EStore-M Electricity Storage Management

Projekt EStore-M erfolgt die Entwicklung eines dynamisch optimierenden Energiemanagementsystems für elektrochemische Energiespeicher unter Einbeziehung von BenutzerInneninteraktion, Erzeugungs- und Lastprognosen welches sich durch robuste – bezüglich Unsicherheiten der Prognosen – Regel- und Optimierungsalgorithmen auszeichnet. In Kombination mit anforderungsspezifisch hochwertigen energiemeteorologischen Prognosen soll dadurch über die Lebensdauer eines Systems nachvollziehbar eine Gesamtenergieeffizienz auf höchst möglichem Niveau erreicht werden. Problematik: Zur Steigerung des Eigenverbrauchs von Energie aus Photovoltaik (PV)-Anlagen werden elektrochemische Energiespeicher eingesetzt. Die Betriebsführung erfolgt mithilfe eines Energiemanagementsystems unter den Gesichtspunkten unterschiedlicher Zielsetzungen. Eingesetzte Regler verfügen dabei im Allgemeinen über sehr einfache Strategien, welche nur eine Zielsetzung (meist Eigenverbrauchserhöhung) abbilden. Für den Nutzer kann dabei nicht immer das gewünschte Optimum (Kosten, Nutzen, Lebensdauer, etc.) erreicht werden, was die Effizienz und Wirtschaftlichkeit des Systems beeinträchtig. Die Wirtschaftlichkeit derartiger Systeme wird im Allgemeinen auf Basis der Auslegungssituation ermittelt und bildet daher keine reale Situation ab. Vor allem durch Schwankungen der Betriebsparameter und Randbedingungen sowie durch Fehlfunktion der Anlage können deutliche Effizienzeinbußen verursacht werden. Methode Im Rahmen dieses Projekts wird daher ein Regelungskonzept entwickelt, welches die optimale Steuerung erneuerbarer Energiequellen (z.B. PV), eines elektrochemischen Speichers sowie verschiedener verschiebbarer Lasten (z.B. Wärmepumpen) ermöglicht. Kernelement ist dabei eine zyklische Optimierung durch einen dynamischen und robusten Algorithmus. Daneben erfolgt eine genaue Betrachtung der notwendigen Energiemeteorologie, welche die Konzeptionierung angepasster Prognosen und die Weiterentwicklung bestehender Berechnungsmodelle umfasst. Die Integration einer Rückkopplung von Messwerten aus Anlagen ermöglicht das Trainieren und somit Optimieren der Modelle. Mithilfe von Simulation und Betrieb auf einem Teststand wird die Funktionsweise nachgewiesen.