@phdthesis{Rosskopf2020, type = {Master Thesis}, author = {Ramona Rosskopf}, title = {Analyse des Reduktionspotenzials von Ausgleichsenergie f{\"u}r Energieversorger durch autonomes Demand Side Management bei Haushaltskunden}, doi = {10.25924/opus-3560}, pages = {XII, 57}, year = {2020}, abstract = {Die EU-Ziele umfassen die Steigerung des Anteils an erneuerbaren Energien an der Energieerzeugung um 32 \% bis 2030. Doch erneuerbare Energien bringen neben den Vorteilen f{\"u}r den Umweltschutz auch Probleme mit sich. Ihre Schwankungen und Unkontrollierbarkeit stellen gro{\"s}e Herausforderungen f{\"u}r das Stromnetz dar. Um die Netz- und damit die Versorgungssicherheit weiterhin gew{\"a}hrleisten zu k{\"o}nnen, braucht es L{\"o}sungen, die weder das Stromnetz, die Verbraucher noch die Energieversorger benachteiligen. Eine M{\"o}glichkeit w{\"a}re es, zus{\"a}tzliche Kraftwerke und Infrastruktur (Redundanzen) aufzubauen, welche potenzielle Schwankungen ausgleichen k{\"o}nnen. Dieser L{\"o}sungsansatz gilt als traditioneller Weg, der hohe Kosten und negative Umweltauswirkungen mit sich bringt. Demand Side Management hat das Potenzial, effiziente L{\"o}sungen diesbez{\"u}glich anzubieten. Welche Vorteile der Einsatz von DSM auf Ebene der Haushaltsverbraucher f{\"u}r die Energieversorger in Bezug auf den Abruf von Ausgleichsenergie bringt, wird in dieser Arbeit behandelt. Daf{\"u}r wurde ein agentenbasiertes Modell entwickelt, welches darauf abzielt, die Abweichung zwischen dem von dem Energieversorger prognostizierten Verbrauch und dem realen Verbrauch seiner Haushaltskunden zu verringern. Jeder Haushalt in dem vorgestellten Modell ist mit einer Flexibilit{\"a}t in Form eines Batteriespeichers ausgestattet. Die Speicherbewirtschaftung wird basierend auf einem Signal, welches der Energieversorger {\"u}bermittelt, automatisch vom Haushalt f{\"u}r jeden Tag im Betrachtungszeitraum optimiert. Jede Abweichung zwischen der vom Energieversorger erstellten Prognose und der tats{\"a}chlich bezogenen Strommenge stellt dabei einen Bezug von Ausgleichsenergie dar. Untersucht werden die Auswirkungen der Anzahl an Haushalten sowie ein unterschiedlicher Wissensstand auf die Prognose. Weiters werden zwei unterschiedliche Arten von Demand Side Management analysiert. Einmal die Einflussnahme auf die Last der Haushalte durch ein Preissignal, einmal durch das Vorgeben eines Lastgangs. Um die Effektivit{\"a}t der beiden Varianten bestimmen zu k{\"o}nnen, wird auch die Menge an Ausgleichsenergie erhoben, welche ohne das Vorhandensein eines Batteriespeichers (also ohne Steuerung) anfallen w{\"u}rde. Das Modell wurde entwickelt, um einen Trend aufzuzeigen und keine spezifische Einsparungsmenge zu ermitteln, da dies von der jeweiligen Situation des Energieversorgers abh{\"a}ngt. Die Erstellung der unterschiedlichen Wissensst{\"a}nde basiert auf den {\"o}sterreichischen rechtlichen Vorgaben bez{\"u}glich der Daten{\"u}bertragung bei intelligenten Messger{\"a}ten. Dabei ist einmal der Jahresverbrauch, einmal der Tagesverbrauch und einmal die st{\"u}ndlichen Verbrauchswerte bekannt. Das Preissignal ist negativ korreliert zu den am Day-Ahead-Markt gehandelten Mengen und das Lastsignal basiert auf einer der Prognosen des Energieversorgers, je nach Variante, die untersucht wird. Es zeigte sich, dass ein besserer Wissensstand nur teilweise eine Verbesserung der Prognose erzielte. Wobei die unterschiedlichen Wissensst{\"a}nde auf den realen Werten der nicht verwendeten Haushalte aus dem gleichen Datensatz aufbauen und so beispielsweise Wettereinfl{\"u}sse in der Prognose schon bekannt waren, was die Prognose basierend auf Jahreswerten sehr genau machte. Der Aggregationseffekt von mehreren Haushalten beeinflusst die Prognose positiv. Auf einzelner Haushaltsebene schneiden die Vorhersagen deutlich schlechter ab als bei Prognosen des Gesamtverbrauchs aller Haushalte. Die Optimierung basierend auf dem Lastsignal generiert eine geringere Menge an Ausgleichsenergie als das Preissignal. Das liegt unter anderem daran, dass die Prognose nur die Verbr{\"a}uche der Haushaltskunden ber{\"u}cksichtigt und nicht die Mengen, die am Markt gehandelt werden. In den untersuchten Varianten stellte sich heraus, dass am wenigsten Ausgleichsenergie {\"u}ber alle Haushalte erzeugt wird, wenn kein Demand Side Management betrieben wird, also keine Batteriespeicher vorhanden sind und die Prognose des Energieversorgers auf Stundenwerten basiert. Auf einzelner Haushaltsebene f{\"a}llt bei der Optimierung mittels Lastsignal am wenigsten Ausgleichsenergie an.}, language = {de} }