Intelligente Vernetzung: Abfall und E-Autos optimieren städtische Energienetze
Die Zukunft der städtischen Energieversorgung zeichnet sich nicht mehr durch isolierte, starre Systeme ab, sondern durch eine dynamische, intelligente Vernetzung vielfältiger Quellen und Verbraucher. In einer bahnbrechenden Studie stellen Forscher der Guangxi University ein neuartiges Modell für ein regionales integriertes Energiesystem (RIES) vor, das zwei oft vernachlässigte Ressourcen – kommunale Abfälle und die Batterien von Elektrofahrzeugen – zu zentralen Bausteinen einer effizienteren und wirtschaftlicheren Energieinfrastruktur macht. Das Team um Professor Li Jiyong, den Doktoranden Song Zihan und Professor Liu Bin demonstriert, wie die Integration von Abfallverbrennungsanlagen und bidirektionalem Energieaustausch mit Elektrofahrzeugen (Vehicle-to-Grid, V2G) nicht nur den Energieverbrauch optimieren, sondern auch erhebliche Kosten senken und die Abhängigkeit vom übergeordneten Stromnetz verringern kann.
Die traditionelle Energieversorgung operiert in getrennten Silos: Strom, Wärme und Kälte werden oft unabhängig voneinander erzeugt und verteilt. Dies führt zwangsläufig zu Ineffizienzen, da Überschüsse an einer Stelle nicht genutzt werden können, um Mangel an einer anderen zu decken. Ein klassisches Beispiel ist die Abwärme aus Kraftwerken, die häufig ungenutzt in die Umwelt abgegeben wird, obwohl sie zur Beheizung von Gebäuden oder zur Erzeugung von Kälte dienen könnte. Die Vision des RIES ist es, diese Barrieren abzubauen und ein System zu schaffen, in dem verschiedene Energieformen nahtlos miteinander gekoppelt und optimal aufeinander abgestimmt werden können. Das Forscherteam aus Nanning geht nun einen entscheidenden Schritt weiter, indem es zwei transformative Elemente in dieses Modell integriert: die energetische Verwertung von Abfall und die Nutzung von Elektrofahrzeugen als mobile Energiespeicher.
Der erste Innovationsschub liegt in der systematischen Einbindung von Müllverbrennungsanlagen. Anstatt Abfälle ausschließlich als Problem der Entsorgung zu betrachten, wird ihr chemischer Energiegehalt als wertvoller Rohstoff für die Energieerzeugung genutzt. Das Modell der Guangxi University sieht vor, dass die bei der Verbrennung von Haushaltsmüll entstehende Wärme nicht nur zur Beheizung von Gebäuden verwendet wird, sondern auch zur Stromerzeugung eingesetzt wird. Dies geschieht durch Dampfturbinen, die die Wärmeenergie in elektrische Energie umwandeln. Dieser Ansatz hat eine doppelte Wirkung: Er reduziert die Menge an Abfall, die auf Deponien landet, und verringert gleichzeitig die Notwendigkeit, zusätzlichen Strom aus dem öffentlichen Netz zu beziehen, der oft aus fossilen Brennstoffen stammt. Die Abfallverbrennungsanlage wird somit von einer reinen Entsorgungseinrichtung zu einem aktiven, stabilen Energieerzeuger innerhalb des lokalen Netzwerks.
Das zweite, ebenso revolutionäre Element ist die Integration von Elektrofahrzeugen. Hier wird das Potenzial der Fahrzeugbatterien voll ausgeschöpft. Anstatt die E-Autos lediglich als passive Verbraucher zu sehen, die nachts an die Steckdose angeschlossen werden, betrachtet das Modell sie als aktive Teilnehmer am Energiemarkt. Durch die V2G-Technologie können die Fahrzeuge nicht nur Strom beziehen, sondern diesen auch wieder ins Netz zurückspeisen. Dies ermöglicht eine bisher unerreichte Flexibilität in der Netzsteuerung. Während der Nachtstunden, wenn der Stromverbrauch niedrig und die Preise am günstigsten sind – die sogenannte „Nachtstrom-Phase“ – werden die Fahrzeugbatterien aufgeladen. Dabei kann der Strom idealerweise aus überschüssiger Solarenergie oder aus der Abfallverbrennungsanlage stammen, was die Nutzung erneuerbarer und sekundärer Energiequellen maximiert.
