Kapitel 3

Methodik und Simulationsmodell GridSim

3 Methodik und Simulationsmodell „GridSim“ Die Entwicklung eines Simulationsmodells zur realitätsnahen Simulation der Energieversorgung von Wohngebieten erfordert eine gründliche Modellierung der energierelevanten Akteure eines Wohngebietes. Deshalb wird in diesem Kapitel das Konzept der Simulation vorgestellt sowie auf die Modellierung der wesentlichen Komponenten des Simulationsmodells eingegangen. Im Anschluss wird die Auswertungsmethodik mit ihren zugehörigen Auswertungsstufen und Begriffen beschrieben, da dies für das Verständnis der späteren Auswertungen hilfreich ist.

3.1 Konzept GridSim Um das Zusammenwirken von Verbrauchern und Erzeugern mit unterschiedlichen Regelungen in einem Niederspannungsnetz analysieren zu können ist eine rechnergestützte Verknüpfung aller Komponenten in einem Simulationsmodell mit Lastflussberechnung notwendig. Daher wurde das Modell „GridSim“ entwickelt. Der Name leitet sich aus dem englischen Wort für Stromnetz „Grid“ und „Sim“ von Simulation ab. In der GridSim können verschiedene netztechnische und energetische Zustände in Wohngebieten simuliert erden. Für die netztechnische Simulation (dynamische Lastflussberechnung) wurde eine physikalische Modellierung des Wohngebietes realisiert, inklusive Ortsnetztransformator und Leitungstypen. Die Modellierung aller Lasten und Erzeuger im Wohngebiet erfolgt asymmetrisch, d.h. alle Lastgänge und Erzeugungsgänge sind phasenspezifisch. Zum besseren Verständnis ist in Abbildung 3-1 ein beispielhaftes Wohngebiet – wie es simuliert werden kann - dargestellt. Der schwarze Kreis stellt den Ortsnetztransformator und die grauen Linien die Stromleitungen dar. Elektrofahrzeuge, PV-Anlagen und Hausspeichersysteme wurden nach voreingestellter Häufigkeit zufällig im Wohngebiet verteilt.

Seite 27

3.1 - Konzept GridSim

Abbildung 3-1: Beispiel eines Wohngebietes mit Komponenten

GridSim ist für Zeitschritte von fünf Sekunden bis einer Stunde optimiert. Die Simulation von stark dynamischen Ereignissen (Unfälle/Fehler), wie beispielsweise Erdschluss oder ungewollte Inselnetzbildung, ist nicht vorgesehen. Ergebnisse einer Simulation sind die Zustände (Spannungen, Ströme, Speicherzustände,…) aller Komponenten und Netzknoten zu jedem Zeitschritt. Die generierten Ergebnisse können in einem nachgelagerten Analyseblock automatisch ausgewertet und auf Kennzahlen und Typtage reduziert werden. Dazu können auch automatisch Grafiken zu den Auswertungen erstellt werden.

Seite 28

3.2 - Aufbau des Simulationsmodells GridSim

3.2 Aufbau des Simulationsmodells GridSim GridSim ist in voneinander abhängigen Modulen aufgebaut. Der modulare Aufbau der GridSim gewährleistet, dass das Simulationsmodell - trotz seiner Komplexität - gepflegt, erweitert und auf neue Fragestellungen angepasst werden kann. Der schematische Aufbau von GridSim ist in der folgenden Abbildung 3-2 dargestellt:

Wohngebiete Regelungen Haushaltslasten PV-Anlagen Ladesteuerungen rONT

Elektrofahrzeuge Stat. Batterien Blindleistungsregelungen

Netztopologie Wirkleistungsregelungen

Häufigkeit Zufallsverteilungen Netztechnische und energetische Simulation Szenarien

Berechnungsergebnisse je Zeitschritt und Objekt Spannungen Ströme Reglerzustände SOCs

Auswertung Spannungsgrenzen Auslastung Netzstabilität CO2 Kosten

Bewertung der Auswirkungen der Parameter auf das Stromnetz und Wohngebiet

Abbildung 3-2: Übersicht Simulationsmodell GridSim

Die Komponenten Haushalte, PV-Anlagen, Elektrofahrzeuge, Hausspeichersysteme und die Netztopologie werden im Modul „Wohngebiete“ zusammengefasst. Die Modellierung dieser Komponenten wird im folgenden Abschnitt 3.3 beschrieben. Die Komponenten verfügen ihrerseits über weitreichende Regelungen um beispielsweise den PV-Eigenverbrauch zu erhöhen oder zur Unterstützung der statischen Spannungshaltung. Die implementierten Regelungen sind von der Modellierung der Last- und Erzeugungsgänge unabhängig und werden aus diesem Grund gesondert im Kapitel 4 vorgestellt. In einem Szenario sind primär alle wesentlichen Kennwerte und Parameter - beispielsweise der Verbreitungsgrad von Elektrofahrzeugen - definiert. Bei der Simulation eines Szenarios werden die Komponenten zufällig den Hausanschlüssen zugewiesen. Dies geschieht zu den vorgegebenen Randbedingungen nach einem vorgegebenen Zufallsschlüssel. Da die Verteilung zufällig verläuft, können Verteilungen auftreten welche ungewöhnlich „netzunfreundlich“ (z.B. überwiegend am Strangende eine hohe Last durch Elektrofahrzeuge)

Seite 29

3.3 - Modellierung der Wohngebiete

oder ungewöhnlich „netzfreundlich“ sind. Aus diesem Grund wird jedes Szenario mehrfach mit verschiedenen, vorgegebenen Zufallsschlüsseln berechnet. Die Methodik hiervon ist im Unterkapitel 3.4 erläutert. Auf Basis des Szenarios werden die verschiedenen Eingangsdaten (z.B. Lastgang eines Haushaltes) in die Simulationsumgebung geladen und die eigentliche energetische und netztechnische Simulation kann durchgeführt werden. Die Umsetzung dessen wird schematisch im Unterkapitel 3.5 wiedergegeben. Dazu werden auch die Berechnungsergebnisse, die im Anschluss an eine durchgeführte Simulation vorliegen, aufgezeigt. Die Auswertung der Berechnungsergebnisse erfolgt in einem zeitlich, von der Simulation, entkoppeltem Modul, dem Auswertungsmodul. In diesem werden die Berechnungsergebnisse zusammengefasst und dargestellt. Beispiele hierfür sind z.B. das Erstellen von Jahresdauerlinien oder die Generierung von Kennzahlen wie z.B. den PV- Eigenverbrauchsgrad der Haushalte. Die automatisierte Auswertung betrifft neben der Erstellung von Kennzahlen vor allem die Netzstabilität aber auch Bereiche wie z.B. CO2- Bilanzen, Energiekennzahlen, Netzausbaukosten oder die Annuitäten von einzelnen Haushalten. Die Methodik sowie der Aufbau des Auswertungsmoduls ist in Unterkapitel 3.6 beschrieben. Die Einstellungen zum verwendeten Netzgebiet, der Durchdringung von Elektrofahrzeugen, PV-Eigenversorgung, Verwendung von stationären Batteriespeichern, Parameter der Ladesteuerungen etc. werden in einer Excel-Tabelle vor der Simulation eingestellt. Diese Tabelle erleichtert die Bedienung des Simulationsmodells und die Änderung von Simulationsparametern. Zudem ist sie für Batch-Prozesse (Simulation mit mehreren Zufallsverteilungen und unterschiedlichen Parametereinstellungen) ausgelegt. Einstellungen für den Export von Grafiken aus den Simulationsergebnissen werden auch in dieser Tabelle gespeichert.

3.3 Modellierung der Wohngebiete Im Folgenden wird die Modellierung der wesentlichen Bestandteile bzw. Komponenten der Wohngebiete dargestellt. Ein Wohngebiet ist festgelegt als ein Niederspannungsnetzgebiet mit zugehöriger Netztopologie und Hausanschlüssen sowie einem Ortsnetztransformator. An jedem Hausanschluss können mehrere Komponenten, auch des gleichen Typs, angeschlossen werden. Komponenten wiederrum sind Haushalte, Elektrofahrzeuge, PV-Anlagen und Hausspeichersysteme. In einem Wohngebiet verfügt jeder Haushalt, jedes Elektrofahrzeug und jede PV-Anlage über einen individuellen Last-, Fahr- bzw. Erzeugungsprofil. Zudem verfügen die Komponenten PV- Anlage, Elektrofahrzeug und Hausspeichersystem über individuelle Parameter, wie beispielsweise PV-Anlagenleistung oder Speicherkapazität, welche die jeweilige Komponente charakterisieren. Dazu können die Komponenten über Regelungen verfügen welche die Aufnahme und Abgabe von Wirk- und Blindleistung steuern. Der Zweck der implementierten Regelungen ist es entweder den Eigenverbrauch an selbsterzeugter PV-Energie zu erhöhen oder die Netzstabilität zu verbessern.

Seite 30

3.3 - Modellierung der Wohngebiete

3.3.1 Modellierung der Niederspannungsnetze In der GridSim können reale und synthetische Niederspannungsnetze simuliert werden. Ein Niederspannungsnetz besteht hier aus einem Transformator, Stromleitungen, Verteilerkästen und Hausanschlüssen. Für diese Arbeit werden reale Netze aus Garmisch-Partenkirchen sowie synthetische Referenznetze aus der Dissertation von Dr. Kerber /TUM-04 11/ verwendet.

