparency platform. ENTSO-E transparency platform. [Online] 19. 06 2018. https://transparency.entsoe.eu/.

  11. 11.

    Umwelbundesamt, e-control, Austrian disclosure report 2019, 2019, https://www.e-control.at/marktteilnehmer/oeko-energie/stromkennzeichnung/umweltauswirkungen.

  12. 12.

    Mashayekh, S., Stadler, M., Cardoso, G., Heleno, M. (2017): A mixed integer linear programming approach for optimal DER portfolio, sizing, and placement in multi-energy microgrids. Appl. Energy, 187, 154–168. LBNL-1006559.

    Article  Google Scholar 

Download references

Danksagung

Das NEFI-Projekt Clean Energy for Tourism wurde aus Mitteln des Klima- und Energiefonds gefördert und im Rahmen des Programms ,,Vorzeigeregion Energie 2.AS“ durchgeführt.

Author information

Affiliations

Authors

Corresponding author

Correspondence to Stefanie Kritzer.

Additional information

Hinweis des Verlags

Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Kritzer, S., Passegger, H., Ayoub, T. et al. Dekarbonisierung in Salzburgs Skigebieten – Entwicklung von Optimierungsalgorithmen und Energiemanagementsystemen zur Steigerung der Energieeffizienz, Minimierung von Emissionen und Optimierung von Flexibilitäten. Elektrotech. Inftech. 138, 281–288 (2021). https://doi.org/10.1007/s00502-021-00894-1

Download citation

Schlüsselwörter

  • Dekarbonisierung
  • Digitalisierung
  • mathematische Optimierung
  • IKT-Infrastruktur
  • Business-Modelle

Keywords

  • decarbonization
  • digitization
  • mathematical
  • optimization
  • ICT infrastructure
  • business models