Die wahre Stärke des Modells zeigt sich jedoch tagsüber, wenn der Energiebedarf in die Höhe schnellt. In den typischen Spitzenlastzeiten, etwa zwischen 11 Uhr und 16 Uhr sowie abends von 19 bis 22 Uhr, steigen die Strompreise erheblich an. Anstatt zu diesen teuren Zeiten zusätzlichen Strom aus dem Netz zu kaufen, kann das System auf die gespeicherte Energie in den E-Auto-Batterien zurückgreifen. Die Fahrzeuge entladen sich dann gezielt und speisen ihren Strom ins lokale RIES ein. Dieses Verfahren, bekannt als „Lastspitzenabsenkung“ oder „Peak Shaving“, glättet den Gesamtverbrauch des Netzwerks und vermeidet kostspielige Anschaffungen von Spitzenlastkraftwerken. Es ist eine Win-Win-Situation: Das Energiesystem wird stabiler und kostengünstiger betrieben, und die Fahrzeugbesitzer erhalten eine finanzielle Vergütung für ihre Teilnahme am V2G-Programm.
Um die Komplexität dieses vernetzten Systems zu meistern, entwickelten die Forscher ein anspruchsvolles mathematisches Optimierungsmodell. Das Ziel war klar: die Gesamtkosten des Systems über einen Zeitraum von 24 Stunden zu minimieren. Diese Kosten setzen sich aus mehreren Komponenten zusammen: den Ausgaben für den Bezug von Strom aus dem übergeordneten Netz, den Kosten für den Verbrauch von Erdgas in Blockheizkraftwerken (BHKW) und den Kosten für das Laden der Elektrofahrzeuge. Gleichzeitig berücksichtigt das Modell die Einnahmen, die durch das Einspeisen von Strom aus den E-Autos in das Netz erzielt werden. Um diese Zielfunktion unter Berücksichtigung zahlreicher technischer und praktischer Einschränkungen zu lösen, setzten die Forscher einen verbesserten Partikelschwarm-Algorithmus (Particle Swarm Optimization, PSO) ein. Dieser Algorithmus, der von der Schwarmintelligenz von Vögeln oder Fischen inspiriert ist, durchsucht den riesigen Raum möglicher Betriebsstrategien, um die kostengünstigste Lösung zu finden.
Die Simulationen, die mit Hilfe der Programmiersprache Python durchgeführt wurden, basierten auf realistischen Lastprofilen für einen städtischen Bezirk in der Sommersaison. Die Ergebnisse waren beeindruckend. Das Modell zeigte, dass das koordinierte Zusammenspiel von Abfallverbrennungsanlage und E-Auto-Flotte die Abhängigkeit vom öffentlichen Stromnetz signifikant reduziert. Während der Nachtstunden wurde der Großteil des benötigten Stroms, insbesondere zum Laden der Elektrofahrzeuge, aus dem lokalen Netz bezogen, das durch die Abfallverbrennungsanlage und ggf. überschüssige Solarenergie gespeist wurde. Dies führte zu einer Entlastung des übergeordneten Netzes in den Niedriglastzeiten.
Die Analyse der Wärme- und Kälteversorgung enthüllte eine weitere Ebene der Effizienz: die stufenweise Nutzung von Energie, auch bekannt als „Kaskadennutzung“. Die von den BHKWs und der Abfallverbrennungsanlage erzeugte Wärme wurde nicht nur zur Beheizung von Gebäuden verwendet, sondern auch in Absorptionskältemaschinen eingesetzt, um Kälte für die Klimaanlagen zu erzeugen. Dies ist besonders effizient, da die für die Kälteerzeugung benötigte Wärme oft aus Abwärmequellen stammt, die sonst ungenutzt blieben. Die Simulation zeigte, dass diese Kombination aus Wärme- und Kälteerzeugung aus Abwärme während der heißen Mittags- und Nachmittagsstunden einen erheblichen Teil des Kältebedarfs decken konnte, was den Verbrauch von Strom für elektrische Kompressorkältemaschinen erheblich senkte.
