NEUE ENERGIEN 2020 - TU Wien

Neue Energien 2020 - 1. Ausschreibung K l i m a - u n d E n e r g i e f o n d s d e s B u n d e s – m a n a g e d b y Ö s t e r r e i c h i s c h e F o r s c h u n g s f ö r d e r u n g s g e s e l l s c h a f t

1

NEUE ENERGIEN 2020 Endbericht

Programmsteuerung:

Klima- und Energiefonds Programmabwicklung:

Österreichische Forschungsförderungsgesellschaft mbH (FFG)

Kurztitel SmartGrid-Investor

Langtitel Modellierung des Investitionsbedarfs von SmartGrid-Lösungen

für verschiedene Dezentralisierungsgrade des österr.

Energiesystems bis 2050 und Empfehlungen für

richtungsweisende regulatorische Rahmenbedingungen

Projektnummer 817636

Programm/Programmlinie Neue Energien 2020

1. Ausschreibung

Antragsteller TU Wien, Institut für Elektrische Anlagen und Energiewirtschaft –

Energy Economics Group (EEG)

Dr. Hans Auer

Projektpartner Wienenergie-Stromnetz GmbH

TU Dresden, Deutschland

Sintef Energy Research, Norwegen

Projektstart u. - Dauer Projektstart: 01.09.2008 Dauer: 24 Monate

Berichtszeitraum [von 01.09.2008 bis 31.08.2010]

Synopsis: Entwicklung eines einfachen ökonomischen Simulationstools zur quantitativen

Abschätzung des zukünftigen Investitionsbedarfs in elektrische Netze für verschiedene Grade der

Marktdurchdringung dezentraler Erzeugung in Österreich basierend auf „SmartGrids“-Konzepten und

Analyse der Wirtschaftlichkeit („zentral“ vs. „dezentral“) sowie Ableitung von entsprechenden (vor

allem kurz- und mittelfristigen) regulatorischen Rahmenbedingungen.


2


3

Inhaltsverzeichnis: 1 Einführung........................................................................................................................ 5

2 Praktische Fallbeispiele der Modellierung von regionalen Energiesystemen.................. 6

2.1 Modell ELMOD und eTransport............................................................................... 6

2.1.1 Das ELMOD-Modell......................................................................................... 6

2.1.1.1 Aufbau von ELMOD..................................................................................... 6

2.1.1.2 Szenarien der Großhandelspreisentwicklung ................................................ 7

2.1.2 Das Modell eTransport...................................................................................... 9

2.1.2.1 Aufbau von eTransport.................................................................................. 9

2.1.2.2 Skalierung der Standardlastprofile für Strom- und Wärme ........................ 12

2.2 Praktische Fallbeispiele von regionalen Energiesystemen...................................... 15

2.2.1 Ballungsraum Wien......................................................................................... 15

2.2.1.1 Derzeitige Strom- und Wärmeerzeugung:................................................... 15

2.2.1.2 Annahme der zukünftigen Entwicklungen.................................................. 16

2.2.1.3 Skalierung des eTransport-Modells ............................................................ 18

2.2.1.4 Investitionen ................................................................................................ 19

2.2.1.5 Modellberechnung mit eTransport .............................................................. 20

2.2.1.6 eTransport Ergebnisse ................................................................................. 22

2.2.2 Ländliche Region Lungau ............................................................................... 30

2.2.2.1 Derzeitige Strom- und Wärmeerzeugung:................................................... 30

2.2.2.2 Annahme der zukünftigen Entwicklungen.................................................. 30

2.2.2.3 Skalierung des eTransport-Modells ............................................................ 31

2.2.2.4 Investitionen ................................................................................................ 31

2.2.2.5 Modellberechnung mit eTransport .............................................................. 33

2.2.2.6 eTransport Ergebnisse ................................................................................. 33

3 Modellierung des zukünftigen Investitionsbedarfs für verschiedene „Smartheits“-

und Dezentralisierungsgrade des österreichischen Energiesystems............................... 38

3.1 Modellbeschreibung: SmartGrid-Investor............................................................... 38

3.2 Skalierung des Modells ........................................................................................... 40

3.3 Modellergebnisse .................................................................................................... 42

3.4 Diskussion der Modellergebnisse............................................................................ 47

4 Berücksichtigung von SmartGrids-Konzepten in der Netzregulierung und

Ausgestaltung der Marktregeln ...................................................................................... 48


4

4.1 Vorschläge zur Novellierung der Netzregulierung ................................................. 50

4.2 Vorschläge zur zukünftigen Ausgestaltung der Marktregeln.................................. 52

5 Handlungsempfehlungen und Schlussfolgerungen für Marktteilnehmer und

energiepolitische Entscheidungs-träger.......................................................................... 56

6 Literatur.......................................................................................................................... 59

7 Anhang ........................................................................................................................... 60


5

1 Einführung

Derzeit existieren noch kaum fundierte praktische Erfahrungen hinsichtlich der Kosten bzw.

des Investitionsbedarfs in die derzeitige Netzinfrastruktur (inkl. notwendiger neuer innovativer

Technologien und Technologiekomponenten) für eine großflächige zukünftige Implemen-

tierung von signifikanter dezentraler Erzeugung basierend auf „aktiven“ Verteilnetzen

(„SmartGrids“). Neben großen ökonomischen Unsicherheiten hinsichtlich der Wirtschaftlich-

keit von zukünftigen „SmartGrids“-Lösungen (im Vergleich zu „klassischen“ Re-Investitionen in

elektrische Netze in einem zentral aufgebauten Energiesystem, das vor allem auch die

„Economies of Scale“ der Erzeugung in Großkraftwerken nutzt) laufen auch die Eckpfeiler der

derzeitigen in der Praxis implementierten Netzregulierungsmodelle und Marktregeln

notwendigen Rahmenbedingungen möglicher „SmartGrids“-Lösungen ebenfalls zuwider.

Das zentrale Ziel dieses Projekts ist (neben anderen Teilzielen und gewissen „Vorarbeiten“

zur Erfüllung des zentralen Ziels) die Entwicklung eines einfachen ökonomischen

Simulationstools zur quantitativen Abschätzung des zukünftigen Investitionsbedarfs in die

elektrischen Netze (Re-Investition in existierende zentrale Netzinfrastruktur versus dezentrale

„SmartGrids“-Konzepte) für verschiedene Grade der Marktdurchdringung von dezentraler

Erzeugung in Österreich basierend auf „SmartGrids“-Konzepten und Analyse der jeweiligen

Wirtschaftlichkeit („zentral“ versus „dezentral“) unter einer Vielzahl verschiedener, dynamisch

sich änderbarer Randbebedingungen bis zum Jahr 2050. Wichtig ist dabei, basierend auf den

Modellierungsergebnissen eine grobe empirische Abschätzung der zu erwartenden

Zusatzkosten im Netzbereich bei der Einführung von „Smart Grid“ Konzepten zu erlangen, um

eine bessere Basis für energiepolitische Entscheidungen treffen zu können.

Der hier vorliegende Endbericht des Projekts „SmartGrids-Investor“ ist wie folgt aufgebaut:

In Kap. 2 werden praktische Fallbeispiele der Modellierung von regionalen

Energiesystemen durchgeführt (Ballungsraum Wien versus ländliche Region Lungau),

um erste Anhaltspunkte hinsichtlich der Zusatzkosten einzelner innovativer

Technologien und Technologiekomponenten im Zusammenhang mit Smart Grids

Lösungen in regionalen Energiesystemen erzielen.

In Kap. 3 erfolgt die Darstellung des im Rahmen dieses Projekts entwickelten Modells

und die Diskussion der wichtigsten Modellergebnisse hinsichtlich des zukünftigen

Investitionsbedarfs für verschiedene „Smartheits“- und Dezentrali-sierungsgrade des

österreichischen Energiesystems.

In Kap. 4 werden aufbauend auf den Erkenntnissen aus der Modellierung konkrete

Vorschläge zur Novellierung der derzeit existierenden Netzregulierung und die

Ausgestaltung von Marktregeln erarbeitet.

Kap. 5 schließt mit den wichtigsten Handlungsempfehlungen und Schluss-folgerungen

für Marktteilnehmer und energiepolitische Entscheidungsträger ab.


6

2 Praktische Fallbeispiele der Modellierung von

regionalen Energiesystemen

2.1 Modell ELMOD und eTransport

2.1.1 Das ELMOD-Modell1

2.1.1.1 Aufbau von ELMOD

Das Grundmodell von ELMOD basiert auf einer Maximierung der sozialen Wohlfahrt.

ELMOD berechnet hierfür ein partielles Marktgleichgewicht, d.h. ein Gleichgewicht im

Elektrizitätsmarkt; andere Sektoren werden nicht berücksichtigt. Der Berechnung der

sozialen Wohlfahrt liegen im Wesentlichen zwei Annahmen zugrunde: (i) es herrscht

perfekter Wettbewerb, d.h. die Anbieter sind Preisnehmer und bieten zu Grenzkosten in

den Markt; (ii) die Nachfrage lässt sich durch eine preiselastische Nachfragefunktion

abbilden. Die im Modell verwendete Lastflussberechnung erfolgt auf Basis eines DC

Lastflußmodells. Für die Berechnung bis 2050 werden Investitionsschritte von 10 Jahren,

beginnend bei 2010, heran gezogen. Bedingt durch den langen Zeithorizont bis 2050 ist

eine knoten-/leitungsscharfe Betrachtung nicht nötig und wurde durch eine vereinfachte

Netztopologie ersetzt, die ganz Europa in 105 Regionen zusammenfasst. Die Gliederung

der Regionen ist an das NUTS System der Europäischen Union angelehnt (Eurostat,

2008).

Abbildung 1: Europäische Netztopologie für SmartGrid-Investor

1 Das Modell ELMOD bildet das europäische elektrische Übertragungsnetz durch eine sogenanntes DC-

Lastflußmodell ab. ELMOD wurde am Lehrstuhl für Energiewirtschaft der TU Dresden entwickelt.


7

Österreich ist im Modell in drei Regionen aufgegliedert (Ost-, Süd- und Westösterreich).

Dabei umfasst Ostösterreich das Burgenland, Niederösterreich und Wien, Südösterreich

beinhaltet Kärnten und die Steiermark und Westösterreich setzt sich aus Oberösterreich,

Salzburg, Tirol und Vorarlberg zusammen. Neben einer generell verstärkten Einbindung

von Wind und Wasserkraft im nördlichen Europa durch Ausbau der bestehenden

Gleichspannungsübertragung zwischen Skandinavien und Kontinentaleuropa, wird

weiterhin auch ein Einsatz von solarthermischen Kraftwerken in Südeuropa und dem

Nahen Osten und Nordafrika (NONA) szenarienabhängig betrachtet. Dazu ist ein

Ausbau von Übertragungsleitungen mittels Hochspannungsgleichstromübertragung

(HGÜ) nötig, um vor allem die Erzeugung aus der NONA Region mit niedrigen Verlusten

über weite Entfernung transportieren zu können (siehe Leuthold et al. (2009)).

2.1.1.2 Szenarien der Großhandelspreisentwicklung

Bei der Erstellung der drei Szenarien im Rahmen des SmartGrid-Investors-Projekt

spielen die zwei Punkte Klimapolitik und Nachfrageentwicklung die zentrale Rolle. Dabei

wird auf Erzeugungsseite der Strompreis durch die politisch bedingten Emissionskosten

für Kohlendioxid beeinflusst, während auf der Nachfrageseite die Entwicklung des

Strombedarfs variiert wird. Daraus ergeben sich verschiedene Mengen an installierter

Leistung für erneuerbare Energieträger, und je nach Nachfrage unterschiedliche Anteile

erneuerbarer Erzeugung an der Gesamterzeugung. Zudem resultieren verschiedene

Preispfade für die im Folgenden beschriebenen Szenarien: Basisszenario,

Effizienzszenario und Wachstumsszenario.

Tabelle 1: Übersicht Szenarien

CO2 Zertifikatspreis in 2050 Nachfrageentwicklung

bis 2050 30 €/t CO2 65 €/t CO2 100 €/t CO2

Nachfrageverdopplung Wachstumsszenario

Leichter Nachfrageanstieg Basisszenario Effizienzszenario

Im Basisszenario erfährt die Stromerzeugung in diesem Szenario keine grundlegende

Strukturänderung. Fossile Energieträger werden auch weiterhin in 2050 zur Erzeugung

von fast zwei Drittel des Stromerbedarfs heran gezogen, wobei Kohle durch die

niedrigere Preissteigerung gegenüber Gas noch an Bedeutung gewinnt. Der Anteil

erneuerbarer Stromerzeugung nimmt insgesamt kaum zu. Die leichte

Nachfragesteigerung kann aber mit dem Ausbau von erneuerbaren

Erzeugungskapazitäten, hauptsächlich der Windkraft, gedeckt werden. Das

Effizienzszenario ist hinsichtlich der Nachfrageentwicklung identisch zum Basisszenario,

indem es einen leichten Zuwachs bis 2050 für die EU30+ annimmt. Der große

Unterschied liegt bei den stark ansteigenden Zertifikatskosten für die Emission von

Kohlendioxid, die für 2050 bei 100 €/t CO2 angenommen werden. Dadurch wird bis 2050


8

von einem fast vollständigen Verschwinden von Kohlekraftwerken in Europa

ausgegangen. Die Stromerzeugung wird 2050 zu einem Drittel mit Gas bestritten

werden, während der Rest von erneuerbaren Energieträgern gedeckt wird. Zusätzlich zu

einem leicht stärkeren Ausbau der Windkraft im Vergleich zum Basisszenario sind die

größten Unterschiede im Hinblick auf solarthermische Kraftwerke und Biomasse zu

verzeichnen. Biomasse kann durch die höheren Zertifikatspreise wettbewerbsfähig auf

dem Markt bestehen und erzeugt bis 2050 etwa 10 % der Stromnachfrage. Mittels

solarthermischen Kraftwerken in Südeuropa und hauptsächlich in Nordafrika und dem

Mittleren Osten können weitere 15 % der jährlichen Nachfrage gedeckt werden. Das

Wachstumsszenario sieht im Unterschied zu den beiden anderen Szenarien eine

Verdopplung der Stromnachfrage bis 2050 vor. Diese ist bedingt durch stärkeres

Wirtschaftswachstum, vor allem aber durch einen zukünftig höheren Bedarf an Strom im

Transportsektor (Elektromobilität). Aufgrund der europäischen Klimaziele wird nur ein

Ausbau an erneuerbaren Energieträgern im gleichen umfang wie im Effizienzszenario

untersucht. Bedingt durch die stark ansteigende Stromnachfrage wird von einer

intensiveren staatlichen Förderung von erneuerbaren Energien ausgegangen, wodurch

derselbe Ausbau mit niedrigeren Zertifikatspreisen erreicht werden kann (65 €/t CO2 in

2050). Im Bereich der fossilen Energieträger werden auch zukünftig

Erzeugungskapazitäten mittels Kohle und Kernenergie im heutigen Maßstab benötigt.

Insofern der Zubau an erneuerbaren Energieträgern die steigende Nachfrage nicht

decken kann, wird angenommen, dass diese Lücke mit GuD Kraftwerken und

Gasfeuerung geschlossen wird, da derartige Kraftwerke durch bessere Regelbarkeit den

schwankenden Charakter von erneuerbaren Energien besser abfedern können.

Sämtliche erneuerbare Erzeugungscharakteristik wird wie im Effizienzszenario

angenommen, wobei bedingt durch die höhere Nachfrage des Wachstumsszenarios der

Anteil an der Gesamterzeugung geringer ausfällt.

Abbildung 2: Entwicklung der Strom-Großhandelspreise für die 3 verschiedenen Szenarien

in Österreich im Rahmen des SmartGrid-Investor-Projekts


9

Im Basisszenario bedingen die niedrigen Kosten für Kohlendioxidemissionen geringe

Stromgestehungskosten bei Feuerung mit fossilen Brennstoffen. Beim Effizienzszenario

steigt der Strompreis im Schnitt auf 135 €/MWh und damit auf das doppelte Niveau des

Basisszenarios. Obwohl zwei Drittel der Erzeugung durch erneuerbare Energieträger

erfolgt und deren kurzfristigen Erzeugungskosten bei fast 0 €/MWh liegen, haben sie erst

ab 2040 in den Sommermonaten eine Auswirkung auf den Großhandelspreis. Im

Wachstumsszenario wird zwar von einem starken Ausbau der Erzeugungskapazitäten

von erneuerbaren Energien ausgegangen, durch die steigende Stromnachfrage haben

fossile Energieträger aber auch weiterhin einen großen Anteil im Energiemix.

2.1.2 Das Modell eTransport

2.1.2.1 Aufbau von eTransport

Das Optimierungsmodell "eTransport" ist zur Planung von Energiesystemen, bei denen

mehrere alternative Energieträger, Technologien und Netzinftrastrukturen gleichzeitig

betrachtet werden, entwickelt worden (Bakken & Holen, 2004; Bakken et al, 2007.). Das

Modell verwendet eine detaillierte Darstellung der Netzwerk-Technologien und

Infrastrukturen, um die Identifizierung der einzelnen Komponenten, Kabel und

Rohrleitungen zu ermöglichen. Die aktuelle Version optimiert Investitionen in die

Infrastruktur über einen Planungshorizont von typischerweise 15 bis 20 Jahren für die

meisten relevanten Energieträger und Konvertierung zwischen diesen. Das eTransport-

Modell wird in ein operatives Modell (Energiesystem-Modell) und einem

Investitionsmodell aufgeteilt (siehe Abb.3 Bakken et al., 2007). Im operativen Modell gibt

es Sub-Modelle für jeden Energieträger und für die Konvertierungskomponenten. Der

operative Planungshorizont ist mit einem typischen Zeitschritt von einer Stunde relativ

kurz (1-3 Tage). Das operative Modell findet für den täglichen Betrieb für eine bestimmte

Infrastruktur und Energieaufbringung für den gegebenen Lastverlauf die

Kostenminimierung. Jährliche Betriebskosten werden für verschiedene Energie-System-

Designs durch lösen des operativen Modells für verschiedene Jahreszeiten (z.B.

Spitzenlast, geringe Belastung, usw.), Investitionszeiträume (z.B. 2-5 Jahresintervalle)

und relevanten System-Designs wiederholt berechnet. Jährliche Betriebskosten und

ökologische Kosten für alle verschiedenen Zeitsegmente und Energie System-Designs

werden dann im Investitions-Modell verwendet, um die unterschiedlichen Investitionen

zu planen (Barwert über alle Kosten über den Planungshorizont wird minimiert).


10

Abbildung 3: Kombination von Betriebs- und Investitionsoptimierung in eTransport

Mathematisch verwendet das eTransport-Modell eine Kombination von linearer

Programmierung (LP) und gemischt ganzzahliger Programmierung (MIP) für die

operativen Modelle und die dynamische Programmierung (DP) für die

Investitionsmodelle. Das operative Modell ist in der Programmiersprache AMPL mit

CPLEX als Solver implementiert, während das Investitionsmodell in C++ implementiert

ist. Ein modularer Aufbau gewährleistet, dass neue Technologie-Module in AMPL für das

operative Modell entwickelt und automatisch in das Investitions-Modell eingebettet

werden. Eine vollständige grafische Windows-Oberfläche ist für das Modell in MS Visio

entwickelt. Alle Daten für einen bestimmten Fall werden in einer Datenbank gespeichert.

Im operativen Modell der Sub-Modelle werden die verschiedenen Komponenten mit

allgemeinen Energieflussvariablen ersetzt, die zur Identifizierung der Strömung zwischen

den Energieträgern, Netzwerk-Komponenten für den Transport, die Umwandlung, die

Speicherung und Energiesenken wie Lasten und Märkte dienen. Diese allgemeinen

Variablen sind in den verschiedenen Modellen inbegriffen und sie sind das Bindeglied

zwischen den verschiedenen Modellen. Die verschiedenen Technologiemodelle werden

zu einem einzigen linearen Optimierungsproblem, in der die Funktion die Summe der

Beiträge aus den verschiedenen Modellen ist und in der die Einschränkungen des

Problems durch alle Beschränkungen der verschiedenen Modellen definiert ist. Die

Emissionen werden durch eine Teilmenge der Komponenten definiert, die als Emission

von CO2, NOx, CO und SOx verursacht werden. Bei Emissionssanktionen, die durch die

Nutzer (z.B. eine CO2-Steuer) eingeführt werden, sind die entstehenden Kosten in der

Zielfunktion enthalten und werden zu den Betriebskosten addiert.


