Open Access

Die vorliegende Arbeit befasst sich im Rahmen einer Fallstudie hauptsächlich mit der Steigerung des Anteils an PV-Batteriebeladungsenergie von Elektrofahrzeugen. Zentral ist die Frage einer möglichen Beeinflussung dieses PV-Ladeanteils durch Re-konfiguration des thermischen Systems (Speicherkapazitäten, Betriebsstrategie der WP). Dazu wurde das Mehrfamilienhaus anhand der dynamischen Gebäude- und Anlagensimulation nachgebildet. Im ersten Schritt erfolgte die Ermittlung der für die Gebäudekonditionierung notwendigen Nutzenergie anhand eines Gebäudemodells. Anschließend erfolgte eine Bedarfsoptimierung, um die Grundlast des Wärmeerzeugers möglichst weit zu senken. Dabei wurde zum einen der thermische Komfortbereich ausgenutzt, zum anderen wurde eine Steuerungslogik für die Verschattungs- und Nachtlüftungsautomatik erstellt. Hierdurch konnte der Heizwärmebedarf um 24% und der Kühlwärmebedarf um 70% gesenkt werden. Die Performance des Systems wurde außerdem in Simulationen mittels zukünftigen Klimaszenarien überprüft, in welchen sich die Reduzierung KWB als besonders vorteilhaft herausstellte. Im zweiten Schritt wurde die fassadenintegrierte PV-Anlage nachsimuliert und hinsichtlich ihrer standortspezifischen Ertragssituation mit konventioneller Dachbelegung verglichen. Es zeigte sich, dass die Fassadenbelegung in Südausrichtung über die Wintermonate ertragreicher ist als die, in der Jahresbilanz superiore Dachaufständerung. Im dritten Schritt wurde das technische Gebäudesystem des realen Objektes in der Software Polysun nachgebildet und mittels eigens entworfener Regelungslogik betrieben. Es wurden Variantenstudien der zentralen Parameter Speicherkapazität, Speichertemperatur und Betriebsstrategie durchgeführt. Die Ergebnisse zeigen, dass die Variation von Speichergröße und maximaler Speichertemperatur keinen relevanten Einfluss auf die PV-Beladeenergie der Elektrofahrzeuge hat. Jedoch zeigte die erhöhte Betriebsweise der Wärmepumpe bei PV-Überschuss (PVready) eine Steigerung der PV-Batteriebeladung von jährlich ca. 2 % sowie in einzelnen Monaten bis zu 6%. Außerdem konnte eine Steigerung der Autarkie des Gesamtsystems von 13,6% sowie eine Halbierung des Netzbezuges beobachtet werden.

Die vorliegende Arbeit beschreibt eine Methode zur Prognose von Anomalien in einzelnen Sensordaten für die Anwendung in Expertensystemen im Bereich der Biomassekraftwerke. Die in fünf Schritten beschriebene Methode beinhaltet neben der Datenaufbereitung eine Anomalievorauswahl durch eine unüberwachte Ausreißererkennung, welche mittels des PYOD-Toolkit umgesetzt wurde. Bei der anschließenden Anomaliebestimmung wird der zuvor generierte binäre Zielvektor durch einen mit dem System vertrauten Experten validiert. Eine darauffolgende überwachte binäre Klassifikation mit unbekannten Betriebsdaten ergibt, dass mittel- bis langfristige Anomalien im Mehrstunden- bis Mehrtagesbereich in Form eines Trends reproduktiv vorhergesagt werden können. Kurzfristige Anomalien im Minutenbereich in Form von Extremfällen können hingegen nicht reproduktiv vorhergesagt werden. Eine zusätzliche Untersuchung zur Vorhersage einer Anomalie noch vor deren tatsächlichen Eintrittszeitpunkt brachte keine zufriedenstellenden Ergebnisse. Demnach lässt sich mit dieser Methode nur eine bestimmte Art von Anomalien in Expertensystemen für Biomassekraftwerke vorhersagen. Dazu sollte zudem darauf geachtet werden, dass es trotz positiv erzielter quantitativer Ergebnisse notwendig ist, für die qualitative Prüfung einen mit dem System vertrauten Experten hinzuzuziehen und dass für die zu prognostizierende Anomalie die geeignete Abtastzeit zu wählen ist. Abschließend bleibt zu erwähnen, dass Anomalien, welche nur durch Über- bzw. Unterschreitung eines definierten Grenzwertes gekennzeichnet werden, als zu trivial für diese Methode gelten. Diese können über eine einfache Grenzwertbetrachtung identifiziert werden.

In the regime of incentive-based autonomous demand response, time dependent prices are typically used to serve as signals from a system operator to consumers. However, this approach has been shown to be problematic from various perspectives. We clarify these shortcomings in a geometric way and thereby motivate the use of power signals instead of price signals. The main contribution of this paper consists of demonstrating in a standard setting that power tracking signals can control flexibilities more efficiently than real-time price signals. For comparison by simulation, German renewable energy production and German standard load profiles are used for daily production and demand profiles, respectively. As for flexibility, an energy storage system with realistic efficiencies is considered. Most critically, the new approach is able to induce consumptions on the demand side that real-time pricing is unable to induce. Moreover, the pricing approach is outperformed with regards to imbalance energy, peak consumption, storage variation, and storage losses without the need for additional communication or computation efforts. It is further shown that the advantages of the optimal power tracking approach compared to the pricing approach increase with the extent of the flexibility. The results indicate that autonomous flexibility control by optimal power tracking is able to integrate renewable energy production efficiently, has additional benefits, and the potential for enhancements. The latter include data uncertainties, systems of flexibilities, and economic implementation.