Intelligentes Stromnetz SmartGrid@VHS Philipp Nobis Florian Samweber 1 Gliederung 1. Stromnetze für die Energiewende 2. Die Forschung in GarmischPartenkirchen 2 Stromnetze für die Energiewende 3 Freiflächenanlagen als Lösung der Energiewende? 4 Neue Verbraucher 5 Stromverbrauch in Deutschland In Deutschland werden etwa 20% des Endenergiebedarfs durch Elektrizität gedeckt. 2012 betrug die maximale Last in Deutschland 81,7GW. 6 Elektrizitätsversorgung in Deutschland Ganzheitliche Optimierung der Energieversorgungsstruktur Durch die Energiewende steigen die Anforderungen an alle Komponenten der Energieversorgungsstruktur in alle Spannungsebenen. 7 Spannungsbandhaltung – Einsatz von regelbaren Komponenten Effektivspannung muss 95 % der Zeit im Bereich +/- 10 % der Nennspannung liegen. Nicht immer steht das volle Spannungsband zur Verfügung: HS/MS -Trafo ONT MS-Strang Regelbare Ortsnetztransformatoren 8 NS-Strang MS-Strang Reihentransformatoren ONT NS-Strang Blindleistungskompensation NOVA: Optimierung – Verstärkung - Ausbau Smart Grid – Herausforderungen für die Hochspannung Übertragungsnetz Netz-Optimierung vor Verstärkung und Ausbau Suche nach intelligenten Lösungen zur Verringern des konventionellen Netzausbaubedarfs 9 NOVA: Optimierung – Verstärkung - Ausbau Smart Grid – Visionen für die Niederspannung Verteilnetze 10 Viele Möglichkeiten für eine intelligente Netzführung in den Verteilnetzen, z.B.: Lastflexibilisierung Intelligente Ladung von Elektrofahrzeugen Batteriespeichersysteme zur Kopplung mit PV-Anlagen Regelbare Komponenten Das eGAP-Projekt „Smart Grid – Grundlage einer elektromobilen Zukunft“ Ermöglicht durch die Hans und Klementia Langmatz Stiftung Projektpartner: Gefördert durch das Bayerische Staatsministerium für Wirtschaft, Infrastruktur, Verkehr und Technologie (BStMWIVT) 11 Smart Grid – Basis einer elektromobilen Zukunft Motivation: Warum ein Smart Grid? Ausbau dezentraler Einspeisung (PV, BHKW, Wind, …) Schlecht prognostizierbare Einspeisung Einfluss auf Spannung schlecht regelbar über Kraftwerke oder HS/MS-Trafos Netzengpässe verhindern teilweise einen weiteren Ausbau von DEA Steigende Anzahl an Elektrofahrzeugen Hohe Lasten kommen zu den bisherigen Lastspitzen hinzu Zunehmende Belastung für Verteilungsnetze und Netzkomponenten 12 Kopplung Verbrauch und Erzeugung Sinkende IKT-Kosten ermöglichen mehr preiswerte Steuerungen Möglichkeit Elektrofahrzeuge preis- und netzfreundlich zu laden Projekt: Smart Grid – Basis einer elektromobilen Zukunft Analyse & Modellbildung Prognosen Simulation Technologie 13 Welches Potential hat GAP im Bezug auf Solarstromerzeugung? 14 Installierte PV-Leistung auf Gebäuden in GarmischPartenkirchen [kWp] Die bisherige Entwicklung von Photovoltaik in GAP 3.500 3.000 2.500 2.000 1.500 1.000 500 0 ©FfE Lmsti-01#A Netzstabilisierung GAP_eV_00006 Jahr (nur Dachflächenanlagen, keine Freiflächenanlagen) 15 Räumliche Verteilung der PV-Anlagen in Garmisch-Partenkirchen 16 Wie setzt sich der Strom in GAP im Moment zusammen? 