11

Die Aufgabe des Investitionsmodells ist es, das optimale Ausmaß der Investitionen im

Zeitraum der Analyse zu finden, bezogen auf die Investitionskosten für verschiedene

Projekte und der vorher berechneten jährlichen Betriebskosten für verschiedene

Zeiträume. Der optimale Investitionsplan ist so definiert, dass der abgezinste Barwert

aller Kosten im Planungszeitraum (d.h. die Betriebskosten plus Investitionskosten

abzüglich der Restwert der Investitionen) minimiert wird. Der optimale Plan ermittelt die

optimale Gestaltung des Energiesystems (d.h. den optimalen Zustand) in den

verschiedenen Perioden. Der Anwender definiert eine Reihe von Anlagealternativen,

wobei jede Alternative typischerweise aus mehreren physischen Komponenten mit

vorgegebenen Verbindungen zum Rest des Energiesystems besteht. Die gleichen

Komponenten können in mehrere konkurrierende Investitionsalternativen einbezogen

werden, so dass die verschiedenen Alternativen sich aus ökonomischer Sicht

gegenseitig ausschließen. Sich gegenseitig ausschließende Alternativen werden durch

das Modell bei der Suche nach dem besten Ausbauplan identifiziert. Weitere Details zum

Investitionsalgorithmus in eTransport finden sich in Bakken et al. (2007).

Die kombinierte operative- und Investmentanalyse ermöglicht eine sehr flexible zeitliche

Auflösung (siehe Abbildung 4). Der Benutzer gibt stündliche Profile der Preise und

Belastungen für einen oder mehrere Tage, die zusammengerechnet eine oder mehrere

saisonale Segmente (z.B. Winter, Sommer, Frühling und Herbst) sind. Die Summe der

Segmente entspricht einem Jahr, die die Basis für die Ergebnisse aus der operativen

Analyse ist. Jährliche Werte der Kosten und Emissionen fließen in die

Investitionsrechnung ein, wo ein oder mehrere Jahre einen Investitionszeitraum

definieren

Abbildung 4: Zeitauflösung in eTransport


12

Die Abbildung 5 zeigt schließlich die Weiterentwicklung des eTransport Modells auf

aggregierter Ebene. Es wird gezeigt, wie unterschiedliche Belastungen durch

unterschiedliche Energiequellen versorgt werden können, und dass der Transport durch

verschiedene alternative Netzinfrastrukturen wie Strom, Wärme und/oder Gasnetze

erfolgen kann. Im Allgemeinen, können bei allen eTransport Fällen eine Vielzahl

unterschiedlicher Erzeugungstechnologien, Netzinfrastrukturelemente und Komponenten

mit Lasten verbunden werden.

Aggregated area loadsAggregated sources Aggregated area loadsAggregated sources

Abbildung 5: Basiselemente in eTransport auf aggregierter Ebene (Energiequellen,

Netzinfrastrukturen und Lasten)

2.1.2.2 Skalierung der Standardlastprofile für Strom- und Wärme

Die Tageslastprofile der elektrischen Lasten werden mit Hilfe der VDEW-

Standardlastprofile modelliert. In diesen Profilen tritt nur eine geringe Variation zwischen

den Jahreszeiten Winter (01.11. – 20.03., 140 Tage), Sommer (15.05. – 14.09., 123

Tage) und Übergang (21.03. – 14.05. u. 15.09. – 31.10., 102 Tage) auf. Es zeigt sich

jedoch eine stärkere Variation in den Lastkurven zwischen Werktag, Samstag und

Sonntag. Im Modell wird daher für alle elektrischen Lasttypen (Haushalte und Gewerbe

& Dienstleistungen) nur nach Werktag, Samstag und Sonntag unterschieden.

Jahreszeitliche Schwankungen werden nicht berücksichtigt. Aus den vorliegenden

VDEW Profilen (15-Minuten-Auflösung) werden Stundenwerte gebildet. Die Lastprofile

sind auf einen Jahresenergieverbrauch von 1 kWh/Jahr normiert (siehe Abbildung 6 und

Abbildung 7). Sie werden an den tatsächlich zu modellierenden Verbrauch angepasst.


13

Stromlastprofil der Haushalte normiert auf 1000kWh/Jahr

0

50

100

150

200

2501:

00

2:00

3:00

4:00

5:00

6:00

7:00

8:00

9:00

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

0:00

W

Samstag

Sonntag

Werktag

Abbildung 6: Stromlastprofil eines Haushalt

Stromlastprofil von Gewerbe & Dienstleistungen normiert auf 1000kWh/Jahr

0

50

100

150

200

250

1:00

2:00

3:00

4:00

5:00

6:00

7:00

8:00

9:00

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

0:00

W

Samstag

Sonntag

Werktag

Abbildung 7: Stromlastprofil von Gewerbe & Dienstleistungen

Während für die elektrische Last jahreszeitliche Schwankungen nicht berücksichtigt

werden, sind die Unterschiede zwischen den Jahreszeiten bei der Definition der

Wärmelast bzw. Kältelast den Schwankungen zwischen den Wochentagen

überzuordnen. Für die Wärmelast werden somit die Schwankungen zwischen den

Tagtypen vernachlässigt, die Schwankungen im Jahresverlauf jedoch berücksichtigt

(siehe Abbildung 8 und Abbildung 9).


14

Wärmelastprofile der Haushalte auf 1000kWh/Jahr normiert

0

0,05

0,1

0,15

0,2

0,25

0,3

0,351:

00

2:00

3:00

4:00

5:00

6:00

7:00

8:00

9:00

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

0:00

kW

Winter

Übergangszeit

Sommer

Abbildung 8: Wärmelastprofil eines Haushaltes

Wärmelastprofile von Gewerbe & Dienstleistungen auf 1000kWh/Jahr normiert

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

1:00

2:00

3:00

4:00

5:00

6:00

7:00

8:00

9:00

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

0:00

kW

Winter

Übergangszeit

Sommer

Abbildung 9: Wärmelastprofil Gewerbe & Dienstleistungen


15

2.2 Praktische Fallbeispiele von regionalen Energiesystemen

2.2.1 Ballungsraum Wien

Die Daten der Energieerzeugung und des Energieverbrauchs der Stadt Wien werden

aus öffentlich zugänglichen Daten2 entnommen. Ebenfalls stammen die zukünftigen

angenommenen Strukturänderungen auf der Erzeugungs- und Verbrauchsseite teilweise

aus öffentlichen Studien (Jamek et al., (2008)) bzw. aus eigenen Recherchen und

Annahmen.

2.2.1.1 Derzeitige Strom- und Wärmeerzeugung:

Die Stromerzeugung in Wien erfolgt zum großen Teil durch gasbefeuerte KWK-

Kraftwerke und dem Laufwasserkraftwerk Freudenau. Ebenso einen signifikanten Anteil

liefern die Müllverbrennungsanlagen, Kleinwasserkraftanlagen und Windanlagen (siehe

Tabelle 1).

Tabelle 2: Relevante Stromerzeugungsanlagen im Raum Wien

Name Typ Brennstoff max. Leistung

[MW_el]

jährl. Erzeugung

[GWh_el]

Freudenau Wasser 172 1037

Nußdorf Wasser 4,75 24,6

Haidequerstraße Wasser 0,895 4,5

Simmering 1,2,3,(4)3 Thermisch Gas 903 (1313) 2539 (3600)

Donaustadt Thermisch Gas 545 2260

Leopoldau Thermisch Gas 150 597

Bio Simmering Thermisch Biomasse 12,36 93,8

Spittelau MVA Thermisch Müll 6 36

Rautenweg 22 Thermisch Deponiegas 6,5 20

Pfaffenau Thermisch Müll 15 65

Windpark 10. Wind 7,8 12,7

Breitenlee Wind 2,55 5,4

GTE Wind 0,66 1,32

Freudenau Wind 0,6 1,2

Die Wärmeerzeugung im Raum Wien für die Versorgung der Fernwärmenetze wird in

Grund-, Mittel- und Spitzenlastkraftwerken unterteilt. Durch die notwendige Entsorgung

2 Daten der MA27, Jamek et al., „Erneuerbare Energiequellen und innovative Energietechnologien“, Austrian

Energy Agency, Wien, 2008 3 Der Block 4 des Kraftwerks Simmering ist schon in Planung und wird in weiterer Folge der Berechnung in

eTransport als vorhandene Energiequelle angenommen.


16

der Müllmengen und die jederzeit anfallende Abwärme aus Industrieanlagen werden

diese entstehenden Wärmemengen zur Grundlastdeckung herangezogen. Die Mittellast

wird durch die KWK-Kraftwerke und die Spitzenlast durch reine Wärmeheizkraftwerke

abgedeckt, die zum Großteil mit Gas befeuert werden; Ausnahme ist derzeit nur das

Biomasse Kraftwerk Simmering (siehe Tabelle 2).

Tabelle 3: Wärmeerzeugungsanlagen für die Fernwärme im Raum Wien

Name Brennstoff

max. Leistung

[MW_th]

jährl. Erzeugung

[GWh_th] Aufgabe

Spittelau MVA Müll 85 487 Grundlast

Flötzersteig MVA Müll 62 380 Grundlast

Simmering SVA Sondermüll 100 463 Grundlast

Pfaffenau MVA Müll 80 410 Grundlast

Schwechat KWK Abwärme 170 412 Grundlast

Industriewärme Abwärme 170 13 Grundlast

Simmering KWK 1,2,3,(4) Gas 650 (860) 2032 (2700) Mittellast

Donaustadt KWK Gas 250 934 Mittellast

Leopoldau KWK Gas 170 718 Mittellast

Bio Simmering KWK Biomasse 62,5 296 Mittellast

Spittelau HKW Gas 500 59 Spitzenlast

Süd HKW Gas 358 33 Spitzenlast

Arsenal HKW Gas 354 19 Spitzenlast

Kagran HKW Gas 192 20 Spitzenlast

Leopoldau HKW Gas 185 6 Spitzenlast

2.2.1.2 Annahme der zukünftigen Entwicklungen

a) Stromerzeugung und Verbrauch

Der Ausbau von Wind-, PV- und Biomasseanlagen erfolgt laut der Potenzialanalyse

der Austrian Energy Agency (Jamek et al., (2008)). Die unterschiedlichen

Ausbaugrade der erneuerbaren Potenziale in Wien werden kapazitiv in Abbildung 10

dargestellt. Je höher die Strukturänderung ist, desto höher steigt der

Potenzialausbau der erneuerbaren Stromerzeugung. Ausnahme ist jedoch die

Stromerzeugung durch Biomasse, da diese zurzeit schon sehr gut ausgenutzt wird

und deshalb kein weiterer Ausbau vorgenommen wird. Beim Windausbau erfolgt ein

moderater Anstieg, der bei maximaler Strukturänderung zugleich den Ausbau des

möglichen Windpotenzials bedeutet. Der Ausbau der Photovoltaik wird von derzeit

0,6 MWp auf 60 MWp bei maximaler Strukturänderung angenommen. Die

Stromverbrauchsentwicklung wird linear steigend von derzeit 7,2 TWh (2010) auf

10,6 TWh (2050) angenommen, dies entspricht einer jährlichen Steigerung von 1%.


17

Ausbauszenario der erneuerbaren Stromerzeugungskapazitäten im Ballungszentrum Wien

0

20

40

60

80

100

120

140

keineStrukturänderung

Strukturänderungniedrig

Strukturänderungmittel

Strukturänderunghoch

Strukturänderungmaximal

MW

Biomasse Wind PV

Abbildung 10: Installierte erneuerbare Stromerzeugungskapazitäten bei

unterschiedlichen Strukturänderungen

b) Wärmeerzeugung und Verbrauch

In Abbildung 11 wird die Änderung der Wärme- und Warmwasserbereitstellung der

Wiener Haushalte durch unterschiedliche Erzeugungstechnologien dargestellt. Der

Ausbau des Fernwärmenetzes und ein signifikanter Einsatz von Biomasse werden

als große Strukturänderungsmaßnahmen angenommen. Ebenfalls gibt es eine

Strukturänderung bei Gewerbe und Dienstleistungen. Es wird davon ausgegangen,

dass zwei Drittel der derzeitigen Wärmebereitstellung durch Gas erfolgt und das

restliche Drittel durch Fernwärme versorgt wird. Bei einer maximalen

Strukturänderung ändert sich die Wärmebereitstellung auf zwei Drittel Fernwärme

und ein Drittel Gas. Durch die Verringerung der Wärmekennzahl der 186.000

sanierungswürdigen Wohnungen von durchschnittlich 183 kWh/m2 auf 45 kWh/m2

einerseits und die Begrenzung der Wärmekennzahl von 70 % der Neubauten auf

max. 50 kWh/m2 bzw. 30% der Neubauten auf max. 15k Wh/m2 andererseits, sinkt

entsprechend der Wärmebedarf der Haushalte. Ebenfalls werden die Gebäude von

Gewerbe und vor allem Dienstleistungen thermisch saniert. Bei einer maximalen

Strukturänderung beträgt die Wärmekennzahl im Durchschnitt ca. 80 kWh/m2.


18

Entwicklungszenario der Wärmeerzeugung der Wiener Haushalte

0

0,2

0,4

0,6

0,8

1






Fernwärme Gas Stromdirekt Wärmepumpe Öl&Kohle Biomasse komb. mit Solarthermie

Abbildung 11: Wärmeerzeugungsszenario der Wiener Haushalte bei unterschiedlichen

2.2.1.3 Skalierung des eTransport-Modells

Strommodell

Durch die Einführung von SmartGrid-Konzepten in das Stromnetz (z.B.

SmartMetering, Breitbandausbau, „smarte“ Leistungsschalter, u.v.m.) kann das

Standardlastprofil beeinflusst werden. Durch neue Marktkonzepte wird es den

Endverbrauchern ermöglicht, aktiv am Strommarkt teilzunehmen. Daher wird

angenommen, dass die Stromspitzen geglättet werden können. Je höher der

„Smartheitsgrad“ im Modell ist, desto geringer sind die Stromlastspitzen. Dies wird in

Abbildung 12 am Beispiel eines Haushaltes an einem Sonntag gezeigt.

Entwicklung der Stromlastprofile der Haushalte durch Einführung unterschiedlicher Smartheitsgrade: Sonntag

0

50

100

150

200

250

1:0

0

2:0

0

3:0

0

4:0

0

5:0

0

6:0

0

7:0

0

8:0

0

9:0

0

10:0

0

11:0

0

12:0

0

13:0

0

14:0

0

15:0

0

16:0

0

17:0

0

18:0

0

19:0

0

20:0

0

21:0

0

22:0

0

23:0

0

0:0

0

W

kein Smartheitsgrad

Smartheitsgrad niedrig

Smartheitsgrad mittel

Smartheitsgrad hoch

Smartheitsgrad maximal

Abbildung 12: Stromlastprofil eines Haushaltes an einem Sonntag bei

unterschiedlichen Smartheitsgraden


19

Wärmemodell

Durch die oben beschriebenen thermischen Maßnahmen im Neubau- und

Altbaubereich sinkt der Wärmebedarf der Haushalte und von Gewerbe und

Dienstleistungen. Durch den unterschiedlichen Ausbau des Fernwärmenetzes in den

unterschiedlichen Strukturänderungsgraden ist ein Ausbau der Fernkühlung (z.B.

durch Einsatz von Absorptionskältemaschinen beim Endverbraucher von

Fernwärmenetzen) ebenfalls möglich; dies führt zu einer Erhöhung des Verbrauchs

der Fernkühlungsenergie im Bereich Gewerbe und Dienstleistungen. Wärme- und

Kältebedarfsverläufe für die unterschiedlichen Strukturänderungen werden in

Abbildung 13 dargestellt.

Verbrauchsszenarien für unterschiedliche Lasten im Ballungszentrum Wien

0

2000

4000

6000

8000

10000

12000






GW

h

Wärmebedarf HH

Wärmebedarf G&DL

Fernkühlung

Abbildung 13: Wärme- und Kältebedarf für unterschiedliche Strukturänderungsgrade

2.2.1.4 Investitionen4

Die oben angeführten Änderungen in den unterschiedlichen Strukturgraden führen uns

zu der für die eTransportanalyse benötigten Investitionskosten. In Abbildung 14 wird eine

Gesamtübersicht über alle nötigen Investitionen in Energieerzeugung, -netze und –

effizienz gezeigt. In Abbildung 15 werden die Investitionskosten für unterschiedliche

„Smartheitsgrade“ im Bereich Stromerzeugung und -netze für den Ballungsraum Wien

gezeigt. Man sieht vor allem, dass der weitaus größere Teil der Investitionen auf die

Strukturänderungen im Bereiche des Stromnetzes fallen.

4Die Kosten der zusätzlich entstehenden Erzeugungstechnologien, die Kosten für die Einführung von

SmartGrid-Konzepten (Smart Metering, Kommunikationstechniken, „smarte“ Leistungsschalter,...) und die Kosten für Effizienzmaßnahmen werden aus internationalen Erfahrungswerten durch eine Mittelwertbildung angenommen.


20

Investitionsszenarien in Energierezeugung, -netze und -effizienz für das Ballungszentrum Wien

0,0

0,2

0,4

0,6

0,8

1,0

keine Strukturänderung

Strukturänderung niedrig

Strukturänderung mittel

Strukturänderung hoch

Strukturänderung maximal

ku

mm

ulie

rte In

vest

itio

nsko

ste

n (n

orm

iert

)

Fernkälte

Wärmedämmung

Wärmeerzeugung

Fernwärme

dezentrale erneuerbare Stromerzeugung

SmartGrid-Konzepte

Abbildung 14: Normierte Investitionskostenabschätzung der unterschiedlichen

Strukturänderungsgrade für das Ballungszentrum Wien5

Investitionsszenarien in Stromerzeugung und -netze für das Ballungszentrum Wien

0,0

0,2

0,4

0,6

0,8

1,0

kein niedrig mittel hoch maximal

Smartheitsgrad

ku

mm

ulie

rte In

vestitio

nsko

ste

n

(no

rmie

rt)


SmartGrid-Konzepte

Abbildung 15: Normierte Investitionskosten für unterschiedliche Smartheitsgrade für das

Ballungszentrum Wien

2.2.1.5 Modellberechnung mit eTransport

In Abbildung 16 wird die Implementierung der oben angeführten Daten in das

eTransport-Modell dargestellt.

5 Die unterschiedlichen Strukturänderungsgrade sind so zu interpretieren, dass z.B. eine niedrige

Strukturänderung nur einige kleine Teilgebiete im Ballungsraum Wien (z.B. neue „Seestadt“ Aspern, Industriegebiete, ausgewählte Wohnsiedlungen an den Randbezirken) abbildet. Je höher die Strukturänderung, desto großflächiger werden die Strukturänderungsmaßnahmen durchgeführt.


21

Abbildung 16: Implementierung des Wärme- und Stromsektors des Ballungsraum Wien in eTransport für unterschiedliche Strukturänderungen


22

2.2.1.6 eTransport Ergebnisse

Zum Grundmodell der Wirtschaftlichkeitsanalyse werden zum Status Quo noch vier weitere

Lastoptionen implementiert (siehe Abbildung 16). Diese vier Optionen stellen die

Ausbaustufe der unterschiedlichen „Smartheitsgrade“ (in bestimmten Schwerpunktregionen

innerhalb Wiens z.B. neue „Seestadt“ am Flugfeld Aspern), den Ausbaugrad des

Fernwärmenetzes, der Änderung der Heizsysteme und der Wärmedämmung dar.

a) Wirtschaftlichkeitsanalyse des gesamten Energiesystems

Als Ergebnis werden die vier unterschiedlichen Investitionsmöglichkeiten von niedrigen,

mittleren, hohen und maximalen „Smartheitsgrad“ bzw. Strukturänderungsgrad in der

Reihenfolge ihrer Wirtschaftlichkeit aufgelistet und in weiterer Folge werden Vergleiche

hinsichtlich unterschiedlicher Höhe von Förderungen angestellt. Die Investitionen ohne

Förderung rechnen sich nicht. Auch bei Verringerung der Investitionskosten des

gesamten Systems auf 30% der ursprünglichen Investitionskosten ist aus rein

wirtschaftlicher Betrachtung ein Strukturwechsel nicht nötig (siehe Abbildung 17 bis

Abbildung 20).

