Komplementäres Datenmodell für das Open-Source-Tool OptIES

Der hier verfügbare Datensatz stellt das komplementäre Datenmodell zum Open-Source-Tool OptIES dar. 

Das Tool OptIES dient der Optimierung regionaler Energiesysteme und wurde im Rahmen des Forschungsprojekts "OptIES Dörpum  - Offene Optimierung sektorgekoppelter regionaler Energiesysteme am Beispiel des IES Dörpum" entwickelt. Es basiert auf der offenen Software-Toolbox PyPSA.

Das Forschungsprojekt OptIES Dörpum wurde durch die Europa-Universität Flensburg und die EcoWert360° GmbH bearbeitet und durch das Förderprogramm HWT Energie und Klimaschutz der Gesellschaft für Energie und Klimaschutz Schleswig-Holstein (EKSH) finanziert. Es stellte die wissenschaftliche Begleitung des Praxisprojekts IES Dörpum dar.

Ziel des Forschungsprojekts war es, lokale sowie nationale Herausforderungen der Energiewende durch Einordnung der kommunalen Bestrebungen in das nationale Energiesystem zu beleuchten und analysieren. Das vorliegende Tool dient der Optimierung des regionalen Energiesystems zur Untersuchung und Bewertung von Betriebsstrategien und Entwicklungspfaden des isolierten Systems. Im weiteren Projektverlauf wurde das regionale System unter Berücksichtigung des übergelagerten Gesamtsystems optimiert, um integrierte Handlungsempfehlungen für die erfolgreiche Energiewende auf kommunaler und nationaler Ebene abzuleiten.

Unter den hochgeladenen Dateien findet sich der Projektabschlussbericht mit einer ausführlichen Darstellung des Projekts, der entwickelten Modelle und Tools, der durchgeführten Berechnungen und Analysen sowie der Ergebnisse. Zudem werden die im Rahmen des Projekts angefertigten Masterarbeiten von Matthias Winschu und Mohsen Mansouri bereitgestellt.

Die hier veröffentlichten Daten enthalten Informationen zu Verbrauchs- und Erzeugungseinheiten innerhalb des IES Dörpum, welche für Modellrechnungen mit der Software-Toolbox notwendig sind. Die Daten enthalten sowohl synthetische als auch reale Daten in anonymisierter Form. Es werden die innerhalb von PyPSA als Standard definierten Einheiten verwendet (also z. B. MW). Für die Erstellung der synthetische Zeitreihen ist das Jahr 2019 als Referenzjahr herangezogen. 

Zur Erstellung der synthetischen Lastzeitreihen (Strom und Wärme) wurden Jahresgesamtverbräuche der letzten Jahre herangezogen und basierend auf der Arbeit von Büttner et al. zeitlich verteilt. Zur Erstellung der synthetischen Lastzeitreihen aus Ladevorgängen von Elektrofahrzeugen wurden Daten der Studie Mobilität in Deutschland innerhalb des Tools RAMP-mobility verwendet. Die synthetische Zeitreihe der potentiellen Erzeugung durch PV ist mithilfe renewables_ninja erzeugt. Alle weiteren Daten zur Parametrisierung der Komponenten sowie die synthetische Gaslast und Eigenverbräuche der enthaltenen Biogasanlage sind aufgrund von Angaben der Biogas Dörpum GmbH festgelegt und mithilfe der Daten der PyPSA technology data ergänzt (insbesondere Kostenannahmen).

Die gemessenen Zeitreihen ergeben sich aus dem Zeitraum Mitte Februar 2023 bis Mitte Febraur 2024. Aufgrund von Hard- und Softwarefehlern stehen keine lückenlosen Messungen zur Verfügung, insbesondere die Messungen der Ladevorgänge durch E-Fahrzeuge sind beeinträchtigt. Eine Übersicht über die Verfügbarkeit der gemessenen Daten ist der Abbildung Verfuegbarkeit_Messungen.png zu entnehmen.

buses.csv - enthält Informationen, wie Name, Energieträger und wenn anwendbar, die Spannungsebene, der verschiedenen im Modell abgebildeten Knoten. 

generators.csv - stellt alle Erzeugungseinheiten mit ihren zugehörigen Knoten, installierten Kapazitäten und Kostenparametern dar. 

lines.csv -  beschreibt Verlauf, Länge und Art der verbauten Kabel und die zugehörigen elektrischen Parameter. 

links.csv - liefert Informationen zu allen kontrollierbaren Komponenten, die zwei Knoten zweier beliebiger Energieträger verbinden. Im vorliegenden Beispiel können das KWK-Anlagen sowie Be- und Entladeeinheiten für Wärmespeicher sein. 

loads.csv - beschreibt alle Verbrauchseinheiten mit deren Energieträger und zugehörigem Knoten. 

storage_unit.csv - stellt die vorhandenen Batteriespeicher mit Kapazitäten, Kosten- und Effizienzparametern dar. 

stores.csv - enthält Informationen zu anderen Speichereinheiten für Wärme oder Biogas mit Kapazitäten, Kosten- und Effizienzparametern.

el_load_synth.csv - stellt synthetisch erzeugte stündliche elektrischen Lastzeitreihen für alle im Model abgebildeten Anschlussnehmer bereit. Unter 'BGA_AC' ist der elektrische Eigenverbrauch der Biogasanlage angenommen. 'LS1' und 'LS2' beinhalten synthetische elektrische Lastzeitreihen zum Verbrauch durch Ladevorgänge von Elektrofahrzeugen unter der Annahme von zehn ('LS1') und fünf ('LS2') Nutzer*innen.

ev_load_synth.csv - stellt zusätzliche, synthetische elektrische Lastzeitreihen zum Verbrauch durch Ladevorgänge von Elektrofahrzeugen bereit. Die verschiedenen Zeitreihen variieren in der Annahme der Anzahl der Nutzer*innen, diese ist in dem Spaltentitel vermerkt.

heat_load_synth.csv - hält synthetische Daten zum Wärmeverbrauch des angeschlossenen Nahwärmenetzes und zum Eigenverbrauch der Biogasanlage in stündlicher Auflösung bereit. Weiterhin ist der Wärmeeigenbedarf der Biogasanlage angenommen.

gas_load_synth.csv - liefert stündliche synthetische Daten zum Gasverbrauch eines Satelliten-BHKWs. 

pot_pv_timeseries_synth.csv - enthält Daten zu potenziellen Stromeinspeisezeitreihen aus Photovoltaik in stündlicher Auflösung. 

el_load_real.csv - stellt real gemessene elektrische Lastzeitreihen für alle im Model abgebildeten Anschlussnehmer in einer zeitlichen Auflösung von fünf Minuten bereit. Bei Messlücken größer als fünf Minuten wurde interpoliert. Unter 'BGA_AC' ist der elektrische Eigenverbrauch der Biogasanlage angenommen. 'LS1' und 'LS2' beinhaltet die selbe gemessene elektrische Lastzeitreihe zum Verbrauch durch Ladevorgänge von Elektrofahrzeugen. Diese wurde bei Messlücken >1h interpoliert.