Techno-economic Energy Management of Water-Integrated Multi- microgrid System using Dynamic Demand Response Programs

In der modernen Welt werden Elektrizität und Wasser oft als getrennte Versorgungsleistungen behandelt, die durch unterschiedliche Rohre und Leitungen zu unseren Häusern und Unternehmen fließen. Doch sie sind tief miteinander verwoben; die Erzeugung von Elektrizität erfordert oft enorme Mengen Wasser zur Kühlung, während das Pumpen und Aufbereiten von Wasser einen erheblichen elektrischen Strombedarf hat. Diese Verbindung, bekannt als Wasser-Energie-Nexus, bedeutet, dass die Verwaltung einer Ressource zwangsläufig die andere beeinflusst. Da Gemeinden zunehmend auf lokale Energiequellen wie Solarmodule und Windturbinen setzen, um große zentrale Kraftwerke zu ersetzen, verschiebt sich die Herausforderung von der bloßen Generierung genügend Energie hin zum Abgleich von Angebot und Nachfrage in Echtzeit. Wenn die Sonne nicht scheint oder der Wind nicht weht, können lokale Netze unter Druck geraten, was zu Stromausfällen oder einer teuren Abhängigkeit von entfernten Stromleitungen führt. Um dies zu lösen, entwickeln Ingenieure „Microgrids“ – kleine, autarke Energienetze, die unabhängig operieren können. Das Ziel ist es, diese lokalen Systeme intelligenter zu machen, sodass sie ihren Verbrauch basierend auf dem, was verfügbar ist, anpassen können, ganz ähnlich wie ein Haushalt das Licht ausschalten könnte, um Geld zu sparen, aber auf einer Skala, die eine ganze Nachbarschaft reibungslos am Laufen hält.

Hamid Karimi, ein Forscher an der Qom University of Technology im Iran, widmete sich diesem komplexen Balanceakt, indem er ein neues Managementsystem für ein Netzwerk aus drei solcher Microgrids entwarf, die zudem für die Bereitstellung von Trinkwasser verantwortlich sind. In seiner Studie simulierte er ein Szenario, in dem diese lokalen Netze mit Solarmodulen, Windturbinen, Dieselgeneratoren und Batteriespeichern sowie mit Wasserbrunnen, Entsalzungsanlagen und Speichertanks ausgestattet waren. Der Kern seiner Arbeit war ein zweistufiger Planungsprozess, der darauf ausgelegt war, sowohl die finanziellen als als auch die technischen Realitäten des Betriebs eines solchen Systems zu bewältigen. Der erste Schritt konzentrierte sich rein auf die Wirtschaftlichkeit und berechnete den kostengünstigsten Weg, das System zu betreiben, indem entschieden wurde, wann Strom aus dem Hauptnetz gekauft, wann lokale Generatoren genutzt und wann die Wasserproduktion in Zeiten verlagert werden sollte, in denen Elektrizität günstig war. Der zweite Schritt nahm diesen kostengünstigsten Plan und passte ihn an, um eine spezifische Kennzahl der Unabhängigkeit namens „Self-Sufficiency Measure Index“ (Selbstversorgungsindex) zu verbessern. Dieser Index belohnt das System im Wesentlichen dafür, dass es seinen eigenen Strom lokal erzeugt, anstatt auf das Hauptnetz zurückzugreifen, was hilft, Energieverluste zu reduzieren und die lokale Spannung stabil zu halten.