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation

Reihenfolge Investitionsentscheid






Wirtschaftlichkeitsanlayse eTransport für Ballungszentrum WienEinführung von SmartGrids, Investitionen in RES-E-Anlagen, Fernwärmenetze,

Heizsysteme und WärmedämmungKeine Förderungen

Abbildung 17: eTransport Modellergebnis: Wirtschaftlichkeitsanalyse des gesamten

Energiesystems des Ballungszentrums Wien bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 45 €/MWh im Jahr 2050 und keine Förderungen auf die gesamten Investitionen bei unterschiedlichen Strukturänderungen


23

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation








Heizsysteme und Wärmedämmung30% Fördrungen für alle Investitionsmaßnahmen


Energiesystems des Ballungszentrums Wien bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 45 €/MWh im Jahr 2050 und 30% Förderungen auf die gesamten Investitionen bei unterschiedlichen Strukturänderungen

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation








Heizsysteme und Wärmedämmung50% Förderungen für alle Investitionsmaßnahmen




24

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation











Unter den oben angenommen Primärenergiepreisen sind Investitionen in SmartGrids,

erneuerbare Erzeugungstechnologien und in Wärmedämmung nicht wirtschaftlich. Geht

man von einer doppelt so starken Gaspreissteigerung aus, zeigen die Ergebnisse der

Wirtschaftlichkeitsanalyse ganz andere Tendenzen. Werden keine Förderungen gewährt,

ist die beste Strategie noch immer keine Strukturänderung vorzunehmen. Werden jedoch

Strukturänderungen durchgeführt, so rechnet sich die mittlere vor der hohen; dann erst

kommt die niedrige Strukturänderung. Die maximale Strukturänderung ist noch immer die

teuerste Variante. Betragen die Investitionskosten nur mehr 70% der ursprünglichen

Investitionen (d.h. 30% Förderung), werden zum ersten Mal Strukturänderungen

wirtschaftlich. Eine mittlere bzw. hohe Strukturänderung ab dem Jahr 2030 ist

wirtschaftlicher als auf Strukturänderungen zu verzichten. Eine maximale

Strukturänderung ist im Vergleich zu keiner noch immer unwirtschaftlich, aber noch

immer besser im Vergleich dazu, nur eine niedrige Strukturänderung durchzuführen. Bei

50% der ursprünglichen Investitionskosten (d.h. 50% Förderung) ist zum ersten Mal

keine Strukturänderung die unwirtschaftlichste Variante. Am wirtschaftlichsten wäre eine

hohe Strukturänderung, gefolgt von einer maximalen im Jahr 2020; eine mittlere bzw.

niedrige Strukturänderung wäre in der Investitionsreihenfolge auf den Plätzen 3 und 4.

Betragen die Investitionen nur mehr 30% der ursprünglichen Investitionshöhe, ergibt sich,

dass eine maximale Strukturänderung ab dem Jahr 2010 am wirtschaftlichsten ist.

Danach folgen absteigend hohe, mittlere, niedrige und keine Strukturänderung. Natürlich

kann man ab dem Jahr 2010 nicht die erforderlichen Strukturmaßnahmen unmittelbar


25

durchführen, aber laut Modell wäre über die ganzen 40 Jahre die maximale

Strukturänderung die wirtschaftlichste Variante (siehe Abbildung 21 bis Abbildung 24).

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation







Wirtschaftlichkeitsanlayse eTransport für Ballungszentrum Wien (2facher Gaspreisanstieg)

Einführung von SmartGrids, Investitionen in RES-E-Anlagen, Fernwärmenetze, Heizsysteme und Wärmedämmung

Keine Förderungen


Energiesystems des Ballungszentrums Wien bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 90 €/MWh im Jahr 2050 und keine Förderungen auf die gesamten Investitionen bei unterschiedlichen Strukturänderungen

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation









30% Förderungen für alle Investitionsmaßnahmen




26

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation












0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation











Energiesystemss des Ballungszentrums Wien bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 90 €/MWh im Jahr 2050 und 70% Förderungen auf die gesamten Investitionen bei unterschiedlichen Strukturänderungen


27

b) Wirtschaftlichkeitsanalyse des Stromsystems

In diesem Fall wird nur das Stromnetz betrachtet. Ebenfalls gibt es wieder vier

unterschiedliche Investitionsmöglichkeiten von niedrigen, mittleren, hohen und

maximalen „Smartheitsgraden“ des Stromnetzes. Die Analyse erfolgt genau so wie beim

gesamten Wiener Energiesystem durch einen Vergleich der unterschiedlichen

Investitionen. Es werden nur die Investitionskosten in das Netz zur Berechnung

verwendet, die Investitionen in PV- und Wind-Anlagen werden durch Ökostrom-

Förderungen abgedeckt. Ohne Förderungen ist ein hoher und ab dem Jahr 2040 dann

ein maximaler „Smartheitsgrad“ am wirtschaftlichsten. Dies ergibt sich aus den hohen

Strompreisen ab 2040. Keine Innovationen im Bereich des Netzes wäre jedoch noch

besser wie eine niedrige, da sich hier der Effekt der Spitzenglättung im Vergleich zum

Investitionsvolumen nicht rechnet. Verringern sich die Investitionen um 30%, wäre eine

maximale Innovation am Netz ab dem Jahr 2030 die beste Lösung; bei 50% lohnt sich

die Einführung von SmartGrid-Konzepten schon im Jahr 2020 und bei 70% ab 2010

(siehe Abbildung 25 bis Abbildung 28).

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation


Smartheitsgrad hoch



kein Smartheitsgrad


Wirtschaftlichkeitsanlayse eTransport für Ballungszentrum WienEinführung von SmartGrid-Konzepten

Keine Förderungen

Abbildung 25: eTransport Modellergebnis: Wirtschaftlichkeitsanalyse des Stromnetzes durch

Einführung von SmartGrid-Konzepten des Ballungszentrums Wien bei keiner Förderungen auf die gesamten Investitionen bei unterschiedlichen „Smartheitsgraden“


28

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation



Smartheitsgrad hoch



kein Smartheitsgrad




Einführung von SmartGrid-Konzepten des Ballungszentrums Wien bei 30% Förderungen auf die gesamten Investitionen bei unterschiedlichen „Smartheitsgraden“

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation



Smartheitsgrad hoch



kein Smartheitsgrad






29

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation



Smartheitsgrad hoch



kein Smartheitsgrad






30

2.2.2 Ländliche Region Lungau

Die Daten der Energieerzeugung und die Verbrauchsdaten der Region Lungau stammen aus

der Studie „Nachhaltige Energieversorgungsperspektiven für die Region Lungau“ (Auer et

al., (2000)) bzw. aus eigenen Recherchen und Annahmen.

2.2.2.1 Derzeitige Strom- und Wärmeerzeugung:

Die Stromerzeugung in der Region Lungau erfolgt zu einem großen Teil durch

Kleinwasserkraftwerke, diese habe eine Stromerzeugung von rund 200.000 MWh im Jahr

2009. Ebenfalls sind derzeit Photovoltaikanlagen mit ca. 200 kW Gesamtleistung installiert.

Die Wärmeerzeugung für die Versorgung der Fern-/Nahwärmenetze in den Gemeinden

Tamsweg, Mauterndorf, St.Michael und Mariapfarr erfolgt durch Biomasse-KWK-Anlagen.

Die Wärmebereitstellung der Ein- und Mehrfamilienhäuser in der Region Lungau erfolgt zu

ca. 53% aus Holz, 23% aus Öl, 13% aus Strom, 8% aus Fernwärme und 3% aus sonstige

Brennstoffe.

2.2.2.2 Annahme der zukünftigen Entwicklungen

a) Stromerzeugung und Verbrauch

Wie schon bei der Analyse im Ballungszentrum Wien wird auch in der Region Lungau

von einem Anstieg des Stromverbrauchs um 1% pro Jahr ausgegangen. Der Ausbau der

Photovoltaik wird von derzeit 0,2 MWp auf 4 MWp bei maximaler Strukturänderung

angenommen. Es findet ein minimaler Ausbau der Kleinwasserkraft statt, die aber keine

signifikante Auswirkung auf die autonome Stromerzeugung hat.

b) Wärmeerzeugung und Verbrauch

In Abbildung 29 wird die Änderung der Wärme- und Warmwasserbereitstellung der

Lungauer Haushalte durch unterschiedliche Erzeugungstechnologien dargestellt. Die

Substitution von Stromdirektheizungen durch Wärmepumpen einerseits und Ölheizungen

durch Biomasse (teilweise kombiniert mit Solarthermie) andererseits wird als maximale

Strukturänderung angenommen. Ebenfalls gibt es eine Strukturänderung bei Gewerbe

und Dienstleistungen. Es wird davon ausgegangen, dass die derzeitige

Wärmebereitstellung durch Öl erfolgt. Bei einer maximalen Strukturänderung ändert sich

die Wärmebereitstellung auf ein Drittel durch Biomasse (Holz), ein Viertel durch

Wärmepumpen und der Rest bleibt bis auf weiteres mit Öl befeuert.


31

Entwicklungszenario der Wärmeerzeugung der Haushalte in der Region Lungau

0

0,2

0,4

0,6

0,8

1






Nah-/Fernwärme Öl Stromdirekt Wärmepumpe Biomasse Einzelöfen Biomasse komb. mit Solarthermie

Abbildung 29: Wärmeerzeugungsszenario der Lungauer Haushalte bei unterschiedlichen Strukturänderungen

In der Region Lungau sind ungefähr 4400 Gebäude (entspricht 6770 Haushalten)

sanierungswürdig. Werden diese Gebäude von derzeit durchschnittlich 132 kWh/m2 auf

40 kWh/m2 saniert und bei Neubauten ebenfalls eine durchschnittliche Energiekennzahl

von 40 kWh/m2 erreicht, so sinkt bei einer maximaler Strukturänderung die

durchschnittliche Energiekennzahl der Lungauer Haushalte von 132 kWh/m2 auf 60

kWh/m2. Bei Gewerbe und Dienstleistungen kann die Energiekennzahl auf 80 kWh/m2

gesenkt werden.

2.2.2.3 Skalierung des eTransport-Modells

Die Skalierung im Strom- und Wärmebereich erfolgt für die Region Lungau nach dem

gleichen Schema wie in dem Fallbeispiel des Ballungszentrum Wien

2.2.2.4 Investitionen

Die oben angeführten Änderungen in den unterschiedlichen Strukturgraden führen (wie auch

schon im Fallbeispiel Wien) zu den für die eTransportanalyse benötigten Investitionskosten.

In Abbildung 30 erfolgt eine Gesamtübersicht über alle nötigen Investitionen in

Energieerzeugung, -netze und -effizienz. In Abbildung 31 werden die Investitionskosten für

unterschiedliche „Smartheitsgrade“ im Bereich Stromerzeugung und -netze gezeigt. Der

Unterschied zwischen dem Ballungszentrum Wien und der ländlichen Region Lungau macht

sich im Bereich Stromerzeugung und -netze besonders bemerkbar, da in der Region

Lungau ein höherer Anteil der Investitionen auf die Stromerzeugung fällt und nur ein kleinere

Anteil auf Investitionen in ein SmartGrid.


32

Investitionsszenarien in Energieerzeugung, -netze und -effizienz für die Region Lungau

0,0

0,2

0,4

0,6

0,8

1,0






kum

mu

lier

te I

nve

stit

ion

sko

sten

(n

orm

iert

)

Wärmedämmung

Wärmeerzeugung

Fernwärme


SmartGrid-Konzepte

Abbildung 30: Normierte Investitionskostenabschätzung der unterschiedlichen

Strukturänderungsgrade für die Region Lungau

Investitionsszenarien in Stromerzeugung und -netze für die Region Lungau

0,0

0,2

0,4

0,6

0,8

1,0

kein niedrig mittel hoch maximal

Smartheitsgrad

kum

mu

lier

te I

nve

stit

ion

sko

sten

(n

orm

iert

) dezentrale erneuerbare Stromerzeugung

SmartGrid-Konzepte

Abbildung 31: Normierte Investitionskosten für unterschiedliche Smartheitsgrade für die

Region Lungau


33

2.2.2.5 Modellberechnung mit eTransport

Für die Region Lungau wurde das Modell des Ballungszentrums Wien adaptiert, entspricht

aber in den groben Strukturen der Implementierung wie in Abbildung 16. Aufgrund der

geringeren Komplexität des Energiesystems der Region Lungau ist das Modell naturgemäß

einfacher.

2.2.2.6 eTransport Ergebnisse

a) Wirtschaftlichkeitsanalyse des gesamten Energiesystems

Ohne Förderungen wären auch in der Region Lungau jegliche Investitionen für eine

Strukturänderung (im Gegensatz zu keiner Strukturänderung) nicht wirtschaftlich. Jedoch

ergeben sich durch die unterschiedliche Heizsystemstruktur in der Region Lungau und

dem geringeren Investitionsaufwand in das Gesamtsystem im Falle eines

Strukturwandels (im Gegensatz zum Ballungszentrum Wien) bei höheren Förderungen

wirtschaftliche Vorteile für eine Strukturänderung (siehe Abbildung 32 ).

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation







Wirtschaftlichkeitsanlayse eTransport für die Region LungauEinführung von SmartGrids, Investitionen in RES-E-Anlagen, Fernwärmenetze,

Heizsysteme und WärmedämmungKeine Förderungen


Energiesystems Der Region Lungau bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 45 €/MWh im Jahr 2050 und keine Förderungen auf die gesamten Investitionen bei unterschiedlichen Strukturänderungen


34

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation










Energiesystems Der Region Lungau bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 45 €/MWh im Jahr 2050 und 30% Förderungen auf die gesamten Investitionen bei unterschiedlicher Strukturänderungen

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation










Energiesystems Der Region Lungau bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 45 €/MWh im Jahr 2050 und 50% Förderungen auf die gesamten Investitionen bei unterschiedlichen Strukturänderungen


35

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation










Energiesystems Der Region Lungau bei einer Gaspreissteigerung von 20 €/MWh im Jahr 2010 auf 45 €/MWh im Jahr 2050 und 70% Förderungen auf die gesamten Investitionen bei unterschiedlichen Strukturänderungen

b) Wirtschaftlichkeitsanalyse des Stromsystems

Im Rahmen der Modellanalyse mit eTransport in der Region Lungau wird zusätzlich zur

Einführung von SmartGrid-Konzepten in das Stromnetz auch die Investitionen in

zusätzliche PV-Anlagen in der Wirtschaftlichkeitsberechnung berücksichtigt, da diese

einen hohen Anteil der Investitionen ausmachen. Die Wirtschaftlichkeitsanalyse des

daraus resultierenden Lungauer Stromsystems ergibt, dass diese schon sich schon bei

einer Förderung von 30% der Investitionshöhe ab dem Jahr 2040 rechnen. Je höher die

Förderungen ausfallen, desto früher werden die Investitionen wirtschaftlicher bzw. desto

früher kommt es zu einer Marktdurchdringung von SmartGrid-Lösungen (siehe Abbildung

36 bis Abbildung 39).


36

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation


kein Smartheitsgrad



Smartheitsgrad hoch


Wirtschaftlichkeitsanlayse eTransport für die Region LungauEinführung von SmartGrid-Konzepte und Investitionen in erneuerbare

StromerzeugungsanlagenKeine Förderungen

Abbildung 36: eTransport Modellergebnis: Wirtschaftlichkeitsanalyse des Stromsystems durch

Einführung von SmartGrid-Konzepten bei der Region Lungau bei keiner Förderungen auf die gesamten Investitionen bei unterschiedlichen „Smartheitsgraden“

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation


Smartheitsgrad hoch




kein Smartheitsgrad


Stromerzeugungsanlagen30% Förderungen für alle Investitionsmaßnahmen


Einführung von SmartGrid-Konzepten bei der Region Lungau bei 30% Förderungen auf die gesamten Investitionen bei unterschiedlichen „Smartheitsgraden“


37

0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation


Smartheitsgrad hoch




kein Smartheitsgrad





0

0,2

0,4

0,6

0,8

1

2010-2020 2020-2030 2030-2040 2040-2050

norm

iert

e In

vest

itonsk

ost

enre

lation



Smartheitsgrad hoch



kein Smartheitsgrad

Wirtschaftlichkeitsanlayse eTransport für die Region LungauEinführung von SmartGrid-Konzepten und Investitionen in erneuerbare





38

3 Modellierung des zukünftigen Investitionsbedarfs für

verschiedene „Smartheits“- und

Dezentralisierungsgrade des österreichischen

Energiesystems

Aufbauend auf den wesentlichen Erkenntnissen der Analyse der einzelnen Modellregionen

im vorigen Kapitel (Ballungsraum Wien bzw. ländliche Region Lungau) wird nachfolgend nun

das gesamte österreichische Stromsystem modellhaft abgebildet und in weiterer Folge der

Investitionsbedarf für verschiedene zukünftige Smartheits- und Dezentralisierungsgrade des

österreichischen Stromsystems im Detail analysiert.

3.1 Modellbeschreibung: SmartGrid-Investor

Um einen ökonomischen Vergleich eines zentralen gegenüber einem dezentralen

Energiesystem aufstellen zu können, muss das mathematische Entscheidungskriterium in

beiden Fällen im Wesentlichen aus der Summe der Erzeugungs6- und Netzkosten bestehen.

Weitere in der Praxis vorhandene Kostenkomponenten (wie z.B. Steuern und Abgaben)

kürzen sich heraus und werden in weiterer Folge nicht berücksichtigt.

Der formale Zusammenhang des „Trade-Off“-Kriteriums beim ökonomischen Vergleich eines

zentralen gegenüber einem dezentralen Stromsystem lautet somit für die stromspezifischen

Energiedienstleistungen i im Jahr t:

tiSmartGridNetzVÜtiDezentErztiZentNetzVÜtiZentErz CCCC ,,_&,,_,,_&,,_

wobei:

tiZentErzC ,,_ ……......................spezifische Erzeugungskosten zentraler „Grenzkraftwerke“ am

Großhandelsmarkt

tiZentNetzVÜC ,,_& ……..............spezifische Kosten des zentralen Übertragungs- und

Verteilnetzes

tiDezentErzC ,,_ ............................spezifische Erzeugungskosten erneuerbarer Grenzkraftwerke

bei SmartGrid-Konzepten

tiSmartGridNetzVÜC ,,_& ……........spezifische Kosten des Übertragungs- und Verteilnetzes bei

Implementierung von SmartGrid-Konzepten

6 Erzeugungskosten sind in einem Strommarktmodell durch die konvexe Angebotskurve („Merit Order“) an einer

relevanten Strombörse definiert und somit ist das jeweilige Grenzkraftwerk der entscheidende Faktor für die Erzeugungskosten. Der für den österreichischen Strommarkt relevante Handelsplatz ist der EEX-Leipzig.


39

Eine wesentliche Eigenschaft des Modellierungsansatzes im Rahmen des Projekts

„SmartGrid-Investor“ ist es auch, im Falle der „Unwirtschaftlichkeit“ einer dezentralen

SmartGrid-Lösung eine quantitative Aussage hinsichtlich dieser „Unwirtschaftlichkeit“ zu

machen. Das heißt, diese „Unwirtschaftlichkeit“ wird im Rahmen von Parametervariationen

bei der Modellierung (z.B. Modellierung bestimmter Förderungen auf der Netzseite) gezielt

verringert bzw. beseitigt.

Um das oben beschrieben ökonomische „Trade-Off“-Kriterium auf jährliche Basis zu

ermitteln, müssen zuerst die weiteren Kriterien bzw. Restriktionen der Modellierung

festgelegt werden. Im wesentlichen gibt es drei wichtige Kriterien/Restriktionen, die erfüllt

werden müssen (egal wie das zukünftige Netz aussehen wird):

Die Höhe der Reinvestitionen in das Übertragungs- und Verteilnetz muss abhängig

von der Struktur des Netzes in den verschiedenen Fällen vordefiniert sein. Damit ist

gemeint, dass es sich ökonomisch widerspiegeln muss, ob es weiterhin ein passives

Netz geben wird oder in welchem Ausmaß aktive Netzbereiche mit SmartGrid-

Konzepten zum Einsatz kommen.

Um für Österreich eine ausbalancierte Stromversorgung zu erreichen, ist die

zukünftig zu erwartende Schere zwischen Erzeugung und Verbrauch zu schließen.

Durch die „Sterberate“ des derzeitigen Kraftwerkparks und dem anzunehmenden

steigenden Stromverbrauch wird diese Schere immer größer.

Klimapolitische Zielsetzungen sollen vor allem durch den vermehrten Einsatz von

dezentraler erneuerbarer Stromerzeugung erreicht werden.

Aus den oben erwähnten Vorgaben, Kriterien und Restriktionen wird das in Abbildung 40

dargestellte Flussdiagramm entworfen. Dieses dient als Grundlage zur Umsetzung des

Programmablaufs der Simulationssoftware.


40

Abbildung 40: Flussdiagramm- Modellierungsansatz

Die genaue Umsetzung des Modellierungsansatzes und das für die Netzkostenberechnung

verwendete Asset-Management werden im Anhang ausführlich beschrieben.

