Advertisement

Wirtschaftlichkeitsbetrachtung von Haushaltsspeichern und realdatengestützte Untersuchung des elektrischen Eigenverbrauchs von PV-Strom

  • C. Stegner
  • J. Bogenrieder
  • S. Auer
  • P. Luchscheider
  • R. German
  • C. Brabec
Conference paper

Kurzfassung

Im Jahr 2014 lieferten Erneuerbare Energien bereits mehr als ein Viertel der Bruttostromerzeugung, wovon wiederum rund 22 % auf Photovoltaik-Anlagen entfielen. Diese Technologie ist von einer hohen Dezentralität geprägt. Von den ca. 1,4 Millionen Anlagen in Deutschland sind ca. 97 % in der Niederspannung angeschlossen – das entspricht ca. 80 % der installierten Leistung. Mit den sinkenden Einspeisevergütungen für Photovoltaik-Strom rückt der elektrische Eigenverbrauch in den Fokus der Anwendung. Jedoch sind die Leistungsprofile der Erzeugung und vor allem des Verbrauchs hoch volatil. Dies erfordert kurze Zeitintervalle bei der Messung bzw. bei der Simulation der elektrischen Leistungen, wenn diese realitätsnah abgebildet werden sollen. Smart-Meter sind prinzipiell zu solchen Messungen fähig, jedoch ist die Datenerfassung und Übertragung nicht trivial. Zu berücksichtigen sind die regulatorischen Vorgaben, die vorhandene Infrastruktur für Datenkommunikation, ihre Sicherheit und Zuverlässigkeit, die Akzeptanz der beteiligten Haushalte oder sonstigen Endkunden sowie die Kosten. Im Projekt Smart Grid Solar werden seit November 2014 in einem ländlich geprägten Ortsteil der Stadt Hof mit hoher PV-Durchdringung über 30 Smart-Meter in sehr kurzen Messintervallen von 15 Sekunden ausgelesen. Die 12 erfassten PV-Anlagen weisen eine hohe Vielfalt an Ausrichtungen auf, welche es ermöglicht, deren Auswirkung auf den Eigenverbrauch zu untersuchen. Gleichzeitig werden Erkenntnisse darüber gewonnen, wie stark die Werte für Eigenverbrauch abweichen, wenn längere Zeitintervalle als 15 Sekunden als Grundlage der Berechnung dienen. Die bisherigen Ergebnisse zeigen, dass sich der Fehler bei der Betrachtung von 15 min- Intervallen bereits auf 5 – 10 % beläuft. Zusätzlich wurde in einer detaillierten techno-ökonomischen Betrachtung die Wirtschaftlichkeit verschiedener elektrischen Solarspeicher-Systeme untersucht. Alle notwendigen technischen Parameter und die aktuellen regulatorischen Rahmenbedingungen sowie die Preisgestaltung der Komponenten wurden berücksichtigt, inklusive einer Abschätzung der Genauigkeit anhand einer Monte-Carlo-Simulation. Das Model zeigt, dass unter aktuellen Bedingungen PV-Anlagen wirtschaftlich sind und die optimale Anlagengröße sich zu kleinen Leistungen hin verschiebt. Selbst die günstigsten Speicher reduzieren hingegen im Moment noch die Rendite.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1]
    Luchscheider, P., Bazan, P., German, R.: Zeitlich hochaufgelöste Simulation von Solarstrahlung zur Bewertung von Smart Grids. 29. Symposium Photovoltaische Solarenergie (OTTI), Bad Staffelstein (2014)Google Scholar
  2. [2]
    Hoevenaars, E.J., Crawford, C.A.: Implications of temporal resolution for modeling renewables-based power systems. Renew. Energy 41, S. 285–293. (2012). doi:10.1016/j.renene.2011.11.013Google Scholar
  3. [3]
    Cao, S., Sirén, K.: Impact of simulation timeresolution on the matching of PV production and household electric demand. Appl. Energy 128, S. 192–208. (2014). doi:10.1016/j.apenergy.2014.04.075Google Scholar
