Im Ergebnis konnte bei den durchgeführten Versuchen, die sich jeweils über drei Tage erstreckten, eine Steigerung der Eigenstromdeckung von 20 Prozent im Vergleich zum wärmegeführten Betrieb erreicht werden. Über eine Modellrechnung lässt sich ableiten, dass diese Steigerung bei elektrischen Lastprofilen mit ausgeprägten Stromspitzen sogar noch höher ausfällt; bei eher an der Grundlast orientierten Stromprofilen kann diese Steigerung hingegen auch geringer ausfallen [4]. Zusätzlich steht eine sogenannte Ad-hoc-Funktion zur Verfügung, die direkt auf den aktuellen Stromverbrauch oder auf den aktuellen Netzzustand reagiert und damit die Möglichkeit bietet, in der Strombedarfsprognose nicht erfasste elektrische Lastspitzen abzudecken, was zu einer weiteren Verbesserung der Ergebnisse führt. Im zuvor beschriebenen Fall konnte auf diese Weise eine Erhöhung der Eigenstromdeckung auf bis zu 27 Prozent erreicht werden.
Im Rahmen von Forschungsprojekten wird die Steuerung derzeit an zwei KWK-Anlagen eingesetzt und getestet. Bei einem Projekt handelt es sich um eine KWK-Anlage in einem Komplex aus sechs Mehrfamilienhäusern – hier ist das Ziel ebenfalls die Erhöhung der Eigenstromdeckung. In dem anderen Projekt wird der Algorithmus genutzt, um mit Hilfe eines Biogas-Blockheizkraftwerks (Biogas-BHKW) den externen Strombezug im vorgelagerten Netz zu minimieren.
Voraussetzungen für den Einsatz der Steuerung
Mit Blick auf die Hardware stellt die Implementierung der vorgestellten stromoptimierten Steuerung praktisch keinen Mehraufwand für die Hersteller von KWK-Geräten oder den Anlagenbetreiber dar. Abgesehen von Wärmemengenzählern und einem auslesbaren Stromzähler, die je nach Anlage bereits installiert sind, werden keine Zusatzkomponenten benötigt. Wie zuvor beschrieben, besteht alternativ zum Einsatz eines Wärmemengenzählers die Möglichkeit, den Wärmebedarf aus der Änderung der Temperaturen im Pufferspeicher der KWK-Anlage zu berechnen. Um diese Ergebnisse jedoch für eine zuverlässige Wärmelastprognose verwenden zu können, sind zumeist mehr als die standardmäßig zwei oder drei verbauten Temperaturfühler am Speicher erforderlich.
Softwaretechnisch ist der ursprünglich in „MATLAB“ erstellte Algorithmus zunächst in eine auf einer SPS umsetzbaren Version weiterentwickelt worden. Somit kann der Steuerungsalgorithmus direkt auf das interne Steuergerät eines KWK-Gerätes übertragen werden. Die spezifischen Randbedingungen des jeweiligen Gerätes werden im Rahmen von kleineren Anpassungen in die vorhandene Steuerungskonfiguration eingepflegt. Auf diese Weise ist eine individuelle Abstimmung der Software auf die Geräte und Anlagen möglich.
Wie bereits erwähnt, steht die vorausschauende Steuerung mittlerweile auch alternativ als webbasierte Serviceanwendung zu Verfügung. Zu diesem Zweck ist der Algorithmus in Verbindung mit einer Datenbank auf einem Webserver umgesetzt; ein entsprechender Webservice ermöglicht die Kommunikation zwischen KWK-Anlage und Algorithmus. Für einen Datentransfer bedarf es lediglich einer Abstimmung der Schnittstellen, so dass die für die Fahrplanerstellung notwendigen Daten sowie der Fahrplan selbst zwischen Algorithmus bzw. Datenbank und KWK-Anlage ausgetauscht werden können. Eine lokale Umsetzung des Algorithmus auf der Anlagensteuerung ist damit nicht mehr erforderlich. Diese webbasierte Variante kann entweder zentral verwaltet werden oder auch von den Anlagenherstellern betrieben und im Rahmen des Anlagenmonitorings über das Internet, das bei Neuanlagen mittlerweile Standard ist, als Zusatzservice angeboten werden. Damit bestehen verschiedene Möglichkeiten, den entwickelten Steuerungsalgorithmus einzusetzen und KWK-Geräte zukünftig nicht mehr rein wärmegeführt, sondern flexibel und optimal an einer Zielgröße ausgerichtet zu betreiben. Auf diese Weise kann letztendlich erreicht werden, die immer wieder beschriebene Systemdienlichkeit der KWK auch tatsächlich umzusetzen und der KWK ihren Platz im zukünftigen Energiesystem zu sichern.
Frage zum Artikel