3.3.1.1 Reale Netze Da diese Arbeit im Rahmen der Modellkommune Elektromobilität Garmisch-Partenkirchen (e- GAP) durchgeführt wurde, bei welchem auch die Gemeindewerke Garmisch-Partenkirchen Projektpartner sind, war ein Zugang zu realen Netzdaten möglich. In Garmisch-Partenkirchen (GAP) gibt es 205 Niederspannungsversorgungsgebiete bei ca. 26.100 Einwohnern. Insofern werden durchschnittlich 135 Einwohner von einem Niederspannungsnetzgebiet versorgt. Alle Netze liegen digitalisiert im CAD-Datenformat DWG vor und sind insofern nicht rechenbar. Die GridSim verwendet zur Definition der Netztopologien das offene Format „OpenDSS“ /EPRI-01 15/. Aus diesem Grund müssen alle Netze, die in der GridSim verwendet werden, in das rechenbare Format OpenDSS übersetzt werden. Für die Konvertierung ist es notwendig die zu untersuchenden Stromnetze in dem Netzberechnungsprogramm Neplan /NEP-01 15/ manuell zu digitalisieren. Anschließend werden in diesem Programm, basierend auf dem elektrischen Schaltplan des Netzbetreibers, die Zustände der Trennstellen eingestellt. Neplan ermöglicht anschließend das Speichern der Netztopologie in einem textbasierten Format (EDT). In Abbildung 3-3 ist ein Ausschnitt aus dem Schaltplan von Garmisch-Partenkirchen dargestellt. Die roten Kreise geben die Standorte von Ortsnetztransformatoren an. Die Linien stellen die Stromleitungen dar. Verschiedene Farben dienen zur Unterscheidung von unterschiedlichen Versorgungsgebieten. Gut erkennbar ist, dass das die Niederspannungsnetze miteinander verbunden sind. Jeder Verteilerkasten verfügt jedoch über Trennstellen um einzelne Leitungen bzw. Verbindungen aufzutrennen, so dass kein ONT unterspannungsseitig mit einem anderen ONT verbunden ist.

Seite 31

3.3 - Modellierung der Wohngebiete

Abbildung 3-3: Kolorierter Ausschnitt aus dem Schaltplan von Garmisch-Partenkirchen (Quellen: Gemeindewerke Garmisch-Partenkirchen (2013), OpenStreetMap (2013))

Nachdem die Netztopologie im Neplan Format gespeichert wurde wird dieses mithilfe eines Python-Skripts in das OpenDSS-Format konvertiert. Da der gesamte Prozess der Konvertierung sehr zeitaufwendig ist, konnten nur 32 ausgesuchte Stromnetze rechenbar gemacht werden. Die zu digitalisierenden Stromnetze wurden basierend auf den folgenden Kriterien ausgewählt:  Kein innerstädtisches Gebiet  Keine Industrie  Überwiegend Wohngebiet mit geringem Gewerbeanteil  Keine Anschlüsse von Anlagen des Wintertourismus (z.B. Wasserpumpen, Skilift,…)  Keine Wasserkraftanlagen oder einspeisende BHKWs im Netzgebiet Diese Kriterien wurden gewählt, da Industrie- und Gewerbegebiete prinzipiell nicht geeignet sind um die Fragestellungen dieser Arbeit zu beantworten und weiterhin sind Wohngebiete mit Ein-/ Zweifamilienhausstruktur nach dem Stand der Wissenschaft (Kapitel 1.3) die Wohngebiete mit der höchsten Anfälligkeit für Netzinstabilitäten. Aus diesen beiden Gründen sollen Wohngebiete mit überwiegend Ein-/ Zweifamilienhausstruktur untersucht werden. In den meisten Wohngebieten in Garmisch-Partenkirchen sind die Wohngebäude mehrheitlich oder zum Teil Mehrfamilienhäuser, d.h. an einem Hausanschluss sind mehrere Haushalte angeschlossen. Um die Wohngebiete möglichst realistisch simulieren zu können ist es folglich notwendig die Anzahl an Haushalten in einem Wohngebiet zu kennen.

Seite 32

3.3 - Modellierung der Wohngebiete

Die Information, wie viele Haushalte im jeweiligen Versorgungsgebiet angeschlossen sind, liegt den Gemeindewerken GAP nicht vor. Aus diesem Grund wurde eine Methodik entwickelt um die Anzahl an Haushalten abzuschätzen. Diese Methodik wird im Folgenden Absatz erläutert. An jedem ONT der digitalisierten Netzgebiete wurden Messungen durchgeführt. Gemessen wurden der Lastfluss sowie die Spannung über eine Zeitdauer von ca. sechs Wochen. Basierend auf den EEG-Anlagenstammdaten und einer Georeferenzierung der PV-Anlagen ist bekannt wie hoch die installierte PV-Kapazität in den jeweiligen Netzgebieten ist. Mit einer zeitgleichen Messung mehrerer PV-Anlage kann die PV-Leistung dieser Anlagen mit der gesamten PV-Kapazität in diesem Wohngebiet skaliert werden. Durch die Addition des Lastflusses am ONT mit der abgeschätzten Erzeugungsleistung aller PV-Anlagen ist die gesamte Verbrauchslast in diesem Wohngebiet für mehrere Wochen bekannt. Im nächsten Schritt werden Verbrauchslast-Typtage für die Werk- und Wochenendtage erstellt. Basierend auf dem dynamisierten Standardlastprofil für Haushalte (SLP H0) werden ebenfalls, für denselben Zeitraum, Typtage erstellt. Dieser SLP-Typtag wird skaliert, so dass die Energie in diesem der Energie des Verbrauchslast-Typtag entspricht. Das Jahres-SLP wird mit demselben Faktor skaliert. Die Integration des skalierten Jahres-SLP gibt den abgeschätzten Energieverbrauch des Wohngebietes wieder. Es wird das SLP der Gemeindewerke Garmisch-Partenkirchen verwendet, da in Garmisch- Partenkirchen die Messungen durchgeführt wurden. Das Jahr des SLP (2012, 2013, 2014) richtet sich nach dem Messzeitraum. Beispielsweise wird für eine Messung im Jahr 2013 das SLP des Jahres 2013 verwendet. Zur Veranschaulichung dieser Methodik sind in Abbildung 3-4 die Typtage der Messungen sowie das skalierte SLP H0 für ein Wohngebiet als Beispiel dargestellt. Die dünne rote Linie gibt die gemessene Last am ONT gemittelt über alle aufgezeichneten Werktage wieder. Die dünne blaue Linie stellt diese Mittelung für die Wochenendtage dar. Die etwas breitere blaue (Wochenende) und rote Linie (Werktag) stellen eine Abschätzung der Last in dem Netzgebiet dar. Für diese Abschätzung wurde wie oben beschrieben der skalierte PV-Erzeugungsgang aus dem gemessen Zeitraum auf die Lastmessung addiert. Analog zu Abbildung 3-4 befinden sich im Anhang in Kapitel A.V die Darstellungen der Lastverläufe aller verwendeten Wohngebiete.

Seite 33

3.3 - Modellierung der Wohngebiete

Abbildung 3-4: Typtag der Transformatorlast am ONT 88

Aus dem Zensus 2011 /DESTATIS-12 14/ und der BDEW-Statistik zum Energieverbrauch von Haushalten /BDEW-11 13/ kann der durchschnittliche Energieverbrauch eines Haushalts in GAP berechnet werden. Dieser liegt bei 2.990 kWh. Indem der Jahres-Energieverbrauch des skalierten SLP mit dem durchschnittlichen Energieverbrauchs eines Haushaltes geteilt wird, lässt sich abschätzen wie viele Haushalte im betrachteten Wohngebiet liegen. Nach einer Division der Anzahl an Haushalten durch die Anzahl an Hausanschlüssen ist bekannt wie viele Haushalte im Mittel je Hausanschluss angeschlossen sind. Zur Validierung dieser Methodik wurde in einem Netzgebiet die Anzahl an „Namensschilder/Klingeln“ gezählt, die Zählung stimmte in etwa überein mit der Schätzung basierend auf der Messung. Alle rechenbaren Netzgebiete mit folgenden Eigenschaften wurden verworfen:

 >4 ü

 | ( , )| < 0,75 mit : " ℎ " : " 0 " Dabei stellt | ( , )| den Betrag des Korrelationskoeffizienten zwischen dem abgeschätzten Typtag „Werktag ohne PV“ und dem Typtag des skalierten Standardlastprofils H0 dar. Durch diese Kriterien soll vermieden werden, dass Netzgebiete betrachtet werden welche nicht überwiegend Wohngebiete sind. Nach dieser Maßnahme blieben 17 geeignete Netzgebiete

Seite 34

3.3 - Modellierung der Wohngebiete

übrig, welche für die geplanten Analysen herangezogen wurden. Die geeigneten Netzgebiete haben im Mittel 71,2 Hausanschlüsse und 2,5 Haushalte je Hausanschluss. Im Anhang in Kapitel A.IV sind Visualisierungen einer Auswahl von verwendeten Wohngebieten dargestellt. Die Tatsache, dass ein Hausanschluss (HA) über mehrere Haushalte (HH) verfügen kann wird in der GridSim mittels virtuellen Hausanschlüssen umgesetzt. Jeder Haushalt wird einem virtuellen Hausanschluss (VHA) zugewiesen. Jeder HA verfügt über mindestens einen VHA. Pro HA kann es jedoch nur eine PV-Anlage geben. Die Anzahl der maximalen Elektrofahrzeuge und stationäre Batteriespeicher je HA entspricht der Anzahl der VHAs am jeweiligen HA. Zur Veranschaulichung ist in Abbildung 3-5 das Konzept von HA und VHA dargestellt.