3.2 Skalierung des Modells

Aus heutiger Sicht entsteht in den nächsten Jahrzehnten eine immer größer werdende

Schere7 zwischen Stromverbrauch und den vorhandenen Kraftwerkskapazitäten, die nach

Ablauf deren Lebensdauer nicht mehr für die Stromerzeugung zur Verfügung stehen. Diese

Schere zwischen Erzeugung und Verbrauch ist in Abbildung 41 für das österreichische

Energiesystem dargestellt. Ebenfalls dargestellt ist die „Sterbelinie“ der derzeit bereits

installierten dezentralen erneuerbaren Kraftwerkskapazitäten (grün). Diese gesondert

betrachtete „Sterbelinie“ wird für die spätere Berechnung des Anteils der dezentralen

erneuerbaren Erzeugung am Gesamtstromverbrauch benötigt. Groß-, Mittel- und

Kleinwasserkraftwerke unterliegen bei dieser Berechnung keiner „Sterberate“, da bei

Wasserkraftwerken angenommen wird, dass diese keine begrenzte Lebensdauer haben; ihre

Kapazitäten bleiben vorhanden bzw. werden sogar noch weiter ausgebaut (z.B.

„Repowering“). „Repowering“ bedeutet, dass alte Anlagen erneuert und technologisch

7 Vgl. Auer et al. (2008) bis zum Jahr 2030. Von 2030-2050 wird mit dem gleichem Gradienten fortgeschrieben


41

verbessert werden und somit nicht als Erzeugungspotential verloren gehen bzw. die

ausgeschöpften Potentiale in der Regel sogar erhöht werden können.

Schere zw. zukünftigem Stromverbrauch und der Sterbelinie der vorhandenen Kraftwerkskapazitäten in Österreich

0

5000

10000

15000

20000

25000

30000

35000

40000

2010 2015 2020 2025 2030 2035 2040 2045 2050

Jahr

MW

Stromverbrauch Sterbelinie KW gesamt(ohne Wasserkraft)

Sterbelinie dezentrale erneuerbare KW(ohne Kleinw asserkraft)

Abbildung 41: Schere zw. zukünftigem Stromverbrauch und der Sterbelinie der vorhandenen

Kraftwerkskapazitäten in Österreich

Durch den zukünftigen erhöhten Stromverbrauch werden auch die Reinvestionen in das

Übertragungs- und Verteilnetz größer sein als die Investitionen in den Jahren vor 20108. Da

es für aktive Netze (SmartGrid-Konzept) noch keine Referenzwerte für Investitionen gibt,

wird davon ausgegangen, dass für eine Änderung der Struktur des Übertragungs- und

Verteilnetzes Richtung aktivem („smarten“) Betrieb höhere Investitionen als für Investitionen

in das klassische zentrale Netz notwendig sind. Je höher also der „Smartheitsgrad“ am Netz

ist, desto höher werden auch die jeweiligen Investitionen sein. Eine erhöhte dezentrale

Einspeisung erneuerbarer (meist volatiler) Stromerzeugung könnte durch ein aktives Netz

mit SmartGrid-Konzepten erleichtert werden. Aus diesem Grund wird angenommen, dass

Investitionen in ein Netz mit SmartGrid-Konzepten bei erhöhter dezentraler Stromerzeugung

niedriger sind als die Investitionen bei erhöhter dezentraler Stromerzeugung in eine

klassische Netzstruktur. Somit ist eine Struktur mit erhöhter dezentraler Stromerzeugung

ohne SmartGrid-Lösung die teuerste Variante.

Die angenommenen Reinvestitionen für verschiedene zukünftige dzentrale bzw. „smarte“

Netzlösungen zeigt Abbildung 42 (im Vergleich zu „klassischen“ Reinvestitionen).

8 In den vergangenen Jahren war das größte Hindernis für Investitionen in das Übertragungs- und Verteilnetz die

strenge Kostenregulierung von Seiten der Regulierungsbehörde. Da für die nächsten Jahre notgedrungen ein großer Reinvestionsbedarf ansteht (Talsohle des Investitionszyklus bei den Stromnetzen ist erreicht), gilt es die derzeit vorhandenen Investitionshindernisse zu überwinden.


42

Historische Investitionen in das Übertragungs- und Verteilnetz (1945-2009) und verschiedene Szenarien zukünftiger Investitionen (2010-2050)

(real2000)

0

200

400

600

800

1000

1200

1400

1600

1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050

Inv

est

itio

nsk

os

ten

Mio

.€ (

rea

l20

00)

Reinvestitionen in ein zentrales Netz

Investitionen in ein Netz mit SmartGrid Konzepten bei erhöhter dezentraler erneuerbarer Erzeugung

Investitionen in ein Netz mit SmartGrid Konzepten bei signifikant erhöhter dezentraler erneuerbarer Erzeugung

Investitionen in eine klassische Netzstruktur bei erhöhter dezentraler erneuerbarer Erzeugung

Investitionen in eine klassische Netzstruktur bei signifikant erhöhter dezentraler erneuerbarer Erzeugung

Abbildung 42: Historische Investitionen in das österreichische Übertragungs- und Verteilnetz und zukünftige zu erwartende Reinvestitionen für verschiedene „Smartheitsgrade“ der Netze

3.3 Modellergebnisse

Allgemein sei erwähnt, dass im Jahr 2010 bereits eine größere Abweichung zwischen

Erzeugung und Verbrauch herrscht. Das heißt, Österreich ist - wie in Kapitel 3.2 beschrieben

- derzeit Stromimporteur. Daher werden im Modell schon ab dem Jahr 2010 die jährlich zur

Verfügung stehenden Potentiale der wettbewerbsfähigen dezentralen erneuerbaren

Energieerzeugungstechnologien (Wind, Biomasse, etc.) voll ausgeschöpft. In der Praxis wird

derzeit der fehlende Anteil der Stromerzeugung zur Deckung der Nachfrage durch Importe

gedeckt. Das Modell berechnet aber die benötigten jährlich neu installierten Leistungen so,

dass man ohne Importe auskommen kann. Das heißt, im Jahr 2010 wäre ein riesiger

Leistungsbedarf von thermischen Kraftwerken notwendig; bei einem angenommenen CO2-

Zertifikatspreis unter 20 €/tCO2 sind es 972 MW; bei über 20 €/tCO2 sind es 882 MW. Da

dies in der Praxis innerhalb kurzer Zeit aber so nicht gebaut werden kann, wird dieser

Leistungsbedarf auf die nächsten 10 Jahre aufgeteilt. Diese imaginär umgelegten

thermischen Leistungen werden in den Abbildung 43 bis Abbildung 45 für die jährlich neu

installierten Leistungen für unterschiedliche Höhen der dezentralen erneuerbaren

Stromerzeugung dargestellt, um so ein praxisnahes Bild der Entwicklung der zukünftigen

Kraftwerkskapazitäten zu erhalten.


43

Jährlich neue installierte Leistungen verschiedener Erzeugungstechnologien bei 20€/tCO2

0

100

200

300

400

500

600

700

800

900

2010 2015 2020 2025 2030 2035 2040 2045 2050

MW

Therm. KW LaufwasserGeothermie PVBiomasse BiogasKleinwasser DeponiegasWind Mikro-KWKFuel-Cell

Abbildung 43: Modellierung der jährlich neuen installierten Leistungen verschiedener

Erzeugungstechnologien bei geringer dezentraler erneuerbarer Energieerzeugung

Jährlich neue installierte Leistungenverschiedener Erzeugungstechnologie bei 20€/tCO2 und erhöhter dezentraler erneuerbarer Energieerzeugung

0

100

200

300

400

500

600

700

800

900

2010 2015 2020 2025 2030 2035 2040 2045 2050

MW

Therm. KW Laufwasser

Geothermie PV

Biomasse Biogas

Kleinwasser Deponiegas

Wind Mikro-KWK

Fuel-Cell


Erzeugungstechnologien bei erhöhter dezentraler erneuerbarer Energieerzeugung


44

Jährlich neue installierte Leistungen verschiedener Erzeugungstechnologien bei 20€/tCO2 signifikant erhöhter dezentraler erneuerbarer Energieerzeugung

0

100

200

300

400

500

600

700

800

900

2010 2015 2020 2025 2030 2035 2040 2045 2050

MW

Therm. KW LaufwasserGeothermie PVBiomasse BiogasKleinwasser DeponiegasWind Mikro-KWKFuel-Cell


Erzeugungstechnologien bei signifikant erhöhter dezentraler erneuerbarer Energieerzeugung

Ab einem CO2-Zertifikatspreis von 11 €/tCO2 gibt es durch die Steigerung des CO2-

Zertifikatspreises nur mehr eine Änderung unter den thermischen Kraftwerkstypen. Je höher

der CO2-Zertifikatspreis, desto mehr kommen Erdgas befeuerte Gas- und Dampfkraftwerke

zum Einsatz (im Vergleich zu Stein- und Braunkohlekraftwerke).

Es ist ganz allgemein zu erwähnen, dass der ausschlaggebende Term des ökonomischen

Entscheidungskriteriums aus Kapitel 3.1 in diesem Fall (d.h. beim Studium unterschiedlicher

„Smartheitsgrade“) nur die spezifischen Netzkosten sind, da die Grenzkraftwerke der

Erzeugung in den unterschiedlichen Netzvarianten immer gleich sind. Somit ergibt das

ökonomische Entscheidungskriterium, dass das zentrale Netz ohne erhöhter dezentraler

erneuerbarer Stromererzeugung in dem betrachteten Zeitraum immer das billigere ist. Es

müssen also zur Einführung von SmartGrid-Konzepten finanzielle bzw. regulatorische

Anreize im Bereich der Netze geschaffen werden, um aus betriebswirtschaftlicher Sicht für

den Netzbetreiber überhaupt in Betracht gezogen zu werden.

In Abbildung 46 bis Abbildung 49 werden die spezifischen Netzkosten der zwei

unterschiedlichen aktiven („smarten“) Netzvarianten gezeigt bzw. auch die spezifischen

Netzkosten der zwei unterschiedlichen Netzvarianten bei erhöhter dezentraler erneuerbarer

Stromerzeugung unter Beibehaltung der klassischen Netzstruktur; sämtliche dieser

Alternativen werden jeweils mit den klassischen Reinvestitionen in das zentrale Netz

verglichen. Zur besseren Darstellung wird auch der Differenzwert der jeweiligen spezifischen

Netzkosten ausgewiesen. Daraus ist klar erkennbar, dass ein höherer Anteil an dezentraler

erneuerbarer Stromerzeugung am Netz höhere spezifische Netzkosten hervorruft. Dies ist

eine triviale Folgerung aus Abbildung 42. Der „Sprung“ der spezifischen Netzkosten im Jahr


45

2050 kommt „modellbedingt“ aus dem Anlagenvermögensmanagement, da die Investitionen

vor dem Jahr 2010 am Ende ihrer Abschreibungsdauer sind und dadurch die Höhe der

gesamten Abschreibungen sinkt. Für die Praxis ist dieser modellbedingte Effekt nicht von

Relevanz.

Vergleich der spezifische Netzkosten für Reinvestitionen in das klassische Netz und Investitionen in eine Netz mit SmartGrid-Konzepten bei erhöhter dezentraler

erneuerbarer Stromerzeugung

-4

-2

0

2

4

6

8

10

12

14

2010 2015 2020 2025 2030 2035 2040 2045 2050

spez

ifis

che

Net

zkost

en [€/

MW

h]

Reinvestitionen in die klassische Netzstruktur

Investitionen in ein Netz mit SmartGrid-Konzepten

Differenzkosten

Abbildung 46: Spezifischer Netzkostenvergleich von klassischen Reinvestitionen in Ü-&V-

Netze versus SmartGrid bei erhöhter dezentraler erneuerbaren Stromerzeugung

Vergleich der spezifische Netzkosten für Reinvestitionen in das klassische Netz und Investitionen in eine Netz mit SmartGrid-Konzepten bei SIGNIFIKANT erhöhter

dezentraler erneuerbarer Stromerzeugung

-4

-2

0

2

4

6

8

10

12

14

2010 2015 2020 2025 2030 2035 2040 2045 2050

spezi

fische N

etz

koste

n [€/M

Wh]

Reinvestitionen in die klassische Netzstruktur

Investitionen in ein Netz mit SmartGrid-Konzepten

Differenzkosten


Netze versus SmartGrid bei signifikant erhöhter dezentraler erneuerbaren Stromerzeugung


46

Vergleich der spezifische Netzkosten für Reinvestitionen in das klassische Netz und Investitionen in eine klassische Netzstruktur bei erhöhter dezentraler

erneuerbarer Stromerzeugung

-4

-2

0

2

4

6

8

10

12

14

2010 2015 2020 2025 2030 2035 2040 2045 2050

spezi

fische N

etz

koste

n [€/M

Wh]

Reinvestitionen ohne dezentrale erneuerbareStromerzeugung

Investitionen in eine klassische Netzstruktur mitdezentraler erneuerbarer Stromerzeugung

Differenzkosten


Netze versus klassische Netzstruktur bei erhöhter dezentraler erneuerbaren Stromerzeugung

Vergleich der spezifische Netzkosten für Reinvestitionen in das klassische Netz und Investitionen in eine klassische Netzstruktur bei SIGNIFIKANT erhöhter

dezentraler erneuerbarer Stromerzeugung

-4

-2

0

2

4

6

8

10

12

14

2010 2015 2020 2025 2030 2035 2040 2045 2050

spezi

fische N

etz

koste

n [€/M

Wh]

Reinvestitionen ohne dezentrale erneuerbareStromerzeugung

Investitionen in eine klassische Netzstruktur mitdezentraler erneuerbarer Stromerzeugung

Differenzkosten


Netze versus klassische Netzstruktur bei signifikant erhöhter dezentraler erneuerbaren Stromerzeugung


47

3.4 Diskussion der Modellergebnisse

Im Rahmen der Modellanalysen werden die relevanten Einflussparameter für eine zukünftige

Einführung von SmartGrid-Konzepten in das Netz identifiziert und durch die Veränderung

dieser relevanten Einflussparameter die Auswirkungen auf die Höhe der spezifischen

Erzeugungs- und Netzkosten ermittelt. Da derzeit im Bereich der Stromnetze das Ende eines

langfristigen Investitionszyklus erreicht ist, steht in den nächsten Jahren bzw. Jahrzehnten

ein enormer Investitionsschub bevor (siehe Abbildung 42). Um eine ökonomische

Entscheidungsgrundlage zu liefern, ob neue Investitionen in klassische passive oder

zunehmend in aktive Netzstrukturen getätigt werden sollen, zeigt dieses Modell einen

Vergleich dieser beiden Netzstrukturen. Neben der Netzseite wird in der Modellierung auch

die Erzeugerseite betrachtet, um die mögliche Marktdurchdringung dezentraler erneuerbarer

Erzeugung in den unterschiedlichen Netzstrukturen zu zeigen. Grundsätzlich wird die

Integration eines erhöhten Anteils an dezentraler erneuerbarer Erzeugung durch die

Einführung von aktive Netzen mit SmartGrid-Konzepten in zweierlei Hinsicht signifikant

verbessert: (i) technisch und (ii) ökonomisch.

Aus technischer Sicht lässt sich ein hoher Anteil dezentraler erneuerbarer Energieträger bei

Vorhandensein von SmartGrids-Lösungen viel „eleganter“ integrieren (als ohne SmartGrids-

Lösungen). Diese „technische Eleganz“ spiegelt auch die Wirtschaftlichkeitsbetrachtung

wider, denn unter der Annahme derselben dezentralen erneuerbarer Erzeugung ist ohne

SmartGrids-Lösungen ein höherer technischer Aufwand notwendig, um einen optimalen

Betrieb des gesamten Stromsystems zu gewährleisten. Dieser ist in Summe teurer als die

Implementierung von SmartGrid-Konzepten, die in gewisser Weise ein zukünftiges „globales“

Optimum auch aus technischer Sicht für den Online-Betrieb des Stromsystems bewirken.


48

4 Berücksichtigung von SmartGrids-Konzepten in der

Netzregulierung und Ausgestaltung der Marktregeln

In der Vergangenheit hatten kleine dezentrale erneuerbare Stromerzeuger oft erhebliche

Schwierigkeiten bei der Netzanbindung, da sie die Kosten meistens selbst tragen mußten.

Würden diese Netzanschlusskosten (und oft auch Netzerweiterungskosten) aber vom

Netzbetreiber übernommen und im Netztarif sozialisiert, dann müssten die netzrelevanten

Kosten nicht vom dezentralen Stromerzeuger getragen werden, sondern direkt gleich vom

Endkunde durch den Netztarif.

Eine Umwälzung von zusätzlichen Kosten auf den Netztarif ist aber in Zeiten der

Implementierung von Anreizregulierungsmodellen (die sich im Wesentlichen durch

Kostensenkungsdruck auszeichnen) sehr schwierig. Zusätzlich kann durch die politischen

202020-Ziele von einer rasch steigenden Integration von dezentraler erneuerbarer

Stromerzeugung in das Übertragungs- und Verteilnetz ausgegangen werden. Daher sind

Übertragungs- und Verteilnetzbetreiber mit viel mehr Unsicherheiten konfrontiert als in Zeiten

vor der Liberalisierung der europäischen Strommärkte:

Auf der einen Seite das derzeit umgesetzte Netzregulierungsmodell

(Anreizregulierung im Wesentlichen basierend auf Preisobergrenzen bzw.

Erlösobergrenzen), welche die Netzbetreiber zur Optimierung ihrer Kosten zwingt, die

in der Folge auch Auswirkungen auf die Netztarife haben. Dieses derzeitig

regulatorische Umfeld ist im Allgemeinen nachteilig gegenüber Investitionen in die

Netzinfrastruktur. Investitionen in Netze wären aber notwendig, um eine großflächige

Marktintegration von dezentraler erneuerbarer Stromerzeugung und anderer

Innovationen (wie z.B. "Smart Grid"-Konzepten) zu ermöglichen9.

Auf der anderen Seite sind Stromnetze kapitalintensive Infrastrukturen, die als

natürliche Monopole über eine definierte geografische und/oder Spannungsregion

entstanden sind. Die Vermögenswerte können bis zu 40 Jahren abgeschrieben

werden und einmal getätigte Investitionen können als sogenannte „Sunk Costs“

(„versunkene Kosten“) betrachtet werden. Daher sind Netzvermögenswerte anfällig

für Veränderungen der regulatorischen Rahmenbedingungen, die die Kostendeckung

verhindern oder behindern könnten. Insbesondere finanzielle dezentrale erneuerbare

Stromerzeugungsförderpolitik, die nicht direkt Rücksicht auf die Auswirkungen auf

den Netzbetrieb nimmt, können die Kosten für Übertragungs- und Verteilnetze zum

Verhängnis werden und Kostendeckungsprobleme verursachen.

9 Für eine ausführliche Diskussion in diesem Zusammenhang sei auf D3.6.2 des REALISEGRID Projekts

verwiesen (http://realisegrid.erse-web.it), wo Anreizsysteme und regulatorische Rahmenbedingungen für die Übertragungs- und Verteilnetzentwicklung in Europa im Detail behandelt werden.


49

Abbildung 50 zeigt das derzeitige Netzregulierungsmodell und die zwei Kategorien des

Kostendrucks, mit der die Netzbetreiber zurecht kommen müssen: (i) Kostensenkungsdruck

durch Anreizregulierung (links); (ii) unberücksichtigte Mehrkosten durch zunehmende

dezentrale Einspeisung und den Einsatz von Smart Grid Konzepten im Netz (rechts).

Kosten Kosten Kosten

Zeit Zeit Zeit

Überlappung derbeiden Effekte

Abbildung 50: Problem des Kostensenkungsdruck des derzeitigen Netzregulierungsmodell

durch Kostentreiber beim Anschluss dezentraler Erzeugung und Einführung von SmartGrid-Konzepten in das Netz

Beispiele für Kostentreiber bei vermehrter dezentraler Erzeugung basierend auf SmartGrid-

Konzepten sind z.B.:

(i) bedingt durch bidirektionale Lastflüsse fundamental geänderte Design- und

Betriebsanforderungen an aktive Verteilnetze,

(ii) Verstärkungs- und Erweiterungsmaßnahmen bei Freileitungen und Kabeln sowie

Trafostationen und Schaltanlagen,

(iii) höhere Anforderungen an Fehlerschutz und U/f-Regelsysteme,

(iv) fundamental geänderte Messwerterfassung und Abrechnungssysteme,

(v) generell höhere Transaktionskosten für Betrieb und Unterhalt der Netze durch

eine größere Anzahl an Marktteilnehmern und komplexer Geschäftsbeziehungen,

(vi) Installation und Betrieb einer zuverlässigen IT & Kommunikationsinfrastruktur für

den aktiven Netzbetrieb nötig.

