Die EWE AG betreibt und vermarktet zwei BHKWs zur Wärmeversorgung der Universität Oldenburg. Die BHKWs werden wärmegeführt betrieben, wobei der erzeugte Strom in das öffentliche Netz eingespeist wird. Damit die erlösoptimierte Betriebsweise der BHWKs sichergestellt werden kann, ist die Überführung der BHKWs in die Vermarktungsform der Direktvermarktung erforderlich. Eine möglichst präzise Stromprognose ist für den Vermarktungserfolg von wesentlicher Bedeutung.

Da die BHKWs wärmegeführt gefahren werden, ist zur Optimierung der Betriebsweise und zur Stromprognose daher zunächst eine möglichst genaue Prognose des Wärmebedarfs auf der Abnehmerseite erforderlich, wozu durch perpendo eine Methode auf Basis von künstlichen neuronalen Netzen (KNN) entwickelt, erprobt und bewertet wurde.

Unter anderem sollten Fragestellungen nach den wesentlichen Randbedingungen, den Wettereinflüssen, der zeitlichen Struktur, dem Betrachtungszeitraum und der notwendigen Auflösung beantwortet werden.

In einem 2-stufigen Vorgehen entwickelte perpendo zuerst eine Methode zur jährlichen Wärmebedarfsprognose, wodurch der stündliche Wärmebedarf über ein mittleres Jahr als Basis für die Bewertung von Betriebsoptimierungen sowie Aus- und Umbaumaßnahmen der BHKW-Anlagen heran gezogen werden kann. Diese Methode dient somit zur Unterstützung der Bewertung von langfristigen Investitionsentscheidungen. In einem nachgelagerten Schritt wurde die Methode erweitert, um auf Basis von Wetterprognosen und aufgezeichneten Verbrauchsdaten kurzfristige Wärmebedarfsprognosen zeitnah erstellen zu können. Diese kurzfristige Wärmebedarfsprognose kann anschließend unter Berücksichtigung der optimalen Betriebsstrategie als Grundlage für die Stromerzeugungsprognose verwendet werden.

Somit können letztendlich auf Basis von Wetterprognosen und aufgezeichneten Verbrauchsdaten kurzfristige Wärmebedarfsprognosen für den Day-Ahead-Handel erstellt werden. Für das Anwendungsbeispiel zeigt sich, dass eine zuverlässige Wärmebedarfsprognose bereits mit einer stündlichen Wetterprognose der Temperatur und der relativen Feuchte möglich ist.

Wärmebedarf / KNN Prognose

 

 
zurück zum Seitenanfang