Abbildung 3-5: Veranschaulichung der Modellierung des Hausanschlusses

Bei der Simulation von realen Netzen, wird die Verteilung der Energieverbräuche der einzelnen Haushalte nach Tabelle 3-1 getätigt. Der Energiebedarf der simulierten Haushalte basiert auf der statistischen Verteilung der Haushaltsgrößen in GAP /DESTATIS-12 14/. Die Energieverbräuche stammen aus der BDEW-Statistik zum Energieverbrauch von Haushalten /BDEW-11 13/. Tabelle 3-1 zeigt die Verteilung der Haushaltsgrößen für GAP und den entsprechenden Energieverbrauch. Tabelle 3-1: Haushaltsstromverbrauch für verschiedene Haushaltsgrößen

Haushaltsgröße in Personen 1 2 3 4 5 Häufigkeit in % 47,5% 32,6% 9,7% 7,0% 3,1% Energieverbrauch in kWh 2.050 3.440 4.050 4.750 5.370

3.3.1.2 Synthetische Netze Um neben Aussagen zu realen Netzgebieten aus GAP tätigen zu können wurden noch synthetische Netzgebiete für die Verwendung in der GridSim aufbereitet. Hierfür wurden alle Referenz- und Extrem-Netze aus der Dissertation von Dr. Kerber gewählt. Diese wurden auf Basis einer statistischen Untersuchung von realen Netztopologien erstellt. Die genaue Methodik ist in /TUM-04 11/ beschrieben.

Seite 35

3.3 - Modellierung der Wohngebiete

In Abbildung 3-6 ist beispielhaft das Extremnetz „Landnetz mit langen Netzausläufern“ dargestellt.

Abbildung 3-6: Extremnetz nach Kerber

Die synthetischen Netze nach /TUM-04 11/ haben pro Hausanschluss einen Haushalt mit einem Jahresverbrauch in Höhe von 4.500 kWh. Die synthetischen Netze unterscheiden sich in Referenz- und Extremnetze. Die sieben Referenznetze sind Netze mit mittleren Kennwerten (beispielsweise mittlere Stranglänge, mittlere Transformatorleistung je Hausanschluss etc.) und sie sind unterteilt in die Kategorien Land, Stadt, Vorstadtnetz. Die zehn Extremnetze sind ebenfalls in diese Kategorien unterteilt, doch haben sie im Unterschied zu den Referenznetzen längere Stränge oder geringere Transformatorleistungen je Hausanschluss. Die Parameterkonstellationen der Extremnetze sind so gewählt, dass in mindestens 95 % der Fälle die Betriebsmittelbelastungen oder Spannungsanhebungen in einem vorhandenen Netz besser oder gleich dem eines Extremnetzes sind. /TUM-04 11/

3.3.1.3 Slack Bus Spannung Bei Netzberechnungen wird der oberspannungsseitige Anschlusspunkt des ONTs mit der Mittelspannungsebene als Slack Bus bezeichnet. Dieser Anschlusspunkt bzw. Knoten bildet das vorgelagerte Netz, welches den ONT mit Energie versorgt, ab. Insofern gibt die Slack Bus Spannung die Spannungsschwankungen in der Mittelspannungsebene wieder, welche ebenfalls Einfluss auf die Spannung im Niederspannungsnetz hat. In der GridSim verfügt dieser Knoten wahlweise über eine konstante Spannung am Netzanschlusspunkt (konstante Slack Bus Spannung) oder über eine zeitvariable Spannung, die der realen Spannung am Anschlusspunkt der Mittelspannungsebene nachempfunden ist. Die simulierte zeitvariable Spannung basiert auf einer einjährigen, unterspannungsseitigen

Seite 36

3.3 - Modellierung der Wohngebiete

Messung an einem ONT aus GAP mit einer zeitlichen Auflösung von einer Minute. Eine Messung an der 20 KV-Mittelspannungsebene war mit den verfügbaren Messgeräten nicht möglich. Insofern beinhaltet die gemessene Spannung Schwankungen aus der Mittelspannungsebene und aus dem versorgten Netzgebiet. In Abbildung 3-7 ist ein Ausschnitt aus dem aufgezeichneten Spannungsverlauf dargestellt. Der sichtbare, stufenartige Abfall oder Anstieg der Spannung entsteht durch den automatischen Stufensteller am HS/MS-Umspannwerk. Die simulierte Slack Bus Spannung erhöht die Spannungsschwankungen im Niederspannungsnetz und dient zu einer realistischeren Simulation des betrachteten Netzgebietes. Die Spannungsschwankungen können durch zwei Simulations- Eingangsparameter verstärkt oder reduziert werden. Der Parameter Offset erhöht oder reduziert den Mittelwert aller Spannungen um den angegeben Wert. Der Parameter Scaling skaliert die Schwankungen, so dass diese ausgeprägter oder gedämpft werden.

Abbildung 3-7: Ausschnitt aus dem Spannungsverlauf des Slack Bus

Die Modellierung der Slack Bus Spannung hat den Vorteil gegenüber einer statischen Spannung, dass Spannungsschwankungen aus der Mittelspannungsebene in der simulierten Niederspannungsebene abgebildet werden können. Aus diesem Grund wird in dieser Arbeit eine Spannungsbandverletzung erst bei Über- oder Unterschreitung des Spannungsband (U ± 10 %) angenommen. Es findet somit keine Einschränkung des erlaubten Spannungsbandes wie in Kapitel 2.4.2 beschrieben statt. Zur weiteren Validierung dieser Vorgehensweise wurde die Spannung an 31 ONTs in GAP über eine Zeitdauer von insgesamt 2.119 Tagen gemessen. Die Spannung wurde unterspannungsseitig an den ONTs abgegriffen. Im gesamten Messzeitraum ist zu jedem Zeitpunkt ein Spannungsfall über die Stromleitungen von mindestens 6,6 % möglich gewesen (die geringste gemessene Spannung betrug 223,1 V bzw. 0,9662 p.u). Für 95 % der Zeit war ein Spannungsfall von 9,0 % möglich. In Abbildung 3-8 ist die Verteilung der aller gemessenen Spannungshöhen für einen mittleren Tagesverlauf dargestellt. Die Verteilung wird in Form von verschiedenen Quantilgrößen dargestellt.

Seite 37

3.3 - Modellierung der Wohngebiete

Abbildung 3-8: Verteilung der gemessenen Spannungen an allen 31 ONTs in Abhängigkeit der Uhrzeit Unter der Annahme, dass der Spannungsfall über einen ONT 3 % beträgt, dann war in allen 31 gemessenen Netzgebieten zu jedem Zeitpunkt ein Spannungsfall von mindestens 9,6 % möglich. Zu 95 % der Zeit war ein Spannungsfall im Netzgebiet von mindestens 12 % möglich. In Kapitel A.II befinden sich weitere Darstellungen zu den gemessenen Spannungen.

3.3.1.4 Stromleitungen Das Format OpenDSS, in welchem die Netztopologien gespeichert werden, verwendet zur elektrischen Beschreibung der Stromleitungen die Methode der „Symmetrischen Komponenten“. Für die unsymmetrische Lastflussberechnung werden je Leitung folgende Leitungsparameter benötigt:  Kapazität im Mit- und Nullsystem  Widerstand im Mit- und Nullsystem  Impedanz im Mit- und Nullsystem  Stromtragfähigkeit Bei einer symmetrischen Bauweise der Stromleitungen entsprechen die Parameter des Gegensystems dem des Mitsystems. Aus diesem Grund sind keine gesonderten Werte für das Gegensystem notwendig. Eine detaillierte Beschreibung zur Modellierung von Stromleitungen nach der Methode der „Symmetrischen Komponenten“ befindet sich in /SPVG-01 11/. Die aufbereiteten realen GAP-Netze und die synthetischen Referenz- und Extremnetze verwenden insgesamt 26 verschiedene Leitungstypen. Um die Parameter für diese Leitungen zu gewinnen wurden verschiedene Quellen zusammengeführt:  Elektrische Kraftwerke und Netze (Oeding/Oswald) /SPVG-01 11/

Seite 38

3.3 - Modellierung der Wohngebiete

 Bibliothek des Lastflussberechnungsprogramm DIgSILENT PowerFactory 14.1 /DPF-01 12/  Bibliothek des Lastflussberechnungsprogramm Neplan /NEP-01 15/ Bei abweichenden Angaben zwischen den Quellen wurden die Angaben von Oeding/Oswald bevorzugt, da dies ein anerkanntes Fachbuch ist. In der Bibliothek des Programms Neplan werden keine Kapazitätsbeläge angegeben. Diese fehlenden Informationen werden durch Interpolationen zwischen Leitungen desselben Typs, aber unterschiedlichem Querschnitt, abgeleitet. Die resultierenden Leitungsparameter sind im Anhang in Kapitel A.I angegeben.

3.3.2 Modellierung der Haushalte Jeder Haushalt im Netzgebiet verfügt über einen individuellen, dreiphasigen Lastgang. Diese Lastgänge werden mit einem Haushaltslastgenerator erstellt. Dieser basiert auf der Diplomarbeit von Florian Samweber /FFE-22 12/ in welchem der HHLG einphasige Lastgänge in 15 Minuten Auflösung auf Basis des SLP H0 erstellt. Dieser wurde weiterentwickelt, so dass nun Phasen-asymmetrische Haushaltslastgänge in einminütiger Auflösung auf Basis von Standardlastprofilen oder Smart Meter Lastgängen erstellt werden können. Die Methodik dessen wird im Folgenden erklärt.