Die derzeitige Praxis der Netzregulierung konzentriert sich außerdem ausschließlich auf die

Ausschöpfung sämtlicher Kostensenkungspotentiale der Kapital- und Betriebskosten bei den

Netzbetreibern (historische „ex-post“ Betrachtung); bedingt durch die zum Teil politisch

vorgegebenen (Kurzfrist-)Ziele, die Netztarife für die Endkunden zu senken (unabhängig

davon, ob dies in einer Mittel- bis Langfristbetrachtung aus ökonomischer Sicht sinnvoll ist).

Dabei bleibt jedoch unberücksichtigt, in einer zusätzlichen „ex-ante“ Betrachtung die


50

ökonomischen Rahmenbedingungen für langfristig wohlfahrtsökonomisch effiziente

Investitionen in die Netzinfrastruktur zu bereiten (siehe rechter Teil der Abbildung 50 oben).

4.1 Vorschläge zur Novellierung der Netzregulierung

Konkret geht es bei den Vorschlägen zur Novellierung der Netzregulierung um eine mögliche

Erweiterung der allgemeinen Netzregulierungsformel, die ausschließlich von einer

historischen „ex-post“ Betrachtung der Kosten der Netzbetreiber ausgeht. Die „Grundformel“

dazu lautet (gilt grundsätzlich sowohl für Preisobergrenze als auch Erlösobergrenze):

XRPIPP tt 11

wobei:

Pt............Preisbasis („zugelassene“ Kosten im Jahr t)

Pt-1..........Preisbasis („zugelassene“ Kosten im Jahr t-1)

RPI…….Verbraucherpreisindex (Retail Price Index)

X............Kostensenkungspotential (reines „ex-post“ Benchmarking)

Unabhängig von den Investitionen in die Netzinfrastruktur im Rahmen großflächiger

dezentraler erneuerbarer Stromerzeugungsintegration auf verschiedenen Spannungsebenen

basiert jede Investitionsentscheidung eines Netzbetreibers auf dem grundlegenden

wirtschaftlichen Kriterien, dass die Umsätze minus Kosten über einen vorgegebenen

Zeitraum maximiert werden10. Im Detail sieht der analytische Rahmen der wirtschaftlichen

Entscheidung für das derzeitige Modell der Anreizregulierung (Preisobergrenze und

Erlösobergrenze) wie folgt aus:

Preisobergrenze: Profit cpxcx

,

max wobei: fixp iabelcx var,

Erlösobergrenze: Profit cpxcxp

,,

max wobei: iabelcxp var,,

Der auffälligste Unterschied zwischen den oben dargestellten Preisobergrenzen- und

Erlösobergrenzenregulierungsmodellen ist der Freiheitsgrad für die Einstellung

verschiedener Parameter, die unabhängig voneinander Einnahmen und Kosten bestimmen.

10 In diesem Zusammenhang ist es wichtig zu beachten, dass ein Netzbetreiber (zumindest theoretisch) nicht in

erster Linie für den Umsatz/Profit, sondern im Sinne der Optimierung des Systems handelt. Da die Netzbetreiber

regulierte Unternehmen sind, sollten die System-Nutzen-Aspekte in der Regel bereits im Rahmen der

Regulierung integriert sein. Die ökonomischen Grundprinzipien, die hier angedeutet sind, sind jedoch für

regulierte Unternehmen wie Netzbetreiber (die in den Freiheitsgraden beschränkt sind, ausschließlich individuelle

unternehmerische Entscheidung zu treffen) und nicht-regulierte Unternehmen gleich.


51

Während im Falle der Erlösobergrenze mehrere Parameter (Preis, Menge, Kosten) variabel

sind, sind im Falle der Preisobergrenze nur Menge und Kosten variabel. Allerdings, wenn

eine Veränderungen der Kostenbasis der Netzbetreiber erfolgt - ceteris paribus - gibt es

keinen Unterschied für die beiden wichtigsten Netzregulierungsmodelle. Dies bedeutet somit,

dass jegliche Erhöhung der Kostenbasis des Netzbetreibers (z.B. Berücksichtigung der

zusätzlichen Kostentreiber durch die Implementierung von SmartGrid-Lösungen) dem

betriebswirtschaftlichen Investitionsentscheidungskalkül des Netzbetreibers entgegenläuft

und der Netzbetreiber von Investitionen Abstand hält.

Um ein besseres Verständnis des Zusammenspiels von dezentraler erneuerbarer

Stromerzeugung und Netzregulierung zu erhalten, empfiehlt es sich, die jüngsten

Innovationen des Netzregulierungsmodells in Großbritannien zu studieren. Das derzeit

implementierte Netzregulierungsmodell in Großbritannien sieht grob umrissen

folgendermaßen aus (das implementierte Preisobergrenzenmodell wurde 2005 novelliert, da

dessen ursprüngliche Investitionsfeindlichkeit im Zusammenhang mit dezentraler

erneuerbarer Stromerzeugung erkant wurde):

Umwälzung der zusätzlichen Integrationskosten auf den Netztarif: Dem Netzbetreiber

ist es möglich, die zusätzlichen Anschluss- und Integrationskosten der dezentralen

erneuerbaren Stromerzeugung direkt auf den Netztarif aufzuschlagen. Der Aufschlag

auf den Netztarif ist ein fixer Anteil (80% der Anschlusskosten). Ein

leistungsbezogenen Anteil pro angeschlossenen kW dezentraler erneuerbarer

Erzeugung (2,16 EUR/kWDG/RES (einmalig) und 1,44 EUR/kWDG/RES/Jahr (jährlich)) ist

vom Erzeuger dem Netzbetreiber zu entrichten.

Innovative Finanzierungsanreize: Die innovativen Finanzierungsanreize sind für

besonders innovative dezentrale erneuerbare Erzeugungsprojekte mit dem Fokus auf

eine technische Weiterentwicklung der Netze vorgesehen, die eine Mehrwert (z.B.

finanziell, qualitativ, sicherheitstechnisch, ökologisch) für den Endverbraucher

bringen. Dem Netzbetreiber ist es möglich, bis zu 0,5% seines jährlichen Umsatzes

für förderungswürdige Projekte (und F&E-Personalkosten) außerhalb der

gebenchmarkten Kostenbasis auszugeben. Der Netzbetreiber wird somit für

Innovation nicht ökonomisch benachteiligt, sondern belohnt.

Registrierte Leistungszonen: Im Gegensatz zu den generellen innovativen

Finanzierungsanreizen sind die registrierten Leistungszonen speziell für den

Anschluss von dezentraler erneuerbare Erzeugung in bestimmten geographischen

Regionen gedacht. Registrierte Leistungszonen sind zur Förderung der Entwicklung

und der Demonstration von neuen kosteneffizienten Anschlussmöglichkeiten von

dezentraler erneuerbarer Erzeugung vorgesehen. Zugelassene registrierte

Leistungszonen können in den ersten 5 Jahren den leistungsbezogenen Anteil der

Netzkostenumwälzung von 2,16 EUR/kWDG/RES auf 4,3 EUR/kWDG/RES erhöhen.


52

Eine mögliche Erweiterung der Netzregulierungsformel kann somit folgendermaßen grob

skizziert werden, um zusätzlich in einer „ex-ante“ Betrachtung den Investitionsbedarf

Richtung SmartGrids-Lösungen entsprechend zu berücksichtigen:

tInnovCjiRESDGjiRESDGtt CLRRPIkWCXRPIPPjiRESDG ,,/,/1 ,/

11

wobei:

jiRESDGC ,/ ........“zugelassene“ spezifische Netzintegrationskosten der dezentrale

erneuerbaren Erzeugungstechnologie i bzw. SmartGrid-Konzept j

jiRESDGkW ,/ ......Anschlussleistung der dezentralen erneuerbaren Erzeugungstechnologie i

bzw. SmartGrid-Konzept j

jiRESDGCLR,/ .........erwartete Lernraten bzw. Skalenerträge der Netzintegrationskosten der

dezentrale erneuerbaren Erzeugungstechnologie i bzw. SmartGrid-Konzept j

tInnovC , ...............“zugelassene“ Kosten für innovative Forschungs- und Entwicklungsarbeit

Der oben gezeigte Netzregulierungsansatz zeigt schemenhaft ein zusätzliches

„vorausschauendes“ Element zur kurz- bzw. mittelfristigen Adaption der

Netzregulierungsformel, in dem einerseits ökonomische Anreize für Netzbetreiber zur

Realisierung von SmartGrids-Lösungen implementiert sind, andererseits auch in einem

dynamischen Kontext technologisches Lernen bzw. Skaleneffekte bei den Kosten von

neuen/“smarten“ Technologien und Konzepten auf der Netzseite bei zunehmender

Dezentralisierung erwartet werden. Der hier gezeigte schemenhafte Ansatz bedarf in der

Praxis einerseits einer formalen Verfeinerung und andererseits einer empirischen Skalierung

der verschiedenen Koeffizienten, wozu die Sensitivitätsanalysen in Kapitel 3 dieses Berichts

einen wesentlichen Beitrag liefern sollen (siehe aber auch die kürzlich erschienenen

Publikationen Cossent et al. (2008), de Joode et al. (2009) und Frìas et al. (2009)). Weitere

empirische Anhaltspunkte aus der Regulierungspraxis in diesem Zusammenhang gibt es

vom innovativen Modell in Großbritannien (siehe oben) und Dänemark („Cell Concept“; siehe

Auer (2010) im Detail).

4.2 Vorschläge zur zukünftigen Ausgestaltung der Marktregeln

Für die Umsetzung von SmartGrids spielt neben einer entsprechenden Netzregulierung die

Einführung von neuen Geschäftsmodellen ebenfalls eine wichtige Rolle. Bei der Entwicklung

neuer Geschäftsmodelle sind die technische Umsetzung, neue Geschäftsprozesse,

rechtliche Umsetzungskonzepte, Rollenmodelle, Risiken und weitere Aspekte wichtig, denen


53

man Betrachtung schenken muss. Eine Auswahl möglicher Marktmodelle11 könnten

folgendermaßen aussehen:

„Variabler Strompreis“: Den Kunden wird ein variabler Strompreis angeboten, um

eine Lastverschiebung von Hoch- zu Niederpreiszeiten zu erreichen und somit eine

Reduktion der Netzlast bzw. Nutzung dezentraler erneuerbarer Stromerzeugung zu

erreichen (siehe Abbildung 12 und Abbildung 51). Die Anreize in diesem Modell ist

die Weitergabe des wirtschaftlichen Vorteils der Lastverschiebung an den Kunden

oder andere Marktteilnehmer.

Variabler Preis

Schaltschwelle

Lastprofil ohneBeeinflussung

IRON Lastprofil

Lastverschiebung

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

0 4 8 12 16 20 24

Tageszeit [h]

Energ

iepre

is [ct

/kW

h]

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

1,8

2

Stu

ndenwerte [kW

h]

Variabler PreisVariabler Preis

Schaltschwelle

Lastprofil ohneBeeinflussung

IRON Lastprofil

Lastverschiebung

0

0,5

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

0 4 8 12 16 20 24

Tageszeit [h]

Energ

iepre

is [ct

/kW

h]

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

1,8

2

Stu

ndenwerte [kW

h]

Abbildung 51: Beispiel Lastverschiebung im Marktmodell "Variabler

Strompreis",Quelle: Traxler (2010)

„Regelenergie“: Im Modell Regelenergie liegt ein Teil der Regelenergie beim

Verbraucher und kann dem Regelzonenführer angeboten werden. Der Vorteil liegt bei

einer möglichen Kostenreduktion beim Regelzonenführer; dieser Vorteil der

Optimierung der Bezugskosten der Regelenergie kommt dann allen Netzkunden

zugute. Eine mögliche Interaktion zwischen den unterschiedlichen Marktteilnehmer ist

im Rollenmodell in Abbildung 52 dargestellt. Für allfällige Details im Zusammenhang

mit Abbildung 52 wird auf Traxler (2010) verwiesen.

11 siehe u.a. auch Vortrag Traxler, Workshop NTP SmartGrids Austria, 17.11.2010


54

Kunde Energie-Lieferant

SG-System-Provider

Strom-händler

Regelzonen-führer

Bereitstellung SG-InfrastrukturBereitstellung

SG_Infrastruktur

Entgelt für Bereitstellung SG-Infrastruktur

Kostenvorteil für Bereithaltung schaltbarer Einrichtungen (SG)

Bereithaltung schaltbarer Einrichtungen (SG)

Stromlieferung Lieferant an Kunden

Entgelt für Stromlieferung

Stromlieferung Händler an Lieferant

Entgelt für Stromlieferung Händler an Lieferant

Bereithaltung von Regelleistung (SG)

Entgelt für Bereithaltung von Regelenergie

Bilanzgruppen-verantwortliche

Entgelt für Bereitstellung Ausgleichsenergie

Bilanzgruppenkoordinator

Entgelt für bereitgestellte Regelenergie

Kunde Energie-Lieferant

SG-System-Provider

Strom-händler

Regelzonen-führer

Bereitstellung SG-InfrastrukturBereitstellung

SG_Infrastruktur

Entgelt für Bereitstellung SG-Infrastruktur

Kostenvorteil für Bereithaltung schaltbarer Einrichtungen (SG)

Bereithaltung schaltbarer Einrichtungen (SG)

Stromlieferung Lieferant an Kunden

Entgelt für Stromlieferung

Stromlieferung Händler an Lieferant

Entgelt für Stromlieferung Händler an Lieferant

Bereithaltung von Regelleistung (SG)

Entgelt für Bereithaltung von Regelenergie

Bilanzgruppen-verantwortliche

Entgelt für Bereitstellung Ausgleichsenergie

Bilanzgruppenkoordinator

Entgelt für bereitgestellte Regelenergie

Abbildung 52: Rollenmodell Regelenergie, Quelle: Traxler (2010)

„Dezentrale Energieerzeugung“: Durch die steigende Anzahl an dezentralen

Energieerzeugern wird eine optimale Koordinierung zwischen Verbrauch und

Einspeisung zukünftig sehr wichtig. Der Vorteil ist die Einsparung konventioneller

Kraftwerkskapazitäten und Netzkapazitäten durch die Nutzung regionaler

Ressourcen. Derzeit besteht jedoch kein ökonomischer Anreiz zur Koordinierung, da

der Einspeisetarif höher als der Großhandelspreis des Stromes ist; eine der

Lösungsmöglichkeiten könnte eine zeitabhängige Tarifgestaltung der Einspeisung

dezentraler erneuerbarer Erzeugung sein.

Weitere: Für eine ausführliche Diskussion weiterer möglicher Marktmodelle (Variabler

Einkaufspreis, Netzbelastung, etc.) wird auf Traxler (2010) verwiesen.

An dieser Stelle ist jedoch wichtig zu bemerken, dass die Diskussion möglicher zukünftiger

Marktmodelle erst am Anfang steht und die gesamte mögliche Bandbreite einer zukünftigen

Implementierung bzw. deren Praxistauglichkeit noch gar nicht vorhersehbar ist.

Darüber hinaus steht auch die Diskussion über mögliche zukünftige Geschäftsmodelle erst

am Anfang. Auch hier besteht noch enormer Forschungsbedarf, da zum Teil noch gar nicht

ersichtlich ist, welche neuen Marktteilnehmer zukünftig entstehen und wie deren

gegenseitigen Beziehungen aussehen werden. Eine exzellente Strukturierung der Thematik

und Vorstellung konkreter Geschäftsmodelle ist in der Dissertation Prüggler (2010) –

„Business models for active distribution grid management – development and economic

impact analysis“ – zu finden. Die behandelten Geschäftsmodelle beruhen vor allem auf einer

Analyse hinsichtlich der Erfüllung eines pareto-optimalen Zustands aller Markteilnehmer

(siehe Abbildung 53).


55

Abbildung 53: Pareto- und Nicht-Pareto-Optimum der Markteilnehmer, Quelle: Prüggler (2010)

Im Sinne der Kürze der Darstellung wird auch an dieser Stelle für eine weitere Vertiefung

zum Thema „Geschäftsmodelle&SmartGrids“ auf die Dissertation Prüggler (2010) verwiesen.


56

5 Handlungsempfehlungen und Schlussfolgerungen für

Marktteilnehmer und energiepolitische Entscheidungs-

träger

Die wesentlichen Erkenntnisse aus den Ergebnissen der Modellierungen im Rahmen dieses

Projekts Smart-Grid-Investor (Bottom-up Fallbeispiele der Regionen Wien und Lungau in

Kap. 2; Top-Down Beispiel Österreich in Kap. 3) und deren Implikationen für die

Netzregulierung und die Ausgestaltung der Marktregeln ist in den letzten 2 Jahren auch

fortlaufend in die breit angelegte Entwicklung der „Roadmap Smart Grids Austria“

eingeflossen. Dieses strategisch wichtige Dokument wurde von sämtlichen österreichischen

Akteuren gemeinsam entwickelt, die in die derzeitige Smart Grids Diskussion involviert und

in weiterer Folge für die zunehmende praktische Implementierung von Smart Grids

Lösungen verantwortlich sind.

Die Erkenntnisse aus diesem Projekt Smart-Grid-Investor umfassen vor allem Beiträge in der

„Roadmap Smart Grids Austria“ hinsichtlich der ökonomischen und regulatorischen

Rahmenbedingungen, die notwendig sind, um Smart Grids Konzepten in Österrreich den

Durchbruch in der Praxis zu ermöglichen. Außerdem sind in dieses Strategiepapier auch

Erkenntnisse aus der Systematisierung der einzelnen innovativen Technologien

eingeflossen, die eine Abschätzung ermöglicht, welche von ihnen unter welchen

Randbedingungen eine zunehmende Marktdurchdringung schaffen können.

Unabhängig von den Erkenntnissen dieses Projekts und den umfassenden Arbeiten im

Rahmen der durchaus breit angelegten Aktivitäten im Bereich Smart Grids in Österreich

besteht zukünftig noch weiterhin viel Pionierarbeit vor uns, um den Smart Grids Begriff

besser zu verstehen. Dieses Projekt sollte vor allem ein konstruktiver Beitrag sein, die

ökonomischen Randbedingungen zur Einführung von Smart Grid Konzepten besser

herauszuarbeiten und die verschiedenen Zusammenhänge der einzelnen relevanten

Komponenten in diesem Zusammenhang besser darzustellen. Obwohl Smart Grids

Konzepten und –Technologien für den Einsatz in intelligenten Stromnetzen in Zukunft sowohl

national als auch international eine enorme wirtschaftliche Bedeutung zugesprochen wird, ist

vor allem die ökonomische Seite in diesem Zusammenhang noch weitgehend unerforscht.

Im Rahmen dieses Projekts wird auf der empirischen Seite bei der Verifikation des

entwickelten Modells „Smart-Grid-Investor“ deswegen de facto Neuland betreten. Das heißt,

derzeit sind aus der Praxis kaum empirische Daten (d.h. Kosten) von Fallstudien vorhanden,

die zumindest Richtung Smart Grids Lösungen gehen. In naher Zukunft ist jedoch mit einer

Vielzahl von praktischen Erfahrungen mit der Implementierung von innovativen und

intelligenten Netzkonzepten (und somit auch empirischen Daten zu den jeweiligen Kosten)


57

zu rechnen. Deswegen mussten im Zuge dieses Projekts aus einigen wenigen

Anhaltspunkten hinsichtlich von Kostendaten einzelner innovativer Technologien und Smart

Grids Komponenten des Öfteren Kostendaten hochgerechnet bzw. eigene Annahmen

vorgenommen werden, um das Modell zu verifizieren. Obwohl empirische Inputdaten nur von

einigen wenigen Feldstudien zur Verfügung gestanden sind, können die Ergebnisse der

Modellierung als Grundlage für allgemein gültige Aussagen zur Wirtschaftlichkeit von Smart

Grids Lösungen unter verschiedenen Randbedingungen herangezogen werden. Denn

wichtig bei der Diskussion und Interpretation der Ergebnisse ist im Wesentlichen, ein Gespür

zu entwickeln, um welche Größenordnungen es sich bei den Zusatzkosten (absolut und

spezifisch) bei den einzelnen Varianten von „Smartheitsgraden“ von Netzen im Vergleich zu

einer Fortschreibung der derzeitigen zentralen Netze handelt.

Diese Entwicklung eines „Gespürs für Größenordnungen“ von Zusatzkosten erscheint

insofern ein erstrebenswertes Ziel zu sein, als dass auch die Regulierungsinstanzen und

politischen Akteure erkennen müssen, dass fundamentale strukturelle Änderungen und die

Implementierung von Innovationen im Bereich der Stromnetze entsprechende Kosten

verursachen, die letztendlich vom Endkunden (in Form des Netztarifs) zu tragen sind.

