Cleverer Ansatz: Betriebskosten durch Optimierung im Querverbund reduzieren

Immer mehr Industrieunternehmen sind auf der Suche nach innovativen Konzepten, mit denen sie die Energiekosten reduzieren und die Energieeffizienz weiter erhöhen können, um die eigene Wirtschaftlichkeit und Wettbewerbsfähigkeit zu erhalten und auszubauen. Eines dieser Konzepte ist das digitale Energiemanagement mit ganzheitlicher Betrachtung und Echtzeit-Optimierung im Verbund.

Viele Industrieunternehmen stellen neben Dampf, Prozesswärme und Kälte auch ihren Strom selbst her. Die Eigenerzeugung macht aus ihnen einen „Prosumer“ (Producer/Consumer) mit hohen Flexibilitätspotenzialen. Ihre Anlagen bieten nämlich durch die Energieerzeugung im Querverbund und viele unterschiedliche Speicherfähigkeiten mannigfaltige Verschiebepotenziale und Freiheitsgrade. In ihrer Rolle als Prosumer haben die Unternehmen jetzt die Möglichkeit, aktives Energiemanagement zu betreiben und die Preisschwankungen am Energiemarkt für sich zu nutzen. Eine Chance, die bisher nur wenig wahrgenommen wird, denn es fehlen Energiemanagementsysteme, die eine vorausschauende Steuerung und Optimierung des Gesamtsystems in Echtzeit ermöglichen.

Herkömmliche Energiemanagementsysteme bieten hier nur bedingt Unterstützung: Sie erlauben durch ihr monatliches Reporting eine ständige Strukturverbesserung des Energiesystems. Diese Berichte basieren jedoch ausschließlich auf der Erfassung und einer anschließenden Analyse von historischen Energieverbrauchsdaten. Dabei werden Energieträger oft isoliert betrachtet. Die Steuerung energierelevanter Anlagen funktioniert häufig anlagenspezifisch und ohne Vernetzung, was eine Abstimmung der Anlagen untereinander erschwert.

Ganzheitliche Betrachtung und Echtzeit-Optimierung im Verbund

Mit einem intelligenten, prognose- und sensorbasierten Energiemanagement von Erzeugung und Verbrauch im Querverbund – das heißt über alle Energieträger hinweg und in Echtzeit – können Unternehmen Potenziale bei der Lastverschiebung identifizieren, die eigene Energieerzeugung und den Betrieb ihrer Energiespeicher optimieren, ganzheitlich betrachten und entsprechend aussteuern. Solche Echtzeit-Systeme sind ferner in der Lage, teure Lastspitzen bei unerwarteten Ausfällen zu vermeiden, den volatilen Charakter der Eigenproduktion von Strom aus Windkraft und Photovoltaikanlagen zu berücksichtigen und den Einsatz von Blockheizkraftwerken zu optimieren. So können die Beschaffungskosten gesenkt und durch eine aktive Teilnahme am Energiemarkt sogar zusätzliche Gewinne erwirtschaftet werden.

Industrielle Energieverbraucher erhalten durch die Berücksichtigung der Abhängigkeiten zwischen Anlagen und Gebäuden ihres Energiesystems ein besseres Verständnis für den optimalen Einsatz unterschiedlicher Energieträger. Durch diese Betrachtung im Querverbund werden Lastverschiebungs- und Speicherpotenziale aufgedeckt, wodurch Lastspitzen systematischer vermieden werden können. Langfristig lässt sich durch eine stärker am Bedarf orientierte Energieerzeugung der Energieverbrauch generell senken. Beispielsweise kann bereits eine zeitliche Verzögerung oder ein leichtes Über- bzw. Unterschreiten von Zieltemperaturen beim Heizen und Kühlen erhebliche finanzielle Vorteile bringen.

Aktive Teilnahme am Energiehandel

Die volatilen Preise bieten Potenzial für günstigen Stromeinkauf, machen die Energiebeschaffung jedoch auch komplexer. Wenn Unternehmen die Prognose ihres zukünftigen Energiebedarfs in Verbindung mit prognostizierten Energiebeschaffungspreisen analysieren, kann die Beschaffungsstrategie verbessert werden, indem – sofern möglich – der Einkauf in Zeiten günstiger Energiepreise verlagert wird. Andererseits können Unternehmen in Zeiten hoher Preise zusätzliche Erlöse erwirtschaften, indem sie überschüssige Energie aus der Eigenerzeugung am Intraday-Markt anbieten oder am Regelenergiemarkt teilnehmen.

Aus Big Data wird Smart Data

Für eine optimale Verzahnung von Erzeugung und Verbrauch bedarf es echtzeitfähiger Informa-tions- und Kommunikationstechnologie (IKT) sowie Analysewerkzeuge, die eine intelligente
Auswertung großer Datenmengen erlauben. Erforderlich ist hierfür eine flexibel anpassbare Datenorganisation, welche große Datenmengen in Echtzeit unter Nutzung von In-Memory-Datenbanktechnologie verarbeitet. Performante, anpassbare Importschnittstellen integrieren unterschiedliche Datenquellen wie zum Beispiel Börsendaten, Wetterprognosen oder Messdaten aus der Gebäudeleittechnik.

Die Daten aus Zählern und Sensoren der Anlagen werden mit Wetter- und Preisinformationen angereichert und der Bedarf (Strom, Kälte, Wärme) sowie die regenerative Erzeugung (PV, Wind) prognostiziert. Alle Daten werden dann einem Optimierungsmodell zur Verfügung gestellt, welches die Erzeugung im Querverbund unter Nutzung der Speicherfähigkeiten und unter Berücksichtigung der Intraday-Preise optimiert. Aus der Masse an Daten („Big Data“) werden so sinnvoll nutzbare Erkenntnisse für Prognosen, Steuerungen und Entscheidungen („Smart Data“). Das Ergebnis: optimale Fahrpläne für die flexiblen Erzeuger und Verbraucher des Energiesystems, mit denen einzelne Anlagen bedarfsgerecht gesteuert werden können. Dieser vorausschauende Betrieb des Energiesystems hat den zusätzlichen Vorteil, dass Unternehmen auf unerwartete Betriebszustände besser reagieren können.

Im Einsatz am Flughafen Stuttgart

In dem vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Projekt „SmartEnergyHub“ entwickelt Seven2one einen Prototypen eines solchen Energiemanagements im Verbund mit den Projektpartnern Fichtner IT Consulting AG, Integrierte Informationssysteme GmbH, Fraunhofer IAO und IAIS. Am Flughafen Stuttgart wird das existierende Energiemanagementsystem zu einem prognosebasierten Energieoptimierungs- und Steuerungssystem in Echtzeit ausgebaut, das alle Energieträger (Strom, Wärme, Kälte, Lüftung, Klima) berücksichtigt. Das Projekt „SmartEnergyHub“ wird zeigen, wie Betreiber komplexer Infrastrukturen durch den Einsatz intelligenter IT-Lösungen Einsparpotenziale und Mehrwerte realisieren können.