3.3.2.1 Methodik Im Haushaltslastgenerator sind für verschiedene Geräte bzw. Ereignisse Einschalt- bzw. Auftrittswahrscheinlichkeiten für Werktage, Samstage und Sonntage hinterlegt /UNIKA-01 05/. In Abbildung 3-9 ist beispielhaft die Einschaltwahrscheinlichkeit für Waschmaschine und Spülmaschine sowie der Auftrittswahrscheinlichkeit des Ereignisses Kochen für jede Viertelstunde dargestellt, für den Fall, dass dieses Ereignis an diesem Tag stattfindet.

3,5% 3,0% Wahrscheinlichkeit in %

2,5% 2,0% 1,5% 1,0% 0,5% 0,0% 0:00 6:00 12:00 18:00 0:00 Uhrzeit Waschmaschine Kochen Spülmaschine

Abbildung 3-9: Beispielhafte Einschaltwahrscheinlichkeiten Die Einschaltwahrscheinlichkeiten werden zu einem Vektor mit der gleichen Länge und vom selben Zeitraum wie das Eingangsprofil ausgedehnt. Die Vektoren der Einschaltwahrscheinlichkeit und dem Eingangsprofil werden miteinander multipliziert um individualisierte Einschaltwahrscheinlichkeiten zu erhalten. Die Integrale der Einschaltwahrscheinlichkeiten werden für alle Verbrauchsbereiche auf eins normiert.

Seite 39

3.3 - Modellierung der Wohngebiete

Der Soll-Energieverbrauch des Haushaltes wird dem HHLG vorgegeben. Auf Basis von Tabelle 3-2 wird der Energieverbrauch der verschiedenen Verbrauchsbereiche berechnet. Tabelle 3-2: Anteile der Verbrauchsbereiche im Haushalt /EANRW-02 11/

Gerät Prozentuale Anteil Waschmaschine 5,5 % Wäschetrockner 7,6 % Geschirrspüler 5,9 % Kochen 10,0 % Kühlschrank 12,0 % Gefrierschrank 5,3 % Unterhaltung 13,3 % Restbedarf 40,4 %

Mit dem Wissen wie viel Energie ein Gerät, z.B. Waschmaschine, pro Nutzung verbraucht, kann berechnet werden wie viele Nutzungen es pro Jahr gegeben hat. Die Anzahl an Nutzungen wird mit der normierten Einschaltwahrscheinlichkeit dieser Verbrauchsgruppe multipliziert. Zur Bestimmung der Einschaltzeitpunkte in der Simulation wird die Einschaltwahrscheinlichkeit mit einer gleichförmigen Zufallszahlenreihe, deren Fließkommazahlen zwischen 0 und 1 liegen, verglichen. Wenn die Einschaltwahrscheinlichkeit größer als die Zufallszahlenreihe ist, wird der Verbraucher an diesem Zeitpunkt eingeschalten. Diese Einschaltbedingung wird um weitere Nebenbedingungen, wie z.B. das Trocknen nach dem Waschen erfolgen muss, ergänzt. Da die Einschaltwahrscheinlichkeit vorher mit der Anzahl an Nutzungen skaliert wurde, wird das Gerät in etwa so häufig wie vorher berechnet aktiviert. Für Waschmaschinen, Trockner und Spülmaschine liegen jeweils mehrere Messreihen (Wirk- und Blindleistung) in Minutenauflösung vor. Diese Messreihen werden nun an die Einschaltzeitpunkte kopiert. Jedes Gerät wird zufällig an einer Phase angeschlossen und behält diese Phase für die vollständige Simulation bei. Der Restlastgang, welcher nicht durch Einzelgeräte dargestellt ist, wird mit Hilfe von Zufallszahlen (1 bis 10) zufällig auf die drei Phasen verteilt.

Seite 40

3.3 - Modellierung der Wohngebiete

3.3.2.2 Validierung der synthetischen Haushaltslastgänge Reale, drei-phasige Haushaltslastgänge liegen nicht in ausreichender Anzahl und Zeitdauer vor, so dass diese nur zu Parametrierung und Validierung der synthetischen Haushaltslastgänge verwendet werden können und nicht zur eigentlichen Simulation. In Abbildung 3-10 ist die Jahresdauerlinie von 200 zufällig ausgewählten synthetischen Haushaltslastgängen (rote Kurve) mit realen Daten verglichen. Die grüne Kurve stellt die Jahresdauerlinie von 200 realen Smart Meter Jahres-Lastgängen aus Haushalten dar. Die blaue Kurve besteht aus mehreren Stücken von 40 Smart Meter Lastgängen welche in GAP erhoben wurden. Erkennbar ist, dass keine der drei Jahresdauerlinien voneinander nennenswert abweicht.

Abbildung 3-10: Dauerlinie der Lastgänge

Da in der GridSim eine asymmetrische Simulation durchgeführt wird, muss die Phasen- Asymmetrie verglichen werden. In Abbildung 3-11 ist auf der linken Seite ein frei gewählter Tag eines synthetischen Haushaltslastgangs dargestellt. Auf der rechten Seite ist ein frei gewählter Tag eines realen Haushaltslastgangs darstellt. Erkennbar ist, dass die Phasen-Asymmetrie bei beiden Lastgängen groß ist, der reale Lastgang jedoch noch etwas mehr Phasen-Asymmetrie hat. Bei diesem ist auf Phase L2 die Last nahezu Null und auf Phase L1 ist abends eine sehr große Lastspitze.

Seite 41

3.3 - Modellierung der Wohngebiete

Abbildung 3-11: Links: Haushaltslastgang des HHLG, Rechts: Gemessener Haushaltslastgang

Zur genaueren Analyse der Phasen-Asymmetrie wurden 200 zufällig ausgewählte synthetische Haushaltslastgänge gewählt. Von jedem Lastgang wurde der Energieverbrauch der einzelnen Phase berechnet und absteigend sortiert. Dasselbe wurde für die 40 realen Smart-Meter Lastgänge aus GAP erstellt welche drei-phasig vorliegen. In Abbildung 3-12 ist ein Box-Whisker-Plot der sortierten, relativen Energieverbräuche dargestellt. Im linken Drittel der Abbildung ist die energetisch am stärksten belastete Phase dargestellt. Im rechten Drittel ist die energetisch am schwächsten belastete Phase dargestellt. Die drei Box-Whisker Paare stellen den Vergleich der synthetischen zu den gemessen Lastgängen dar. Die roten Linien im blauen Kasten stellen den jeweiligen Median dar. Gut erkennbar ist, dass die Quantile und Mediane nur geringe Unterschiede aufweisen.

Abbildung 3-12: Vergleich der Phasen-Asymmetrie des Energieverbrauchs

Seite 42

3.3 - Modellierung der Wohngebiete

3.3.3 Modellierung der Elektrofahrzeuge Ziel der Modellierung der Elektrofahrzeuge ist es, das die simulierten Elektrofahrzeuge ein möglichst realistisches Fahrverhalten und Energiebedarf aufweisen. Die Elektrofahrzeuge wurden basierend auf GPS-Fahrprofilen aus konventionell betriebenen Fahrzeugen modelliert. Es stehen 130 GPS-Fahrprofile zur Verfügung. Gefiltert nach Kriterien wie Privatfahrzeug, Aufzeichnungsdauer, Fahrstrecken & -zeiten sowie Parkstandorte wurden 40 GPS-Fahrprofile für die Verwendung in GridSim ausgewählt. Ein GPS-Fahrprofil besteht im Wesentlichen aus den sekündlichen Werten Zeitstempel, GPS-Koordinaten, Geschwindigkeit und Höhe. Aufgezeichnet werden diese mit einem GPS-Logger, der im Fahrzeug installiert wird und mittels Zigarettenanzünder mit Strom versorgt wird. Die Fahrprofile wurden im Rahmen des FfE-Projekts „eFlott“ /FFE-22 11/ erhoben. Die 40 gewählten Fahrprofile haben eine mittlere Aufzeichnungsdauer von 103 Tagen, von diesen wurde im Mittel an 82 Tagen das Fahrzeug benutzt. Hochgerechnet fuhren die Probanden ca. 15.300 km pro Jahr und die mittlere Tagesfahrleistung betrug knapp 42 km/Tag. In Abbildung 3-13 ist die mittlere Fahrleistung und die mittlere Fahrtlänge der ausgewählten Fahrprofile für jeden Wochentag dargestellt. Der einzige Tag der etwas stärker abweicht ist der Sonntag, hier tätigten die Probanden im Mittel 1,36 Fahrten wohingegen Werktags durchgehend 2,5 bis 2,7 Fahrten pro Tag stattgefunden haben. Die mittlere Sonntagsfahrt ist 37 % länger als die mittlere Fahrt an Werktagen. 40 20 0 Mo Di Mi Do Fr Sa So Mittlere Fahrleistung in km Mittlere Fahrtlänge in km Abbildung 3-13: Mittlere tägliche Fahrleistung und mittlere Fahrtlänge der gewählten Fahrprofile

In Verbindung mit einem Fahrzeugmodell kann die erforderliche Antriebsleistung für die Fahrprofile berechnet werden. Die Antriebsleistung besteht aus der Multiplikation der Geschwindigkeit mit der Summe der Kräfte Luftwiderstand, Steigungswiderstand, Rollwiderstand und Beschleunigungswiderstand. Dieser ergibt in Verbindung mit Wirkungsgraden (Getriebe, Elektromotor und

Seite 43

3.3 - Modellierung der Wohngebiete

Batterieentladung) und Nebenverbrauchern (Bordelektronik, Licht, Heizung, etc.) die notwendige Fahrleistung wieder. Das Integral über die Fahrleistung stellt die notwendige Energie für diese Fahrt da. /FFE-22 11/ Die Berechnung wurde anhand von realen Fahrten eines Mini-E validiert. Die zur Berechnung des Energieverbrauchs notwendigen Fahrzeugkenndaten, wie z.B. Cw- Wert, Stirnfläche und Gewicht, werden vom konventionellen Fahrzeug, das bei der Aufzeichnung des GPS-Fahrprofils gefahrenen wurde, übernommen. Es gilt die Annahme, dass die Person in Zukunft ein vergleichbares Fahrzeug fahren wird. In Abbildung 3-14 ist die Methodik zur Bestimmung des Energieverbrauchs basierend auf Fahrprofilen dargestellt.

