Demand Side Management

ZusammenfassungDer im Zuge der Energiewende wachsende Anteil regenerativer Energieträger verstärkt Preisschwankungen auf Energiemärkten und führt zur zunehmenden Gefährdung der Versorgungssicherheit. Vor allem Industrieunternehmen stehen vor der Herausforderung, das dadurch erschwerte Energieversorgungsmanagement so anzupassen, dass die Wertschöpfung und die Rentabilität der deutschen Standorte gesichert sind. Die Nutzung von Flexibilität im Energieverbrauch und in der Eigenenergieerzeugung („Demand Side Management“) kann dabei einen vielversprechenden Ansatz bieten, da somit ein kostensensitives Energiemanagement möglich ist und neue Erlöspotentiale durch Flexibilitätsvermarktung an Märkten für Strom, Systemdienstleistungen und speziellen Flexibilitätsmärkten erschließbar werden. Dennoch ist die Ermittlung des realisierbaren und wirtschaftlichen Energieflexibilitätspotentials von hoher Komplexität und die Literatur gibt bislang kaum Antworten darauf, wie Industrieunternehmen zukünftig mit dieser Situation umgehen sollen. Vor diesem Hintergrund wird im vorliegenden Beitrag die Entwicklung und Nutzung neuartiger Entscheidungsunterstützungssysteme motiviert, welche Industrieunternehmen alleine oder zusammen mit IT-Dienstleistern und Energieberatern entwickeln und zur optimalen Nutzung vorhandener Energieflexibilität unter integrierten Chancen- und Risikoaspekten nutzen können. Dazu werden neben Grundlagen zum Thema Energieflexibilität und Flexibilitätsvermarktung wesentliche funktionale Anforderungen präsentiert, die ein Entscheidungsunterstützungssystem (EUS) für das Energieflexibilitätsmanagement (EFM) idealerweise erfüllen sollte. Anschließend wird eine Systemarchitektur für ein derartiges EUS vorgestellt und Handlungsempfehlungen für die Praxis abgeleitet. Im Rahmen von Experteninterviews wird dabei die Praxistauglichkeit sichergestellt.AbstractThe German “energy transition” toward renewable energies exhibits an increase of volatility in energy supply and therefore threatens both grid stability and electricity price stability. Especially industrial companies meet the challenge to provide sufficient and affordable energy according to their individual production requirements. To this effect, the utilization of flexibility in these companies’ energy demand and decentral energy generation (“demand side management”) is a promising approach to realize cost savings and new profit opportunities on power exchanges, balancing power markets and specific forthcoming flexibility markets. However, the computation of available and economic energy flexibility potential is a highly complex task for industrial companies and literature has not yet delivered approaches on how to deal with that challenge. In this context, this paper motivates the development and application of new decision support systems that can be developed by industrial companies themselves or in cooperation with IT service providers and energy consultants with the objective to optimize the utilization of energy flexibility using an integrated risk and return management. Besides basics on energy flexibility and flexibility deployment, this paper presents important functional requirements for decision support systems in energy flexibility management. Subsequently, this paper presents a system architecture for such a decision support system and concludes with recommendations for practitioners. Thereby, practicability is ensured by presenting results from interviews with industry experts.

[1]  Thomas Sachs,et al.  Ausgangsbedingungen für die Vermarktung von Nachfrageflexibilität: Status-Quo-Analyse und Metastudie , 2017 .

[2]  Hartmut Schmeck,et al.  Organic Computing – Addressing Complexity by Controlled Self-Organization , 2006, Second International Symposium on Leveraging Applications of Formal Methods, Verification and Validation (isola 2006).

[3]  Joseph Reger,et al.  Energieaspekte der Informationstechnologie , 2017 .

[4]  Cornelia Kermel,et al.  Gesetz zur Digitalisierung der Energiewende , 2016 .

[5]  Hartmut Schmeck,et al.  Organic Architecture for Energy Management and Smart Grids , 2015, 2015 IEEE International Conference on Autonomic Computing.

[6]  Lukas Häfner,et al.  Providing Utility to Utilities: The Value of Information Systems Enabled Flexibility in Electricity Consumption , 2016, J. Assoc. Inf. Syst..

[7]  Markus Strohmaier,et al.  Future research challenges in business agility -time, control and information systems , 2005, Seventh IEEE International Conference on E-Commerce Technology Workshops.

[8]  Ralf Simon Nachfrageseitige Flexibilitätsoptionen: Demand-Side-Management, Energiespeicher und Regelenergie , 2017 .

[9]  Hartmut Schmeck,et al.  Decentralized Energy-Management to Control Smart-Home Architectures , 2010, ARCS.

[10]  Hartmut Schmeck,et al.  Organic smart home: architecture for energy management in intelligent buildings , 2011, OC '11.

[11]  Hartmut Schmeck,et al.  Towards a generic observer/controller architecture for Organic Computing , 2006, GI Jahrestagung.

[12]  Janez Hrastnik,et al.  Heterogenes Wissen über Prozesse als Grundlage für die Geschäftsprozessverbesserung , 2004 .