Einbindung von ZuhauseKraftwerken in Smart Grids - LBD ...

LichtBlick
Einbindung von
ZuhauseKraftwerken in
Smart Grids
Kurzgutachten im Auftrag der LichtBlick AG
März 2012
• LBD-Beratungsgesellschaft mbH
März 2012
Kurzgutachten

LichtBlick
Einbindung von ZHKW in Smart Grids
Ansprechpartner:
Carsten Diermann
Unternehmensberater
carsten.diermann@lbd.de
Tel.: +49(0)30.617 85 363
Mobil: +49(0)160.90 38 75 52
Ralph Klebsch
Prokurist
ralph.klebsch@lbd.de
Tel.: +49(0)30.617 85 342
Mobil: +49(0)170.788 95 60
Adresse:
LBD-Beratungsgesellschaft mbH
Stralauer Platz 34
EnergieForum
(D) 10243 Berlin
Tel.: +49(0)30.617 85 310
Fax: +49(0)30.617 85 330
www.lbd.de
•LBD-Beratungsgesellschaft mbH März 2012 • 2/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Inhaltsverzeichnis
•LBD-Beratungsgesellschaft mbH März 2012 • 3/36
Seite
1! Hintergrund................................................................................................................................. 4!
2! Ziel und Gegenstand des Kurzgutachtens .............................................................................. 5!
2.1! Ziel des Kurzgutachtens........................................................................................................5!
2.2! Gegenstand des Kurzgutachtens ..........................................................................................5!
3! Zusammenfassung .................................................................................................................... 6!
4! Möglicher Beitrag von ZHKW zur Lastoptimierung ................................................................ 8!
4.1! Das ZuhauseKraftwerk als Optimierungswerkzeug ..............................................................8!
4.2! Anforderungen der Verteilnetze bezüglich der Lastoptimierung ...........................................9!
4.3! Prognostizierbarkeit von Netzengpässen und Zeiten von Starklasten ................................10!
4.4! Energetische Potenziale der ZHKW unter Berücksichtigung eines primär am
Großhandelsmarkt orientierten Einsatzes ...........................................................................12!
4.4.1! Analyseergebnisse auf Basis des H0- und des G0-Profils ...........................................19!
4.5! Berücksichtigung von Ausfallwahrscheinlichkeiten .............................................................22!
5! Aufzeigen der wirtschaftlichen Potenziale aus vermiedenem Netzausbau und
vermiedenen Kosten vorgelagerter Netze ............................................................................. 24!
5.1! Beispiel für die Wirtschaftlichkeit durch Vermeidung von Zubau bei Netzengpässen.........24!
5.2! Hochrechnung der Fallbeispiele auf Deutschland...............................................................28!
5.2.1! Abschätzung der Potenziale aufgrund von Bevölkerungswachstum ............................29!
5.2.2! Abschätzung der Potenziale aufgrund von Elektromobilität..........................................30!
5.2.3! Einsparung durch Netzrückbau im Rahmen der Netzerneuerung (Hochrechnung
Fallbeispiel 3)................................................................................................................32!
5.3! Abgrenzung und Einordnung der Potenziale.......................................................................32!
6! Aufzeigen des Anpassungsbedarfs der energiewirtschaftlichen und
energierechtlichen (regulatorischen) Rahmenbedingungen............................................... 34!

LichtBlick
Einbindung von ZHKW in Smart Grids
1 Hintergrund
LichtBlick plant in Zukunft 100.000 ZuhauseKraftwerke (ZHKW) in ganz
Deutschland zu installieren. Diese kleinen, mit Gas betriebenen
Blockheizkraftwerke (BHKW) versorgen auf Basis der Kraft-Wärme-Kopplung
gleichzeitig die Gebäude mit Wärme und das lokale Netz mit Strom. Die
ZuhauseKraftwerke bilden zusammen ein virtuelles Großkraftwerk, das weder
die Landschaft beeinträchtigt, noch zusätzlicher Infrastruktur bedarf.
Eine wichtige Rolle in der Energieversorgung spielen in Zukunft dezentrale
Lösungen wie das SchwarmStrom-Konzept: Die einzelnen BHKW werden über
eine Leittechnik vernetzt und können so bedarfsgerecht eingesetzt werden. Da
Wärme im Gegensatz zu Strom sehr gut gespeichert werden kann, lässt sich
zur Deckung der Bedarfsspitzen innerhalb eines Tages die Erzeugung von
Strom und Wärme weitgehend entkoppeln. Deshalb kann der Strom dann
produziert werden, wenn er am meisten gebraucht wird.
Diese Funktion gewinnt im Zuge der Integration erneuerbarer Energien in die
Stromnetze zunehmend an Bedeutung. Stark fluktuierende Erzeugungsmengen
(z.B. aus Windkraftanlagen oder Photovoltaik) erfordern zum Ausgleich
Erzeugungsanlagen, die schnell reagieren können. ZuhauseKraftwerke, die bei
Bedarf innerhalb einer Minute am Netz sind, erfüllen diese Anforderungen.
Das bisherige Geschäftskonzept für die ZHKW hat einen Fokus auf eine
energiewirtschaftlich optimale Vermarktung des erzeugten Stromes. Geht man
davon aus, dass die Preise des deutschen Energiegroßhandelsmarktes
adäquate Signale zur Situation zwischen Angebot und Nachfrage senden,
leisten die ZHKW einen entsprechenden Beitrag zur Bedarfsdeckung in
Deutschland.
Diese deutschlandweite Bedarfssituation bildet jedoch nicht die Lastverhältnisse
in den regional begrenzten Verteilnetzen ab. Gerade in den regionalen Nieder-
und Mittelspannungsnetzen gewinnen Themen wie die Vermeidung von
Netzengpässen und ein bedarfsgerechter Ausbau bzw. Ersatz der Stromnetze
zunehmend an Bedeutung.
Der Verteilnetzbetreiber hat künftig eigene Anforderungen an die Optimierung
seiner Lastflüsse. Einzelne Verbraucher, Kundengruppen oder Erzeuger sind in
den unteren Spannungsebenen in der Lage, die Lastsituation zu bestimmen.
Diese Lastsituationen können lokale Engpässe bedeuten, die nicht durch Preise
am Großhandelsmarkt signalisiert werden. Verteilnetzbetreiber haben deshalb
ein Interesse an eigenen Mechanismen zur Laststeuerung.
•LBD-Beratungsgesellschaft mbH März 2012 • 4/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Mit Smart Grids – der intelligenten Vernetzung von Verteilnetzen mit
Verbrauchern und dezentralen Einspeisern – wird die Basis für eine dezentrale
Laststeuerung und damit für einen aus Sicht des Netzbetreibers
bedarfsgerechteren Einsatz der ZuhauseKraftwerke geschaffen.
Dezentrale Einspeiser verringern die Belastung von Betriebsmitteln und
ermöglichen somit Einsparungen bei Netzentgelten. Insbesondere die
Vergleichmäßigung von Restlasten – und somit die Erhöhung der
Vollbenutzungsstunden in Netzen – sorgt langfristig für eine effizientere
Nutzung.
Vor diesem Hintergrund möchte LichtBlick in einem Kurzgutachten
herausarbeiten lassen, welchen Beitrag ZHKW bei einer Einbindung in
Smart Grids leisten können.
2 Ziel und Gegenstand des Kurzgutachtens
2.1 Ziel des Kurzgutachtens
Ziel des Kurzgutachtens ist es, die energetischen und wirtschaftlichen
Potenziale der ZHKW bei Einbindung in Smart Grids aufzuzeigen.
2.2 Gegenstand des Kurzgutachtens
Gegenstand des Kurzgutachtens ist:
• Darstellung des möglichen Beitrags von ZHKW zur Lastoptimierung,
• Aufzeigen der wirtschaftlichen Potenziale aus vermiedenem Netzausbau
und vermiedenen Kosten vorgelagerter Netze,
• Aufzeigen des Anpassungsbedarfs der energiewirtschaftlichen und
energierechtlichen Rahmenbedingungen bei Einbindung der ZHKW in
Smart Grids.
•LBD-Beratungsgesellschaft mbH März 2012 • 5/36

