Backbone
Die Reduktion von Treibhausgasemissionen soll in der EU im Wesentlichen durch Energieeffizienzmaßnahmen und den Ausbau regenerativer Energien erreicht werden. Letzterer geht dabei mit einer Dezentralisierung der Energieversorgung sowie einer steigenden Fluktuation und Unsicherheit einher. Dadurch steigt der Bedarf an Flexibilität im Energiesystem. Neben klassischen, erzeugungsseitigen Flexibilitätsoptionen, Speichern und Lastverlagerungsmaßnahmen kommt in diesem Zusammenhang der Sektorkopplung (z.B. „Power-to-Gas“ oder „Power-to-Heat“) eine besondere Bedeutung zu. Diese ist außerdem notwendig zur Defossilisierung der Nicht-Stromsektoren und damit zum Erreichen der gesteckten Klimaziele. Mit der Kopplung steigen die Systemgröße und -komplexität, gleichzeitig gewinnen Interdependenzen und Wechselwirkungen zwischen den verschiedenen Elementen an Relevanz. Dies bringt neue Herausforderungen für die Energiesystemmodellierung und nachgelagerte Analysen mit sich. Um diesen Herausforderungen, insbesondere im Zusammenhang mit der Sektorkopplung, zu begegnen, hat das Technische Forschungszentrum Finnland VTT das Open Source Energiesystemmodellierungs-Framework Backbone entwickelt. Backbone ist ein sehr anpassungsfähiges Framework für die gemischt-ganzzahlige Investitions- und Einsatzoptimierung integrierter Energiesysteme. Zentrale Bestandteile des Frameworks sind die Abbildung mehrerer gekoppelter Sektoren, die Integration von zahlreichen technischen Randbedingungen, Reserveprodukten und Energiespeichern, die stochastische Berücksichtigung von Unsicherheiten sowie eine sehr flexible räumliche und zeitliche Auflösung.

Am Lehrstuhl Energiesysteme und Energiewirtschaft der Ruhr-Universität Bochum wird Backbone für verschiedene Fragen des Energieinfrastrukturbedarfs und -einsatzes, der Markt- und Systemintegration regenerativer Energien sowie des Marktdesigns und der Regulierung eingesetzt und gezielt weiterentwickelt. Aktuelle Studien analysieren z.B. die Rentabilität verschiedener regenerativer Energietechnologien im europäischen Vergleich oder untersuchen Auswirkungen gesellschaftlicher Akzeptanz auf die Energiesystementwicklung in Europa. Gegenwärtige und angestrebte Weiterentwicklungen von Backbone fokussieren darüber hinaus u.a. auf die Integration sog. „Reduced-Order Modelle“, um technische Details von Energieumwandlungsprozessen (z.B. Produktion von grünem oder blauem Wasserstoff) realistischer abzubilden, auf die Mehrzieloptimierung von Energiesystemen, um neben Kosten auch ökologische oder gesellschaftliche Aspekte berücksichtigen zu können, sowie die Wechselwirkung von Klima und Energiesystemen unter besonderer Berücksichtigung langfristiger Unsicherheiten.

BackboneTools:
Eine Python-Toolbox zur Unterstützung der Nutzung des Energiesystem-Modellierungsframeworks Backbone:
BackboneTools

Diese Toolbox soll die Nutzung des Energiesystem-Modellierungsframeworks Backbone
(https://gitlab.vtt.fi/backbone/backbone/) durch die Bereitstellung von Python-Tools unterstützen.
Sie umfasst die Konvertierung von Eingabe- und Ausgabedateien im .gdx-Format in Pandas-Dataframes und umgekehrt, automatisierte Plottfunktionen sowie einige Ausführungsroutinen wie die automatisierte Szenarioanalyse.

Inverse Mehrziel-Optimierung (MOIn) zur Umwandlung von Modell-Eingabeparametern in Ausgabewerte:
Git-Repository

Die Inverse Mehrziel-Optimierung (engl. Multi-objective inverse optimisation (MOIn)) ist ein Optimierungsansatz, um traditionelle Eingabeparameter von Energiesystemmodellen (ESM) in Optimierungsvariablen und damit in Ausgabewerte umzuwandeln.
Dabei kehren wir die ESM-Formulierung um, indem wir einen technologischen Eingabeparameter in eine Entscheidungsvariable umwandeln und eine Mehrziel-Optimierung zwischen den Kosten auf Technologieebene und den Gesamtkosten auf Systemebene durchführen.
Hier bezieht sich die Systemebene auf ein Energiesystem, z. B. ein nationales Stromnetz oder ein Wohnviertel, mit mehreren Technologien zur Energieversorgung, -speicherung und -übertragung sowie zum Energiebedarf.
Dies ist besonders relevant für die Einbeziehung von Technologien mit niedrigem Technologiereifegrad (TRL) in ESM, da techno-ökonomische Parameter in frühen Entwicklungsstadien noch nicht bekannt sind oder einer hohen Unsicherheit unterliegen.

Die Nutzung der Energiesystemmodelle, die wir entwickeln und verwenden, erfordert Expert:innenwissen. Um ihre Erkenntnisse auch Ottonormalverbraucher:innen zugänglich zu machen und sie bei ihren Dekarbonisierungsentscheidungen zu unterstützen, haben wir drei Tools entwickelt, die die Nutzung von zwei Energiesystemmodellen und der Methodik der multikriteriellen Entscheidungsanalyse ermöglichen.

apps.ee.rub.de

Das erste Tool ermöglicht die Nutzung eines Modells zur Optimierung des Haushaltsenergieverbrauchs durch Investition in eine PV-Anlage, einen Batteriespeicher und eine Wärmepumpe. Unter Berücksichtigung individueller Nachfragezeitreihen und Annahmen zu Kosten, Endverbraucherpreisen und Subventionen optimiert das Modell die Dimensionierung der drei Technologien und weist den erreichten Autarkiegrad aus.

Das zweite Tool visualisiert die Ergebnisse einer Mehrziel-Optimierung, die die Kosten des Heizbedarfs unter Berücksichtigung verschiedener Heiztechnologien minimiert und gleichzeitig den Wärmekomfort und die entstehenden CO2-Emissionen berücksichtigt. Es ermöglicht die Betrachtung der Zielkonflikte zwischen den drei Größen.

Das dritte Tool ist an Methoden der 'Multikriteriellen Entscheidungsanalyse' (engl. MCDA) angelehnt und unterstützt bei der Entscheidung zum Kauf eines neuen Fahrzeugs oder einer neuen Heizung. Unter Berücksichtigung persönlicher Präferenzen und multipler Kriterien bewertet das Tool verschiedene Alternativen und visualisiert die Ergebnisse.