Abbildung 3-14: Fahrleistungsmodell

In Abbildung 3-15 ist die Verteilung der Verbräuche über die simulierten Fahrten dargestellt. Es handelt sich dabei um die Verbräuche ohne Heiz- und Kühlbedarf. Bei 90 %der Fahrten war der spezifische Verbrauch kleiner als 25 kWh/100km. Meist liegt der Verbrauch bei etwa 14 – 18 kWh/100km.

Seite 44

3.3 - Modellierung der Wohngebiete

25,0% 100%

22,5% 90%

20,0% 80%

17,5% 70%

Kumulierte Häufigkeit Relative Häufigkeit

15,0% 60%

12,5% 50%

10,0% 40%

7,5% 30%

5,0% 20%

2,5% 10%

0,0% 0% 2 4 6 8 10 12 14 16 18 20 25 30 40 mehr Verbrauch in kWh/100km

Abbildung 3-15: Verteilung der modellierten spezifischen Verbräuche Basierend auf dem Zeitstempel, den GPS-Koordinaten der Start- und Endpunkte sowie dem Energieverbrauch jeder Fahrt wird ein Fahrtenbuch für jedes Fahrprofil erstellt. Dieses Fahrtenbuch enthält alle Informationen welche für die Simulation notwendig sind. Vor allem: Zeitstempel Abfahrt & Ankunft, Energieverbrauch und Start- & Endbereich der Fahrt. Zum Verständnis ist in Tabelle 3-3 ein ausgewählter Ausschnitt aus einem Fahrtenbuch dargestellt.

Tabelle 3-3: Ausschnitt eines Fahrtenbuchs

1 2 3 4 5 6 7 8 9 10 während der Fahrt in km

Länge der Pause vor der Startbereich der Fahrt Zurückgelegte Strecke

Endbereich der Fahrt Fahrzeit in Minuten

Verbrauch in kWh

Fahrt in Minuten Fahrtenendes

Fahrtenendes Fahrtenstarts

Fahrtenstarts Uhrzeit des

Uhrzeit des Datum des

Datum des

10.10.2010 10:05:45 10.10.2010 10:57:43 21,1 31 3,1 1 3 36,2 10.10.2010 14:43:08 10.10.2010 14:55:56 11,9 12,6 1,4 3 1 3,8 10.10.2010 19:52:34 10.10.2010 20:41:16 52,2 47 7,9 1 1 4,9 11.10.2010 10:19:48 11.10.2010 10:53:50 47,3 32,6 8 1 2 13,6 11.10.2010 13:15:58 11.10.2010 13:25:02 2,4 5,2 0,4 2 2 2,4 11.10.2010 18:01:22 11.10.2010 18:41:26 47,9 38,5 8,5 2 1 4,6 12.10.2010 07:27:10 12.10.2010 08:22:32 47,3 50,8 7,3 1 2 12,8 12.10.2010 08:52:55 12.10.2010 09:04:33 4,5 6,5 0,7 2 0 0,5

Seite 45

3.3 - Modellierung der Wohngebiete

Der Start- & Endbereich der Einzelfahrten wurde basierend auf einer Standortanalyse der GPS-Koordinaten der Start- und Endpunkte jeder Fahrt bestimmt. Die Standortanalyse bündelt nah beieinander liegende Koordinaten in nummerierten Bereichen und gibt diese im Fahrtenbuch an. Durch Adressen ist es möglich den Bereichen auch einen Zweck z.B. „Zuhause“ (Wohnort) oder „Arbeit“ (Arbeitsadresse) zuzuweisen. In Abbildung 3-16 ist eine Visualisierung der Bereiche eines Fahrprofils dargestellt.

Abbildung 3-16: Visualisierung der (Park-)Bereiche eines Fahrprofils /FFE-22 11/

Zur Vereinfachung gilt im Rahmen der GridSim die Annahme, dass der Fahrer nur zuhause lädt. D.h. sämtliche Energie kann nur im „Zuhause“-Bereich wieder aufgeladen werden. Standorte in anderen Bereichen haben somit keinen Einfluss auf den Energiebedarf im „Zuhause“-Bereich. In Abbildung 3-17 ist für zwei ausgewählte Fahrprofile dargestellt, wie hoch die Wahrscheinlichkeit ist, dass die Fahrzeuge nicht im „Zuhause“-Bereich sind. In der rechten Grafik ist gut erkennbar, dass die Person regelmäßig mit ihrem Fahrzeug zur Arbeit pendelt und sonntags noch einen anderen regelmäßigen Termin hat. Der Fahrer aus der linken Grafik pendelt vermutlich nicht mit dem PKW zur Arbeit. Hat aber regelmäßige Termine am Donnerstag- und Sonntagabend. Im Anhang befinden sich in Kapitel A.III für alle verwendeten Fahrprofile die Darstellungen der jeweiligen Wahrscheinlichkeiten, dass das Fahrzeug nicht im „Zuhause“-Bereich steht.

Seite 46

3.3 - Modellierung der Wohngebiete

Abbildung 3-17: Wahrscheinlichkeiten von PKWs, das sie nicht im „Zuhause“-Bereich sind

In der GridSim sind die Ladeleistungen für die Fahrzeuge frei wählbar, jedoch begrenzt auf zwei unterschiedliche je Simulation. Z.B. kann definiert werden, dass 20 % der Fahrer dreiphasig mit 14 kW laden und der Rest einphasig mit 3,5 kW. Zudem muss ein Ladewirkungsgrad definiert werden. Auf welche Phasen das EFZ angeschlossen werden entscheidet der Zufall, es sei der Parameter „Setze den Anschluss des EFZ auf die Phasen der PV-Anlage – wenn verfügbar“ ist gesetzt. Im Rahmen dieser Arbeit ist dieser Parameter nicht gesetzt, da es zurzeit keine Pflicht für den Anschluss des EFZ auf die einspeisenden Phasen der PV-Anlage gibt. Die Batteriekapazität ist frei einstellbar mit maximal drei unterschiedlichen Kapazitäten und Häufigkeiten. Es kann beispielsweise festgelegt werden, dass 30 % der Fahrzeuge über eine Batteriekapazität von 50 kWh verfügen, 50 % über 35 kWh und 20 % über 20 kWh. Dazu muss der nutzbare SOC-Swing definiert werden sowie der SOC zu Beginn der Simulation. Letzteres ist nur bei Simulation relevant bei denen wenige Tage simuliert werden. Da für die Ergebnisse dieser Arbeit nur Jahressimulationen betrachtet werden, hat dies keinen merkbaren Einfluss auf die Ergebnisse. Es wird angenommen, dass zu Jahresbeginn die Batterien der Elektrofahrzeuge aufgeladen sind. Bei dieser Vorgehensweise ist die gespeicherte Energie in den EFZ beim Jahresende im Vergleich zum Jahresbeginn etwa 3,7 kWh pro EFZ geringer. Bezogen auf die je EFZ verbrauchte Energie entspricht dies 0,15 % und wird somit, aufgrund der Geringfügigkeit, im Rahmen dieser Arbeit vernachlässigt. Für die Elektrofahrzeuge stehen mehrere Ladesteuerungen zur Verfügung, welche in Kapitel 4 detailliert vorgestellt werden. Es wird zwischen Wirk- und Blindleistungsregelungen unterschieden. Wirkleistungsregelungen dienen i.d.R. dazu die Kosten der Strombeschaffung zu senken. Z.B. durch Erhöhung des PV-Eigenverbrauchs oder durch Laden im Niedertarif. Blindleistungsregelungen werden eingesetzt um die Spannung zu stützen. Da es sich um eine realistische, zeitkontinuierliche Simulation handelt, kann es vorkommen, dass aufgrund der gewählten Fahrzeugparameter oder Ladesteuerungen die Elektrofahrzeuge nicht ausreichend Energie bei sich führen um Fahrten oder Teile von Fahrten abzudecken. Aus diesem Grund sind alle simulierten Elektrofahrzeuge mit einem Range Extender ausgestattet welcher es gestattet alle Fahrten zu tätigen. Dadurch entsteht ein Benzinverbrauch, welcher ebenfalls bilanziert wird und mit in die Auswertung einfließt.