LichtBlick
Einbindung von ZHKW in Smart Grids
3 Zusammenfassung
Beitrag von ZHKW in Smart Grids
Die bestehende Netzinfrastruktur ist für Lastspitzen der Verbraucher
dimensioniert. Damit dezentrale Erzeuger berücksichtigt werden können,
müssen sie bei Netzspitzen gesichert verfügbar und im Einsatz sein. Erst durch
Smart Grids werden die notwendigen Voraussetzungen für eine aktive
Laststeuerung geschaffen. Zukünftige Smart Grids müssen eine geeignete
Automatisierungstechnik zur Messung und Steuerung von dezentralen
Erzeugern und von Lasten besitzen.
Effizienzsteigerungen in Smart Grids erfordern steuerbare Lasten und
steuerbare Erzeuger. EEG-Erzeuger sind aufgrund des Einspeisevorrangs
kaum steuerbar. Die Lastverlagerung im Gewerbe- und Haushaltskundensektor
ist begrenzt.
Demgegenüber bietet das ZHKW großes Potenzial, da es als BHKW flexible
und steuerbare Erzeugungskapazitäten bereitstellt. Die Eignung des ZHKW zur
Kappung von Lastspitzen wird im vorliegenden Gutachten nachgewiesen.
Durch die intelligente Vernetzung mehrerer ZHKW kann auf unterschiedliche
Lastprofile und die daraus resultierenden Anforderungen an die Flexibilität
optimal reagiert werden. Gegenüber Großkraftwerken haben ZHKW einen
Vorteil aufgrund der deutlich kürzen Anfahrts- und Abschaltzeiten (weniger als
60 Sekunden bis zur Volllast), der viel kürzeren Ausfallzeiten und der sehr
geringen Wahrscheinlichkeit eines Totalausfalls.
Wirtschaftliche Potenziale dezentraler KWK-Anlagen
Durch den Einsatz von ZHKW können im Zeitraum bis 2020 durch Vermeidung
von Netzinvestitionen und Reduzierung der benötigten Betriebsmittel durch
Netzoptimierungen ca. 224–490 Mio. Euro eingespart werden.
Diese Potenziale bestehen überwiegend in der Vermeidung von
Netzengpässen in Wachstumsregionen, also Netzen, in denen
Bedarfswachstum die Auslastung der Betriebsmittel in kritische Bereiche
erhöht. Zusätzlich wird dezentrale KWK auch im Zusammenhang mit
Elektromobilität Optimierungspotenziale bieten.
•LBD-Beratungsgesellschaft mbH März 2012 • 6/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Eine weitere Möglichkeit der Optimierung der Verteilnetze besteht in der
Optimierung der Auslastung von Betriebsmitteln. Diese Optimierung kann im
Rahmen der üblichen Reinvestitionszyklen auch zu einer Reduzierung der
benötigten Betriebsmittel beitragen. Diese Beiträge sind in nachfolgender
Tabelle dargestellt.
Vermiedene Investitionen durch
Beseitigung von Engpässen
• wegen Bedarfszuwachs
• wegen Elektromobilität
Vermiedene Investitionen durch
Netzoptimierung mit dezentraler
KWK
ca. 118–237 Mio. Euro
ca. 21–42 Mio. Euro
ca. 85–211 Mio. Euro
Summe ca. 224–490 Mio. Euro
Tabelle 1: Übersicht der Potenziale zur Netzkostenoptimierung
Regulatorischer Anpassungsbedarf
Für die Realisierung der ermittelten Potenziale und der vorgestellten
Geschäftsmodelle bestehen Hindernisse in den regulatorischen
Rahmenbedingungen.
Die regulatorisch bzw. rechtlich aufzunehmenden Aspekte sind:
• Verfügbarkeit von Engpassinformationen in Verteilnetzen durch
verpflichtende Einführung von Smart Metern mit viertelstundenscharfer
Messung,
• Errichtung von Erzeugungsanlagen zur Netzoptimierung und notwendige
Anreizsysteme als anerkennungsfähige Kosten,
• Schnittstellen und Prozesse für Steuerung von Nachfrage und Angebot in
den Verteilnetzen
• Prognose von Abrufzeiten und -dauern,
• variable Netzentgelte als Anreiz- und Steuerungsinstrument.
•LBD-Beratungsgesellschaft mbH März 2012 • 7/36

LichtBlick
Einbindung von ZHKW in Smart Grids
4 Möglicher Beitrag von ZHKW zur Lastoptimierung
4.1 Das ZuhauseKraftwerk als Optimierungswerkzeug
LichtBlick bietet mit dem ZHKW ein Produkt für den Markt für dezentrale Strom-
und Wärmeerzeugung an. Bei Privatkunden soll auf Basis eines Contracting-
Modells ein System aus Mikro-KWK-Anlage und Wärmespeicher errichtet
werden, die gemeinsam das ZHKW bilden.
Parameter des ZHKW
el. Leistung ca. 19 kW
th. Leistung ca. 34 kW
Wärmespeicher 2000 l
Tabelle 2: Parameter des ZuhauseKraftwerks
Das System soll die kombinierte Erzeugung von Strom und Wärme so
vernetzen, dass bei Versorgungssicherheit jedes einzelnen Kunden der Strom
im Rahmen des Erzeugungsportfolios von LichtBlick optimal vermarktet werden
kann. Die Herausforderung besteht u.a. darin, dass
• die Erzeugung in Tausenden von dezentralen Erzeugungsanlagen über
einen zentralen Server koordiniert werden muss,
• der individuelle Wärmebedarf der einzelnen Abnahmestelle die zentrale
Stellgröße für die Einsatzfähigkeit der Module ist.
Neben der Vermarktung der Anlagen am Stromgroßhandelsmarkt können diese
auch aktiv zur Behebung von Netzengpässen eingesetzt werden. Dabei setzt
der individuelle Wärmebedarf der einzelnen Abnahmestellen die
Rahmenbedingung für die Vermarktung des erzeugten Stroms am
Stromgroßhandelsmarkt. Zusätzlich setzt dieser Wärmebedarf die
Rahmenbedingungen bezüglich der Möglichkeit Netzlastspitzen in Verteilnetzen
zu kappen.
Im Rahmen der Stromvermarktung am Großhandelsmarkt leistet das ZHKW
bereits einen Beitrag zur Netzstabilisierung und hilft so Einspeiseschwankungen
der erneuerbaren Energien auszugleichen. Diese Märkte bilden jedoch keine
lokalen Engpässe sondern Verhältnisse auf Übertragungsnetzebene ab. Im
Rahmen dieses Gutachtens liegt der Schwerpunkt nicht auf der Vermarktung
des Stroms sondern auf dem Beitrag zur Netzoptimierung in Smart Grids auf
Verteilnetzebene.
•LBD-Beratungsgesellschaft mbH März 2012 • 8/36

LichtBlick
Einbindung von ZHKW in Smart Grids
4.2 Anforderungen der Verteilnetze bezüglich der
Lastoptimierung
Die bestehende Netzinfrastruktur ist für Lastspitzen der Verbraucher
dimensioniert. Dezentrale Einspeisungen werden dabei bisher nicht
berücksichtigt, da nicht sichergestellt ist, dass sie bei Netzspitzen tatsächlich
verfügbar und im Einsatz sind. In den bestehenden Verteilnetzen existiert außer
in den Umspannanlagen von Hoch- auf Mittelspannung in der Regel weder die
notwendige Messtechnik noch automatisch schaltbare Schalteinrichtungen und
dazugehörige Leittechnik. Diese werden benötigt, um die Lastverhältnisse im
Netz analysieren und steuern zu können.
Erst durch Smart Grids werden die notwendigen Voraussetzungen für eine
aktive Laststeuerung geschaffen. Zukünftige Smart Grids müssen eine
geeignete Automatisierungstechnik zur Messung und Steuerung von
dezentralen Erzeugern und von Lasten besitzen. Nur so ist eine
Effizienzsteigerung in den Verteilnetzen möglich.
Die Effizienzsteigerung der Netze kann erfolgen durch:
1. Erhöhung der Auslastung der bestehenden Betriebsmittel durch
Lastkappung und Lastverschiebung beim Verbraucher,
2. Vermeidung von Netzengpässen und damit verbundenen Investitionen
zur Erhöhung der Übertragungskapazität am Engpass durch
Lastkappung, Laststeuerung und Verschiebung der Last auf weniger
stark ausgelastete Betriebsmittel,
3. Verringerung der Übertragungskapazität bei gleichbleibendem oder
steigendem Absatz unter Berücksichtigung schaltbarer Erzeuger und
Lasten im Rahmen von Reinvestitionen durch Einsparung von
Betriebsmitteln oder Nutzung von Betriebsmitteln mit geringeren
Leistungsparametern.
Die Maßnahmen nach Punkt 1 haben im Rahmen der Entgeltregulierung nur
einen kurzfristigen Effekt, indem sich die Netzentgelte des vorgelagerten
Netzes vermeiden lassen. Diesen »Absatzrückgang« bezüglich des
Leistungserlöses wird der Netzbetreiber über das Regulierungskonto in
nachfolgenden Perioden kompensieren. Eine Erhöhung des Absatzes über
bestehende Betriebsmittel verändert die Erlösobergrenze für den Netzbetreiber
nicht. Langfristig verbreitert sich jedoch die Absatzbasis für die Bemessung des
Preises, sodass die Netzentgelte spezifisch sinken.
•LBD-Beratungsgesellschaft mbH März 2012 • 9/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Maßnahmen nach Punkt 2 und 3 sind dagegen geeignet, nachhaltig einen
Beitrag zur Senkung der Netzkosten und der Netzentgelte zu leisten. Es wird
deutlich, dass Effizienzsteigerungen in Smart Grids steuerbare Lasten und
steuerbare Erzeuger erfordern.
EEG-Erzeuger sind aufgrund des Einspeisevorrangs nicht steuerbar. Die
Lastverlagerung im Gewerbe- und Haushaltskundensektor ist begrenzt.
Demgegenüber bietet das ZHKW großes Potenzial, da es als BHKW flexible
und steuerbare Erzeugungskapazitäten bereitstellt. Perspektivisch ist das
ZHKW auch durch Ergänzung eines Heizstabs als steuerbare Last vorstellbar.
Dies wird in dem vorliegenden Gutachten jedoch nicht analysiert.
4.3 Prognostizierbarkeit von Netzengpässen und Zeiten von
Starklasten
Heute in Verteilnetzen vorhandene Messtechnik ist ungeeignet, um lokale
Netzengpässe in Mittelspannungs- und Niederspannungsnetzen zu
prognostizieren. Auf der Absatzseite gibt es nur bei den wenigen Kunden mit
registrierender Leistungsmessung ausreichende Kenntnisse über die Lastprofile
dieser Kunden. Aus der Anlagentechnik lassen sich (meist nur in den
Abgangsschaltern der Mittelspannungsleitungen, in den Umspannanlagen oder
für die Betriebsmittel der darüberliegenden Netzebenen) mit moderner
Stationsleittechnik Lastprofile messen und auswerten. Somit liegen über die
Belastung von Ortsnetzstationen, einzelnen Abschnitten von
Mittelspannungsnetzen sowie von Niederspannungsnetzen kaum Informationen
zum tatsächlichen Lastverlauf vor.
Die flächendeckende Errichtung von Smart Metern ermöglicht Netzbetreibern,
lokale Lasten zu analysieren. Somit lassen sich Bottom-up-Analysen und
Prognosen von jedem Endkunden ausgehend erstellen. Die gemessenen
Abnahmeprofile der einzelnen Kunden können zeitgleich summiert werden.
Damit wird in Smart Grids eine völlig neue Qualität der Lastprognose möglich.
Zur optimalen Integration von ZHKW in Smart Grids ist diese Prognosefähigkeit
grundlegend.
•LBD-Beratungsgesellschaft mbH März 2012 • 10/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Abbildung 1: Das ZuhauseKraftwerk als flexibles Optimierungsinstrument in Smart Grids
Die Reduzierung notwendiger Netzinfrastruktur erfordert, dass Lastspitzen
sicher prognostiziert werden können und der Einsatz des BHKW optimal auf
diese Lastspitzen abgestimmt werden kann.
Die Prognosefähigkeit und -güte steigt, je mehr Kunden ein Betriebsmittel (z.B.
einen Transformator) im Verteilnetz nutzen. In niedrigen Netzebenen sind nur
wenige Kunden an ein Betriebsmittel angeschlossen. Je höher die Netzebene
ist, desto mehr Kunden nutzen ein Betriebsmittel gemeinsam. Dies führt zu
einer höheren Prognosegüte aufgrund:
• von größeren Durchmischungseffekten,
• der schwächeren Wirkung von Abweichungen Einzelner im
Nutzungsverhalten.
Zusätzlich ist für eine hohe Prognosegüte eine möglichst genaue Kenntnis der
Einflussfaktoren für Veränderungen im Lastverhalten notwendig. Dazu gehören
z.B.:
• die Kenntnis von Einspeiselastgängen regenerativer Anlagen in
Abhängigkeit von der Wetterprognose,
• die Kenntnis von relativ festen Arbeitszeiten der Endkunden und den
damit verbundenen täglichen Verbrauchsspitzen.
•LBD-Beratungsgesellschaft mbH März 2012 • 11/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Zuletzt steigt die Prognosegüte auch je näher die Prognose zeitlich am
Erfüllungszeitraum ist,
• das gilt insbesondere, wenn die Last von einer messbaren Größe wie der
Witterung abhängig ist,
• theoretisch wäre also für die Optimierung des stromgeführten Einsatzes
der ZHKW der Vortag optimal.
Die Eingriffe des Netzbetreibers schränken das normale Nutzungsverhalten der
Netzkunden ein. In der Regel sind Lastkappungen, Lastverschiebungen oder
gezielte »außerplanmäßige« Einsätze der Erzeugungsanlagen nur über einen
begrenzten Zeitraum möglich. Daher ist es notwendig, die Zeiträume für
potenzielle Eingriffe nicht zu lang zu wählen.
4.4 Energetische Potenziale der ZHKW unter Berücksichtigung
eines primär am Großhandelsmarkt orientierten Einsatzes
Die Potenziale zur Kappung von Lastspitzen und somit zur Reduzierung von
Netzlasten durch ein ZuhauseKraftwerk werden nachfolgend analysiert. Für
diese Analysen ist vor allem die Länge der Lastspitzen entscheidend. Über die
Länge der Lastspitzen wird definiert, wie viele ZHKW nacheinander eingesetzt
werden müssen, um die gesamte Lastspitze abzudecken. Die nacheinander
einsetzenden ZHKW werden nachfolgend Kaskade genannt. Eine
Kaskadenlänge von Eins bedeutet, dass ein einzelnes ZHKW genügt, um die
gesamte Lastspitze abzudecken. Bei einer Kaskadenlänge von Zwei werden
mindestens zwei nacheinander einsetzende ZHKW benötigt, um die gesamte
Spitze abzudecken. Ein weiteres Kriterium ist die Höhe der Lastspitze. Sie
bestimmt, wie viele ZHKW gleichzeitig eingesetzt werden müssen, um die
notwendige Leistung zu erreichen. Die Höhe der Lastspitze ist in den
nachfolgenden Analysen von nachrangiger Bedeutung. Sie kann durch
parallelen Einsatz mehrerer ZHKW-Kaskaden nachgebildet werden und stellt
keine zusätzlichen Anforderungen an die Flexibilität der Anlagen. Somit ist
keine zusätzliche Analyse der Lastspitzen notwendig.
•LBD-Beratungsgesellschaft mbH März 2012 • 12/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Abbildung 2: Schematische Abbildung einer Lastspitze mit Prognoseunsicherheit
Abbildung 2 zeigt schematisch eine Lastspitze, also die Nachfrage an einem
Betriebsmittel innerhalb eines Verteilnetzes. Diese Lastspitze ist in ihrer Höhe
relativ genau prognostizierbar, aber zeitlich mit Unsicherheit behaftet. Die
Lastspitzenlänge ist dabei das entscheidende Kriterium für die Anzahl der je
Kaskade notwendigen ZHKW.
Abbildung 3: Effekt des ZHKW-Einsatzes bei richtiger Prognose
Abbildung 3 zeigt einen optimalen Einsatz zur Kappung einer Lastspitze. Die
Einsatzdauer entspricht exakt der Dauer der gekappten Lastspitze. Die blaue
Fläche zeigt die nach dem ZHKW-Einsatz verbleibende Nachfrage. Statt der
einzelnen hohen Lastspitze entstehen drei neue, niedrigere Spitzen gleicher
Höhe. Der grüne Pfeil zeigt die Leistung unterhalb der blauen Linie, die vom
ZHKW erbracht wird und mit der das ZHKW zur Lastkappung beiträgt. Die
Lastspitze am Betriebsmittel wird also »gekappt«, indem die Nachfrage der
•LBD-Beratungsgesellschaft mbH März 2012 • 13/36

