Abschlussworkshop DemandRegio

(1)

Abschlussworkshop DemandRegio

15.11.2019 SIMON BURGES, BASTIAN GILLESSEN, FABIAN GOTZENS

Methodik und Ergebnisse für den Bereich private Haushalte

FKZ: 03ET4040A

(2)

Zusammenfassung & Ausblick 5

Ergebnisse 4

Verfahren und Modellbildung 3

Hintergrund 2

Motivation

1

(3)

Zusammenfassung & Ausblick 5

Ergebnisse 4

Verfahren und Modellbildung 3

Hintergrund 2

Motivation 1

AGENDA

(4)

 Endenergieverbrauch in Deutschland historisch nahezu konstant

ngstabellen zur Energiebilanz für die Bundesrepublik Deutschland 1990 –2018 (Stan

(5)

STROM UND ERDGAS WESENTLICHE ENERGIETRÄGER

Motivation

 Strom und Erdgas haben bis Mitte der 2000er an Bedeutung gewonnen

 Seitdem stagnierender Anteil von ca. 20 % (Strom) und 38 % (Erdgas)

ⁿ^g^s

tabellen zur Energiebilanz für die Bundesrepublik Deutschland 1990 –2018 (Stand August 2019)

Private Haushalte

(6)

 Wo werden diese Energieträger wann verbraucht?

 Für welche Anwendungen werden diese Energieträger eingesetzt?

 Wie verändert sich die Nachfrage in der Zukunft?

 Fragen von zentraler Bedeutung für viele Forschungsprojekte (insb. Infrastrukturauslegung)

 Heterogene Methoden- und Datenlandschaft

 Häufig sich wiederholende Aufgabe in der Wissenschaft

(7)

Zusammenfassung & Ausblick 5

Ergebnisse 4

Verfahren und Modellbildung 3

Hintergrund 2

Motivation 1

AGENDA

(8)

Literaturrecherche

Datenablage

EnNabG identifizieren

Datenprovider finden

Datenakquise

ok? Daten prüfen Ansprache

Rückfragen

 Energienachfrage bestimmende Größen (EnNabG) ermittelt

 Fachgespräche geführt

 Daten strukturiert

(9)

RÄUMLICHE AUFLÖSUNGEN

Hintergrund

NUTS-1

16 Bundesländer NUTS-0

Deutschland 401 Kreise und

kreisfreie Städte NUTS-3

NUTS-3 Code

Bezeichnung

DE111 Stuttgart DE112 Böblingen

... ...

DE300 Berlin

... ...

DEG0P Wartburgkreis

(10)

Zusammenfassung & Ausblick 5

Ergebnisse 4

Diskussion der Varianten 3.3

Zeitliche Aufschlüsselung 3.2

Räumliche Aufschlüsselung 3.1

Verfahren und Modellbildung 3

Hintergrund 2

Motivation

1

(11)

VERFAHREN UND MODELLBILDUNG

Methoden zur räumlichen Auflösung

Haushalte + Einwohner

+ Gebäudestruktur + Wohnfläche

Gas G_TD G_BU

Haushalte + Einwohner

+ Gebäudestruktur + Wohnfläche

Bottom-Up (BU) Top-Down (TD)

Stro m

S_TD

Einwohner Einwohner

+ Einkommen

S_TD_EK

Haushalte Haushalte

+Einkommen

S_BU S_BU_EK

(12)

Strom- verbrauch Haushalte

Strom-Jahreslast: Top-Down-Verfahren mit geringem Datenbedarf

_Ga^s

Prozess

Aufschlüsseln

Zwischenergebnis

Strombedarf Jahr: 2015

(NUTS-3)

Fortschreibung

Prozess

Strombedarf Jahr: 2030

(NUTS-3)

Ergebnis Inputs

Einwohner- zahlen je

NUTS-3

Fortschreibung auf Basis einer Bevölkerungsprognose Status-quo im

Basisjahr NUTS-3 Personen

DE111 623,738

… ...

