En4U - Entwicklungspfade eines dezentralen Energiesystems im Zusammenspiel der Entscheidungen privater und kommerzieller Energieakteure unter Unsicherheit

Kurzfassung

Das Projekt EN4U zielt darauf ab, Unsicherheiten im deutschen Energiesystem zu verstehen und zu quantifizieren, indem es verschiedene Modelle miteinander koppelt. Ein stochastisches Optimierungsmodell (ESOM) bestimmt den Kraftwerkspark für ein Szenariojahr, während eine agentenbasierte Simulation (ABMS) den betriebswirtschaftlichen Einsatz und den Strompreis berechnet. So werden Photovoltaik mit Speicher, E-Pkw und Wärmepumpen als optimierte Mikromodelle auf Haushaltsebene durch maschinelles Lernen abstrahiert. So können die Investitionsentscheidungen von Haushalten bis 2045 prognostiziert werden. Es ergeben sich fünf zentrale Ergebnisse: 1. Maschinelles Lernen: Algorithmen wie LSTM sagen den aggregierten Stromverbrauch von Photovoltaik, Wärmepumpen und E-Fahrzeugen mit einem mittleren Fehler von ca. 680 Euro für ein Jahr relativ genau voraus. 2. Modellkopplung: Die Kombination von ESOM und ABMS (AMIRIS) liefert robuste Ergebnisse trotz hoher Unsicherheiten. In vielen Szenarien zeigt sich eine Reduktion von Öl und ein Anstieg der Wind- (81-87%) und Erdgas-Kapazitäten (15-18%). Die Gesamtkapazität des Energieportfolios liegt im 10. Jahr bei 293-295 GW. 3. Diffusionsmodell: Das Diffusionsmodell prognostiziert die Verbreitung von PVS, EVs und Wärmepumpen bis 2045. Bis 2045 wird eine kumulierte PV-Kapazität von 105,3 GW und eine Speicherkapazität von 70,6 GWh erwartet. 4. Erweiterung von AMIRIS: Externe ML-Modelle können als Agenten in AMIRIS integriert werden, um zusätzlich Flexibilitäten wie Wärmepumpen, E-Autos und PVS abzubilden. 5. Reaktion auf Strompreissignale: Modelle für E-Pkw, Wärmepumpen und PV-Anlagen reagieren auf Strompreissignale. E-Pkw-Lademuster hängen vom Haushaltstyp ab, und Wärmepumpen können unter Real-Time-Pricing (RTP) die Restlast um 3 bis 5 GW bis 2040 reduzieren, mit Einsparungen von 6% bis 27% bei den Stromkosten, die durch Eigenverbrauch von PV weiter erhöht werden.