LichtBlick
Einbindung von ZHKW in Smart Grids
angeschlossenen Verbraucher lokal durch den Einsatz von ZHKW teilweise
gedeckt wird.
Abbildung 4: resultierende Lastspitze bei zu langem ZHKW-Einsatz
Die Abbildungen 4 und 5 zeigen den Effekt der Prognoseunsicherheit der
Lastspitze hinsichtlich der relevanten Einsatzstunden. In Abbildung 4 wurde
eine breitere Lastspitze prognostiziert als tatsächlich eingetreten ist. Der Abruf
der ZHKW ist somit länger als notwendig. Das zeigt sich daran, dass die drei
entstehenden neuen Lastspitzen nicht gleich hoch sind. Es wird zwar der
beabsichtigte Beitrag zur Lastkappung erreicht, das ZHKW wird dafür aber
länger als notwendig eingesetzt. Das Resultat der Lastkappung ist daher nicht
optimal. Das Überschätzen der Lastspitzendauer kann dazu führen, dass mehr
ZHKW in einer Kaskade eingesetzt werden als eigentlich notwendig.
Abbildung 5: Resultierende Lastkurve bei zu kurzem ZHKW-Einsatz
Abbildung 5 zeigt die Auswirkungen einer zu kurz prognostizierten Lastspitze
mit einem resultierenden zu kurzen Einsatz. In diesem Fall wird nicht die
gesamte Höhe der Lastspitze gekappt. Die notwendige Einsatzdauer könnte in
•LBD-Beratungsgesellschaft mbH März 2012 • 14/36

LichtBlick
Einbindung von ZHKW in Smart Grids
jedem Fall durch eine Kaskade aus mehreren nacheinander einsetzenden
ZHKW erreicht werden.
Der wesentliche Treiber für die Möglichkeit, mit ZHKW Lastspitzen zu kappen,
ist die Verfügbarkeit der Anlagen in Spitzenlaststunden. Aufgrund der
gekoppelten Erzeugung ist dies auch maßgeblich vom Wärmebedarf an den
jeweiligen Tagen abhängig. Wenn kein Wärmebedarf besteht, kann die Anlage
auch nicht betrieben werden. Da der Wärmebedarf und die Lastspitzen im
Stromnetz nicht zeitgleich auftreten müssen, wird eine Möglichkeit zur
Entkopplung der Strom- und Wärmeerzeugung benötigt. Dies geschieht mit
Hilfe eines Wärmespeichers. Aus diesen Gründen erfolgen die Analysen in drei
Schritten:
• Analyse der Lastspitzenlänge anhand von Standardlastprofilen,
• Analyse der Betriebsstunden des ZHKW auf Grundlage des täglichen
Wärmebedarfs,
• Analyse, ob Entkopplung von Strom- und Wärmeproduktion ausreicht,
• Abschätzung der effektiv nutzbaren Betriebsstunden unter
Berücksichtigung der verfügbaren Entkopplung.
Analyse der Lastspitzenlänge
Als Verbrauchslastkurve werden exemplarisch Standardlastprofile für
Haushaltskunden (H0) bzw. für Gewerbekunden (G0) verwendet. Für diese
Profile wird die Dauer der Lastspitzen ermittelt. Dies geschieht in Abhängigkeit
von unterschiedlichen Kappungswerten. Es werden Kappungswerte von 2,5%
bis 25% der Jahreshöchstlast untersucht. Je höher die beabsichtigte Kappung
der Jahreshöchstlast ausfällt, umso länger ist die Lastspitze und umso geringer
die Wahrscheinlichkeit, dass ein einzelnes ZHKW während der gesamten
Lastspitzenlänge betrieben werden kann. Die Ermittlung der zur Kappung
benötigten ZHKW-Kaskadenlänge erfolgt anhand der täglichen
Lastspitzendauer. Da die Kappung jederzeit gewährleistet sein muss, wird für
die Analyse die maximale Lastspitzenlänge eines jeden Monats verwendet. Die
nominale Höhe der Lastspitze wird nicht gesondert untersucht.
Diese Lastspitzenlänge definiert, wie viele nacheinander einsetzende ZHKW in
einer Kaskade benötigt werden, um die Leistung eines ZHKW für die gesamte
Dauer der Lastspitze bereitzustellen.
Nachfolgend wird jeweils für das H0- und das G0-Profil die maximale Länge
einer Lastspitze unterteilt nach Monaten in einer Matrix dargestellt. In Monaten
ohne Wert wird die Kappungsgrenze nicht überschritten. Die Tabelle zeigt wie
•LBD-Beratungsgesellschaft mbH März 2012 • 15/36