Seite 47

3.3 - Modellierung der Wohngebiete

Daneben werden Parameter, wie z.B. rein-elektrische Fahrprofilabdeckung berechnet, die mit in die Bewertung der Ladesteuerung fließen. Beispielsweise ist es möglich den PV-Anteil an der Fahrenergie des Elektrofahrzeuges zu erhöhen durch vermehrtes Laden von PV-Strom oder Reduzierung des Bezugs von eingekauftem Strom. Bei der Berechnung des Benzinverbrauchs wird ein Range Extender Motor mit einem Nutzungsgrad von 30 % angenommen. Dies entspricht in etwa einem Range Extender auf Basis eines Freikolbenmotors mit einer Systemleistung von 20 kW. Dieser verfügt nach /MFW-01 12/ über einen Systemwirkungsgrad von 31 bis 33 % bei 25 bis 100 % Last. Für eine Simulation wird die Anzahl an Elektrofahrzeugen im Netzgebiet durch den „Anteil an Haushalten mit Elektrofahrzeugen“ festgelegt. Jeder Haushalt kann über maximal ein Elektrofahrzeug verfügen. Daneben kann noch definiert werden, wie viele Elektrofahrzeuge parallel zu einer PV-Anlage verteilt werden sollen – sofern ausreichend PV-Anlagen verfügbar sind. Im Folgenden sind statistische Auswertungen des Fahr- und Ladeverhaltens der modellierten EFZ-Flotte dargestellt. In Abbildung 3-18 ist die Verteilung der Wegelängen in der Simulation im Vergleich zur bundesweiten Mobilitätsbefragung „Mobilität in Deutschland“ (MID) aus 2008 /INFAS-01 10/ zu sehen. Die modellierten Fahrten weisen eine ähnliche Charakteristik auf, die Wege der erhobenen Fahrprofile sind jedoch tendenziell länger als im deutschen Durchschnitt. Die kumulierte Häufigkeit zeigt, dass in der Befragung als auch in der Simulation etwa 90 %der Fahrten unter 25 km lang sind.

Abbildung 3-18: Verteilung der Wegelängen

Die folgende Grafik zeigt das Histogramm über die Ankunftszeiten am Heimladeort. Die Verteilung der Ankunftszeiten korreliert mit dem Ladelastgang der EFZ, da die Fahrzeuge bei Bedarf direkt nach dem Ankommen am Ladeort geladen werden. Die höchste Gleichzeitigkeit ist gegen 18:00 Uhr erkennbar.

Seite 48

3.3 - Modellierung der Wohngebiete

20,0% 100% 18,0% 90% 16,0% 80%

Kumulierte Häufigkeit 14,0% 70% 12,0% 60% Häufigkeit

10,0% 50% 8,0% 40% 6,0% 30% 4,0% 20% 2,0% 10% 0,0% 0% 00:00 04:00 08:00 12:00 16:00 20:00 00:00 Ankunftszeiten zuhause Abbildung 3-19: Verteilung der Ankunftszeiten

3.3.4 Modellierung der Photovoltaik-Anlagen Alle simulierten PV-Anlagen werden durch reale PV-Erzeugungsgänge abgebildet. Diese wurden durch zeitgleiche Ganzjahresmessungen von acht PV-Anlagen aus Garmisch- Partenkirchen erhoben. In Abbildung 3-20 ist der gemittelte und normierte PV-Erzeugungsgang aller acht Anlagen für einen Tag dargestellt. Zum Vergleich wurden noch der Einzellastgang von drei zufällig ausgewählten PV-Anlagen dem Diagramm hinzugefügt. Erkennbar ist, dass die Abweichungen im Erzeugungsgang aller dargestellten Anlagen und der Mittelwert aller Anlagen zueinander gering ausfallen. Dies liegt an der räumlichen Nähe der Anlagen, welche maximal 800 m Luftlinie voneinander entfernt sind.

Seite 49

3.3 - Modellierung der Wohngebiete

Abbildung 3-20: Beispielhafter Auszug aus den PV-Erzeugungsgängen

Die Originaldaten liegen in fünf Minuten Auflösung vor und werden bis zu einer Auflösung von einer Minute linear interpoliert. Auflösungen unter einer Minute werden mittels eines Fourier- Transformations-Verfahrens interpoliert um auf realitätsnähere Schwankungen im Erzeugungsgang zu kommen. Die relative Häufigkeit der Ausrichtung der PV-Anlagen im Netzgebiet kann für die Kategorien (Ost, Süd, West) frei gewählt werden. Z.B. 25 % West-, 40 % Süd- und 35 % Ost-Ausrichtung. In der GridSim kann weder die absolute Anzahl noch die relative Häufigkeit an PV-Anlagen in einem Wohngebiet direkt gesteuert werden. Stattdessen muss definiert werden wie hoch die PV-Eigendeckung des Wohngebietes sein soll und Eckdaten zu den PV-Anlagen: Mittelwert und Unter-/Obergrenzen für die Anlagengröße. Dies gewährleistet die Vergleichbarkeit von Simulation zu unterschiedlichen Wohngebieten mit gleichen Parametersätzen. Falls die gewählte PV-Eigendeckung des Wohngebietes nicht mit der gewählten mittleren Anlagegröße vereinbar ist, wird die mittlere Anlagengröße in Schrittgrößen von ein kWp erhöht. Für reale Netze besteht zudem die Möglichkeit die realen PV-Anlagen aus diesem Wohngebiet zu aktivieren und diese ggf. um weitere Anlagen zu ergänzen. Die Entscheidung ob der PV-Anschluss ein, zwei oder drei-phasig erfolgt, wird basierend auf der Leistung getätigt (s. Kapitel 2.1.1). Die simulierten PV-Anlagen können über mehrere Regelungen zur statischen Netzstützung verfügen. Neben den bekannten Verfahren von Peak-Shaving oder wirkleistungsabhängiger Blindleistungsregelung kann auch eine spannungsabhängige Blindleistungsregelung aktiviert werden.

Seite 50

3.4 - Umsetzung der Zufallsverteilungen

3.3.5 Modellierung der stationären Batteriespeicher Die Modellierung der stationären Batteriespeicher (Hausspeichersystem) benötigt keine Eingangsdaten. Definiert werden müssen die installierte Kapazität, der nutzbare SOC-Swing, Lade- und Entladeleistung, Lade- und Entladewirkungsgrad, Phasenanzahl, sowie die Parameter der Lade- und Entladesteuerung und der Blindleistungsregelung. Es sind dieselben Ladesteuerungen wie für die Elektrofahrzeuge möglich. Die Anzahl an Hausspeichersystemen im Wohngebiet wird mittels Häufigkeiten für die verschiedenen Haushaltskategorien festgelegt:  Haushalt mit PV-Anlage  Haushalt mit PV-Anlage und Elektrofahrzeug Die wichtigsten Parameter die dazu eingestellt werden müssen sind die Batteriekapazität, der nutzbare SOC-Swing, Lade- und Entladeleistung, sowie Lade- und Entladewirkungsgrad. Neben Blindleistungsregelungen kann ein Hausspeichersystem am Peak-Shaving beteiligt werden. Im Simulationsmodell wird standardmäßig das Hausspeichersystem an denselben Phasen wie die PV-Anlage angeschlossen.

3.4 Umsetzung der Zufallsverteilungen Da die Verteilungen der Komponenten und ihrer Last-/Erzeugungsprofile auf die Hausanschlüsse sowie die Verteilungen der Regelungen auf die Komponenten zufällig verlaufen, unterscheidet sich jede Simulation von der vorherigen. Aus diesem Grund wird jedes Szenario mehrfach mit unterschiedlichen Zufallsverteilungen simuliert. In den Einstellungen der GridSim wird nicht festgelegt wie viele, sondern welche Verteilungen berechnet werden sollen. Dies wird mittels alphanumerischen Schlüsseln festgelegt. Diese Schlüssel dienen als „Ursprung“ (engl. Seed) für den Algorithmus des Zufallsgenerators. Bei Verwendung desselben Schlüssels erzeugt der Zufallsgenerator dieselben Zufallsverteilungen. Wenn beispielsweise fünf Simulationen gewünscht sind, könnte der Zufallsschlüssel wie folgt aussehen: ℎü = { 123 ; ; 8; ;′ ′} Immer wenn diese Zufallsschlüssel gewählt werden, werden dieselben Haushalte, Elektrofahrzeuge etc. am selben Hausanschluss mit denselben Regelungen angeschlossen. Wenn nun einzelne Parameter variiert werden, ermöglicht dies z.B. die Betrachtung der Veränderungen, die die unterschiedlichen Parametersätze auf das Wohngebiet verursachen. Die eigentliche Zufallsverteilung ist somit nicht steuerbar, aber jede Zufallsverteilung lässt sich reproduzieren und für verschiedene Szenarien anwenden. In folgender Abbildung 3-21 ist für ein Szenario exemplarisch dargestellt wie sich der Mittelwert der Ergebnisse mit jeder weiteren Zufallsverteilung ändert. Im dargestellten Fall wurden 50 verschiedene Zufallsverteilungen simuliert. Als Referenzergebnis ist das Spannungshistogramm gewählt. Die grünen Punkte stellen die Abweichung der Mittelwerte

Seite 51

3.5 - Implementierung des Simulationsmodells

der Spannungshistogramme der einzelnen Zufallsverteilung zum Mittelwert aller Verteilungen dar. In diesem Szenario beträgt diese Abweichung im Mittel ca. 26 %. Die blaue Kurve stellt den Einfluss der neuen Berechnung auf den bisherigen Mittelwert aller Berechnungen dar, dieser liegt in diesem Fall ab der fünften Berechnung unter fünf Prozent. Dies bedeutet, dass jede weitere Berechnung das bisherige, gemittelte Ergebnis um maximal fünf Prozent verändert. Dies ist beispielsweise für die Mittelwertbildung über mehrere Verteilungen wichtig, da es aussagt wie stark sich diese Ergebniswerte noch mit weiteren Berechnungen ändern können.

Abbildung 3-21: Einfluss der Verteilungen auf das Spannungshistogramm

3.5 Implementierung des Simulationsmodells Die GridSim ist im Wesentlichen innerhalb von zwei Blöcken implementiert. Beide Blöcke wurden in Mathworks MATLAB erstellt. Lediglich zur Berechnung des Lastflusses wird mittels der COM-Schnittstelle das Programm OpenDSS angesteuert. OpenDSS wurde vom gemeinnützigen „Electric Power Research Institute“ (EPRI) aus Kalifornien entwickelt und ist kostenfrei verwendbar. Der Ablauf der Berechnung ist in Abbildung 3-22 dargestellt und wird im Folgenden erklärt.