DE300 3,520,031

DE 132 TWh

Inputs

 Geringer Datenbedarf

(13)

REGIONALE AUFSCHLÜSSELUNG

Strom-Jahreslast: Top-Down-Verfahren mit Berücksichtigung des Einkommens

Prozess

Aufschlüsseln

Zwischenergebnis

Strombedarf Jahr: 2015

(NUTS-3)

Fortschreibung

Prozess

Strombedarf Jahr: 2030

(NUTS-3)

Ergebnis Inputs

Top-Down Bottom-Up

GasStrom

Fortschreibung auf Basis einer Bevölkerungsprognose Status-quo im

Basisjahr Pro-Kopf

Einkommen je NUTS-3 Einwohner-

zahlen je NUTS-3

Strom- verbrauch Haushalte

 Höherer Datenbedarf, Wohlstandseffekt berücksichtigt

(14)

Strom-Jahreslast: Bottom-Up-Verfahren mit geringem Datenbedarf

_Ga^s

Prozess

Aggregation

Zwischenergebnis

Strombedarf Jahr: 2015

(NUTS-3)

Fortschreibung

Prozess

Strombedarf Jahr: 2030

(NUTS-3)

Ergebnis

Fortschreibung auf Basis einer Bevölkerungsprognose

spezifischer Verbrauch je

HH-Größe Haushalts- anzahlen je HH-Größe +

NUTS-3

Inputs

 Haushaltsstruktur entscheidend

(15)

REGIONALE AUFSCHLÜSSELUNG

Strom-Jahreslast: Bottom-Up-Verfahren mit Berücksichtigung des Einkommens

Prozess

Aggregation

Zwischenergebnis

Strombedarf Jahr: 2015

(NUTS-3)

Fortschreibung

Prozess

Strombedarf Jahr: 2030

(NUTS-3)

Ergebnis

Top-Down Bottom-Up

GasStrom

Haushaltszahlen nur für 2011 verfügbar:

Gewichtung mit Einwohnern

Fortschreibung auf Basis einer Bevölkerungsprognose

spezifischer Verbrauch je

HH-Größe

Inputs

Pro-Kopf Einkommen je

NUTS-3

Haushalts- anzahlen je HH-Größe +

NUTS-3

 Haushaltsstruktur entscheidend, Wohlstandseffekt berücksichtigt

(16)

 Berechnung Gasbedarf über AGEB Anwendungsbilanz Gas-Jahreslast: Top-Down-Verfahren

Gasbedarf [GWh/a]

_NUTS-3

Gas

Inputs

Einwohnerzahlen Jahresbedarf Warmwasser Gebäudebestand

Jahresbedarf Raumheizung Jahresbedarf

Kochen Anzahl Haushalte

Aufschlüsseln

Aufschlüsseln Aufschlüsseln

Prozess

Kochen [GWh/a]

_NUTS-3

Warmwasser [GWh/a]

_NUTS-3

Raumheizung [GWh/a]

_NUTS-3

Ergebnis

Kochen 0.4%

Warmwasser 18.6%

Raumwärme 81.0%

Kochen Warmwasser Raumwärme

(17)

REGIONALE AUFSCHLÜSSELUNG

Berechnung des Gasbedarfs Bottom-Up Verfahren

Gasbedarf gesamt 𝐺𝑊ℎ/𝑎

_{𝑁𝑈𝑇𝑆−3}

Top-Down Bottom-Up

GasStrom

Mit Erdgas beheizte Wohnfläche [𝑚²]

- je Baualtersklasse - je NUTS-3

Bau-AK

≤ 1948 1949 – 1968 1969 – 1985 1986 – 1995 1996 – 2000

≥ 2001 spez. Heizwärme-

bedarf [

^𝑘𝑊ℎ

𝑚²𝑎

]

- je Baualtersklasse - eine NUTS3-Reg.

spez. Heizwärme- bedarf [

^𝑘𝑊ℎ

𝑚²𝑎

]

- je Baualtersklasse - je NUTS-3

Korrektur mit Heiz- gradtagen - je NUTS-3

Gasbedarf für Kochen

aus Top-Down

Gasbedarf für Raumheizung

Gasbedarf für Warmwasser

aus Top-Down

×

 Berechnung Gasbedarf für Raumwärme mit spezifischen Kennzahlen

η

(18)

Zusammenfassung & Ausblick 5

Ergebnisse 4

Diskussion der Varianten 3.3

Zeitliche Aufschlüsselung 3.2

Räumliche Aufschlüsselung 3.1

Verfahren und Modellbildung 3

Hintergrund 2

Motivation

1

(19)

VERFAHREN UND MODELLBILDUNG

Methoden zur zeitlichen Auflösung

G_SLP

S_ZVE

Gas Strom

Zeitverwendungserhebung (ZVE) Standardlastprofile (SLP)