LichtBlick
Einbindung von ZHKW in Smart Grids
viele Stunden an einem Tag Leistungen aufweisen, die oberhalb von 97,5% bis
75% der Jahreshöchstlast liegen. Daraus kann abgeleitet werden, an wie vielen
Stunden ZHKW eingesetzt werden müssen, um eine Kappung der
Jahreshöchstlast um einen bestimmten Prozentwert zu erreichen. Als Beispiel
sei die Spalte für Stunden oberhalb von 90% der Jahreshöchstlast betrachtet.
In dieser Spalte wird ersichtlich, dass im Monat Januar die Nachfragelast
maximal 2,5 h pro Tag oberhalb von 90% der Jahreshöchstlast liegt. Im
Umkehrschluss bedeutet dies, dass ein ZHKW für eine Reduzierung der
Jahreshöchstlast um 10% mindestens 2,5 h pro Tag verfügbar sein muss. In
der gleichen Spalte (90%) wird deutlich, dass im Monat Mai keine Leistungen
oberhalb von 90% der Jahreshöchstlast vorhanden sind. Die Betrachtung wird
analog für das G0-Profil in Tabelle 4 dargestellt.
Monat oberhalb x% der Jahreshöchstlast
97,5 95,0 92,5 90,0 87,5 85,0 82,5 80,0 77,5 75,0
1 1,50 2,00 2,25 2,50 2,75 2,75 3,75 4,25 5,00 5,75
2 0,75 1,50 2,00 2,25 2,50 2,75 3,00 3,75 4,50 5,25
3 - - - 1,50 2,00 2,25 2,50 2,75 3,00 3,75
4 - - - - - - 0,75 1,50 2,00 2,25
5 - - - - - - - - - 0,75
6 - - - - - - - - - -
7 - - - - - - - - - -
8 - - - - - - - - - -
9 - - - - - - - - - -
10 - - - - - - - 1,00 1,50 2,00
11 - - - 1,00 1,50 2,00 2,25 2,50 2,75 3,75
12 1,50 2,00 2,25 2,50 2,75 2,75 3,50 4,00 4,75 5,75
Tabelle 3: Maximale Lastspitzenlänge (in h) an einem Tag (H0-Profil)
Monat oberhalb x% der Jahreshöchstlast
97,5 95,0 92,5 90,0 87,5 85,0 82,5 80,0 77,5 75,0
1 1,25 3,00 3,50 3,75 4,00 4,75 6,50 7,25 8,00 8,25
2 1,25 3,00 3,50 3,75 4,00 4,75 6,50 7,25 8,00 8,25
3 1,25 3,00 3,50 3,75 4,00 4,75 6,50 7,25 8,00 8,25
4 - - - 1,25 3,00 3,50 4,00 4,25 4,25 6,75
5 - - - 1,25 3,00 3,50 4,00 4,25 4,25 6,75
6 - - - - - 1,50 3,25 3,75 4,25 4,25
7 - - - - - 1,50 3,25 3,75 4,25 4,25
8 - - - - - 1,50 3,25 3,75 4,25 4,25
9 - - - 1,25 3,00 3,50 4,00 4,25 4,25 6,75
10 - - - 1,25 3,00 3,50 4,00 4,25 4,25 6,75
11 1,25 3,00 3,50 3,75 4,00 4,75 6,50 7,25 8,00 8,25
12 1,25 3,00 3,50 3,75 4,00 4,75 6,50 7,25 8,00 8,25
Tabelle 4: Maximale Lastspitzenlänge (in h) an einem Tag (G0-Profil)
•LBD-Beratungsgesellschaft mbH März 2012 • 16/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Es wird deutlich, dass die Dauer der Lastspitzen im G0-Profil länger als im
H0-Profil ist. Aufgrund der kürzeren Lastspitzen ist somit das H0-Profil für eine
Lastoptimierung mit Hilfe von ZHKW grundsätzlich besser geeignet. Die
breiteren Spitzen im G0-Profil müssen durch zusätzliche ZHKW kompensiert
werden.
Für die Untersuchung der Lastspitzendauer ist hierbei keine definierte Leistung
erforderlich. Im Falle der Spalte für 25% wird eine Aussage getroffen, an wie
vielen Stunden eines Tages die Last oberhalb von 75% der Jahreshöchstlast
liegt. Da es sich um Standardlastprofile handelt, ist die nominale Höhe der
Jahreshöchstlast für diese Analyse nicht von Relevanz.
Im Monat Januar müssten also im G0-Profil für eine Lastkappung auf maximal
75% der Jahreshöchstlast Spitzen mit bis zu 8,25 h Dauer gekappt werden.
Für eine sichere Lastkappung werden nachfolgende Bedingungen formuliert:
• Bedingung 1: Der Wärmespeicher kann die gesamte, während der
Spitzenlaststunden erzeugte Wärme aufnehmen (Quotient aus möglichen
Füllstunden des Speichers und Lastspitzenlänge >1),
• Bedingung 2: der Quotient aus Betriebsstunden und Lastspitzenlänge
ist groß genug.
Im nächsten Schritt wird überprüft, ob Strom- und Wärmeproduktion
ausreichend entkoppelt werden können. Zu diesem Zweck wird angenommen,
dass der Wärmespeicher nur zu 75% zur Lastoptimierung verwendet werden
kann und eine Reserve von 25% zur Sicherung der Wärmenachfrage
vorgehalten wird. Während der übrigen Stunden kann das ZHKW zur
Optimierung der Netzlast im Smart Grid eingesetzt werden.
In Tabelle 5 wird die minimale Speicherfülldauer dargestellt. Diese ergibt sich
nach der Formel:
Speicherfülldauer = Speicherkapazität / (Qtherm, ZHKW – QVerbrauch,min)
Qtherm, ZHKW : thermische Leistung des ZHKW
QVerbrauch, min : Mindestwärmeverbrauch (kWh/h).
Die Speicherkapazität variiert dabei über die Monate in Abhängigkeit von den
angenommenen Rücklauftemperaturen.
•LBD-Beratungsgesellschaft mbH März 2012 • 17/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Monat Minimale
Speicherfülldauer
Januar 3,1 h 2,3 h
Februar 2,9 h 2,2 h
März 2,9 h 2,2 h
April 2,9 h 2,2 h
Mai 3,5 h 2,7 h
Juni 3,7 h 2,8 h
Juli 3,9 h 2,9 h
August 3,8 h 2,9 h
September 3,5 h 2,7 h
Oktober 3,2 h 2,4 h
November 3,0 h 2,2 h
Dezember 3,0 h 2,2 h
Fülldauer 75% des Speichers
Tabelle 5: Minimale Fülldauer des Wärmespeichers
Für die zweite Bedingung ist es erforderlich, die tägliche Betriebsdauer der
ZHKW zu ermitteln. Dies erfolgte auf Grundlage des täglichen Wärmebedarfs
eines Wärmeprofils für Haushaltskunden in einem Warmjahr
(Jahreswärmebedarf im Warmjahr ca. 76 MWh). Die Ergebnisse dieser Analyse
sind in nachfolgender Tabelle dargestellt.
Monat Minimale tägliche
Betriebsstunden
Januar 8,2 h/d
Februar 7,3 h/d
März 6,6 h/d
April 1,8 h/d
Mai 1,4 h/d
Juni 1,0 h/d
Juli 1,9 h/d
August 1,4 h/d
September 2,3 h/d
Oktober 3,0 h/d
November 4,7 h/d
Dezember 7,4 h/d
Tabelle 6: Minimale tägliche Betriebsstunden des ZHKW je Monat
Anhand dieser Tabelle wird der geringe Wärmebedarf in den Sommermonaten
deutlich. Die geringen Betriebsstunden bedeuten in diesen Monaten eine
eingeschränkte Nutzbarkeit der Anlagen zur Lastkappung. Um breite
Lastspitzen zu kappen, müssten deshalb in Sommermonaten mehr ZHKW
eingesetzt werden.
•LBD-Beratungsgesellschaft mbH März 2012 • 18/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Sowohl Speicherfülldauer als auch Betriebsstunden des ZHKW sind
unabhängig von den nachfolgend analysierten Profilen. Die Größen hängen
vom Wärmeverbrauch und von der Speichergröße ab und bilden eine
gemeinsame Grundlage für die Analysen des H0- und G0-Profils.
4.4.1 Analyseergebnisse auf Basis des H0- und des G0-Profils
Mithilfe der minimalen Fülldauern können die nachfolgend abgebildeten
Quotienten aus Fülldauer des Speichers und Stunden oberhalb der
Kappungsgrenze entsprechend der in 4.3 formulierten ersten Bedingung
(Quotient aus möglichen Füllstunden des Speichers und Lastspitzenlänge >1)
ermittelt werden.
Monat Kappung in % der Jahreshöchstlast
2,5 5,0 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0
1 1,5 1,1 1,0 0,9 0,8 0,8 0,6 0,5 0,5 0,4
2 2,9 1,5 1,1 1,0 0,9 0,8 0,7 0,6 0,5 0,4
3 - - - 1,4 1,1 1,0 0,9 0,8 0,7 0,6
4 - - - - - - 2,9 1,4 1,1 1,0
5 - - - - - - - - - 3,5
6 - - - - - - - - - -
7 - - - - - - - - - -
8 - - - - - - - - - -
9 - - - - - - - - - -
10 - - - - - - - 2,4 1,6 1,2
11 - - - 2,2 1,5 1,1 1,0 0,9 0,8 0,6
12 1,5 1,1 1,0 0,9 0,8 0,8 0,6 0,6 0,5 0,4
Tabelle 7: Quotient aus Füllstunden und Lastspitzenlänge (H0-Profil)
Die Bedingung ist bis ca. 7,5% Kappung der Jahreshöchstlast im H0-Profil
erfüllt.
Um die zweite Bedingung zu überprüfen, werden im nächsten Schritt die
minimalen Betriebsstunden eines ZHKW an einem Tag unterteilt nach Monaten
analysiert. Das ZHKW kann nur zur Lastkappung beitragen, sofern der Betrieb
durch ausreichend Wärmebedarf gewährleistet werden kann.
Wenn die erste Bedingung erfüllt werden kann, wird davon ausgegangen, dass
50% der Betriebsstunden des ZHKW für die Kappung von Lastspitzen verfügbar
sind (Quotient aus Betriebsstunden und Lastspitzenlänge >2).
Wenn die erste Bedingung nicht erfüllt werden kann, wird davon ausgegangen,
dass lediglich 25% der Betriebsstunden des ZHKW zur Kappung von
•LBD-Beratungsgesellschaft mbH März 2012 • 19/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Lastspitzen eingesetzt werden können (Quotient aus Betriebsstunden und
Lastspitzenlänge >4).
Monat Kappung in % der Jahreshöchstlast
2,5 5,0 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0
1 5,5 4,1 3,7 3,3 3,0 3,0 2,2 1,9 1,6 1,4
2 9,8 4,9 3,7 3,3 2,9 2,7 2,4 2,0 1,6 1,4
3 - - - 4,4 3,3 3,0 2,7 2,4 2,2 1,8
4 - - - - - - 2,4 1,2 0,9 0,8
5 - - - - - - - - - 1,9
6 - - - - - - - - - -
7 - - - - - - - - - -
8 - - - - - - - - - -
9 - - - - - - - - - -
10 - - - - - - - 3,0 2,0 1,5
11 - - - 4,7 3,1 2,3 2,1 1,9 1,7 1,2
12 4,9 3,7 3,3 3,0 2,7 2,7 2,1 1,9 1,6 1,3
Zielwert
2 4
Tabelle 8: Quotient aus Betriebsstunden des ZHKW zu Lastspitzenlänge (H0-Profil)
Es wird deutlich, dass das ZHKW die zweite Bedingung nur erfüllen kann, wenn
die erste Bedingung ebenfalls erfüllt ist. Das ZHKW erreicht praktisch in keinem
der Fälle zuverlässig vierfach so viele Betriebsstunden wie die Lastspitzen lang
sind.
Die sich aus Tabelle 7 und 8 ergebende maximale Reduzierung bei einem
ZHKW in der Kaskade liegt bei ca. 7,5% der Jahreshöchstlast. Für diese
Kappung wird in den einzelnen Monaten ein Quotient der ZHKW-
Betriebsstunden zur Lastspitzenlänge zwischen 3,3 und 3,7 erreicht. Damit wird
der Zielwert 2 deutlich überschritten.
Auf Basis dieser Analysen soll für die spätere Einschätzung wirtschaftlicher
Potenziale auch der Fall einer 25%-Reduzierung untersucht werden. Das erste
Kriterium der Speicherfülldauer zur Lastspitzenlänge zeigt einen minimalen
Quotienten von ca. 0,4. Um den Zielwert von 1 zu erreichen, werden also drei
ZHKW mit aufeinanderfolgendem Einsatz benötigt. Die dann resultierende
Gesamtbetriebsdauer der drei ZHKW erfüllt ebenfalls die zweite Bedingung
(Zielwert des Quotienten von Betriebsstunden zu Lastspitzenlänge = 2). Der
kritische Monat ist in diesem Fall der April mit einem Quotienten von 0,8. Beim
Einsatz von drei ZHKW in einer Kaskade steigen die Betriebsstunden auf das
Dreifache einer Einzelanlage und somit der Quotient von 0,8 auf 2,4. Der
definierte Zielwert wird erreicht. Deshalb sind für eine Senkung der
Jahreshöchstlast um 25% drei nacheinander einsetzende ZHKW in einer
Kaskade notwendig.
•LBD-Beratungsgesellschaft mbH März 2012 • 20/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Analog sind nachfolgend die Analyseergebnisse auf Grundlage des G0-Profils
dargestellt. Die breiteren Lastspitzen im G0-Profil führen dazu, dass die
Möglichkeiten der Strom- bzw. Wärmeentkopplung bereits bei deutlich
niedrigeren Kappungszielen nicht mehr ausreichen.
Monat Kappung in % der Jahreshöchstlast
2,5 5,0 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0
1 2,5 1,0 0,9 0,8 0,8 0,6 0,5 0,4 0,4 0,4
2 2,3 1,0 0,8 0,8 0,7 0,6 0,4 0,4 0,4 0,4
3 2,3 1,0 0,8 0,8 0,7 0,6 0,4 0,4 0,4 0,3
4 - - - 2,3 1,0 0,8 0,7 0,7 0,7 0,4
5 - - - 2,8 1,2 1,0 0,9 0,8 0,8 0,5
6 - - - - - 2,4 1,1 1,0 0,9 0,9
7 - - - - - 2,6 1,2 1,0 0,9 0,9
8 - - - - - 2,6 1,2 1,0 0,9 0,9
9 - - - 2,8 1,2 1,0 0,9 0,8 0,8 0,5
10 - - - 2,6 1,1 0,9 0,8 0,8 0,8 0,5
11 2,4 1,0 0,8 0,8 0,7 0,6 0,5 0,4 0,4 0,4
12 2,4 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,4 0,4
Tabelle 9: Quotient aus Füllstunden und Lastspitzenlänge (G0-Profil)
Bereits bei 5% wird der Zielwert für die Speicherfüllstunden erreicht.
Gleichzeitig wird deutlich, dass auch in wärmeren Monaten häufiger hohe
Leistungen erreicht werden.
Auch für die zweite Bedingung ist die Breite der Lastspitzen problematisch. Die
zweite Bedingung wird lediglich bis ca. 2,5% erreicht.
Monat Kappung in % der Jahreshöchstlast
2,5 5,0 7,5 10,0 12,5 15,0 17,5 20,0 22,5 25,0
1 6,6 2,7 2,3 2,2 2,1 1,7 1,3 1,1 1,0 1,0
2 5,9 2,4 2,1 2,0 1,8 1,5 1,1 1,0 0,9 0,9
3 5,3 2,2 1,9 1,8 1,7 1,4 1,0 0,9 0,8 0,8
4 - - - 1,4 0,6 0,5 0,4 0,4 0,4 0,3
5 - - - 1,1 0,5 0,4 0,3 0,3 0,3 0,2
6 - - - - - 0,7 0,3 0,3 0,2 0,2
7 - - - - - 1,3 0,6 0,5 0,4 0,4
8 - - - - - 1,0 0,4 0,4 0,3 0,3
9 - - - 1,8 0,8 0,7 0,6 0,5 0,5 0,3
10 - - - 2,4 1,0 0,9 0,8 0,7 0,7 0,4
11 3,7 1,6 1,3 1,2 1,2 1,0 0,7 0,6 0,6 0,6
12 5,9 2,5 2,1 2,0 1,9 1,6 1,1 1,0 0,9 0,9
Zielw
ert
2 4
Tabelle 10: Quotient aus Betriebsstunden des ZHKW zu Lastspitzendauer (G0-Profil)
•LBD-Beratungsgesellschaft mbH März 2012 • 21/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Für eine Kappung von 7,5 % – wie im H0-Profil möglich – wären im G0-Profil
bereits zwei ZHKW in einer Kaskade notwendig. Für 25 % Kappung wären
sogar ca. 10 ZHKW notwendig. Dieser enorme Unterschied zum H0-Profil ist
durch die Sommerspitzen im G0-Profil zu erklären. In den Sommermonaten ist
kaum Wärmebedarf vorhanden, der aus den ZHKW gedeckt werden könnte.
Folgerichtig sind die Betriebsstunden des ZHKW in den Sommermonaten zu
gering, um einen sicheren Beitrag zu Lastkappung gewährleisten zu können.
Dies muss über eine größere Anlagenzahl in einer Kaskade kompensiert
werden.
Das ZHKW ist also zur Kappung von Lastspitzen in verschiedenen Profilen
unterschiedlich gut geeignet. Durch die intelligente Vernetzung mehrerer ZHKW
kann auf unterschiedliche Lastprofile und die daraus resultierenden
Anforderungen an die Flexibilität optimal reagiert werden.
4.5 Berücksichtigung von Ausfallwahrscheinlichkeiten
Der Beitrag zur Lastkappung von ZHKW ist auch von deren technischer
Verfügbarkeit abhängig. Hierfür ist die geplante und ungeplante
Nichtverfügbarkeit der Anlagen zu berücksichtigen. Der wesentliche
Unterschied besteht in der Dauer des Ausfalls und der entsprechenden Wirkung
auf die Potenziale der ZHKW in Smart Grids. ZHKW haben zwei entschiedene
Vorteile gegenüber zentralen Erzeugungseinheiten:
• Dauer der Nichtverfügbarkeit,
• Höhe der ausgefallenen Leistung.
Die Dauer der Nichtverfügbarkeit eines ZHKW ist im Vergleich zu zentralen
Erzeugungsanlagen erheblich kürzer. Großkraftwerke sind während Revisionen
für mehrere Wochen außer Betrieb und stehen nicht zur Verfügung. Ein ZHKW
dagegen ist nur für die Dauer von einem bis drei Tagen nicht verfügbar. In
dieser Zeit können Wartungen, Reparaturen oder gar ein Austausch der
Anlagen realisiert werden.
Außerdem können Wartungen in lastschwache Tage respektive lastschwache
Stunden gelegt werden, sodass keine Rückwirkung auf die Potenziale von
ZHKW in Smart Grids besteht. Dies gilt jedoch nur für geplante
Nichtverfügbarkeiten.
Die ungeplante Nichtverfügbarkeit dagegen kann nicht in lastschwache Zeiten
gelegt werden. Betrachtet man einen Cluster mehrerer ZHKW, sinkt jedoch das
•LBD-Beratungsgesellschaft mbH März 2012 • 22/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Risiko des Totalausfalls drastisch. Die Wahrscheinlichkeit des gleichzeitigen
Ausfalls von zwei Anlagen liegt bereits bei nur 0,04%. Das bedeutet, dass unter
Berücksichtigung des Schwarmkonzepts die Nichtverfügbarkeit der Anlagen
eine untergeordnete Rolle einnimmt. In einem Anlagencluster mit
beispielsweise 10 ZHKW steigt aufgrund der Kombinationsmöglichkeiten die
Wahrscheinlichkeit, dass eine oder mehrere Anlagen ausfallen. Nachfolgende
Tabelle zeigt, mit welcher Wahrscheinlichkeit eine oder mehrere Anlagen in
einem Cluster mit 10 Anlagen ausfallen.
Anzahl der Ausfälle im Cluster Eintrittswahrscheinlichkeit
1 oder mehr Ausfälle 18,29%
2 oder mehr Ausfälle 1,62%
3 oder mehr Ausfälle 0,09%
4 oder mehr Ausfälle