Eine entscheidende Innovation in Karimis Ansatz war die Art und Weise, wie er die „Demand Response“ (Nachfragemanagement) behandelte, eine Strategie, bei der Verbraucher zustimmen, ihren Stromverbrauch als Reaktion auf Signale zu ändern. Frühere Studien gingen oft davon aus, dass ein Microgrid einfach zu jeder Zeit einen festen Prozentsatz seiner Last senken oder erhöhen kann, vergleichbar mit der Annahme, eine Person könne genau die gleiche Menge an zusätzlicher Nahrung zu sich nehmen, egal ob sie bereits satt oder hungrig ist. Karimi argumentierte, dass dies unrealistisch sei. Stattdessen entwickelte er ein dynamisches Programm, das die tatsächlichen täglichen Gewohnheiten der Microgrids betrachtet. Er erkannte, dass in Nebenzeiten, wenn Elektrizität günstig und die Nachfrage gering ist, ein Microgrid viel Spielraum hat, um die Wasserförderung zu erhöhen oder seine Batterien aufzuladen. Umgekehrt gibt es während der Spitzenzeiten, wenn alle Strom verbrauchen, sehr wenig Spielraum, um die Last zu erhöhen, aber es gibt erheblichen Spielraum, um sie zu senken. Durch die Berechnung dieser Grenzen Stunde für Stunde konnte das System viel intelligentere Entscheidungen treffen. Beispielsweise ermittelte das Modell, dass die Microgrids in den frühen Morgenstunden ihre Wasserförderung um bis zu 20 Prozent steigern konnten, während sie in den Abendstunden der Spitzenlast ihren Verbrauch um eine ähnliche Marge senken konnten – eine Flexibilität, die ein starres, festنسبiger System schlichtweg nicht erreichen konnte.

Als Karimi seine Simulationen durchführte und dieses neue dynamische Verfahren mit einem traditionellen, festen Ansatz verglich, waren die Ergebnisse beeindruckend. Das dynamische System reduzierte die Gesamtkosten des Betriebs der drei Microgrids um etwa 20 Prozent und sparte im simulierten Tag über 700 Dollar im Vergleich zur Standardmethode ein.ت Wichtiger noch: Es verbesserte die Zuverlässigkeit des Systems dramatisch. Die Menge der nicht gelieferten Elektrizität, bekannt als „Energy Not Supplied“ (nicht gelieferte Energie), sank um zwei Drittel von über 1.300 Kilowattstunden auf unter 440 Kilowattstunden. Dies geschah, weil das dynamische Modell es den Microgrids ermöglichte, ihre Wasserproduktion und das Laden der Batterien in Zeiten zu verlagern, in denen lokale erneuerbare Energien reichlich vorhanden und die Preise niedrig waren, anstatt während der teuren, stressigen Spitzenzeiten mit der Bedarfsdeckung zu kämpfen. Das System wurde auch selbstversorgender, wobei der Selbstversorgungsindex von etwa 79 Prozent auf 86 Prozent stieg, was bedeutet, dass die lokalen Netze mehr von ihren eigenen Bedürfnissen decken konnten, ohne das Hauptnetz zu belasten.

Die Studie zeigte auch auf, wie sich die Wasser- und Energiesysteme auf unerwartete Weise gegenseitig beeinflussten. Die Simulation zeigte, dass die Microgrids die Priorität darauf legten, Wasser aus unterirdischen Brunnen zu pumpen, da dies weniger Elektrizität erforderte als der Betrieb der Entsalzungsanlagen. Wenn jedoch die Wind- und Solarleistung hoch war, leitete das System automatisch diese überschüssige saubere Energie in den Betrieb der Entsalzungsmaschinen um, um die Tanks mit Frischwasser für die spätere Nutzung zu füllen. Diese Koordination glättete das tägliche Lastprofil und machte die Kurve des Stromverbrauchs flacher und effizienter. Die Forscher führten eine neue Metrik namens „Soft Load Profile Index“ ein, um diese Glätte zu messen, und das dynamische Modell verbesserte diesen Wert um etwa 4 Prozent gegenüber dem statischen Ansatz. Am Ende der Simulation hatten die Microgrids erfolgreich demonstriert, dass die Behandlung von Wasser und Elektrizität als ein einziges, koordiniertes System, das durch eine flexible und intelligente Reaktion auf Echtzeitbedingungen gesteuert wird, lokale Energienetze kostengünstiger, zuverlässiger und weitaus unabhängiger machen kann. Die Ergebnisse legen nahe, dass es beim Übergang zu dezentraler Energie nicht nur darauf ankommt, mehr Solarmodule oder Batterien zu haben, sondern das präzise, stündliche Potenzial zu verstehen, die Nachfrage so zu verschieben, dass die physikalischen Grenzen des Systems respektiert werden.