Sind die politischen Akteure bzw. Regulierungsinstanzen nicht bereit, die ökonomischen

Rahmenbedingungen einer ambitionierten Entwicklung Richtung aktiver und intelligenter

Übertragungs- und Verteilnetze zu akzeptieren (bzw. dies auch entsprechend den

Endkunden zu kommunizieren), so wird eine großflächige Integration von dezentraler

erneuerbarer Erzeugung zwar grundsätzlich möglich sein, aber entsprechend hohe

Zusatzkosten verursachen, wenn diese dezentrale Integration „technisch nur irgendwie und

unstrukturiert“ und nicht „technisch elegant (d.h. mit Smart Grids Lösungen“) gelöst wird.

Dies ist eine der wesentlichsten Erkenntnisse und energiepolitischen Implikationen dieses

Projekts „Smart Grid Investor“, dass eine großflächige Integration dezentraler erneuerbarer

Energieträger inklusive innovativer Smart Grids Lösungen für den Endkunden schlussendlich

kostengünstiger ist als ohne Smart Grids Lösungen. Die generell kostengünstige Lösung für

den Endkunden wäre naturgemäß eine Forschreibung der klassischen, zentralen

Netzstruktur ohne verstärkte Integration von dezentralen Erzeugern.

Aus der Sicht der derzeit bereits agierenden (und zukünftig zu erwartenden) Marktteilnehmer

ist wichtig, dass diese aktiv die Diskussion möglicher Markt- und Geschäftsmodelle im

Zusammenhang mit Smart Grids Lösungen vorantreiben; denn schlussendlich sind sie dann

langfristig in der Praxis die handelnden Akteure. In diesem Zusammenhang sind in

Österreich sämtliche Aktivitäten auf Basis einzelner Projekte bzw. die Bündelung der Kräfte

in der „Nationalen Technologieplattform Smart Grids Austria“ besonders lobend

hervorzuheben, da diese Arbeiten auch in den verschiedensten Richtungen in die

europäischen und internationalen Entwicklungen und (Technologie-)Plattformen eingebettet

sind.


58

Abschließend sei noch angemerkt, dass die Einführung von Smart Grids Konzepten in das

Netz zwar höhere (Netz-)Kosten verursacht (die schlussendlich vom Endkunden zu tragen

sind), längerfristig jedoch der gesellschaftliche Mehrwert überwiegt (z.B. verbesserte

Versorgungssicherheit, Internalisierung externer Kosten, „aktivere“ Teilnahme der

Kundenseite am Markt, etc.). Und schließlich eröffnen die bereits seit geraumer Zeit sehr

ambitioniert laufenden Aktivitäten im Rahmen der „Nationalen Technologieplattform Smart

Grids Austria“ darüber hinaus die Möglichkeit, das national erarbeitete „Know-How“ der

österreichischen Energie-, Technologie- und Kommunikationsindustrie ins Ausland zu

exportieren.


59

6 Literatur

Auer H., Holzrichter B., Winkler-Rieder W., Haas R., Kranzl L.: „Nachhaltige

Energieversorgungsperspektiven für die Region Lungau“, Österreich, 2000

Auer H.: “Grid Regulation in Competitive Electricity Markets”, Habilitationschrift, Wien,

Österreich, 2010.

Bakken, B.H. & Holen, A.T. (2004). Energy service systems: Integrated planning case

studies, Proceedings of IEEE PES 2004 General Meeting, Denver, USA, 2004

Bakken, B.H.; Skjelbred, H.I. & Wolfgang, O (2007). eTransport: Investment Planning in

Energy Supply Systems with Multiple Energy Carriers, Energy, Vol. 32, 2007, 1676-1689

Cossent R., Gòmez T., Frìas P.: ”Towards a future with large penetration of distributed

generation: Is the current regulation of electricity distribution ready? Regulatory

recommendations under a European perspective“, Energy Policy, S. 1145-1155, 2008.

de Joode J., Jansen J.C., van der Welle A.J., Scheepers M.J.J.: “Increasing penetration of

renewable and distributed electricity generation and the need for different network

regulation”, Energy Policy, S.2907-2915, 2009.

Frìas P., Gòmez T., Cossent R., Rivier J.: “Improvements in current European network

regulation to facilitate the integration of distributed generation”, Electrical Power and

Energy Systems, S. 445-451, 2009.

Jamek A., Mader S., Lutter E., Hofer S., Tretter H., Hagauer D., Ritter H.: „Erneuerbare

Energiequellen und innovative Energietechnologien, Potenzialanalyse der

wirtschaftlichen Bedeutung für Wien“, Austrian Energy Agency Studie für die Stadt Wien,

Wien, Österreich, 2008

Leuthold F., Weigt H, Hirschhausen Ch.: „Quantitative Modellierung der Bandbreite

möglicher dynamischer Entwicklungspfade der Energiesysteme rund um Österreich bis

2050 (Übertragungsnetze, Energiekorridore (z.B. LNG Terminals, H2),

Kraftwerksparkstruktur)“, Arbeitsbericht SmartGrid-Investor Projekt, Dresden,

Deutschland, 2009

Nationale Technologieplattform Smart Grids Austria: “Roadmap“, www.smartgrids.at, Wien,

Österreich, 2009

Prüggler W.: “Business models for active distribution grid management - development and

economic impact analysis”, Dissertation, Wien, Österreich, 2010

Traxler E.: „Smart Grid Investment“, NTP Smart Grid Austria Workshop, Wien, Österreich,

17.11.2010


60

7 Anhang

A1 Quantitative Modellierung der Bandbreite möglicher

dynamischer Entwicklungspfade der Energiesysteme

rund um Österreich bis 2050 (Übertragungsnetze,

Energiekorridore (z.B. LNG Terminals, H2),

Kraftwerksparkstruktur)

A1.1 Das ELMOD Modell

A1.1.1 Einführung

ELMOD ist ein integriertes techno-ökonomisches Modell des europäischen

Elektrizitätsmarktes, welches vom Lehrstuhl für Energiewirtschaft und Public Sector

Management an der Technischen Universität Dresden entwickelt wurde. Dieses

Optimierungsmodell basiert auf einer linearisierten DC Load Flow (DCLF)

Lastflussberechnung und verbindet das Angebot von Elektrizität mit Nachfrage(szenarien),

welche sich – knotenscharf – aus Industrie-, Haushalts- sowie Kleinabnehmerlastprofilen

ableiten. Das Model wurde von Leuthold et al. (2005) initiiert, die damit die Auswirkungen

von Offshore-Windenergieeinspeisung für Deutschland untersuchten. Freund et al. (2006)

setzten die Arbeit von Leuthold et al. (2005) fort und erweiterten das Modell um Frankreich,

die Benelux-Länder, Westdänemark, Österreich und die Schweiz. Sie waren dadurch in der

Lage auch grenzüberschreitende Flüsse zu untersuchen und wiesen nach, dass die

Preissituation in den Benelux-Ländern stark durch Windenergieeinspeisung in Deutschland

beeinflusst ist. In der Folge wurde ELMOD durch eine 24-Stunden-Betrachtung erweitert

(Weigt, 2006). ELMOD lässt sich sowohl für die Betrachtung politisch relevanter

Fragestellungen als auch von Forschungsfragestellungen anwenden. Dementsprechend

besteht die Möglichkeit den Detailgrad des modellierten Netzes und der verwendeten Input-

Daten zu variieren. Im Folgenden erfolgt eine Modellbeschreibung basierend auf der

umfassenden Beschreibung von Leuthold et al. (2008). Diese Beschreibung bildet die

Grundlage für die Vorstellung der Modellanpassungen und Szenarienläufe in Kapitel A1.2. In

Kapitel A1.3 werden dann die Ergebnisse und Schlussfolgerungen präsentiert.


61

A1.1.2 Mathematisches Modell

A1.1.2.1 Grundmodell

Das Grundmodell von ELMOD basiert auf einer Maximierung der sozialen Wohlfahrt.

ELMOD berechnet hierfür ein partielles Marktgleichgewicht, d.h. ein Gleichgewicht im

Elektrizitätsmarkt; andere Sektoren werden nicht berücksichtigt. Der Berechnung der

sozialen Wohlfahrt liegen im Wesentlichen zwei Annahmen zugrunde: a) es herrscht

perfekter Wettbewerb, d.h. die Anbieter sind Preisnehmer und bieten zu Grenzkosten in den

Markt; b) die Nachfrage lässt sich durch eine preiselastische Nachfragefunktion abbilden. Die

Berechnung der Wohlfahrt wird durch Formel (1) beschrieben. Das dort abgebildet Integral

beschreibt die Fläche unter der inversen Nachfragefunktion p(q), welche von der

nachgefragten Menge q abhängt. Diese Fläche ist der gesamtwirtschaftliche Nutzen zu jeder

Zeiteinheit t und an jedem Netzknoten n. Davon werden die in einer Periode t und an einem

Netzknoten n angefallenen Kosten der Erzeugung c(g) abgezogen. Diese hängen von der

erzeugten Menge g ab. Der verbleibende Rest ist die Summe aus Produzenten- und

Konsumentenrente, also die soziale Wohlfahrt. Summiert man nun über alle t und alle n auf,

so erhält man die Gesamtwohlfahrt12.

(1)

N.B:

(2)

(3)

(4)

Restriktion (2) beschreibt die Lastflussgleichung. Aus ihr geht hervor, dass der Lastfluss P

über eine Leitung i zu keinem Zeitpunkt t größer sein darf als der maximale technisch

beherrschbare Lastfluss eben dieser Leitung. Nebenbedingung (3) wird oft als Energiebilanz

bezeichnet und trägt dem Grundprinzip der Energieerhaltung Rechnung. Die Energiemenge

g, die von allen Kraftwerkstypen s an einem Knoten n erzeugt wird, zuzüglich der von Wind

12 Da in dem Grundmodell nur maximal 24-Stunden-Berechnungen durchgeführt werden, ist eine Diskontierung

über die Zeiteinheiten hinweg nicht notwendig.


62

wi und Pumpspeicherkraftwerken PSP erzeugten Energie muss gleich der Energie sein, die

an einem Knoten n zur Befüllung von Pumpspeicherkraftwerken PSP, zur Befriedigung von

Nachfrage q und zur Einspeisung ins Netz ni benötigt wird. Diese Bedingung muss in allen

Zeiteinheiten t erfüllt sein. Die Variable ni kann dabei größer oder kleiner null sein. Alle

anderen Variablen sind positiv. Die Dualvariablen (sog. Schattenpreise) für Formel (3) geben

die Preise für Energie an einem Knoten n zum Zeitpunkt t wider. Formel (4) sorgt dafür, dass

die konventionellen Kraftwerkstypen s an Knoten n die ins Netz einspeisen, ihre technische

Restriktion bezüglich minimaler und maximaler Erzeugung einhalten. Diese Restriktion

resultiert aus der Tatsache, dass konventionelle Kraftwerke im Regelfall ihre Leistungsband

nicht beliebig zwischen 0 und 100% der Nennleistung abrufen können. Die Binärvariable on

gibt dabei den Status (an oder aus) eines Kraftwerks s an Knoten n in Zeiteinheit t an.

A1.1.2.2 Modellierung des Lastflusses

Der zuvor beschrieben Lastfluss P auf einer Leitung i wird berechnet auf Basis des DC Load

Flow Modells (DCLF) (vgl. Schweppe et al., 1988; Stigler und Todem, 2005). Dieses Modell

ermöglicht eine linearisierte Berechnung des elektrotechnischen Lastflusses und eine

quadratische Berechnung der auftretenden Leitungsverluste. Dadurch können

trigonmetrische Funktionen umgangen werden, die die Lösung des in Abschnitt A1.1.2.1

beschriebenen Optimierungsproblems erheblich erschweren würden.

(5)

(6)

Der Lastfluss zwischen zwei Netzknoten j und k, welche durch eine oder mehrere Leitungen

(z.B. durch Leitung i) verbunden sind, lässt sich als Produkt der Elemente der

Netzwerksuszeptanzmatrix B und des Spannungsphasenwinkelunterschieds zwischen den

betreffenden Knoten ermitteln (Formel (5)). Durch Formel (6) können zusätzlich die

auftretenden Netzverluste als Produkt der Elemente der Netzwerkresistanzmatrix R und dem

Lastfluss P zwischen den betreffenden Knoten berechnet werden. B und R sind dabei

Parameter welche sich aus der Netzwerktopologie ergeben und exogen in das

Optimierungsmodell eingehen. Formeln (5) und (6) lassen sich so umformulieren, dass man

P und ni in (2) und (3) ersetzen kann, so dass die Wohlfahrtsoptimierung unter

angemessenen Netzwerkrestriktionen erfolgt (vgl. Schweppe et al., 1988).

A1.1.2.3 Modellierung weiterer Erzeugungsrestriktionen

Formel (4) wird benötigt um minimale und maximale Erzeugungsrestriktion innerhalb einer

Zeiteinheit t zu implementieren. Erweitert man das Grundmodell um intertemporale


63

Restriktion, kann man zusätzlich durch Formeln (7a) und (7b) das An- und Abfahren

konventioneller Kraftwerke modellieren.

(7a)

(7b)

Dabei definiert Formel (7a) die Tatsache, dass ein einmal gestartetes Kraftwerk für eine

bestimmte Mindestdauer am Netz bleiben muss. Formel (7b) beschreibt hingegen den Fall,

dass ein einmal abgeschaltetes Kraftwerk für eine bestimmte Mindestdauer abgeschaltet

bleiben muss.

(8a)

(8b)

(8c)

Die Formeln (8a)-(8c) beschreiben weitere intertemporale Restriktionen für

Pumpspeicherkraftwerke. Formel (8a) regelt die Speicherführung eines

Pumpspeicherkraftwerkes. Der Speicherstand in einer Folgeperiode t+1 ist demnach genau

so hoch ist wie die Energiemenge, die in Periode t gespeichert war (PStore), abzüglich der

entnommenen Energiemenge, zuzüglich der Speicherbefüllung. Dabei wird ein

Gesamtwirkungsgrad für Pumpen und Erzeugung von 75% angenommen. Zusätzlich stellt

Formel (8b) sicher, dass die maximale Pumpen- bzw. Erzeugungskapazität PMax nicht

überschritten wird. Außerdem kann durch Formel (8c) nicht mehr vom Speicher entnommen

werden als in Zeitperiode t zur Verfügung steht (PStore).

A1.1.3 Datengrundlage

A1.1.3.1 Netztopologie

Der größtmögliche, in ELMOD implementierte, Detailgrad hinsichtlich der Netztopologie

basiert auf dem UCTE-Netz (vgl. Abbildung 54). Innerhalb des Modells sind alle verfügbaren

Leitungen und Netzknoten der UCTE-Netzkarte (UCTE, 2007) abgebildet. Der Detailgrad

kann allerdings je nach Untersuchungsgegenstand verringert werden.


64

Abbildung 54: Netztopologie

A1.1.3.2 Erzeugungskapazitäten

Zur Ermittlung des Kraftwerksparks und der Windeinspeisung werden für das Grundmodell

die Quellen ISET/IWES (2002), Greenpeace International und EWEA (2005), IEA (2007) und

VGE (2008) herangezogen. Die Ermittlung der Windeinspeisung erfolgt auf Basis der

tatsächlich installierten Winderzeugungskapazitäten. Die verwendeten Daten und

Grenzkosten der Erzeugung werden in Kapitel A1.2 projektspezifisch erläutert.

A1.1.3.3 Nachfrage

Um für das Grundmodell eine knotenspezifische Nachfrage zu erhalten, wird innerhalb des

Modells eine positive Korrelation zwischen Wertschöpfung (Bruttoinlandprodukt, BIP) und

Elektrizitätsnachfrage unterstellt. Weiterhin lässt sich die Nachfrage unterschiedlichen

Sektoren zuordnen: Haushalt, Industrie und Dienstleistungen. Basierend auf dem regionalen

BIP auf Euro NUTS 3 Ebene (Eurostat, 2006) und verfügbaren Standardlastprofilen (VDEW,

1999) für die einzelnen Sektoren werden unterschiedliche Referenznachfragen definiert.

Außerdem können diese für unterschiedliche Lastfälle variiert werden. Mithilfe dieser

Referenznachfragen und korrespondierenden Referenzpreisen werden dann die linearen

Nachfragefunktionen p(q) definiert, die in der Optimierung Anwendung finden (vgl. Leuthold

et al., 2005).


65

A1.2 Modellanpassungen und Szenarien im Rahmen des Projektes

SmartGrid Investor

A1.2.1 Modifiziertes Modell

Für die Berechnung bis 2050 wurde ein modifiziertes ELMOD mit Investitionsschritten von 10

Jahren, beginnend bei 2010, heran gezogen. Bedingt durch den langen Zeithorizont bis 2050

ist eine knoten-/leitungsscharfe Betrachtung nicht nötig und wurde durch eine vereinfachte

Netztopologie ersetzt, die ganz Europa in 105 Regionen zusammenfasst. Die Gliederung der

Regionen ist an das NUTS System der Europäischen Union angelehnt (Eurostat, 2008).

Abbildung 55: Netztopologie für SmartGrid Investor

Für das aktuelle Projekt wurde das ursprüngliche Model um einige Länder erweitert. Um die

zukünftige Entwicklung unter Einbezug von großen Mengen an erneuerbaren Energien

abbilden zu können, wurden Großbritannien, Skandinavien und weite Teile Ost- und

Südosteuropas berücksichtigt. Das Hochspannungsnetz ist vereinfacht durch

regionenüberschreitenden Leitungen abgebildet, welche über Hilfsknoten und Hilfsleitungen

and die Hauptknoten der Regionen angebunden sind. Damit bleiben alle Engpässe bei den


66

Übertragungskapazitäten sowohl zwischen den Ländern als auch zwischen den Regionen

der einzelnen Länder erhalten. Österreich ist im Model in drei Regionen aufgegliedert (Ost-,

Süd- und Westösterreich). Dabei umfasst Ostösterreich das Burgenland, Niederösterreich

und Wien, Südösterreich beinhaltet Kärnten und die Steiermark und Westösterreich setzt

sich aus Oberösterreich, Salzburg, Tirol und Vorarlberg zusammen.

Des weiteren ist eine stundengenaue Analyse bei einem Model dieses Umfanges nicht

praktikabel wenn gleichzeitig der fluktierende Charakter an erneuerbarer Energieerzeugung

(z.B. aus Windkraft) berücksichtigt wird. Daher ist hier ein Mittelweg gewählt, indem die

einzelnen Nachfrage und Einspeisefälle in 24 Zeitscheiben aufgelöst werden. Neben einer

saisonale Abgrenzung zwischen Sommer und Winter, sowie Tag und Nacht, und hohe und

niedrige Last, findet dabei eine Einteilung in hohe, mittlere und niedriege Windeinspeisung

statt (siehe Tabelle 4).

Tabelle 4: Übersicht Zeitscheiben

Abgebildete Zeitscheiben

Jahreszeit Winter Sommer

Tag/Nacht Nacht Tag Nacht Tag

Nachfrage Hoch Niedrig Hoch Niedrig Hoch Niedrig Hoch Niedrig

Wind ↑ → ↓ ↑ → ↓ ↑ → ↓ ↑ → ↓ ↑ → ↓ ↑ → ↓ ↑ → ↓ ↑ → ↓

Für das Referenzjahr ergeben dich damit acht verschiedene Nachfrageniveaus. Im Hinblick

auf die Stromproduktion haben diese Zeitscheiben auf brennstoffbefeuerte Kraftwerke keinen

Einfluss. Laufwasserkraftwerke und Photovoltaik werden in ihrer Ausbringungsmenge für

Sommer und Winter variiert, wobei Photovoltaik nur tagsüber Strom generiert.

Solarthermische Kraftwerke haben zudem thermische Speicher und können auch noch in der

Nacht eine gewisse Strommenge erzeugen. Die stärker fluktuierende Windkraft unterliegt

saisonalen Schwankungen zwischen Winter und Sommer innerhalb derer außerdem drei

verschiedene Erzeugungslevel implementiert sind.

Die im Grundmodell beschriebenen intertemporären Restriktionen für das Anfahren und

Abschalten von Kraftwerken sowie für Pumpspeicher sind nicht berücksichtigt. Zusätzlich

zum Grundmodell wird aber bei Wasserkraftwerken in Laufwasserkraftwerke und Reservoirs

unterschieden. Letztere sind z.B. als Talsperren oder Stauseen zu verstehen, die einen

jährlichen Zufluss an Wasser haben. Damit unterliegen sie zum einen der Beschränkung

durch die installierte Leistung des Wasserkraftwerks und zum anderen einer jählichen

maximalen Ausbringungsmenge durch den limitierten Wasserzufluss. Diese Reservoirs

können im Modell ihre jährlich zur Verfügung stehende Erzeugung auf die 24 Zeitscheiben

verteilen und damit sowohl Nachfragespitzen als auch den fluktuierenden Charakter von

anderen erneuerbaren Erzeugern ausgleichen.