LichtBlick
Einbindung von ZHKW in Smart Grids
5 Aufzeigen der wirtschaftlichen Potenziale aus
vermiedenem Netzausbau und vermiedenen
Kosten vorgelagerter Netze
Zur Ermittlung wirtschaftlicher Potenziale werden Optimierungsmöglichkeiten
für das ZHKW untersucht. Nachdem in Kapitel 4 die grundsätzliche Eignung der
ZHKW zur Kappung von Lastspitzen in unterschiedlichen Lastprofilen
dargestellt wurde, werden nachfolgend die möglichen monetären Potenziale
hergeleitet.
5.1 Beispiel für die Wirtschaftlichkeit durch Vermeidung von
Zubau bei Netzengpässen
Die Optimierungsmöglichkeiten für das ZHKW bestehen in erster Linie durch
vermiedene Investitionen zum Netzausbau oder eingesparte Ersatzinvestitionen
bei Betriebsmitteln in den Verteilnetzen, insbesondere bei Transformatoren in
den Umspannebenen von Hoch- auf Mittelspannung sowie von Mittel- auf
Niederspannung.
Nachfolgend werden Beispiele für die vermiedenen Investitionen auf diesen
Umspannebenen dargestellt. Es werden drei Fallbeispiele betrachtet.
Fallbeispiel 1
Durch Einsatz von ZHKW kann in der Umspannebene MS/NS Netzausbau in
Form des Austauschs bestehender Transformatoren von 400 kVA auf 630 kVA
vermieden werden. Dabei wird unterstellt, dass am Betriebsmittel Lastspitzen
auftreten, die den Austausch gegen ein größeres Betriebsmittel erfordern. Es
wird angenommen, dass durch die Errichtung von ZHKW ein Austausch und
Ersatz durch ein entsprechend größeres Betriebsmittel aufgeschoben oder
vollständig vermieden werden kann.
Die folgenden Annahmen liegen dieser Analyse zugrunde:
•LBD-Beratungsgesellschaft mbH März 2012 • 24/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Bestandstransformator Austauschtransformator Quelle
Leistung 400 kVA 630 kVA Prämisse
Investition 10.000 Euro 12.000 Euro Erfahrungswert LBD
Eigenkapitalanteil 40% 40% StromNEV
Eigenkapitalzins 7,56% 9,29% StromNEV
Nutzungsdauer 40 a 40 a StromNEV
Restnutzungsdauer 10 a 40 a Prämisse
Notwendige
Entlastung
7,5% der
Jahreshöchstlast
= 30 KW
Tabelle 12: Fallbeispiel 1 – Ausbau der MS/NS-Umspannebene
Prämisse
Die Bestandsanlage hat eine Restnutzungsdauer von 10 Jahren. Durch den
gezielten Einsatz von ZHKW kann ein Austausch des bestehenden
Transformators somit maximal um 10 Jahre verzögert werden. Außerdem wird
davon ausgegangen, dass lediglich die Differenzkosten als Einsparpotenzial
bestehen. Die Bestandsanlage kann anderweitig im Netz weitergenutzt oder
verkauft werden.
Der Barwert für eine Verschiebung der Investition in einen größeren
Transformator ergibt somit ein Potenzial von 2.950 Euro.
Fallbeispiel 2
Durch Einsatz von ZHKW kann in der Umspannebene HS/MS Netzausbau in
Form des Austauschs bestehender Transformatoren von 31,5 MVA auf 40 MVA
vermieden werden. Dabei wird unterstellt, dass am Betriebsmittel Lastspitzen
auftreten, die den Austausch gegen ein größeres Betriebsmittel erfordern. Es
wird angenommen, dass durch die Errichtung von ZHKW ein Austausch und
Ersatz durch ein entsprechend größeres Betriebsmittel aufgeschoben oder
vollständig vermieden werden kann.
Die folgenden Annahmen liegen dieser Analyse zugrunde:
•LBD-Beratungsgesellschaft mbH März 2012 • 25/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Bestandstransformator Austauschtransformator Quelle
Leistung 31,5 MVA 40 MVA Prämisse
Investition
(Tagesneuwert)
Kosten für Transport
und Montage
400.000 Euro 500.000 Euro Erfahrungswert
100.000 Euro Prämisse
Eigenkapitalanteil 40% 40% StromNEV
Eigenkapitalzins 7,56% 9,29% StromNEV
Nutzungsdauer 40 a 40 a StromNEV
Restnutzungsdauer 10 a 40 a Prämisse
Notwendige
Entlastung
7,5% der
Jahreshöchstlast
= 2,4 MW
Austauschtransformator Prämisse
Tabelle 13: Fallbeispiel 2 – Vermiedener Ausbau in HS/MS-Umspannebene
Die vermiedenen Investitionen werden als Barwert analog Fallbeispiel 1
ermittelt. Es ergibt sich ein Einsparpotenzial in Höhe von ca. 172.000 Euro.
•LBD-Beratungsgesellschaft mbH März 2012 • 26/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Fallbeispiel 3
Durch Einsatz von ZHKW können im Rahmen der turnusmäßigen
Netzerneuerung Betriebsmittel eingespart werden. Das nachfolgende Beispiel
zeigt die wirtschaftlichen Potenziale für die Einsparung einer 250 kVA
Ortnetzstation in der Umspannebene MS/NS. Für diese Einsparung sind
vermaschte und engmaschige Niederspannungsnetze notwendig. Die
Versorgung der Kunden hinter dem eingesparten Betriebsmittel müsste über
naheliegende Ortsnetzstationen vorgenommen werden. Da diese Einsparung
nur im Rahmen der Netzerneuerung stattfinden kann, wird angenommen, dass
die Einsparung erst im Jahr 2020 erfolgt.
Für das Beispiel wird ein Netzabschnitt mit fünf hoch ausgelasteten
Transformatoren bzw. Kompaktstationen angenommen. Die gesamte installierte
Leistung liegt dann bei 1.250 kVA. Eine Auslastung der Stationen in Höhe von
80% bedeutet Lastspitzen von 1.000 kVA. Damit wären vier Betriebsmittel am
Rande ihrer Belastbarkeit. Durch den Einsatz von ZHKW kann die Belastung
der Betriebsmittel nun so stark verringert werden, dass eine der
Ortsnetzstationen eingespart werden kann. Eine Reduzierung um 7,5% mit
einer Anlage pro Kaskade würde die Auslastung auf 925 kVA senken. Bei
diesem Wert wäre die Einsparung eines Betriebsmittels, also eine Reduzierung
von fünf auf vier Ortsnetzstationen im Rahmen der Reinvestitionszyklen,
denkbar. Mit zusätzlichen ZHKW wären auch höhere Lastsenkungen
realisierbar, was die Auslastung der verbleibenden vier Ortsnetzstationen weiter
reduziert. Die verbleibenden vier Transformatoren können die Versorgung der
entsprechenden Kunden weiterhin gewährleisten.
Eingesparte Erneuerung
Kompaktstation
Quelle
Leistung 5 x 250 kVA Prämisse
Summe Jahreshächstlast im
Teilnetz
1.000 kVA Prämisse
Investition 30.000 Euro Erfahrungswert
Eigenkapitalanteil 40% StromNEV
Eigenkapitalzins 9,29% StromNEV
Nutzungsdauer 40 a StromNEV
Notwendige Entlastung 7,5% der Jahreshöchstlast
= 75 kW
Prämisse
Tabelle 14: Fallbeispiel 3 – Eingesparte Ersatzinvestition in MS/NS-Umspannebene
Aus den aufgeführten Parametern ergibt sich der Barwert einer Einsparung in
Höhe von ca. 17.400 Euro.
•LBD-Beratungsgesellschaft mbH März 2012 • 27/36