Seite 52

3.5 - Implementierung des Simulationsmodells

Abbildung 3-22: Implementierung GridSim

Seite 53

3.5 - Implementierung des Simulationsmodells

Der erste Block („Parallele Bearbeitung aller Parameter-Sets“) führt die eigentliche Simulation und Berechnung durch. Das Ergebnis dieses Blocks sind die sogenannten SimResults (Simulation Results) sowie die Single-Distribution-Ergebnisse (SD-Results). Die SimResults stellen die Rohergebnisse jeder Simulation dar. Die Rohergebnisse beinhalten die Ergebnisse der Lastflussberechnung sowie die Zustände aller Komponenten für jeden Zeitschritt. Die SD- Results sind automatisierte Auswertungen auf Basis der SimResults. Der zweite Block führt die weitere Auswertung der SD-Results durch. Das Ergebnis sind Mutli- Distribution-Ergebnisse (MD-Results) und die Multi-ONT-Ergebnisse (MO-Results). Auf die Auswertungsmethodik und die verschiedenen Stufen der Auswertung wird im Unterkapitel 3.6 näher eingegangen. Vor diesen beiden Blöcken werden die Simulationsparameter geladen. Der Benutzer der GridSim trägt in einer Excel-Tabelle alle Parameter des betrachteten Szenarios ein. Diese Excel-Tabelle wird Parameter-Tabelle genannt. In einer Parameter-Tabelle werden die 270 Parameter jedes Szenarios definiert. In Abbildung 3-23 ist der Aufbau einer Parameter-Tabelle dargestellt. Ab der vierten Spalte stellt jede Spalte ein Szenario dar. Wenn ein Feld leer gelassen wird, wird der Standardwert genommen. Aus Platzgründen wird auf eine Aufstellung aller Parameter an dieser Stelle verzichtet.

Abbildung 3-23: Aufbau der Parameter-Tabelle

Seite 54

3.5 - Implementierung des Simulationsmodells

Nachdem die Parameter-Tabelle eingelesen wurde, werden die Parameter-Sets erstellt. Für jede Simulation wird ein eigenes Parameter-Set erstellt. In einem Parameter-Set werden alle Parameter die für eine einzelne Simulation notwendig sind sowie verschiedene Kontrollcodes um die Datenintegrität sicherzustellen gespeichert. Nachdem alle Parameter-Sets erstellt wurden beginnt die eigentliche Simulation. Da die Berechnungen der GridSim sehr umfangreich sind, ist der Berechnungsprozess parallelisiert. Dies ermöglicht die zeitgleiche Berechnung mehrerer Parameter-Sets. Eine Jahres-Simulation eines Wohngebietes mit ca. 350 Haushalten in ein-minütiger Auflösung dauert ca. 20 Stunden und benötigt ca. 18 GB Arbeitsspeicher. Bei fünf-minütiger Auflösung sinkt der Arbeitsspeicherbedarf auf ca. 4 GB. Für umfangreiche Auswertungen steht an der Forschungsstelle für Energiewirtschaft ein leistungsstarker Server zur Verfügung. Bevor die Berechnung starten kann erfolgt die Initialisierung. In dieser Phase werden alle Verteilungen und Zuordnungen der Komponenten erstellt. Beispielsweise bedeutet dies, dass basierend auf dem Zufallsschlüssel festgelegt wird welcher Haushalt über ein Elektrofahrzeug oder Hausspeichersystem verfügt. Die entsprechenden Last-, Erzeugungs- und Fahrprofile werden ebenfalls initialisiert und im Arbeitsspeicher wird der entsprechende Speicherplatz vorbelegt. Der nächste Schritt ist die Durchführung der Simulation (siehe Abbildung 3-24). Beim Durchlauf wird für jeden Zeitschritt die Wirk- und Blindleistung von jedem virtuellen Hausanschluss berechnet. Bei der Berechnung der Wirk- und Blindleistung werden alle implementieren Regelungen abgefragt und durchgeführt. Spannungsabhängige Regelungen werden auf Basis des vorherigen Zeitschritts geregelt.

Seite 55

3.5 - Implementierung des Simulationsmodells

Abbildung 3-24: Implementierung der Berechnung der Hausanschlussleistungen

Nach der Berechnung aller Zeitschritte liegen die SimResults bzw. Rohergebnisse vor welche nun gespeichert werden. Die SimResults bestehen aus den Zuständen (Lastflüsse, Spannungen, Reglerzustände, Speicherzustände, etc.) aller Haushalte und Komponenten für jeden Zeitschritt. Insofern sind diese Daten sehr umfangreich. Bei einem Netzgebiet mit 350 Haushalten und einer zeitlichen Auflösung von 30 Sekunden erreicht die Rohergebnisdatei eine Größe von 40 GB. Bevor die Rohergebnisdatei aus dem Arbeitsspeicher gelöscht wird, erfolgt, falls aktiviert, die Berechnung der SD-Results. Die Methodik hinter den verschiedenen Auswertungsstufen wird im nächsten Unterkapitel beschrieben.

Seite 56

3.6 - Auswertungsmethodik

3.6 Auswertungsmethodik Die Auswertungen erfolgen auf Basis der Rohergebnisse der Simulation in einem mehrstufigen Prozess im zweiten Block.

3.6.1 Stufenmodell Da die Rohergebnisse einer Simulation primär aus Lastflüssen und Spannungen von allen Knoten und Zeitschritten bestehen, müssen diese ausgewertet werden um Aussagen zu ermöglichen. Diese Auswertung kann – aufgrund der Datenmenge - nur automatisch erfolgen und muss dabei auch berücksichtigen, dass ein Szenario mit mehreren, unterschiedlichen Verteilungen oder verschiedenen Netzgebieten simuliert werden kann. Weiterhin müssen Parametervariationen, welche schnell einen Umfang von mehreren Hundert Szenarien ausmachen können, ausgewertet werden können. Um die verschiedenen Anforderungen abzudecken wurde ein sechs-stufiges Auswertungsmodell entwickelt. In Abbildung 3-25 ist der Auswertungsprozess dargestellt. Die Zahlen auf den Symbolen entsprechen der Nummer eines Netzgebietes und dienen in dieser Abbildung nur zum besseren Verständnis des Prozesses.

SC Scenario Results

CR Comparision Results

⅓ ⅓ MO-Results Multi-ONT Results

1 3 1 3 MD-Results Multi-Distribution Results

SD-Results 1 1 1 3 3 3 1 1 1 3 3 3 Single-Distribution Results

SimResults 1 1 1 3 3 3 1 1 1 3 3 3 Rohergebnisse

Abbildung 3-25: Übersicht über die Auswertungsstufen

Die erste Auswertungsstufe, Single-Distribution Results (SD-Results), erstellt basierend auf den Rohergebnissen Auswertungen. Beispielsweise werden automatisch Spannungshistogramme, Typtage zu Ergebnisgrößen, Auslastungshistogramme, Normverletzungen, CO2-Bilanzen, Stromkosten der Haushalte oder Asymmetrieanalysen erstellt. Im Gegensatz zu den mehreren Gigabyte großen Rohergebnis-Dateien ist eine SD- Results-Datei nur noch wenige 10 MB groß. Die zweite Auswertungsstufe, Multi-Distribution Results (MD-Results), erstellt basierend auf den SDRs einer Simulation mit mehreren Zufallsverteilungen eine Ergebnisdatei mit statistischen Auswertungen zu den verschiedenen SDRs. Für alle Ergebniswerte werden die Mittelwerte, Mediane, Extrema und z.T. die Varianz berechnet.

Seite 57

3.6 - Auswertungsmethodik

Bei der dritten Stufe, der Multi-ONT Results (MO-Results), handelt es sich um einen Vergleich von Auswertungen zwischen verschiedenen Netzgebieten und mehreren Verteilungen. Dies dient zur Erkennung ob Effekte, welche z.B. bei einer Regelung in einem Netzgebiet auftreten, auch in anderen Netzgebieten auftreten. Die Comparison Results Stufe ist nicht wie die bisherigen Stufen voll-automatisiert. Diese Stufe dient zum direkten Vergleich von zwei Auswertungen – egal welchen Typs. Sie wird über eine graphische Oberfläche (GUI) gesteuert. Es können hier z.B. Differenzdiagramme erstellt werden um z.B. die Unterschiede von Auswertungen verschiedener Szenarien besser zu erkennen. Die graphische Oberfläche ist in Abbildung 3-26 dargestellt.

Abbildung 3-26: Grafische Oberfläche (GUI) der Comparison Results

Die Scenario-Results sind halbautomatisierte Auswertungen ohne grafische Oberfläche. Sie dienen dazu, den Einfluss von zwei variierten Parametern auf einen beliebigen Ergebniswert darzustellen. Diese erstellen beispielsweise sogenannte Heatmaps oder Streudiagramme. In

Seite 58

3.6 - Auswertungsmethodik

Abbildung 3-27 ist ein Heatmap für den Ergebniswert „absolutes Spannungsminimum“ und den variierten Parametern „Elektrofahrzeugdurchdringung“ und „Wallbox-Anteil“ dargestellt.

Abbildung 3-27: Beispiel einer Heatmap

Alle Auswertungsstufen sind modular aufgebaut und können einfach um weitere Auswertungen ergänzt werden.