Neben einer generell verstärkten Einbindung von Wind und Wasserkraft im nördlichen

Europa durch Ausbau der bestehenden Gleichspannungsübertragung zwischen


67

Skandinavien und Kontinentaleuropa, wird weiterhin auch ein Einsatz von solarthermischen

Kraftwerken in Südeuropa und dem Nahen Osten und Nordafrika (NONA)

szenarienabhängig betrachtet. Dazu ist ein Ausbau von Übertragungsleitungen mittels

Hochspannungsgleich-stromübertragung (HGÜ) nötig, um vor allem die Erzeugung aus der

NONA Region mit niedrigen Verlusten über weite Entfernung transportieren zu können.

Hierbei werden mit Marokko und Algerien, Tunesien und Libyen, sowie dem Nahen Osten

drei Erzeugungsregionen definiert die ihren Strom aus solarthermischen Kraftwerken in

verschiedene europäische Verbraucherzentren liefern können. Der optimale Ausbau dieser

verschiedenen Leitungsmöglichkeiten wird wohlfahrtsmaximierend für ganz Europa

bestimmt, wobei je HGÜ Leitung von einer Übertragungskapazität von 4 GW ausgegangen

wird (DLR, 2009).

Abbildung 56: Mögliche Leitungen für Einbindung von Strom aus den NONA Regionen

A1.2.2 Szenarien und Datensatz

Bei der Erstellung der drei Szenarien spielen die zwei Punkte Klimapolitik und

Nachfrageentwicklung die zentrale Rolle. Dabei wird auf Erzeugungsseite der Strompreis

durch die politisch bedingten Emissionskosten für Kohlendioxid beeinflusst, während auf der

Nachfrageseite die Entwicklung des Strombedarfs variiert wird. Daraus ergeben sich

verschiedene Mengen an installierter Leistung für erneuerbare Energieträger, und je nach

Nachfrage unterschiedliche Anteile erneuerbarer Erzeugung an der Gesamterzeugung.


68

Zudem resultieren verschiedene Preispfade für die, im Folgenden beschriebenen, Szenarien:

Basisszenario, Effizienzszenario und Wachstumsszenario.

Tabelle 5: Übersicht Szenarien

CO2 Zertifikatspreis in 2050

Nachfrageentwicklung 30 €/t CO2 Emission 100 €/t CO2 Emission

Nachfrageverdopplung Wachstumsszenario

Leichter Nachfrageanstieg Basisszenario Effizienzszenario

Für die ersten beiden Szenarien wird nur eine leicht ansteigende Stromnachfrage von heute

3.500 TWh auf 4.200 TWh in 2050 für die EU 30+ angenommen. Das Basisszenario

beinhaltet dabei einen Preispfad für Emissionszertifikate von 13 €/t CO2 auf 30 €/t CO2 in

2050, wohingegen das Effizienzszenario von 100 €/t CO2 ausgeht. Das Wachstumsszenario

sieht im Gegensatz zu den anderen beiden Szenarien eine Verdopplung des europäischen

Strombedarfs auf 7.000 TWh bis 2050 und Zertifikatkosten von 65 €/t CO2 vor. Basierend auf

Wachstumsprognosen der nationalen Bevölkerung und der Wirtschaftsleistung wird für die

im Modell implementierten Staaten die zukünftige Nachfrage definiert (Eurostats, 2009; UN,

2009).

Bei den Brennstoffpreisen wird für alle drei Szenarien von einem einheitlich vorgegebenen

Preispfad ausgegangen, wodurch mögliche Auswirkungen von verschiedenen

Nachfrageentwicklungen auf die Brennstoffpreise nicht berücksichtigt werden. Da die im

europäischen Stromsektor benötigten Brennstoffmengen im Vergleich zur globalen

Nachfrage eher gering sind, werden die Brennstoffpreise als exogen angenommen.13 Der

Preiszuwachs variiert jedoch für die eingesetzten Brennstoffe. Durch die geringeren

Reserven bei Öl und Gas wird die Preiszuwachsrate mit 2,5% angenommen. Als Basispreis

dient der Futures Preis der EEX (2009) und der NYMEX (2009) für 2010 mit 70 $/bbl für Öl

und 5.8 $/MBtU für Gas. Der Uranpreis wächst ausgehend von 123 $/t mit jährlich 2,0 %,

bedingt durch die zunehmende Knappheit. Einzig die Reserven an Kohle und Braunkohle

haben bei derzeitiger Produktion noch ausreichend Vorkommen von circa 200 Jahren. Mit

Hinblick auf die auch historisch niedrigen Preissteigerungsraten wird deshalb von 1 %

Zuwachs bis 2050 ausgegangen, bei einem Basispreis von 116 $/t für Steinkohle und 3,5

€/MWhth für Braunkohle. Biomasse wird mit einem Basispreis von 21,6 €/MWhth und einer

Steigerungsrate, bedingt durch zunehmende Nachfrage, von 1,5 % angenommen, während

alle übrigen betrachteten regenerativen Energiequellen keinen Brennstoff benötigen.

13 Das Wachstum von 3500 TWh im Wachstumsszenario entspricht ca. 3 % des globalen Primärenergiebedarfs

(BP, 2009).


69

Tabelle 6: Entwicklung der Brennstoffpreise

Wachstumsrate Preise in 2010

Öl 2,50% 70 $/bbl

Gas 2,50% 5,8 $/MBtU

Kohle 1.00% 116 $/t

Braunkohle 1,00% 3,5 €/MWhth

Uran 2,00% 123 $/kg

Biomasse 1,50% 21,6 €/MWhth

Quelle: Eigene Berechnung; EEX (2009); NYMEX (2009).

Das Basisszenario geht hinsichtlich der Stromnachfrage von einer Zukunft aus, in der Strom

weiterhin in den heutigen Anwendungsbereichen eingesetzt wird, aber keine nennenswerte

Ausbreitung in den Transport- und Heizungsbereich erfährt. Während in einigen noch

weniger entwickelten Ländern Europas ein starker Nachfragezuwachs anzunehmen ist,

stagniert der Bedarf im restlichen Europa ab 2010 bzw. 2020. Für die Entwicklung der

Zertifikatskosten auf Emissionen von Kohlendioxid wird eine moderate Steigerung auf

nominal 30 €/t CO2 angenommen, was in etwa einer Verdopplung zum heutigen Niveau

entspricht. Dies hat zur Folge, dass die Erzeugung von Strom im Grundlastbereich weiterhin

am günstigsten mit Kohle zu bestreiten ist und damit keine Grundlage für einen Rückgang

der Kapazitäten von Kohlekraftwerken besteht. Die Verstromung von Erdgas mittels Gas-

und Dampfkraftwerken (GuD) kommt damit auch in Zukunft nur im Mittellastbereich zum

Einsatz. Durch die relativ niedrigen Zertifikatspreise schafft es Biomasse bis 2050 nicht,

gegenüber gasbefeuerten GuD Kraftwerken konkurrenzfähig zu werden und führt nur ein

Randdasein. Bei den erneuerbaren Energieträgern verzeichnet einzig die Windkraft

nennenswerte Zuwächse, sowohl onshore als auch offshore. Dies ist vor allem darin

begründet, dass die Erzeugung von Strom aus Windenergie heute schon teilweise

wirtschaftlich betrieben werden kann. Solarthermische Stromerzeugung in Südeuropa und

mittels Importen aus Afrika kommt nicht über einzelne Pilotprojekte hinaus.

Insgesamt erfährt die Stromerzeugung in diesem Szenario keine grundlegende

Strukturänderung. Fossile Energieträger werden auch weiterhin in 2050 zur Erzeugung von

fast zwei Drittel des Stromerbedarfs heran gezogen, wobei Kohle durch die niedrigere

Preissteigerung gegenüber Gas noch an Bedeutung gewinnt. Der Anteil erneuerbarer

Stromerzeugung nimmt insgesamt kaum zu. Die leichte Nachfragesteigerung kann aber mit

dem Ausbau von erneuerbaren Erzeugungskapazitäten, hauptsächlich der Windkraft,

gedeckt werden.

Das Effizienzszenario ist hinsichtlich der Nachfrageentwicklung identisch zum Basisszenario,

indem es einen leichten Zuwachs bis 2050 für die EU30+ prognostiziert. Der große


70

Unterschied liegt in der starken politischen Fokussierung auf die Begrenzung des

Treibhausgasausstoßes und die dafür notwendigen stark ansteigenden Zertifikatskosten für

die Emission von Kohlendioxid. Der Preis pro emittierte Tonne wird im Effizienzszenario für

2050 bei 100 €/t CO2 angenommen. Durch diese politische Maßnahme verteuert sich

jegliche auf fossilen Brennstoffen basierende Stromproduktion je nach Kohlenstoffgehalt des

Brennstoffes. Hierbei haben Braunkohle und Steinkohle deutliche Nachteile gegenüber der

Verstromung von Gas und werden nach und nach aus dem Markt gedrängt. GuD Kraftwerke

rücken dabei zunehmend auch in den Grundlastbetrieb vor. Bis 2050 wird von einem fast

vollständigen Verschwinden von Kohlekraftwerken in Europa ausgegangen. Des Weiteren

sieht das Effizienzszenario einen Ausstieg aus der Kernenergie vor, der bis 2050 fast

abgeschlossen ist. Die Stromerzeugung wird in 2050 zu einem Drittel mit Gas bestritten

werden, während der Rest von erneuerbaren Energieträgern gedeckt wird. Zusätzlich zu

einem leicht stärkeren Ausbau der Windkraft im Vergleich zum Basisszenario, sind die

größten Unterschiede im Hinblick auf solarthermische Kraftwerke und Biomasse zu

verzeichnen. Biomasse kann durch die höheren Zertifikatspreise wettbewerbsfähig auf dem

Markt bestehen und erzeugt bis 2050 etwa 10 % der Stromnachfrage. Mittels

solarthermischen Kraftwerken in Südeuropa und hauptsächlich in Nordafrika und dem

Mittleren Osten können weitere 15 % der jährlichen Nachfrage gedeckt werden. Diese

Erzeugung außerhalb von Europa wird mittels Hochspannungsgleichstromübertragung in die

Europäischen Verbraucherzentren (hauptsächlich Spanien, Frankreich, Italien, Griechenland,

Rumänien und die Türkei) importiert, wobei die Einbindung der Kapazitäten ins Europäische

Netz durch das Ziel der Wohlfahrtsmaximierung bestimmt wird.

Das Wachstumsszenario sieht im Unterschied zu den beiden anderen Szenarien eine

Verdopplung der Stromnachfrage bis 2050 vor. Diese ist bedingt durch stärkeres

Wirtschaftswachstum, vor allem aber durch einen zukünftig höheren Bedarf an Strom im

Transportsektor (Elektromobilität). Da es aufgrund der europäischen Klimaziele als

unwahrscheinlich anzusehen ist, dass dieses Szenario alleine mit massivem Ausbau an

fossilen Energieträgern erfolgen kann, wird nur ein Ausbau an erneuerbaren Energieträgern

im gleichen umfang wie im Effizienzszenario untersucht. Bedingt durch die stark ansteigende

Stromnachfrage wird von einer intensiveren staatlichen Förderung von erneuerbaren

Energien ausgegangen, wodurch derselbe Ausbau mit niedrigeren Zertifikatspreisen erreicht

werden kann (65 €/t CO2 in 2050). Im Bereich der fossilen Energieträger werden auch

zukünftig Erzeugungskapazitäten mittels Kohle und Kernenergie im heutigen Maßstab

benötigt. Insofern der Zubau an erneuerbaren Energieträgern die steigende Nachfrage nicht

decken kann wird angenommen, dass diese Lücke mit GuD Kraftwerken und Gasfeuerung

geschlossen wird, da derartige Kraftwerke durch bessere Regelbarkeit den schwankenden

Charakter von erneuerbaren Energien besser abfedern können. Sämtliche erneuerbare

Erzeugungstechnik wird wie im Effizienzszenario angenommen, wobei bedingt durch die

höhere Nachfrage des Wachstumsszenarios der Anteil an der Gesamterzeugung geringer

ausfällt.


71

A1.3 Entwicklung der Rahmenbedingungen auf den Energiemärkten

für Österreich

Im Folgenden wird auf die Preisentwicklung in Österreich bis 2050 eingegangen, wobei ein

Preis für ganz Österreich jeweils für Sommer und Winter sowie Tag und Nacht gebildet wird.

Diese Strompreise werden für die verschiedenen Szenarien erläutert und Einflussfaktoren

diskutiert.

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

160,0

2010 2020 2030 2040 2050 Jahr

[€/MWh]

Winter Nacht Winter Tag Sommer Nacht Sommer Tag

Abbildung 57: Preisentwicklung in den Szenarien für Österreich

Bedingt durch die höheren Zertifikatspreise für Kohlendioxidemissionen sind die Preise im

Effizienzszenario am höchsten. Das Basisszenario hat durch die geringen Zertifikatspreise

die niedrigsten Stromkosten, während das Wachstumsszenario dazwischen angesiedelt ist.

Im Basisszenario bedingen die niedrigen Kosten für Kohlendioxidemissionen geringe

Stromentstehungskosten bei Feuerung mit fossilen Brennstoffen. Dies hat zur Folge, dass

der Anteil an erneuerbarer Erzeugung zwar gering bleibt, aber der Strompreis bis 2050 nur

eine geringe Preissteigerung von 50% gegenüber 2010 erfährt. Zudem sind die Strompreise

verglichen mit den anderen beiden Szenarien sehr homogen, da herkömmliche Kraftwerke

keine Fluktuation in der Erzeugung haben, wie dies bei z.B. Solarkraftwerken der Fall ist. Die

Preise im Basisszenario ist daher hauptsächlich von der Entwicklung der Brennstoffpreise

wie Kohle und Gas abhängig.

Effizienzszenario

Wachstumsszenario


72

Tabelle 7: Basisszenario Preise

[€/MWh] Winter Sommer

Jahr Nacht Tag Nacht Tag

2010 33,9 35,5 32,4 35,2

2020 46,3 47,0 45,3 46,7

2030 53,1 57,5 50,4 54,7

2040 55,9 58,7 54,0 56,4

2050 61,9 64,7 59,8 62,6

Das Effizienzszenario nimmt im Vergleich zum Basisszenario stark steigende

Zertifikatspreise für Kohlendioxidemissionen an. Dies führt zum einen zu einem stärkeren

Ausbau von erneuerbaren Erzeugungskapazitäten, bedingt aber auch eine Verteuerung des

Strompreises. Bis 2050 steigt dieser mit im Schnitt auf 120 €/MWh und damit auf das

doppelte Niveau des Basisszenarios. Obwohl zwei Drittel der Erzeugung durch erneuerbare

Energieträger erfolgt und deren kurzfristige Erzeugungskosten bei fast 0 €/MWh liegen,

haben sie kaum positive Auswirkungen auf den Strompreis. Dieser würde erst auf die

Erzeugungskosten der erneuerbaren Erzeugungskapazitäten zurückgehen, wenn in einer

Zeitscheibe 100 % der Erzeugung durch erneuerbare Kapazität erzeugt wird. Ansonsten

bleibt das marginale den Preis bestimmende Kraftwerk überwiegend das GuD Kraftwerk mit

Gasfeuerung.

Tabelle 8: Effizienzszenario Preise



2010 34,1 35,7 32,5 35,4

2020 58,8 59,8 57,2 59,2

2030 91,2 99,4 79,9 85,3

2040 118,1 121,8 97,3 103,6

2050 136,7 130,1 115,0 117,5

Im Wachstumsszenario wird zwar von einem starken Ausbau der Erzeugungskapazitäten

von erneuerbaren Energien ausgegangen, durch die steigende Stromnachfrage haben

fossile Energieträger aber auch weiterhin einen großen Anteil im Energiemix. Preislich ist

das Szenario zwischen den beiden anderen Szenarien anzusiedeln. Die Preisschwankungen


73

hängen sehr stark von der installierten Leistung an Mittellastkraftwerken ab, sind aber im

Allgemeinen niedriger als im Effizienzszenario, da der Anteil an erneuerbarer

Energieerzeugung geringer ist.

Tabelle 9: Wachstumsszenario Preise



2010 34,1 35,7 32,5 35,4

2020 53,9 56,4 51,4 53,8

2030 67,3 69,2 66,4 68,2

2040 89,7 99,0 76,5 82,6

2050 109,9 112,1 103,1 106,8

Insgesamt ist festzuhalten, dass die Preise zum einen sehr stark durch den Zertifikatspreis

beeinflusst werden. Darüber hinaus unterliegen das Effizienzszenario und das

Wachstumsszenario in der Erzeugung größeren Schwankungen durch stärkeren Ausbau von

erneuerbaren Erzeugungskapazitäten, wodurch der Einsatz von Gasturbinen als Ausgleich in

einigen Zeitscheiben den Preis zusätzlich erhöht.

Quellenverzeichnis des Anhang 1

BP (2009): BP Statistical Reviewof World EnergyJune 2009. Verfügbar online:

http://www.bp.com/liveassets/bp_internet/globalbp/globalbp_uk_english/reports_and_pub

lications/statistical_energy_review_2008/STAGING/local_assets/2009_downloads/statisti

cal_review_of_world_energy_full_report_2009.pdf.

DLR (2009): REACCESS report, Characterisation of Solar Electricity Import Corridors from

MENA to Europe. Verfügbar online:

http://www.dlr.de/tt/Portaldata/41/Resources/dokumente/institut/system/publications/Solar

_import_DLR_2009_07.pdf.

EEX (2009): Verfügbar online: http://www.eex.com/en/.

Eurostat (2006): National Accounts (Including GDP). Statistische Amt der Europäischen

Gemeinschaften. Verfügbar online: http://epp.eurostat.ec.europa.eu.

Eurostat (2008): Systematik der Gebietseinheiten für die Statistik - NUTS, Systematik der

statistischer Regionen für Europa. Statistische Amt der Europäischen Gemeinschaften.

Verfügbar online: http://ec.europa.eu/eurostat/ramon/nuts/home_regions_de.html.

Freund, Karen, Hannes Weigt und Till Jeske (2006): Nodal Pricing of the European

Electricity Grid – A Welfare Economic Analysis for Feeding-in Offshore Wind Electricity.


74

Working paper WP-EM-10, Lehrstuhl für Energiewirtschaft und Public Sector

Management, Technische Universität Dresden. Verfügbar online: http://www.tu-

dresden.de/wwbwleeg/publications/wp_em_10_freund_weigt_jeske_nodal_%20pricing_n

w_europe.pdf

Greenpeace International und EWEA (2005): Wind Force 12 – A Blueprint to Achieve 12% of

the World’s Electricity from Wind Power by 2020. Global Wind Energy Council. Verfügbar

online: http://www.gwec.net/fileadmin/documents/Publications/wf12-2005.pdf.

IEA (2007): World Energy Outlook 2006. Paris: OECD/IEA.

ISET/IWES (2002): Räumliche Verteilung der Installierten Nennleistung (Planflächen). Institut

für Solare Energieversorgungstechnik, Kassel, Deutschland. Verfügbar online:

http://reisi.iset.uni-kassel.de/pls/w3reisidad/wwwreisipage.showmenu?p

name=121017&p lang=ger.

Leuthold, Florian, Hannes Weigt und Christian von Hirschhausen (2008): ELMOD - A Model

of the European Electricity Market. Working paper WP-EM-00, Lehrstuhl für

Energiewirtschaft und Public Sector Management, Technische Universität Dresden.

Verfügbar online: http://www.tu-

dresden.de/wwbwleeg/publications/wp_em_00_ELMOD.pdf.

Leuthold, Florian, Ina Rumiantseva, Hannes Weigt, Till Jeske und Christian von

Hirschhausen (2005): Nodal Pricing in the German Electricity Sector – A Welfare

Economics Analysis, with Particular Reference to Implementing Offshore Wind

Capacities. Working paper WP-EM-08a, Lehrstuhl für Energiewirtschaft und Public

Sector Management, Technische Universität Dresden. Verfügbar online: http://www.tu-

dresden.de/wwbwleeg/publications/wp_em_08a_leuthold_rumiantseva_weigt_et%20al_n

odal_%20pricing_germany.pdf.

NYMEX (2009): Verfügbar online: http://www.nymex.com/index.aspx.

Schweppe, Fred C., Richard D. Caramanis, Michael C. Tabors und Roger E. Bohn (1988):

Spot Pricing of Electricity. Kluwer, Boston.

