Storage MultiApp – Entwicklung und Erprobung von Optimierungsverfahren für den Multi-Use Speicherbetrieb

Projektbeschreibung

Im Verbundprojekt „Lebensdaueroptimierte Multi-Use Speichersysteme – Storage MultiApp“ wird ein technisch und ökonomisch optimierter Betrieb von Batteriespeichersystemen für Industrieanwendungen untersucht: Als „Enabling technology“ für Schnelladesäulen an Autobahnen, Photovoltaik-Mieterstromkonzepte oder zur Verbesserung der Netzstabilität sind industrielle Batteriespeichersysteme (CSS) ein entscheidender Baustein der bevorstehenden Energiewende. 

Ein bewährter Ansatz zur Ertragsoptimierung ist es, den Speicher für mehrere Anwendungen zu nutzen (z.B.: Photovoltaik-Eigenverbrauch + BHKW Optimierung + Peak Shaving). Der Einfluss dieser „Multi-Use“ Ansätze auf die Alterung der Energiespeicher ist jedoch weitgehend unbekannt. In der Praxis wird daher häufig eine Überdimensionierung der Speichersysteme veranschlagt, die wiederum bis zu 20 % der Systemkosten betragen kann.

Ziel des Forschungsprojekts „Storage MultiApp“ ist die Entwicklung eines digitalen Zwillings, der moderne Zellalterungsmodelle, Batteriehardware und Betriebsführungsstrategien koppelt, um eine langfristige Alterungsprognose für Industriespeichersysteme (CSS) zu ermöglichen. Das Hauptziel des Teilprojektes der Hochschule Kempten mit dem Titel „Entwicklung und Erprobung von Optimierungsverfahren für den Multi-Use Speicherbetrieb“ liegt im Aufbau eines mehrstufigen Optimierungssystems, das 

1. aktuelle Energiemarktdaten und regulatorische Randbedingungen für den Einsatz von CSS berücksichtigt, 
2. die Unsicherheit von Last- und Erzeugungsprognosen berücksichtigt und eine gegenüber Prognosefehlern robuste Speicherbetriebsweise berechnet und 
3. auf dem Demonstrationssystem des Industriepartners Varta Storage implementierbar ist.

Im Teilprojekt werden zunächst aktuelle Energiemarktdaten sowie in Deutschland relevante Anwendungsfälle für den Einsatz von Gewerbespeichersystemen identifiziert und mittels techno-ökonomischer Analyse bewertet. Anschließend wird ein Optimierungsprogramm in mehreren Ausbaustufen entwickelt, das zum einen den Betrieb des Speichers parallel in mehreren Anwendungsfällen erlaubt und außerdem mit unsicherheitsbehafteten Prognosedaten und komplexen Batteriemodellen operieren kann. Dazu werden Methoden der gemischt ganzzahligen linearen Optimierung, der stochastischen Optimierung und des maschinellen Lernens eingesetzt. Die so ermittelten Steuerstrategien werden abschließend für die Implementierung in einem Demonstrationssystem übergeben.

Die Verbundkoordinaton liegt bei Dr. Benjamin Achzet der VARTA Storage GmbH.