Advertisement

HMD Praxis der Wirtschaftsinformatik

, Volume 55, Issue 3, pp 627–645 | Cite as

Demand Side Management

Entscheidungsunterstützungssysteme für die flexible Beschaffung von Energie unter integrierten Chancen- und Risikoaspekten
  • Lukas Häfner
Spektrum
  • 505 Downloads

Zusammenfassung

Der im Zuge der Energiewende wachsende Anteil regenerativer Energieträger verstärkt Preisschwankungen auf Energiemärkten und führt zur zunehmenden Gefährdung der Versorgungssicherheit. Vor allem Industrieunternehmen stehen vor der Herausforderung, das dadurch erschwerte Energieversorgungsmanagement so anzupassen, dass die Wertschöpfung und die Rentabilität der deutschen Standorte gesichert sind. Die Nutzung von Flexibilität im Energieverbrauch und in der Eigenenergieerzeugung („Demand Side Management“) kann dabei einen vielversprechenden Ansatz bieten, da somit ein kostensensitives Energiemanagement möglich ist und neue Erlöspotentiale durch Flexibilitätsvermarktung an Märkten für Strom, Systemdienstleistungen und speziellen Flexibilitätsmärkten erschließbar werden. Dennoch ist die Ermittlung des realisierbaren und wirtschaftlichen Energieflexibilitätspotentials von hoher Komplexität und die Literatur gibt bislang kaum Antworten darauf, wie Industrieunternehmen zukünftig mit dieser Situation umgehen sollen. Vor diesem Hintergrund wird im vorliegenden Beitrag die Entwicklung und Nutzung neuartiger Entscheidungsunterstützungssysteme motiviert, welche Industrieunternehmen alleine oder zusammen mit IT-Dienstleistern und Energieberatern entwickeln und zur optimalen Nutzung vorhandener Energieflexibilität unter integrierten Chancen- und Risikoaspekten nutzen können. Dazu werden neben Grundlagen zum Thema Energieflexibilität und Flexibilitätsvermarktung wesentliche funktionale Anforderungen präsentiert, die ein Entscheidungsunterstützungssystem (EUS) für das Energieflexibilitätsmanagement (EFM) idealerweise erfüllen sollte. Anschließend wird eine Systemarchitektur für ein derartiges EUS vorgestellt und Handlungsempfehlungen für die Praxis abgeleitet. Im Rahmen von Experteninterviews wird dabei die Praxistauglichkeit sichergestellt.

Schlüsselwörter

Demand Side Management Energieflexibilität Entscheidungsunterstützungssysteme Observer/Controller-Architektur Integriertes Chancen- und Risikomanagement Industrieunternehmen 

Demand Side Management

Decision Support Systems for Flexible Energy Procurement Under Integrated Risk and Return Aspects

Abstract

The German “energy transition” toward renewable energies exhibits an increase of volatility in energy supply and therefore threatens both grid stability and electricity price stability. Especially industrial companies meet the challenge to provide sufficient and affordable energy according to their individual production requirements. To this effect, the utilization of flexibility in these companies’ energy demand and decentral energy generation (“demand side management”) is a promising approach to realize cost savings and new profit opportunities on power exchanges, balancing power markets and specific forthcoming flexibility markets. However, the computation of available and economic energy flexibility potential is a highly complex task for industrial companies and literature has not yet delivered approaches on how to deal with that challenge. In this context, this paper motivates the development and application of new decision support systems that can be developed by industrial companies themselves or in cooperation with IT service providers and energy consultants with the objective to optimize the utilization of energy flexibility using an integrated risk and return management. Besides basics on energy flexibility and flexibility deployment, this paper presents important functional requirements for decision support systems in energy flexibility management. Subsequently, this paper presents a system architecture for such a decision support system and concludes with recommendations for practitioners. Thereby, practicability is ensured by presenting results from interviews with industry experts.

Keywords

Demand side management Energy flexibility Decision support system Observer/controller architecture Integrated risk and return management Industrial companies 

Notes

Danksagung

Der Autor bedankt sich herzlich beim Bundesministerium für Bildung und Forschung (BMBF) für die finanzielle Unterstützung und beim Projektträger Jülich (PtJ) für die Betreuung des Kopernikus-Projektes „SynErgie“.