17 Stromnetz • Verteilerkasten 18 • Ortsnetztransformator Heute: Lastspitzen ähnlich hoch wie Erzeugungsspitzen 19 Netzstützung mit Elektrofahrzeugen Alternativen zur Spannungsregelung: Quelle Hintergrundgrafik: Kerber, TUM Regulierung der Ladeleistung zur Beeinflussung des Spannungsabfalles Bereitstellung von Blindleistung erhöht Spannung Automatische Stufensteller erhöhen Spannungsniveau 20 Methodik: Simulationsmodell GridSim 21 Einfluss von ungesteuerten Elektrofahrzeugen Elektrofahrzeuge mit hoher Ladeleistung erhöhen die Lastspitze im Netzgebiet stärker als Elektrofahrzeuge mit geringer Ladeleistung Ladeleistungsbedingte Lasterhöhung betrifft ca. 20 % der Zeit, sonst ist die Last geringer Bei geringer Ladeleistung ist die „elektromobile Grundlast“ höher als bei hoher Ladeleistung Typtag: 22 Lasterhöhung durch Elektrofahrzeuge im Winter 50 +43 % Leistung in kW 40 30 20 10 0 00:00 04:00 08:00 12:00 16:00 20:00 -10 23 Haushalt PV-Erzeugung Summe ohne EFZ Summe mit EFZ Elektrofahrzeug 00:00 Lasterhöhung durch Elektrofahrzeuge im Sommer 50 -32 % 40 Leistung in kW ca. 2,5h (ggü. Winter) 30 +43 % 20 10 0 00:00 04:00 08:00 12:00 16:00 20:00 -10 24 Haushalt PV-Erzeugung Summe ohne EFZ Summe mit EFZ Elektrofahrzeug 00:00 PV-Eigenverbrauch durch Ladesteuerung Export von PV-Energie aus dem Netzgebiet: -26% -20% ~ 9 – 17 % weniger Ausfuhr von PV-Energie durch gesteuertes Laden, EFZs tragen zur Reduzierung von Export-Energie bei. 25 -13% -43% -28% -26% CO2 Emissionen – 2030: Elektrofahrzeuge mit Ladesteuerung 26 PV-Energie, erzeugt im Netzgebiet, wird zu den EFZs geleitet. 27 – 56 % mehr Eigen-PV. 45% CO2 Emissionen – 2030: Haushalte ohne Elektrofahrzeuge „normaler“ Verbraucher Energiemix im durchschnittlichen Haushalt: 5% „Normale Verbraucher“ erhalten weniger Eigen-PV und evtl. schlechtere spez. CO2-Emission. 3 – 6 % weniger Eigen-PV 27 CO2 Emissionen: typischer Tag für verschiedene Haushaltstypen 28 Verlauf spezifischer CO2-Emissionen typischer Tage nach verschiedenen Haushaltstypen: Szenarien Wohngebiet in Garmisch-Partenkirchen Versorgt von einem Ortsnetztransformator 202 Haushalte 3 MWh/a Durchschnitt Hausspeichersysteme 30 % der Haushalte mit PV-Anlage 7,5 kWh Kapazität Elektroautos 22 kWh Kapazität 10 % - 50 % Verbreitung 3,5 - 14 kW Ladeleistung PV- Anlagen 36 % der Haushalte 5 kWp Mittelwert 29 Ergebnisse: Spannungshaltung 30 Im betrachteten Szenario sind Spannungsbandverletzungen auch mit Elektrofahrzeugen relativ selten Die eigenverbrauchsoptimierte Ladesteuerung mit spannungsabhängiger Blindleistungsregelung reduziert Über- und Unterspannungen Szenario: 50 % der HH haben BEVs, 14 kW Ladeleistung Ergebnisse: Spannungshaltung 31 Eine PV-Eigenverbrauchserhöhende Ladesteuerung hat geringe, positive Auswirkungen auf die Spannung Durch eine spannungsgeregelte Blindleistungsregelung für Elektrofahrzeuge können Spannungsbandverletzungen etwa halbiert werden Vielen Dank für Ihre Aufmerksamkeit 32
© Copyright 2024 ExpyDoc