LichtBlick
Einbindung von ZHKW in Smart Grids
5.2 Hochrechnung der Fallbeispiele auf Deutschland
Die oben genannten Fallbeispiele werden nachfolgend auf die in Deutschland
bestehenden Potenziale hochgerechnet. Das Ergebnis stellt eine Indikation für
die möglichen Optimierungspotenziale aufgrund des Einsatzes aus ZHKW dar.
Für die Hochrechnung der Fallbeispiele ist eine Einschätzung notwendig, wie
viele dieser Fälle deutschlandweit auftreten können. Zu diesem Zweck müssen
Informationen zur installierten Transformatorleistung in Deutschland generiert
werden. Diese Abschätzung erfolgt auf Grundlage einer Stichprobe deutscher
Verteilnetzbetreiber. Die ausgewählte Stichprobe repräsentiert ca. 26% des
deutschlandweiten Stromabsatzes im Niederspannungsnetz.
Aus der Hochrechnung ergibt sich eine deutschlandweit installierte
Transformatorleistung in den beiden Umspannebenen entsprechend der
nachfolgenden Tabelle. Auf Grundlage der Netzstrukturdaten wurde zusätzlich
eine Hochrechnung der Anlagenzahl für die beiden Umspannebenen
vorgenommen.
Netzebene Transformatorleistung Anzahl Transformatoren
HS/MS ca. 440.000 MVA ca. 14.000
MS/NS ca. 240.000 MVA ca. 730.000
Tabelle 15: Hochrechnung der deutschlandweiten Transformatorleistung nach Netzebenen
Weiterhin bedarf es einer Einschätzung, wie viele Engpasssituationen es in den
deutschen Verteilnetzen potenziell geben wird. Diese Engpasssituationen sind
maßgeblich vom Verbrauchszuwachs im Bereich der heute nicht
leistungsgemessenen Kunden getrieben. Für den Zuwachs der Nachfrage
werden zwei maßgebliche Faktoren herangezogen:
• Bevölkerungswachstum in Wachstums- und Zuwanderungsgebieten und
überdurchschnittlicher Komfortzuwachs,
• Verbrauchszunahme und Zuwachs der maximalen Netzlast durch
Elektromobilität.
•LBD-Beratungsgesellschaft mbH März 2012 • 28/36