Literatur

  1. Allerding F, Schmeck H (2011) Organic smart home: architecture for energy management in intelligent buildings. Proceedings of the 2011 workshop on Organic computing ACM, S 67–76Google Scholar
  2. Becker B, Allerding F, Reiner U, Kahl M, Richter U, Pathmaperuma D, Schmeck H, Leibfried T (2010) Decentralized energy-management to control smart-home architectures. In: Müller-Schloer C, Karl W, Yehia S (Hrsg) Architecture of computing systems. ARCS, Bd. 2010. Springer, Berlin, Heidelberg, S 150–161Google Scholar
  3. Bertsch J, Schweter H, Sitzmann A, Fridgen G, Sachs T, Schöpf M (2017) Ausgangsbedingungen für die Vermarktung von Nachfrageflexibilität – Status-Quo-Analyse und Metastudie. http://www.ewi.research-scenarios.de/cms/wp-content/uploads/2017/07/ewi_ERS_FIM_FIT.pdf. Zugegriffen: 17. Sept. 2017Google Scholar
  4. BMBF (2017) Kopernikus-Projekte für die Energiewende. https://www.kopernikus-projekte.de. Zugegriffen: 17. Sept. 2017Google Scholar
  5. Branke J, Mnif M, Muller-Schloer C, Prothmann H (2006) Organic computing – addressing complexity by controlled self-organization. Second International Symposium on Leveraging Applications of Formal Methods, Verification and Validation, S 185–191Google Scholar
  6. Bundesregierung (2010) Energiekonzept für eine umweltschonende, zuverlässige und bezahlbare Energieversorgung. https://www.bundesregierung.de/ContentArchiv/DE/Archiv17/_Anlagen/2012/02/energiekonzept-final.pdf?__blob=publicationFile&v=5. Zugegriffen: 17. Sept. 2017Google Scholar
  7. Bundesregierung (2017) Energiewende – Fragen und Antworten. https://www.bundesregierung.de/Webs/Breg/DE/Themen/Energiewende/Fragen-Antworten/1_Allgemeines/1_warum/_node.html. Zugegriffen: 17. Sept. 2017Google Scholar
  8. dena (2013) Marktrollen und Prozesse beim Einsatz von flexiblen Stromlasten im Energiesystem. http://www.presseportal.de/showbin.htx?id=269944&type=document&action=download&attname=13-12-23-ergebnispapier-marktrollen-und-prozesse.pdf. Zugegriffen: 17. Sept. 2017Google Scholar
  9. Ecofys (2016) Flex-Efficiency. Ein Konzept zur Integration von Effizienz und Flexibilität bei industriellen Verbrauchern. Studie im Auftrag von Agora Energiewende. https://www.agora-energiewende.de/fileadmin/Projekte/2015/Flex-Efficiency/Agora_Flex-Efficiency_WEB.pdf. Zugegriffen: 17. Sept. 2017Google Scholar
  10. EEX (2017) https://www.eex.com/de. Zugegriffen: 17. Sept. 2017
  11. Fridgen G, Häfner L, König C, Sachs T (2016) Providing utility to utilities: the value of information systems enabled flexibility in electricity consumption. J Assoc Inf Syst 17(8):537–563Google Scholar
  12. Hrastnik J, Rollett H, Strohmaier M (2004) Heterogenes Wissen über Prozesse als Grundlage für die Geschäftsprozessverbesserung. In: Engelhardt C, Hall K, Ortner J (Hrsg) Prozesswissen als Erfolgsfaktor. Deutscher Universitätsverlag, Wiesbaden, S 37–60CrossRefGoogle Scholar
  13. Mauser I, Hirsch C, Kochanneck S, Schmeck H (2015) Organic architecture for energy management and smart grids. IEEE International Conference on Autonomic Computing (ICAC), Grenoble, 07.–10.07.2015, S 101–108Google Scholar
  14. Netzregelverbund (2017) https://www.regelleistung.net. Zugegriffen: 17. Sept. 2017
  15. Next Kraftwerke (2017) https://www.next-kraftwerke.de. Zugegriffen: 17. Sept. 2017
  16. Reger J, Kosch B (2017) Energieaspekte der Informationstechnologie. In: Matzen FJ, Tesch R (Hrsg) Industrielle Energiestrategie – Praxishandbuch für Entscheider des produzierenden Gewerbes. Springer Gabler, Wiesbaden, S 549–570Google Scholar
  17. Richter U, Mnif M, Branke J, Müller-Schloer C, Schmeck H (2006) Towards a generic observer/controller architecture for Organic Computing. In: Hochberger C, Liskowsky R (Hrsg) Informatik 2006, Informatik für Menschen. Köllen, Bonn, S 112–119Google Scholar
  18. Schellmann JH (2012) Bewertung kundenspezifischer Mengenflexibilität im Wertschöpfungsnetz. Dissertation, Technische Universität MünchenGoogle Scholar
  19. Simon R (2017) Nachfrageseitige Flexibilitätsoptionen: Demand-Side-Management, Energiespeicher und Regelenergie. In: Matzen FJ, Tesch R (Hrsg) Industrielle Energiestrategie – Praxishandbuch für Entscheider des produzierenden Gewerbes. Springer Gabler, Wiesbaden, S 255–273Google Scholar
  20. Strohmaier M, Rollett H (2005) Future research challenges in business agility-time, control and information systems. Proceedings of the Seventh IEEE International Conference on E‑Commerce Technology Workshops, S 109–115Google Scholar
  21. United Nations (2015) Adoption of the Paris Agreement. https://unfccc.int/resource/docs/2015/cop21/eng/l09.pdf. Zugegriffen: 17. Sept. 2017Google Scholar
  22. VKU (2015) Stellungnahme zum Weißbuch „Ein Strommarkt für die Energiewende“. http://www.bmwi.de/Redaktion/DE/Downloads/Stellungnahmen/Stellungnahmen-Weissbuch/Organisationen/150821-vku.pdf?__blob=publicationFile&v=3. Zugegriffen: 17. Sept. 2017Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2017

Authors and Affiliations

  1. 1.Projektgruppe Wirtschaftsinformatik des Fraunhofer FIT und Kernkompetenzzentrum Finanz- & Informationsmanagement (FIM)Universität AugsburgAugsburgDeutschland

Personalised recommendations