Detailansicht
Recommender tool for optimized battery charging cycles for energy communities
Vincent König
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Wirtschaftsinformatik
Betreuer*in
Hermann Schichl
DOI
10.25365/thesis.77986
URN
urn:nbn:at:at-ubw:1-27043.49490.975440-3
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In den letzten Jahrzehnten hat der Energiesektor einen tiefgreifenden Wandel durchlaufen, der durch die Schwächen des herkömmlichen zentralisierten Stromnetzes, den zunehmenden Anteil erneuerbarer Energiequellen in der Stromproduktion und den allgemeinen Fortschritt der Informationstechnologie vorangetrieben wurde. Ein zentraler Aspekt dieses Transformationsprozesses ist die voranschreitende Dezentralisierung der Energieerzeugung und -speicherung, die den einzelnen Verbrauchern mehr Kontrolle überträgt und zur Entstehung autonomer "Microgrids" führt. Die Europäische Union hat auf diese Entwicklungen mit der Verabschiedung entsprechender Gesetzgebung in Form der Erneuerbare-Energien-Richtlinie II reagiert, die 2021 von der österreichischen Regierung umgesetzt wurde und die Schaffung sogenannter „Energiegemeinschaften“ ermöglicht: Zusammenschlüsse von privaten und öffentlichen Haushalten, die als einheitliche Marktteilnehmer gegenüber dem öffentlichen Stromnetz agieren und erneuerbare Energiequellen einsetzen, um ihre Energieproduktion, -nutzung und -speicherung innerhalb einer bestimmten geografischen Nähe gemeinschaftlich zu verwalten. Diese Entwicklungen haben zu wachsenden Schwankungen von Stromangebot und -nachfrage geführt, was einerseits effiziente Energiespeichersysteme und andererseits leistungsstarke Optimierungsund Prognosetools erforderlich macht. Diese Arbeit bietet einen umfassenden Überblick über den Transformationsprozess des Stromnetzes und den aktuellen Stand der Technik von Energiespeichersystemen. Sie umfasst die technische Implementierung eines beispielhaften Stammdatenmanagement-Tools für österreichische Energiegemeinschaften („Energy Community Management“, ECM). Dieses Tool ermöglicht die Erstellung eines einfachen digitalen Zwillings einer Energiegemeinschaft, bestehend aus Energiequellen (Solarmodule), Verbrauchern (Haushalte) und Speichereinheiten (Lithium-Ionen-Batterien). Das resultierende Modell kann für weitere Optimierungszwecke verwendet werden; im Rahmen dieser Arbeit liegt der Schwerpunkt auf der Optimierung der Speichereinheit - eine simulierte Vorhersage, wie die Batterie basierend auf bestimmten Eigenschaften (wie z.B. Kapazität oder Entladerate) sowie internen und externen Informationen (wie z.B. Last- bzw. Erzeugungsprofile oder Strompreise) optimal geladen/entladen werden sollte. Zusammenfassend stellt diese Arbeit einen interdisziplinären Ansatz aus Energiewirtschaft, mathematischer Optimierung und Informatik dar, mit dem Ziel, ein ganzheitliches Bild der aktuellen technologischen und gesellschaftlichen Dezentralisierungstrends im österreichischen Energiesektor zu schaffen.
Abstract
(Englisch)
For the past few decades, the energy sector has undergone a profound transformation, driven by the shortcomings of the conventional centralized power grid, the growing share of renewable energy sources in the mix of energy production, and the general advancement of information technology. One key aspect of the transformation process is the ongoing decentralization of energy generation and storage, which transfers more control to individual consumers, leading to the establishment of autonomous microgrids. The European Union has responded to these developments by passing respective legislation in the form of Renewable Energy Directive II, which was implemented by the Austrian government in 2021, allowing for the creation of so-called "energy communities": Associations of private and public individuals that act as unified market participants towards the main power grid by utilizing renewable energy sources to manage their own energy production, consumption, and storage within a certain geographical proximity. These developments have resulted in growing energy supply and demand fluctuations, which in turn require efficient energy storage systems on the one hand and powerful optimization and forecasting tools on the other. This paper constitutes a comprehensive review of the power grid transformation process and the current state-of-the-art of energy storage systems. It includes a technical implementation of an exemplary master data management tool for Austrian energy communities ("Energy Community Management", ECM). This tool enables the creation of a simple digital twin of an energy community consisting of energy generation sources (solar panels), loads (households), and storage devices (lithium-ion batteries). The resulting model can be used for further optimization purposes; in scope of this paper, however, is the simulated optimization of the storage device - a mocked prediction of how the battery should be optimally charged/discharged based on certain characteristics (e.g., capacity, discharge rate) and internal/external information (e.g., load/generation profiles, prices). In summary, this paper represents an interdisciplinary approach of energy economics, mathematical optimization, and informatics, with the ultimate goal of creating a holistic picture of the current technological and societal decentralization trends of the Austrian energy sector.
Schlagwörter
Schlagwörter
(Deutsch)
Energiewirtschaft Lineare Optimierung Digitaler Zwilling Energiegemeinschaft Recommender-Tool Energiespeichersysteme Smart Grid Microgrid Batterieladezyklus
Schlagwörter
(Englisch)
Energy sector Linear optimization Digital twin Energy community Recommender tool Energy storage systems Smart grid Microgrid Battery charging cycle
Autor*innen
Vincent König
Haupttitel (Englisch)
Recommender tool for optimized battery charging cycles for energy communities
Publikationsjahr
2025
Umfangsangabe
xii, 72 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Hermann Schichl
AC Nummer
AC17471408
Utheses ID
75116
Studienkennzahl
UA | 066 | 926 | |