S_SLP

(20)

Bewertungskriterium Pro Contra Allgemein Etabliertes und in der Anwendung verbreitet

+ einfaches Verfahren

Einflussparameter auf Lastprofil weitestgehend unbekannt

Treffsicherheit Relativ hoch Abweichungen z. B. in der Abendspitze

Möglichkeit zur Anpassung Ja: über bewusste Manipulation Jedoch keine analytische Vorgehensweise Regionalisierung möglich? Berücksichtigung lokaler Feiertage möglich Nicht anhand struktureller Einflussfaktoren

 Basiert auf Messreihen von Haushalten

 Stammen vom VDEW (heute: BDEW) aus dem Jahr 1996

 Werden für Stromkunden ohne registrierende Leistungsmessung zur Prognose eingesetzt für

 Haushalte

 Landwirtschaft

 Gewerbe

Jahreszeit

T y p tag

Werktag- Winter

Werktag- Sommer

Werktag- Übergang Samstag-

Winter

Samstag- Sommer

Samstag- Übergang Werktag-

Winter

Werktag- Sommer

Werktag-

Übergang

(21)

SLP ABHÄNGIG VOM WOCHENTAG

Strom: Standardlastprofilverfahren (SLP)

SLP-Werktag SLP-Samstag SLP-Sonntag

 Lastspitze Werktags am Abend

 Lastspitze Samstags sowohl Mittags als auch Abends

 Lastspitze Sonntags am Mittag

Legende

Übergang Winter Sommer

S_SLP S_ZVE G_SLP

Las t [W ]

(22)

Ante il an der Las t je Anw endungs bereic h

Strombedarf nach Anwendung und Haushaltsgröße

Büro Licht

Warmwasser Waschen

Trocknen Spülen

Kochen TV/Audio

(23)

AKTIVITÄTSBASIERTE LASTPROFILE

Strom: Zeitverwendungserhebung (ZVE)

S_SLP S_ZVE G_SLP

Ante il an der Stromnac hfrage

 Berücksichtigung von

 aktivitätsbasierter Last: Tätigkeit → Anwendung

 Grundlast: z. B. Kühlgeräte

 Regionalisierte Lastprofile: Sonnenstand → Beleuchtungsbedarf

Strombedarf je Anwendung + Haushaltsgröße

(24)

 Etabliertes Verfahren

 Außentemperatur (T) als entscheidende Einflussgröße für den zeitlichen Gasverbrauch

 Volatilität bei Mehrfamilienhäusern (MFH) höher als bei Einfamilienhäusern (EFH)

01. Jan 01. Apr 01. Okt

(25)

Zusammenfassung & Ausblick 5

Ergebnisse 4

Diskussion der Varianten 3.3

Zeitliche Aufschlüsselung 3.2

Räumliche Aufschlüsselung 3.1

Verfahren und Modellbildung 3

Hintergrund 2

Motivation 1

AGENDA

(26)

Räumlich

Strom: S_TD | S_TD_EK | S_BU | S_BU_EK

 Verschiedene Varianten für Strom

berücksichtigen unterschiedliche Datenlagen

 Verfügbares Pro-Kopf-Einkommen hat Einfluss auf Stromverbrauch

 Validierung nur auf auf Bundeslandebene möglich

Gas: G_TD | G_BU

 Gasbedarf basiert auf Wärmebedarf für Raumheizung + Kochen + Warmwasser

Zeitlich

Strom: S_SLP | S_ZVE

 SLP-Verfahren etabliert und basiert auf Messwerten

 ZVE-Verfahren berücksichtigt verschiedene Haushaltsgrößen + Anwendungen

und

ist – sonnenstandsbedingt – regionaliert

Gas: G_SLP

 Aktuellste Version (2016) des etablierten

Verfahrens

(27)

METHODIK IN PYTHON IMPLEMENTIERT

disaggregator : Ein quelloffenes Python-Framework

 provide I/O file paths

 load settings from config.yaml

 perform raw string database requestat RestfulAPI and cache the results

 clear local cache

 provide NUTS-3 regions

Main functions

 Dimensionless data

 electricity demand

 heat demand

 gas demand

 Spatial data

 population

 household sizes

 living spaces

 incomes etc.