LichtBlick
Einbindung von ZHKW in Smart Grids
5.2.1 Abschätzung der Potenziale aufgrund von
Bevölkerungswachstum
In den vergangenen Jahren hatten hauptsächlich Ballungsräume bzw. dort die
Peripheriegebiete Bevölkerungszuwachs zu verzeichnen. Deshalb wird davon
ausgegangen, dass in ca. 1/3 der deutschen Verteilnetze
Bevölkerungszuwachs zu verzeichnen ist. Basierend auf den oben dargestellten
Zahlen umfasst dies ca. 4.700 Anlagen in der Umspannebene HS/MS und
ca. 243.000 Anlagen in der Umspannebene MS/NS.
Einsparung durch verzögerte Investitionen zur Engpassbehebung
(Hochrechnung Fallbeispiel 1 und 2)
Innerhalb dieser Netze wird angenommen, dass gegenwärtig in 5%–10% der
Betriebsmittel sehr hohe Auslastungen oder bereits akute Engpasssituationen
bestehen. Darüber hinaus wird aufgrund der Bevölkerungsentwicklung
angenommen, dass in weiteren 5%–10% der Betriebsmittel bis zum Jahr 2020
Engpasssituationen auftreten könnten.
Daraus ergeben sich die folgenden Zahlen für potenzielle Engpässe:
Netzebene Summe bis 2020
(10% der
Betriebsmittel)
HS/MS ca. 470 ca. 940
Summe bis 2020
(20% der
Betriebsmittel)
MS/NS ca. 24.300 ca. 48.600
Tabelle 16: Schätzung möglicher Engpässe in den Verteilnetzen
Diese Engpässe können grundsätzlich wie in Kapitel 4.3 dargestellt durch den
Einsatz von ZHKW behoben werden.
Wird von einer mittleren jährlichen Ersparnis von ca. 2.950 Euro/Engpass im
Bereich der Umspannebene MS/NS und 172.000 Euro/Engpass in der
Umspannebene HS/MS gerechnet, resultieren daraus die nachfolgenden
deutschlandweiten Potenziale. Die möglichen Potenziale aus Einsparungen bis
2020 werden dabei um 9 Jahre diskontiert.
•LBD-Beratungsgesellschaft mbH März 2012 • 29/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Netzebene Potenzial Engpässe
10% bis 2020
Potenzial Engpässe
20% bis 2020
HS/MS ca. 63 Mio. Euro ca. 126 Mio. Euro
MS/NS ca. 55 Mio. Euro ca. 111 Mio. Euro
Gesamt ca. 118 Mio. Euro ca. 237 Mio. Euro
Tabelle 17: Ergebnisse der Potenzialabschätzung
Die Hochrechnung auf Grundlage der Fallbeispiele 1 und 2 ergibt einen Barwert
für die Kostenvermeidungspotenziale in Höhe von ca. 118 bis 237 Mio. Euro für
den Zeitraum bis 2020.
5.2.2 Abschätzung der Potenziale aufgrund von Elektromobilität
Ein weiterer Faktor für zunehmenden Verbrauch wird die Elektromobilität sein.
Bis 2020 sollen eine Million Elektrofahrzeuge auf den deutschen Straßen
fahren. Die Ladeleistung dieser Fahrzeuge wird sich zwischen 3,7 kW bei
einem einphasigen Ladeanschluss mit 16 A und 230 V und 35 kW bei
Schnellladestationen bewegen. Als mittlere Ladeleistung werden 10 kW
unterstellt. Diese Leistung ist mit dreiphasigen Anschlüssen mit je 16 A und
400 V möglich. Dies bedeutet eine zusätzliche installierte Last von 10 GW in
den deutschen Verteilnetzen, die bei einem Gleichzeitigkeitsfaktor von 1 in
gleicher Höhe zusätzlich die Netze belasten würde. Der Gleichzeitigkeitsfaktor
beschreibt dabei, wie viele Fahrzeuge gleichzeitig geladen werden. Da nicht
alle Fahrzeuge gleichzeitig geladen werden, ist die relevante zusätzliche
Lastspitze deutlich geringer als die 10 GW gesamt installierter Ladeleistung.
Die Integration der Elektromobile in Smart Grids wird eine netzfreundliche
intelligente Steuerung der Ladezyklen ermöglichen. Dies schlägt sich in
geringeren Gleichzeitigkeitsfaktoren für die Netzlast der Elektrofahrzeuge
nieder. Ohne entsprechende Steuerung der Ladezyklen wären vor den
Hauptverkehrszeiten hohe Lastspitzen mit hohen Gleichzeitigkeitsfaktoren bis
zu 0,5 zu erwarten. Eine Senkung auf Werte von 0,1 bis 0,3 ist durch
intelligente Steuerung der Ladezyklen denkbar.
Bei einer Speicherkapazität der Elektrofahrzeuge von 20-30 kWh werden bei
durchschnittlich 10 kW Ladeleistung 2-3 h Ladezeit für eine vollständige Ladung
benötigt. Bei einer durchschnittlichen Fahrleistung von 12.000 km/a oder ca.
50km/Tag und einem Energiebedarf von 0,2 kWh/km muss eine Batterie täglich
um ca. 10 kWh geladen werden. Bei einer Ladeleistung von 10 kW würde dafür
eine Stunde benötigt. Bei einem Gleichzeitigkeitsfaktor von 0,1 würde die
Ladung einer Million Fahrzeuge dann 10 Stunden benötigen. Bei einem
Gleichzeitigkeitsfaktor von 0,3 würde die Ladedauer für eine Million Fahrzeuge
ca. 3,3 Stunden betragen. Dies ist durch intelligente Ladesteuerung durchaus
•LBD-Beratungsgesellschaft mbH März 2012 • 30/36

LichtBlick
Einbindung von ZHKW in Smart Grids
über einen Tag zu leisten. Als Bandbreite der Optimierungsmöglichkeiten
erscheint das angenommene Intervall daher geeignet.
Die Bandbreite der Gleichzeitigkeitsfaktoren bedeutet eine zusätzliche Netzlast
von 1–3 GW in den Verteilnetzen.
Aufgrund der beschränkten Reichweite eignen sich Elektrofahrzeuge
überwiegend für Pendler mit bis zu 80 km Fahrleistung pro Tag.
Elektrofahrzeuge werden deshalb bei der bis 2020 niedrigen
Marktdurchdringung vor allem in städtischen Ballungsräumen anzutreffen sein,
also in den gleichen Wachstumsgebieten wie in Kapitel 5.2.1 beschrieben. Dort
belasten sie die Verteilnetze zusätzlich sodass sich die hier angenommenen
Potenziale addieren lassen. Die so von Elektrofahrzeugen zusätzlich
verursachten Lastspitzen könnten bis 2020 in weiteren 5–10% der
Betriebsmittel in Wachstumsgebieten zu Engpässen führen. Zur Bewertung
dieser Engpässe wird Fallbeispiel 1 herangezogen. Es wird unterstellt, dass die
entsprechenden Netzausbaumaßnahmen erst im Jahr 2020 anfallen bzw.
vermieden werden. Die Beträge werden deshalb über neun Jahre diskontiert.
Auf Grundlage der in Fallbeispiel 1 genannten Zahlen ergibt sich somit ein
zusätzliches Potenzial von 21–42 Mio. Euro für den Zeitraum bis zum
Jahr 2020.
•LBD-Beratungsgesellschaft mbH März 2012 • 31/36