3.6.2 Bilanzierung der Treibhausgas-Emissionen des Stromverbrauchs Um die energetischen und netztechnischen Auswirkungen zukünftiger Energieversorgung auf die Stromversorgung von Wohngebieten im Kontext erneuerbarer Energien und Technologien zur Integration dieser ganzheitlich zu bewerten, wurde eine Abschätzung der ökologischen Aspekte in diese Arbeit mit aufgenommen. Insbesondere im Hinblick auf die Energiewende, welcher als Hauptziel eine nachhaltige Reduzierung der Schadstoffemissionen zu Grunde liegt, ist eine ergänzende ökologische Betrachtung sinnvoll. Im folgenden Abschnitt wird auf die Methodik zur Abschätzung der CO2-Äquivalenten Emissionen des Stromverbrauchs im Wohngebiet eingegangen. Die CO2-Äquivalenten Emissionen des Stromverbrauchs der Haushalte und des Netzgebietes werden basierend auf dem stündlichen Kraftwerksmix berechnet. In Verbindung mit den spezifischen CO2-Emissionsfaktoren der verschiedenen Energieerzeuger resultiert dieses Vorgehen in mittleren, stündlich aufgelösten CO2-Emissionswerten je Kilowattstunde. Für das Jahr 2013 wurde der stündliche Kraftwerksmix auf Basis der ex-post Erzeugungsdaten der Transparenzplattform der EEX /EEX-01 14/ erstellt. Da diese nicht alle Kraftwerke erfasst, wurden die Erzeugungsdaten gemäß /AGORA-07 14/ skaliert. Die CO2-Emissionen von Im- und Exporte werden nicht bilanziert. Eine genauere Beschreibung der im Rahmen von /FFE-07 15/ entwickelten Methodik kann /ET-05 15/ entnommen werden. In Abbildung 3-28 ist die Erzeugungsverteilung für eine exemplarische Woche aus dem Jahr 2013 dargestellt.

Seite 59

3.6 - Auswertungsmethodik

Abbildung 3-28: Erzeugungsverteilung einer Sommerwoche /ET-05 15/ Die verwendeten Emissionsfaktoren in CO2-Äquivalenten sind in Tabelle 3-4 angegeben. Die Emissionsfaktoren enthalten die vollständige Vorkette, inklusive Rohstoffförderung, Herstellung der Anlagen etc. Aus diesem Grund sind die verwendeten Emissionen höher als die direkten Emissionen. Die Emissionsfaktoren beinhalten neben den CO2-Emissionen auch weitere Treibhausgase (beispielsweise Methan), welche in ihr CO2-Äquivalent umgerechnet wurden. /FFE-07 15/ Tabelle 3-4: Emissionsfaktoren der Stromerzeugung nach Energieträger in CO2-Äquivalenten /FFE-07 15/, /ECOINV-01 14/

Treibhausgas- Treibhausgas- Energieträger potential in Energieträger potential in tCO2eq/MWhth tCO2eq/MWhel Braunkohle 0,403 Wind (onshore) 0,019 Steinkohle 0,394 Wind (offshore) 0,017 Erdgas 0,246 PV 0,085 Öl 0,325 Biomasse 0,193 Nuklear 0,005 Lauf- und 0,005 Biomasse 0,009 Speicherwasser

Da in GridSim primär Zukunftsszenarien simuliert werden, ist eine Erweiterung der stündlichen CO2-Emissionswerte um zukünftige Jahre notwendig. Regett schreibt in /ET-05 15/: „Um die zeitlich aufgelösten Emissionen des Strommixes im Jahr 2030 und 2050 zu bestimmen, wird auf die Methodik und die Szenarien aus /FFE-07 15/ und /TAY-01 14/ zurückgegriffen. Während die stündliche Auflösung des Verbrauchs über den prognostizierten Nettostromverbrauch und den normierten ENTSO-E Lastgang erfolgt, wird die EE-Erzeugung über den Ausbaugrad aus /BMWI-01 14/ und wetterabhängigen, normierten Erzeugungsgängen aus dem FfE-Regionenmodell /FFE-39 14/ abgeleitet. Die Bestimmung der konventionellen Erzeugung erfolgt für jede Stunde über die resultierende Residuallast und

Seite 60

3.6 - Auswertungsmethodik

die Merit Order des konventionellen Kraftwerksparks, die auf Basis der Energiereferenzprognose sowie Kraftwerksdaten der Bundesnetzagentur und dem Bundesverband der Energie- und Wasserwirtschaft berechnet wird.“ Die in Tabelle 3-4 dargestellten Emissionsfaktoren werden für alle bilanzierten Jahre (2013, 2020, 2025 und 2030) verwendet. Mit der Kenntnis der Lastflüsse im Wohngebiet, dem stündlichen Erzeugungsmix und den spezifischen Emissionsfaktoren wird von GridSim der Fluss von Treibhausgas (THG)- Emissionen in allen Stromleitungen und Komponenten berechnet. Da der Energiefluss von jeder Komponente zu einer anderen erfasst wird, werden auch Rückspeisungen aus stationären Batteriespeichern oder Elektrofahrzeugen mit den ursprünglich bilanzierten Emissionen der geladenen Energie bilanziert. Das übergeordnete Netz, welches den ONT speist, wird als starr angenommen, so dass der Erzeugungsmix und die Emissionswerte des simulierten Netzes sich nicht auf die Emissionswerte des übergeordneten Netzes auswirken. Die Energieverluste, und somit auch die THG-Emissionen, der Speichervorgänge der Hausspeichersysteme und der Elektrofahrzeuge werden beim Entladevorgang des Speichers bilanziert. Da bei den THG-Emissionsfaktoren der Stromerzeugung die Vorkette mitberücksichtigt wird, muss bei der Verwendung eines Hausspeichersystems ebenfalls die Herstellung des Speichers bilanziert werden. Nach /MCM-01 12/ beträgt diese etwa 12,5 kg CO2-Äquivalente pro Kilogramm für Lithium-Ionen Batterien. Bei einer angenommen Energiedichte von knapp 130 Wh/kg entspricht dies ca. 97 kg CO2-Äquivalente pro Kilowattstunde Batteriekapazität, welche auf den erwarteten Energieumsatz umgelegt werden. Der GridSim- Standardwert für 2.500 Zyklen mit einem SOC-Swing von 70 % liegt dann bei 38,8 g CO2-Äquivalente pro umgesetzter kWh. Dies entspricht ca. 1.750 Vollzyklen. In Forschungsprojekten werden bereits Alterungsversuche mit Lithium-Eisenphosphat- Akkumulatoren durchgeführt welche ca. 3.200 Zyklen bei einem SOC-Swing von 80 % erlauben /NOS-01 14/. Diese Emissionsbetrachtung erfolgt im Auswertungsblock bei der Berechnung der Single- Distribution Results. Ergebnis ist, dass für jede Komponente im Wohngebiet die THG-Emissionen und die Zusammensetzung der Energieträger für jede Stunde vorliegen. Dies ermöglicht Analysen, inwiefern beispielsweise ein Hausspeichersystem die THG-Bilanz von einem Haushalt oder Wohngebiet beeinflusst. Aber auch ob höhere Ladeleistungen beim Elektrofahrzeug zu einer besseren THG-Bilanz führen.

3.6.2.1 Ergänzende Berechnung der THG-Emissionen von Elektrofahrzeugen Die soeben dargestellte Methodik verfügt über Nachteile, die durch eine ergänzende Berechnung reduziert werden. Eine Schwäche ist, dass eine Lastverschiebung mit Elektrofahrzeugen nicht im skalierten ENTSO-E Lastgang, der zur Bestimmung der Energieträger verwendet wird, berücksichtigt wird. Dies hat zur Folge, dass die stündlichen Anteile der verschiedenen Energieträger am Strommix sich nicht ändern, trotz Lastverschiebung. Ein weiterer Nachteil dieser Betrachtung ist, dass methodisch bedingt die PV-Energie zwischen Elektrofahrzeugen und Haushaltslasten gleichmäßig aufgeteilt wird. In den Ergebnissen führt dies dazu, dass der berechnete PV-Anteil an der Fahrenergie die PV-Anteile

Seite 61

3.6 - Auswertungsmethodik

an der Haushaltslast reduziert, so dass der Eindruck entsteht EFZ würden zusätzliche PV- Energie integrieren. Stattdessen kann es sein, dass die Haushalte einen reduzierten PV-Anteil aufweisen und mehr Strom aus dem Netz beziehen als ohne Elektrofahrzeuge. Um diese beiden Themen zu berücksichtigen, wird eine zweite Berechnung durchgeführt, bei der bilanziert wird, dass das Elektrofahrzeug nur mit Überschussstrom aus der PV-Anlage oder des Hausspeichersystems geladen wird, wenn der Haushalt selbst keine weitere Energie aufnehmen kann. Das Ergebnis davon ist, wie groß der eigenerzeugte PV-Anteil an der Fahrenergie des Elektrofahrzeuges ist, welcher sonst zurück gespeist worden wäre. Darüber hinaus wird berechnet, wie groß der PV-Überschussanteil anderer PV-Anlagen im Netzgebiet an der Fahrenergie der Elektrofahrzeuge ist. Die Restlast des Elektrofahrzeuges wird zudem mit dem stündlichen THG-Emissionen des konventionellen Kraftwerkparks versehen, da bei dieser Berechnung davon ausgegangen wird, dass konventionelle Kraftwerke ihre Stromproduktion erhöhen müssen um die erhöhte Last durch Elektrofahrzeuge zu decken.

Seite 62

3.6 - Auswertungsmethodik

Seite 63

4.1 - Grundlagen der implementierten Regelungen