 Temporal data

 load curves CTS / Industry / households

 Spatiotemporal data

 ambient temperature

 solar irradiation etc.

 disaggregate

households: electric power

 by: distribution key

 weight by income

 disaggregate households heat demands

 by: distribution key

 disaggregate

households natural gas

 distribution key

config.py

configuration functions

data.py

import and mend datasets

spatial.py

spatial

disaggregation

 disagg_temporal Give regional

disaggregated data a temporal dimension by

 temporal_id

 given timeseries

 create_projection

Return a time projection of temporal or

spatiotemporal data for a given future year

temporal.py

temporal disaggregation

 choropleth map Plotting of single or

multiple maps with colored regions, colorbars and many options

 create animations

Function for making a GIF or mp4-file of spatiotemporal data

 helper functions

plot.py

plotting and helper functions

(28)

Zusammenfassung & Ausblick 5

Szenario 2030 4.2

Status quo 4.1

Ergebnisse 4

Verfahren und Modellbildung 3

Hintergrund 2

Motivation

1

(29)

RÄUMLICHER STROMVERBRAUCH IM JAHR 2015

Ergebnisse Status quo

(30)

 Stromverbrauch abhängig von Einwohnerdichte

Verteilung der Haushaltsgrößen – identische Farbskalen

(31)

 Stromverbrauch abhängig von Einwohnerdichte

HAUSHALTSSTRUKTUR DEFINIERT STROMVERBRAUCH

Ergebnisse Status quo

Verteilung der Haushaltsgrößen – unterschiedliche Farbskalen

(32)

(33)

RÄUMLICHER GASVERBRAUCH IM JAHR 2015

Ergebnisse Status quo

(34)

Gleich

 Grundstruktur

 Lastspitzen: Mittag & Abends Unterschied

 ZVE gegenüber SLP:

 höhere Abendspitze

 Geringere Last in der Nacht

 Leicht geringere Last am Mittag

 Geringere Last im Sommer

(35)

REGIONALE UNTERSCHIEDE (S_ZVE)

Ergebnisse Status quo

Sommer Übergang Winter

 Regionale Zusammensetzung der Haushaltsgrößen beeinflusst Anwendungen

 Standort beeinflusst Licht

(36)

 Deutliche Lastspitzen im Winter (Tag 0 bis 50 und Tag 280 bis 360)

 Tageslast bestimmend – stündliche Unterschiede eher gering

 Keine Typtage erkennbar (im Gegensatz zu Strom)

(37)

ZEITLICHER VERLAUF DER WÄRMENACHFRAGE

Ergebnisse Status quo

Temperaturverlauf

Temperatur und Uhrzeit haben maßgeblichen Einfluss auf Gasverbrauch

Gasverbrauch

(38)

Strom

Winter Sommer

Gas

Winter Sommer

(39)

Zusammenfassung & Ausblick 5

Szenario 2030 4.2

Status quo 4.1

Ergebnisse 4

Verfahren und Modellbildung 3

Hintergrund 2

Motivation 1

AGENDA

(40)

2015 → 2030 2015 → 2030

https://www.presseportal.de/pm/35604/740022 https://www.destatis.de/DE/Themen/Gesellschaft-

Umwelt/Bevoelkerung/Bevoelkerungsvorausberechnung/Publikati onen/Downloads-Vorausberechnung/bevoelkerung-deutschland- 2060-5124202199014.pdf

(41)

ERGEBNISSE – FORTSCHREIBUNG

Ergebnisse Szenario 2030

Gas

Strom

(42)

Zusammenfassung & Ausblick 5

Ergebnisse 4

Verfahren und Modellbildung 3

Hintergrund 2

Motivation

1

(43)

HIGHLIGHTS

Zusammenfassung und Ausblick

 Toolsammlung für räumlich und zeitlich hochaufgelöste Strom- und Gasnachfragen der privaten Haushalte

 Open Source-Verfügbarkeit

 Recherchierte Eingangs- und Ergebnisdaten in Online-Datenbank

 Open Data-Lizenz

 Historische Nachfragen abrufbar

 Beispielszenario bis 2030 verfügbar

 Eigene Nachfrageszenarien berechenbar

Pixabay License:Free for Commercial Use https://pixabay.com/photos/lamp-light-lightbulb-lighting-4535320/

(44)

 Erweiterung auf weitere Energieträger

 Erweiterung auf Verkehrssektor

 Pflege der Datenbank

 Methodische Weiterentwicklung

Pixabay License:Free for Commercial Use https://pixabay.com/photos/window-castle-windows-castle-218269/

(45)