Daniel Schmidt

• Der Klimawandel und seine potenziellen Auswirkungen stellen eine ernstzunehmende Bedrohung für die Umwelt dar. Um diesem entgegenzuwirken, haben sich sowohl die Europäische Union als auch die Bundesrepublik Deutschland zu Maßnahmen verpflichtet, die u.a. zu einer zunehmenden Abkehr der Nutzung von fossilen Brennstoffen führen sollen. Die Maßnahmen beziehen sich hierbei auch auf den großflächigen Ausbau der Erneuerbaren Energien. Diese bringen zwar den großen Vorteil einer CO2-freien Energieerzeugung mit sich, unterliegen dafür aber einer starken Fluktuation, die sich an Wetterbedingungen orientiert und dabei v.a. von Solarstrahlung und Windgeschwindigkeit abhängig ist. Daher werden Speichermöglichkeiten in Zukunft stark an Relevanz gewinnen, zusätzlich sollten aber auf Verbraucherebene auch Flexibilitäten identifiziert werden, die auf die Volatilität in der Energieerzeugung reagieren können. Gerade der Gebäudesektor stellt dabei eine zentrale Herausforderung für das Gelingen der Energiewende dar, da er für etwa 50 % des Endenergiebedarfs in Deutschland zuständig ist. Ein Großteil davon entfällt auf das Beheizen der Gebäude. Die Wärmepumpe ist dabei eine der wichtigsten Technologien für eine nachhaltige Wärmebereitstellung, da sie (zunehmend erneuerbaren) Strom mit einer guten Effizienz in thermische Energie umwandeln kann. Da die Wärmeerzeugung in der Regel mit einem thermischen Speicher verknüpft ist, stellt gerade der Betrieb von Wärmepumpen eine Flexibilitätsoption dar, die mit Hilfe eines intelligenten Regelungssystems in optimale Zeiträume verschoben werden kann. In dieser Arbeit wird unter diesem Hintergrund ein prädiktives Optimierungssystem entwickelt, das regelbasierte Entscheidungen trifft und somit Stromflüsse im Gebäude gezielt regeln soll. Standardmäßig wird in der Optimierung dafür eine Photovoltaik-Anlage zu Eigenstromerzeugung, eine Wärmepumpe als Wärmeerzeuger und ein Wassertank als Wärmespeicher benötigt. Zudem können ein Haushaltsstromspeicher und ein E-Auto, das bidirektional geladen werden kann, modular hinzugefügt werden. Die Modelle des thermischen Speichers, der PV-Anlage, des Stromspeichers und der E-Batterie sind zudem in ihrer Dimensionierung variabel und der Einfluss unterschiedlicher Größen wird ebenso analysiert wie verschiedene Innentemperaturen. Die Betrachtung wird anhand eines realen Gebäudes, das vier Ferienwohnungen umfasst, durchgeführt. Die Optimierung ist dabei so ausgelegt, dass sie v.a. den Netzbezug des Gebäudes reduzieren und somit zur Netzentlastung beitragen soll. Die Ergebnisse der Arbeit zeigen, dass die entwickelte Optimierung auf Simulationsebene im Vergleich zu einer Referenzbetrachtung in über 1000 untersuchten Szenarien immer zu einer Reduzierung des Netzbezugs führt. Die maximalen Einsparungen liegen bei über 1000 kWh bzw. 35 %, im Mittel kann der Netzbezug um ca. 560 kWh bzw. 16 % reduziert werden. Somit kann die prädiktive Optimierung dafür eingesetzt werden, Flexibilität auf Gebäudeebene gezielt auszunutzen, um den Netzbezug zu reduzieren und somit potenziell einen Beitrag zum Gelingen der Energiewende leisten.
• Climate change and its consequences pose a catastrophic threat to the environment. To counteract this, the European Union and the Federal Republic of Germany have committed themselves to measures that should lead to an increasing departure from the use of fossil fuels. The measures also include large-scale expansion of renewable energies. Although the latter have a great advantage in terms of CO2-free energy generation, they are subject to strong fluctuations based on weather conditions such as solar radiation and wind speed. Storage options will therefore become increasingly relevant in the future. Additionally, flexibility that can react to the volatility in energy generation must be detected at the consumer level. The building sector represents a key challenge for the success of the energy transition, as it is responsible for around 50 % of the final energy demand in Germany. A large proportion of the energy demand is used to heat buildings. The heat pump is one of the most important technologies for sustainable heat supply, as it can convert (increasingly renewable) electricity into thermal energy with good efficiency. Since heat generation is usually linked to a thermal storage system, the operation of heat pumps represents a flexible option that can be shifted to optimal periods with the help of an intelligent control system. This thesis develops a predictive optimization system that makes rule-based decisions and thus regulates electricity flows in the building in a systematic approach. By default, the optimization requires a photovoltaic system to generate its own electricity, a heat pump as a heat generator and a water tank as a heat storage unit. Furthermore, a household electricity storage unit and an electric car with bidirectional charging can be added on a modular basis. The models of the thermal storage unit, the PV system, the electricity storage unit and the e-battery are variable in their dimensioning. This work analyses the influence of different sizes and indoor temperatures. The analysis is carried out using a real building containing four vacation apartments. The optimization is aimed at reducing the grid consumption of the building, thereby contributing to grid relief. The results of the simulation show that the developed optimization leads to a reduction in grid consumption in over 1000 examined scenarios in comparison to a reference model. The maximum savings are over 1000 kWh or 35 %. On average, grid consumption can be reduced by approximately 560 kWh or 16 %. The predictive optimization can therefore be used to make systematic use of flexibility at building level to reduce grid consumption and potentially contribute to the success of the energy transition.