  4. [4]
    Weniger, J., Tjaden, T., Quaschning, V.: Sizing of Residential PV Battery Systems. Energy Procedia, 8th International Renewable Energy Stor-age Conference and Exhibition (IRES 2013), S. 78–87 Vol 46. (2014). doi:10.1016/j.egypro.2014.01.160Google Scholar
  5. [5]
    Cagni, A., Carpaneto E., Chicco G., Napoli R.: Characterisation of the aggregated load patterns for extraurban residential customer groups. S. 951–954 Vol.3. IEEE, (2004). doi:10.1109/MELCON.2004.1348210Google Scholar
  6. [6]
    Carpaneto, E., Chicco, G.: Probability distribu-tions of the aggregated residential load. S. 1–6. IEEE (2006). doi:10.1109/PMAPS.2006.360235.Google Scholar
  7. [7]
    Darling, S.B., You, F., Veselka, T., Velosa, A.: Assumptions and the levelized cost of energy for photovoltaics. Energy Environ. Sci. 4, S. 3133–3139. (2011). doi:10.1039/C0EE00698JGoogle Scholar
  8. [8]
    Hoppmann, J., Volland, J., Schmidt, T.S., Hoffmann, V.H.: The economic viability of battery storage for residential solar photovoltaic systems – A review and a simulation model. Renewable and Sustainable Energy Reviews 39, S. 1101–1118. (2014). doi:10.1016/j.rser.2014.07.068Google Scholar
  9. [9]
    Battke, B., Schmidt, T.S., Grosspietsch, D., Hoffmann, V.H.: A review and probabilistic model of lifecycle costs of stationary batteries in multiple applications. Renewable and Sustainable Energy Reviews 25, S. 240–250. (2013). doi:10.1016/j.rser.2013.04.023Google Scholar
  10. [10]
    Stetz, T., Wolf, H., Probst, A., Eilenberger, S., Saint Drenan, Y.-M., Kämpf, E., Braun, M., Schöllhorn, D., Schmidt, S.: Stochastische Analyse von Smart-Meter Messdaten, VDE-Kongress 2012. VDE VERLAG GmbH. (2012)Google Scholar
  11. [11]
    Häberlin, H.: Photovoltaik: Strom aus Sonnenlicht für Verbundnetz und Inselanlagen, Auflage: 2., VDE VERLAG, Fehraltorf. (2010)Google Scholar
  12. [12]
  13. [13]
    ED Netze GmbH, VDEW Lastprofil Haushalt http://www.ednetze.de/cms/medienboard/excel/lastprofile/VDEW-Lastprofile-Haushalt.xls. (1999) Zugegriffen: 12. Januar 2014
  14. [14]
    KfW: Konditionen-Anzeiger. https://www.kfwformularsammlung.de/KonditionenanzeigerINet/KonditionenAnzeiger. (2014) Zugegriffen: 13. Januar 2015
  15. [15]
    IMF: World Economic Outlook Database October 2014. http://www.imf.org/external/pubs/ft/weo/2014/02/weodata/index.aspx. (2014). Zugegriffen: 9. Januar 2015
  16. [16]
    Deutsche Bundesbank: Tägliche Zinsstruktur für Pfandbriefe http://www.bundesbank.de/Redaktion/DE/Downloads/Statistiken/Geld_Und_Kapitalmaerkte/Zinssaet-ze_Renditen/stat_zinsstruktur_Pfandbriefe.pdf. (2015). Zugegriffen: 9. Dezember 2014
  17. [17]
    Solarpraxis: Preis einer gespeicherten Kilowattstunde Strom kann bis 2030 von über 20 auf 5 Eurocent sinken. http://www.solarpraxis.de/newsliste-von-startsei-te/newsdetail/article/Preis_einer_gespeicherten_Kilowattstunde_Strom_kan/. (2014) Zugegriffen: 17. November 2014

Copyright information

© Springer Fachmedien Wiesbaden 2015

Authors and Affiliations

  • C. Stegner
    • 1
  • J. Bogenrieder
    • 1
  • S. Auer
    • 2
  • P. Luchscheider
    • 1
  • R. German
    • 3
  • C. Brabec
    • 1
  1. 1.ZAE Bayern e. V.c/o Stadtwerke Hof GmbHHofDeutschland
  2. 2.iisys HofHof/SaaleDeutschland
  3. 3.FAU Erlangen-Nürnberg, CS 7ErlangenDeutschland

Personalised recommendations