Stigler, Heinz und Christian Todem (2005): Optimization of the Austrian Electricity Sector

(Control Zone of VERBUND APG) under the Constraints of Network Capacities by Nodal

Pricing. In: Central European Journal of Operations Research, 13. Jg., S. 105-125.

UCTE (2007): Interconnected Network of UCTE. Dortmund, Abel Druck.

UN (2009): World Population Prospect. Verfügbar online: http://esa.un.org/unpp/.

VDEW (1999): Lastprofile. VDEW, Frankfurt (Main).

VGE (2008): Jahrbuch der Europäischen Energie- und Rohstoffwirtschaft 2006. Essen:

Verlag Glückauf.

Weigt, Hannes (2006): A Time-Variant Welfare Economic Analysis of a Nodal Pricing

Mechanism in Germany. Working paper WP-EM-11, Lehrstuhl für Energiewirtschaft und

Public Sector Management, Technische Universität Dresden. Verfügbar online:

http://www.tu-

dresden.de/wwbwleeg/publications/wp_em_11_weigt_nodal_%20pricing_germany_time.

pdf.


75

A2 Umsetzung des Modellierungsansatzes und Asset-

Management

A2.1 Flussdiagramm der Modellierung

Um das oben beschrieben ökonomische „Trade-Off“-Kriterium auf jährliche Basis zu

ermitteln, müssen zuerst die weiteren Kriterien bzw. Restriktionen der Modellierung

festgelegt werden.

Es gibt 3 wichtige Kriterien/Restriktionen, die erfüllt werden müssen, egal wie das zukünftige

Netz aussehen wird:

1. Die Höhe der Reinvestitionen in das Übertragungs- und Verteilnetz, abhängig von der

Struktur des Netzes, muss in den verschiedenen Fällen vordefiniert sein. Damit ist

gemeint, es muss sich ökonomisch widerspiegeln, ob es weiterhin ein passives Netz

geben wird oder in welchem Ausmaß aktive Netzbereiche mit SmartGrid-Konzepten

zum Einsatz kommen.

2. Um für Österreich eine ausbalancierte Stromversorgung zu erreichen, ist die

zukünftig zu erwartende Schere zwischen Erzeugung und Verbrauch zu schließen.

Durch die in Kapitel 3.2 beschriebene „Sterberate“ des derzeitigen Kraftwerkparks

und dem anzunehmenden steigenden Stromverbrauch wird diese Schere immer

größer.

3. Klimapolitische Zielsetzungen sollen vor allem durch den vermehrten Einsatz von

dezentraler erneuerbarer Stromerzeugung erreicht werden.

Da im Rahmen dieses Projekts das zukünftige österreichische Energiesystem im Detail

untersucht wird, wird bei der empirischen Skalierung speziell auf die in Österreich

vorherrschenden Erzeugungstechnologien und erneuerbare Potentiale eingegangen. Weiters

wird im Rahmen der Modellierung die Einführung von finanziellen Anreizen (bzw. auch

Restriktionen) zur Förderung der Marktdurchdringung von SmartGrid-Konzepten ermöglicht.

Aus den oben erwähnten Vorgaben, Kriterien und Restriktionen wird das in Abbildung 58

dargestellte Flussdiagramm entworfen. Dieses dient als Grundlage zur Umsetzung des

Programmablaufs der Simulationssoftware (siehe Kapitel A2.2 im Detail).


76

Abbildung 58: Flussdiagram - Modellierungsansatz

A2.2 MATLAB Simulationsmodell

A2.2.1 Absetzung des Flussdiagramms

Als Plattform für die Simulationssoftware dient die Software MATLAB. Für die vorgegebenen

Variablen und zur Berechnung der spezifischen Erzeugungs- und Netzkosten werden Excel-

Tabellen angelegt und diese von der Software eingelesen.

Es werden drei Excel-Dateien mit folgenden Inhalten verwendet:

Parameter für konventionelle zentrale Kraftwerkstypen und Großwasserkraftwerke

Parameter für dezentrale erneuerbare Erzeugung

verschiedene Berechnungsparameter

Die unterschiedlichen Parameter in den Excel-Dateien werden auf jährlicher Basis für die

Periode 2010 – 2050 definiert, und sehen wie folgt aus:


77

Parameter der Erzeugungstechnologien:

Investitionskosten [€/MW]

Wartungskosten [€/MW/Jahr]

Brennstoffkosten [€/MWh]

Volllaststundenzahl [h]

Maximale Laufzeit [Jahre]

Abschreibdauer [Jahre]

Maximal installierte Leistung [MW]

nur für konventionelle Erzeugung: CO2-Zusatzkosten [€/MWh]

nur für dezentrale erneuerbare Erzeugung: fix erwartete bzw. verpflichtende

installierte Leistungen bedingt durch gesetzliche Vorgaben [MW]

Berechnungsparameter:

Tatsächliche angebotene Kraftwerkskapazitäten [MW]

Nachfrageseitige Last [MW]

Verpflichtender Anteil an dezentraler erneuerbarer Erzeugung bezogen auf die

Gesamterzeugung [%]

„Smartheitsgrad“ bei SmartGrid-Konzepten [%] (gibt an, wie hoch der Anteil an

SmartGrid-Konzepten am gesamten Netz ist)

Zusätzlicher Anteil an dezentraler erneuerbarer Erzeugung bei SmartGrid-Konzepten

[%]

Nachfrageverringerung durch SmartGrid-Konzepte [%]

installierte dezentrale erneuerbare Kraftwerkskapazitäten ohne Kleinwasserkraft im

Jahr 2010 [MW]

„Sterbedauer“ der installierten dezentralen erneuerbaren Kraftwerkskapazitäten ohne

Kleinwasserkraft [Jahre]

Zeitraum der Verteilung der benötigten Kraftwerkskapazitäten des thermischen

Kraftwerkparks des Jahres 2010 [Jahre]

Anfangsvermögenswert des Übertragungs- und Verteilnetz vor dem Jahr 2010 für

das Anlagenvermögensmanagement [€]

Abschreibungswert alt des Übertragungs- und Verteilnetz für das

Anlagenvermögensmanagement vor dem Jahr 2010 [€]

Anfangsvermögenswert des Übertragungs- und Verteilnetz für das

Anlagenvermögensmanagement nach dem Jahr 2010 [€]

Zinssatz für die Berechnung der Grenzkosten der Erzeugung [%]

Kostensteigerungsrate für die Berechnung der Grenzkosten der Erzeugung [%]

Abschreibungsdauer der Übertragungs- und Verteilnetze [Jahre]

Bezugswerte für die Netzberechnung (Investitionsbezug und minimale Investition) [€]

Bruttostromverbrauch Österreichs [MWh]

Förderung von SmartGrid-Konzepten [€/MWh]


78

Abgeleitet vom überblicksartigen Flussdiagramm des Modellierungsansatzes in Abbildung 58

werden nachfolgend in Abbildung 59 die einzelnen Berechnungsschritte der

Simulationssoftware in einem viel detaillierterem Flussdiagramm dargestellt.

Jährlicher Berechnungsdurchlauf

Daten aus Excel-

Tabellen einlesen

Start MATLAB –SGI - Programm

Asset-Management

Berechnung der spezif. Erzeugungskosten und aufsteigende Sortierung

Überprüfung gleicher Werte

jährliche vorhandene Kapazitäten + noch nicht verwendete Kapazitäten

Überprüfung gleicher Kapazitätswerte

Aufsteigende Sortierung der Kapazitäten nach spezif. Erzeugungskosten

Berechnung der Schere: Anteil DG/RES und Anteil BAU

Auffüllen des BAU-Anteils der SchereBestimmung der Grenzkosten

Jährliche Dekrementierung der Lebensdauer der eingesetzten Technologien

Berechnung des tatsächlichen Anteil an DG/RES

Berechnung der nicht verwendeten Kapazitäten

Spezifische Netzkostenberechnung

Ausgabe ökonomischer Vergleich:CErz_Zent + CÜ&V-Netz_Zent < CErz_Dezent + CÜ&V-Netz_SmartGRid

Grafische Ausgabe

Ende

Datenspeicherung in Excel-Datei

Auffüllen des DG/RES-Anteils der SchereBestimmung der Grenzkosten

Überprüfung ob genügend Kapazitäten vorhanden?

„Doppelter Eingabewert“

„Doppelter Rechenwert“

„Zu wenig Kapazitäten vorhandent“

„Anreize für SmartGrids erhöhen“

„SmartGrid wirtschaftlicher“

Berechnung abbrechen? [y]

Nein

Nein

Ja

Ja

t-1

Wahr

Wahr

Falsch

Falsch

Erforderliche thermische installierte Leistungen des Jahres 2010 auf definierte Jahre umlegen

Abbildung 59: Flussdiagramm Simulationssoftware


79

Programmbeschreibung:

Zuerst werden alle oben beschriebenen Parameter aus den Excel-Dateien eingelesen und

unter unterschiedlichen Variablen als Matrizen abgespeichert. Im Rahmen der

Wirtschaftlichkeitsberechnung wird dann für jedes Jahr das Flussdiagramm durchlaufen. Am

Ende jeder Jahresberechnung wird das in Kapitel 3.1 beschriebene „Trade-Off“-Kriterium

angewandt und es erfolgt eine Ausgabe, ob ein Netz mit SmartGrid-Konzepten wirtschaftlich

ist oder ob noch finanzielle Anreize nötig sind. Nach der Beendigung der Berechnung mit

dem Jahr 2050 werden die jeweiligen Grenzkosten der Erzeugung und die Netzkosten

grafisch dargestellt.

Die Berechnungsschritte sehen wie folgt aus:

1. Netzkostenberechnung:

Bei der Netzkostenberechnung werden die voraussichtlichen zukünftigen

Reinvestitionskosten errechnet. Diese absoluten jährlichen Werte werden mittels

Anlagenvermögensmanagement („Fixed-Assets-Management“), das in Kapitel A2.2.2

im Detail beschrieben ist, und den „alten“ Abschreibungsraten der bereits

bestehenden Anlagen zu jährlichen Abschreibungskosten berechnet. Die

spezifischen jährlichen Netzkosten ergeben sich aus den Abschreibungen bezogen

auf den Bruttostromverbrauch.

2. Berechnung der spezifischen Erzeugungskosten:

Anschließend werden die spezifischen Erzeugungskosten mit Hilfe der

Annuitätenmethode berechnet und in weiterer Folge in aufsteigender Reihenfolge

sortiert. Durch die Sortierung („Merit Order“) werden die unterschiedlichen

Erzeugungstechnologien an unbestimmte Matrizenspalten gesetzt. Daher müssen die

Werte der installierten Leistungen ebenfalls in den korrespondierten Matrizenspalten

vertauscht werden.

3. Auffüllen der Schere zwischen Nachfrage und Angebot:

Zur Auffüllung der Schere zwischen Nachfrage und Angebot wird der Differenzbetrag

in zwei Bereiche aufgeteilt:

a) Die Höhe der benötigten dezentralen erneuerbaren Kraftwerkskapazität ergibt

sich aus der Differenz des gewünschten Anteils an dezentraler erneuerbarer

Erzeugung (bezogen auf die Nachfrage) und dem vorhandenen Anteil an

dezentraler erneuerbarer Erzeugung des Angebots. Es wird angenommen,

dass durch das Ökostromgesetz ein verpflichtender/erwarteter fixer Wert an

installierten Leistungen vorgegeben wird. Der restliche Teil des geforderten

Anteils an dezentraler erneuerbarer Erzeugung wird mit jener noch

vorhandenen Kapazität aufgefüllt, die die geringsten spezifischen

Erzeugungskosten aufweist. Wird diese vollkommen ausgeschöpft, so wird

die nächstgereihte dezentrale erneuerbare Technologie verwendet. Dies geht

so weiter, bis der geforderte Anteil der dezentralen erneuerbaren Erzeugung


80

aufgefüllt ist. Dies entspricht der am Strommarkt angewandten „Merit Order“.

Es kann durch die Vorgabe der jährlich maximal installierten Leistungen zu

drei Varianten der Berechnung der Kapazitäten dezentraler erneuerbarer

Erzeugung kommen:

Es sind genügend dezentrale erneuerbare Kapazitäten vorhanden, somit

wird der gewünschte Anteil an dezentraler erneuerbarer Erzeugung

entsprechend der „Merit Order“ aufgefüllt. Überschüssige dezentrale

erneuerbare Kapazitäten stehen für den allgemeinen BAU-Anteil zur

Verfügung.

Es sind nicht genügend dezentrale erneuerbare Kapazitäten vorhanden,

so werden die maximal verfügbaren Kapazitäten eingesetzt; es wird also

der gewünschte Anteil an dezentraler erneuerbarer Erzeugung am

Gesamtverbrauch nicht erreicht und somit muss der Rest mit

konventioneller Erzeugung aufgefüllt werden.

Die benötigen Kapazitäten an dezentraler erneuerbarer Erzeugung sind

kleiner als der im Ökostromgesetz verpflichtende bzw. erwartete Anteil an

vorgesehenen Leistungen; daher werden die im Ökostromgesetz

vorgegebenen Leistungen installiert. Das bedeutet, dass der Anteil der

dezentralen erneuerbaren Erzeugung am Gesamtverbrauch höher ist als

der gewünschte Anteil.

b) BAU- („business as usual“) Anteil, der sich aus der Schere ergibt, wenn der

Differenzbetrag bereits um den Anteil an dezentraler erneuerbarer Erzeugung

verringert wird. Der BAU-Anteil wird dabei mit den konventionellen und

dezentralen erneuerbaren Erzeugungstechnologien gemäß der „Merit Order“

aufgefüllt.

Somit ergeben sich die jeweiligen Erzeugungskosten der Grenzkraftwerke in den

Fällen a) und b).

4. Verteilung der neu benötigten (2010) thermischen Kraftwerkskapazitäten:

Nur für das Jahr 2010 (also für den ersten Programmdurchlauf) werden die neu

benötigten thermischen (konventionellen) Kraftwerkskapazitäten auf eine in den

Berechnungsparametern definierte Periode aufgeteilt.

5. Anpassung der Lebensdauer der Kraftwerkskapazitäten:

Die Lebensdauer der eingesetzten Technologien wird pro Durchlauf um ein Jahr

verringert. Ist das Ende der Lebensdauer erreicht, wird der Verlust an

Erzeugungsleistung im nächsten Programmdurchlauf bei der Ermittlung der Schere

zwischen Nachfrage und Angebot berücksichtigt.

6. Bestimmung des tatsächlichen Anteils dezentraler erneuerbarer Stromerzeugung:

Der tatsächliche Anteil an dezentraler erneuerbarer Stromerzeugung an der

Gesamtstromerzeugung wird ebenfalls berechnet, da die Möglichkeit besteht, dass


81

dezentrale erneuerbare Erzeugungstechnologien billiger sind als konventionelle und

bei vorhandenen Kapazitäten diese in die BAU-Berechnung einfließen können.

7. Berechnung der nicht verwendeten Kraftwerkskapazitäten:

Werden nicht alle vorgegebenen installierten Leistungen je Erzeugungstechnologie

verwendet, werden diese in die darauf folgenden Jahre mitgenommen.

8. Berechnung der spezifischen Netzkosten:

Die spezifischen Netzkosten errechnen sich aus der Höhe der gesamten jährlichen

Abschreibungen (ermittelt aus dem Anlagenvermögensmanagement) im Verhältnis

zum Bruttostromverbrauch (siehe auch Kapitel A2.2.2).

9. Ausgabe des ökonomischen „Trade-Off“-Kriteriums:

Die Berechnung kann nun für das nächste Jahr fortgesetzt oder abgebrochen

werden.

10. Ende des Programmdurchlaufs:

Nach Beendigung der Berechnungen werden die Netzkosten und die Grenzkosten

grafisch ausgegeben.

11. Datensicherung:

Zur Datensicherung werden ausgewählte Ergebnisse in einer Excel-Datei gesichert.


82

A2.2.2 Modellierung des Anlagenvermögensmanagements der Netze

Die Berechnung des Anlagenvermögensmanagement ist, wie im Flussdiagramm in

Abbildung 59: Flussdiagramm Simulationssoftware dargestellt ist, der erste

Berechnungsschritt in der Modellierungssoftware. Das bedeutet für das

Anlagenvermögensmanagement der Netze, dass der Anlagenvermögenswert der Netze auf

einen bestimmten Zeitraum mit fixen Abschreibungen finanziert wird. Die

Anlagenvermögensverwaltung berechnet somit den jährlichen Kapitalwert der Netze am

Anfang und am Ende des Jahres und die jährlichen Abschreibungskosten. Werden neue

Investitionen in die Netze getätigt, so werden die Abschreibungen der beiden Anlagen

addiert. Die Summe des Anfangswertes und der Investition abzüglich der Abschreibung

ergeben den Endwert.

Den Anfangs- bzw. Endwert kann man als das Anlagenvermögen im betrachteten Zeitpunkt

betrachten.

Einfaches Beispiel:

Investition im 1. Jahr: 400oI

Abschreibdauer: 40 Jahre

Abschreibung: 100 a

Investition im 2.Jahr: 4001 I

Abschreibdauer: 40 Jahre

Abschreibung: 101 a

usw.

Daraus ergibt sich folgende Anlagenvermögensmanagement-Tabelle:

Tabelle 10: Anlagenvermögensmanagement der Netze

Jahr 1 2 3 4 5 6

Anfangswert 0 390 770 1140 1500 usw.

Investition 400 400 400 400 400 usw.

Abschreibung 10 20 30 40 50 usw.

Endwert 390 770 1140 1500 1850 usw.

Wird ein Zeitraum länger als die Abschreibungsdauer betrachtet, fällt die jeweilige

Abschreibung aus der Berechnung heraus. Die Höhe aller Abschreibungen verringert sich

um diesen Wert. Abbildung 60 zeigt die Werte für das Anlagenvermögensmanagement für

das österreichische Übertragungs- und Verteilnetz von 1945-2009. Wie aus dem

Kurvenverlauf ersichtlich ist, sinkt der Vermögenswert der Anlagen, wenn langfristig keine

neuen Investitionen getätigt werden. Die Abschreibungen ändern sich hingegen gemäß der


83

Abschreibungsdauer nur sehr langsam. Ebenfalls spiegelt Abbildung 60 den stilisierten

Investitionszyklus aus Abbildung 42 wider.

Anlagenvermögensmanagement für das österreichische Übertragungs- und Verteilnetz von 1945-2009 (real2000)

0

2000

4000

6000

8000

10000

12000

1945 1955 1965 1975 1985 1995 2005Jahr

Mio

. € (

real

200)

Anfangsw ert

Investition

Abschreibung

Endw ert

Abbildung 60: Anlagenvermögensmanagement des österreichischen Stromnetzes von

1945-2009

Um neue und alte Anlagen zu vereinen, muss der alte Anlagenwert über einen neu

definierten Zeitraum abgeschrieben werden. Die neuen Anlagen werden wie oben

beschrieben behandelt. Um nun einen gesamten buchhalterischen Anlagenwert zu

bekommen, werden Anfangs- und Endwerte pro Jahr addiert.

Einfaches Beispiel:

Abschreibdauer = 40 Jahre

Endwert_alt 2009 = Anfangswert_alt 2010 = 400

Abschreibung_alt = 10

Anfangswert_neu 2010 = 0

Investition_neu 2010 = 40

Abschreibung_neu 2011 = 1

Endwert_neu 2010 = 39

Anfangswert_ges = 400

Endwert_ges= 399

usw.


84

Tabelle11: Anlagenvermögensmanagement für alte und neue Investitionen in die Netze

Jahr 2010 2011 2012 2013 2014 2015

Anfangswert_alt 400 390 380 370 360 350

Abschreibung_alt 10 10 10 10 10 usw.

Endwert_alt 390 380 370 360 350 usw.

Anfangswert_neu 0 39 77 114 153 188

Investition_neu 40 40 40 40 40 usw.

Abschreibung_neu 1 2 3 4 5 usw.

Endwert_neu 39 77 114 153 188 usw.

Anfangswert_ges 400 429 457 484 513 538

Abschreibungen_ges 11 12 13 14 15 usw.

Endwert_ges 429 457 484 513 538 usw.

Um nun die schon getätigten Investitionen und die zukünftigen Reinvestitionen in das Netz

zu berechnen, wird das Anlagenvermögensmanagement wie oben beschrieben in die

Simulationssoftware implementiert. Daraus lassen sich die spezifischen Netzkosten

berechnen:

MWhmverbrauchBruttostro

gesngenAbschreibuC NetzVÜ

€__&

Documents

NEUE ENERGIEN 2020 - TU Wien