Ein zentrales Ergebnis der Studie war der direkte Zusammenhang zwischen der Größe der E-Auto-Flotte und den Gesamtkosten des Systems. Die Forscher führten Vergleichsszenarien durch, in denen die maximale Ladeleistung der E-Autos variiert wurde. Die Ergebnisse waren eindeutig: Je größer die verfügbare Speicherkapazität der E-Autos war, desto niedriger waren die Gesamtkosten. Bei einer maximalen Ladeleistung von 5 Megawatt (MW) beliefen sich die Kosten auf 45,53 Millionen Yuan. Bei einer Erhöhung auf 25 MW sanken die Kosten auf 34,01 Millionen Yuan. Dieser Rückgang ist vor allem darauf zurückzuführen, dass das System in der Lage war, die teure Spitzenlast durch die Entladung der E-Auto-Batterien zu decken, wodurch der Einsatz von teurem Erdgas in Spitzenlastkraftwerken vermieden werden konnte.
Die Studie hebt auch die Bedeutung von Anreizmechanismen hervor. Um die Fahrzeugbesitzer zu motivieren, ihre Fahrzeuge für das V2G-Programm zur Verfügung zu stellen, schlägt das Modell eine Vergütung von 0,4 Yuan pro Kilowattstunde (kWh) vor, die für eingespeisten Strom gezahlt wird. Dieser wirtschaftliche Anreiz ist entscheidend, um eine breite Teilnahme zu gewährleisten und die volle Flexibilität der E-Auto-Batterien zu nutzen. Ohne solche Anreize wäre es unwahrscheinlich, dass genügend Fahrer bereit wären, ihre Fahrzeugnutzung an die Anforderungen des Stromnetzes anzupassen.
Die Implikationen dieser Forschung gehen weit über die technische Optimierung hinaus. Sie skizziert ein neues Paradigma für die urbane Energieversorgung, in dem Abfall nicht mehr als Belastung, sondern als Ressource gilt, und Elektrofahrzeuge nicht nur als Transportmittel, sondern als mobile Energiespeicher fungieren. Dieser Paradigmenwechsel erfordert jedoch mehr als nur technologische Innovationen. Er erfordert eine enge Zusammenarbeit zwischen verschiedenen Akteuren: Energieversorgungsunternehmen, Abfallwirtschaftsbetriebe, Stadtplaner und Automobilhersteller müssen gemeinsam an Lösungen arbeiten. Die Infrastruktur muss angepasst werden, um bidirektionales Laden zu ermöglichen, und regulatorische Rahmenbedingungen müssen geschaffen werden, die solche kooperativen Modelle fördern.
Die Arbeit von Li Jiyong, Song Zihan und Liu Bin aus der School of Electrical Engineering der Guangxi University stellt einen wichtigen Beitrag zu diesem sich schnell entwickelnden Feld dar. Sie liefert nicht nur eine theoretische Grundlage, sondern auch konkrete, quantifizierbare Beweise dafür, dass die intelligente Vernetzung von Abfallverwertung und Elektromobilität eine realistische und wirtschaftlich attraktive Strategie für die nachhaltige Entwicklung von Städten ist. Ihr Modell bietet eine Blaupause für die Planung und den Betrieb zukünftiger städtischer Energienetze, die nicht nur effizienter, sondern auch resilienter und umweltfreundlicher sind. Mit der zunehmenden Urbanisierung und dem Druck, die Treibhausgasemissionen zu reduzieren, wird die von diesem Forscherteam vorgestellene integrierte Herangehensweise zu einem unverzichtbaren Werkzeug für eine nachhaltige Energiezukunft.
Li Jiyong, Song Zihan, Liu Bin, School of Electrical Engineering, Guangxi University, veröffentlicht in einer führenden Energiezeitschrift, DOI: 10.19753/j.issn1001-1390.2024.04.016