LichtBlick
Einbindung von ZHKW in Smart Grids
5.2.3 Einsparung durch Netzrückbau im Rahmen der
Netzerneuerung (Hochrechnung Fallbeispiel 3)
Die im Fallbeispiel 3 geschilderten Einsparungen im Rahmen der
Investitionszyklen in den Verteilnetzen stellen eine Form des Netzrückbaus dar.
Sie sind nur unter bestimmten Voraussetzungen möglich. Das eingesparte
Betriebsmittel muss durch andere naheliegende Ortsnetzstationen kompensiert
werden können. Um über die Niederspannungsleitungen nicht zu große
Spannungsabfälle zu realisieren, müssen sich diese Betriebsmittel nah genug
an der einzusparenden Station befinden. Dies setzt ebenfalls relativ dicht
besiedelte Gebiete voraus, weshalb auch für die Hochrechnung dieses
Beispiels die gleichen Netzgebiete als Grundlage gewählt werden, wie für die
beiden anderen Fallbeispiele. Dabei ist zu beachten, dass es sich nicht um die
gleichen Netzknoten handelt. Im Gegensatz zu den Fallbeispielen 1 und 2
sollten Netzknoten für das Fallbeispiel 3 eher rückläufigen oder zumindest
konstanten Bedarf aufweisen.
Aufgrund der Restriktionen wird die denkbare Anzahl der für diese Vermeidung
in Frage kommenden Betriebsmittel jedoch geringer eingeschätzt. Es wird
angenommen, dass bis zum Jahr 2020 durch diese Art der Optimierung nur
ca. 2–5% der Betriebsmittel eingespart werden können. Dies sind
ca. 4.900–12.100 Ortsnetzstationen. Bei einem Barwert von ca. 17.400 Euro
je vermiedener Investition in Betriebsmittel ergibt sich ein Potenzial von
ca. 85–211 Mio. Euro für den Zeitraum bis 2020.
5.3 Abgrenzung und Einordnung der Potenziale
Die Nutzung von ZHKW zur Netzoptimierung könnte in Zukunft einen Baustein
zur Reduzierung von Netzausbaukosten darstellen. Der BDEW hat für die hier
betrachteten Umspannebenen EEG-bedingte Ausbaukosten in Höhe von
340 Mio.–1,5 Mrd. Euro in der Umspannebene HS/MS und 1,4–2,5 Mrd. Euro
in der Umspannebene MS/NS ermittelt. In Summe ermittelte der BDEW
1,7–4 Mrd. Euro Investitionsbedarf in den genannten Umspannebenen HS/MS
und MS/MS 1 . Die hier ausgewiesenen Potenziale in Höhe von 224–490 Mio.
Euro entsprechen ca. 8–29% des vom BDEW ermittelten notwendigen
Gesamtinvestitionsvolumens für die Umspannebenen.
Bei diesem Vergleich ist jedoch wichtig zu beachten, dass es sich um
verschiedene Analysegrundlagen handelt. Die vom BDEW ausgewiesenen
1 Quelle: Abschätzung des Ausbaubedarfs in deutschen Verteilungsnetzen aufgrund von
Photovoltaik- und Windeinspeisungen bis 2020; Gutachten im Auftrag des BDEW erstellt durch
IAEW, BET, E-Bridge, Bonn/Aachen 30.03.2011, S 37
•LBD-Beratungsgesellschaft mbH März 2012 • 32/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Werte entstehen aufgrund von Engpässen beim Abtransport von Strom aus
EEG-Anlagen. Das heißt, es handelt sich maßgeblich um Engpässe beim
Energiefluss von niederen Netzebenen in höhere Netzebenen. Die
Abschätzungen zum Investitionsbedarf in den Verteilnetzen basieren also
maßgeblich auf den erwarteten Rückspeisungen aufgrund von Photovoltaik-
und Windstromeinspeisung in vorgelagerte Netze. Diese Entwicklungen sind
besonders in Flächennetzen mit wenig konzentrierten Bedarfsstrukturen
kritisch.
Der Treiber in der vorliegenden Analyse ist die Entwicklung des Verbrauchs.
Dies bedeutet, dass Energieflüsse von höheren in niedere Netzebenen
optimiert werden. Die hier vorgestellten Analysen gelten für Ballungsräume, in
denen Überspeisung aus dezentraler Einspeisung weniger problematisch ist.
Bei den genannten Zahlen handelt es sich um Schätzungen. Die tatsächlich
möglichen Einsparungen hängen maßgeblich von den realen Situationen in den
Netzen ab. Die Möglichkeiten der Optimierung mit ZHKW sind dabei im
Einzelfall zu klären. Um die Potenziale zu heben, ist eine enge Abstimmung mit
den Verteilnetzbetreibern notwendig.
Es wurden keine möglichen Wechselwirkungen in Zusammenhang mit
EEG-Einspeisung berücksichtigt, weil in den für ZHKW relevanten und hier
betrachteten Netzen in Ballungsräumen die Einspeisung von EEG-Anlagen von
untergeordneter Bedeutung ist. Engpässe aufgrund der Verbrauchsentwicklung
sind in diesen Netzen von größerer Bedeutung, als Probleme in
Zusammenhang mit EEG-Einspeisung.
Gegenüber dem geschätzten Aufwand des BDEW eröffnen ZHKW
insbesondere in den Umspannebenen der Verteilnetze interessante Potenziale
zur Optimierung und Reduzierung von Netzkosten.
Notwendige installierte elektrische Leistung zur Erreichung der Potenziale
Um die genannten Potenziale zu erreichen, müssen für die jeweiligen Fälle
bestimmte Leistungen installiert werden. Insgesamt müssten in der
Umspannebene MS/NS ca. 2,5 GW bis 5,5 GW Leistung vermieden werden.
In der Umspannebene HS/MS müssen weitere 1 GW bis 2,5 GW Lastspitzen
vermieden werden. Diese Vermeidung kann durch jede Art flexibler und
steuerbarer dezentraler Stromeinspeisung erbracht werden. Alle Anlagen
erfordern jedoch als Grundlage die Einbindung in Smart Grids.
•LBD-Beratungsgesellschaft mbH März 2012 • 33/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Mit dem von LichtBlick angestrebten Ziel von 100.000 ZHKW würde eine
zusätzliche Leistung von rund 1,9 GW im Netz zur Verfügung stehen. Da die
Anlagen nicht ausschließlich in kritischen Netzbereichen installiert werden, steht
diese Leistung nur teilweise zur Lastkappung in kritischen Bereichen von
Smart Grids zur Verfügung.
6 Aufzeigen des Anpassungsbedarfs der
energiewirtschaftlichen und energierechtlichen
(regulatorischen) Rahmenbedingungen
Für die Realisierung der ermittelten Potenziale bestehen Hindernisse in den
regulatorischen Rahmenbedingungen. Die Regelungen finden sich in den
Vorschriften des Energiewirtschaftsgesetzes (EnWG) und der
Stromnetzentgeltverordnung (StromNEV).
Die regulatorisch bzw. rechtlich aufzunehmenden Aspekte sind:
• Verfügbarkeit von Engpassinformationen in Verteilnetzen durch
Zwangsrollout von Smart Metern mit viertelstundenscharfer Messung,
• Errichtung von Erzeugungsanlagen zur Netzoptimierung und notwendige
Anreizsysteme als anerkennungsfähige Kosten,
• Schnittstellen und Prozesse für Steuerung von Nachfrage und Angebot in
den Verteilnetzen
• Prognose von Abrufzeiten und -dauern,
• variable Netzentgelte als Anreiz- und Steuerungsinstrument.
Verfügbarkeit von Engpassinformationen in Verteilnetzen
Gegenwärtig gibt es keine energierechtliche oder regulatorische Grundlage, die
gewährleisten kann, dass Netzbetreiber lokale Engpässe unterhalb der
Umspannebene HS/MS zuverlässig in Echtzeit überwachen können. Die in
Kapitel 4 dargestellten Anforderungen an die Verteilnetze bzw. deren Ausbau
zu Smart Grids sind wesentlicher Bestandteil der Optimierung von
Netzausbaukosten. Ein wichtiger Schritt hin zu einem Smart Grid ist die
flächendeckende Einführung von Smart Metern, welche die Verfügbarkeit von
Messdaten für lokale Netzoptimierungen erheblich verbessert. Die
obligatorische Einführung von Smart Metern im Rahmen der EnWG-Novelle
kann dieses Problem lösen. Notwendig ist jedoch eine viertelstundenscharfe
Messung, also lastprofilfähige Messsysteme. Der gegenwärtige Entwurf des
EnWG sieht dies nicht vor.
•LBD-Beratungsgesellschaft mbH März 2012 • 34/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Errichtung von Erzeugungsanlagen zur Netzoptimierung und notwendige
Anreizsysteme als anerkennungsfähige Kosten
Ein weiteres Hindernis auf dem Weg, die hier dargestellten Potenziale zu
nutzen, ist die Frage, ob und in welchem Umfang die Errichtung von
dezentralen Erzeugungsanlagen anstatt von Netzausbaumaßnahmen in den
Erlösobergrenzen berücksichtigt werden können. Laut § 11 EnWG sind die
Betreiber der Verteilnetze verpflichtet, diese »bedarfsgerecht zu optimieren, zu
verstärken und auszubauen«. Die Errichtung von KWK-Anlagen zur Behebung
von Netzengpässen kann in diesem Kontext als Netzoptimierung betrachtet
werden. Unter welchen Bedingungen die Errichtung von Erzeugungsanlagen
als Netzoptimierung gilt, wäre weiter zu präzisieren. Für die Erlösobergrenze
sind dabei nicht die Investition in die Erzeugungsanlage relevant, sondern die
Kosten, die durch ein Anreizsystem zur Steuerung der Erzeugung durch die
dezentralen Anlagen entstehen. Dieses Anreizsystem muss den
Anlagenbetreiber für die angebotene Flexibilität kompensieren. Darüber hinaus
kann der Anlagenbetreiber durch eine einmalige Vergütung an der vermiedenen
Netzinvestitionen teilhaben.
Da Netzengpässe insbesondere im Niederspannungsnetz räumlich stark
begrenzt sind, ist kein kurzfristiger Wettbewerb zu erwarten. Für den
Netzbetreiber macht der Verzicht auf Investitionen in Betriebsmittel nur Sinn,
wenn die Erbringung der Systemdienstleistung langfristig garantiert werden
kann. Der Beitrag des Anlagenbetreibers zur Lastkappung muss deshalb
langfristig vertraglich abgesichert werden. Die gesetzlichen bzw.
regulatorischen Rahmenbedingungen müssen daher langfristige Verträge zur
Erbringung von Systemdienstleistungen ermöglichen.
•LBD-Beratungsgesellschaft mbH März 2012 • 35/36

LichtBlick
Einbindung von ZHKW in Smart Grids
Schnittstellen und Prozesse zur Steuerung von Nachfrage und Angebot in
Verteilnetzen
Für eine möglichst effiziente Nutzung der Potenziale sind markteinheitliche
Schnittstellen und Prozesse für alle Marktteilnehmer notwendig. Die Einführung
von Standardprozessen und die Definition von Standardschnittstellen sind
notwendig, um Implementierungskosten gering zu halten und einen
diskriminierungsfreien Zugang für alle Marktteilnehmer zu gewährleisten.
Von zentraler Bedeutung ist eine hinreichend genaue Prognose zu Abrufzeiten
und Abrufdauer durch den Verteilnetzbetreiber sowie die dazugehörige
Marktkommunikation zu den Betreibern dezentraler KWK-Anlagen.
Ein weiteres zentrales Element sind lastvariable Netzentgelte, um ein
geeignetes Preissignal generieren zu können. Dieses Preissignal ist zur
Steuerung der Netzlastoptimierung notwendig. Die gegenwärtigen
Rahmenbedingungen sehen keine variablen Netzentgelte vor.
Die rechtliche Grundlage für die Steuerung flexibler Lasten durch den
Netzbetreiber bzw. durch Dritte und für die finanzielle Kompensation von
unterbrechbaren Lasten wird bereits in § 14 a der EnWG-Novelle geschaffen.
Die Regelung sieht vor, dass Letztverbrauchern mit vollständig unterbrechbaren
Verbrauchseinrichtungen ein reduziertes Netzentgelt berechnet wird. Dies
könnte analog auch für Letztverbraucher bzw. Anlagenbetreiber gelten, die zur
Netzentlastung dezentrale KWK-Anlagen entsprechend den Anforderungen des
Netzbetreibers einsetzen. Hierfür muss der Einsatz von
Eigenerzeugungsanlagen zur Netzlastoptimierung jedoch im Sinne dieser
Rechtsnorm anerkannt werden.
•LBD-Beratungsgesellschaft mbH März 2012 • 36/36