Urbane Energiesysteme

  Stadt Urheberrecht: EBC

Unsere Vision ist ein intelligentes Zusammenspiel aller Energieströme in der Stadt: Ein dynamisches und integrales urbanes Energiesystem.

Vor dem Hintergrund energiepolitischer Zielsetzungen, sich wandelnder Energiemärkte, zunehmender Urbanisierung und stärkerer Vernetzung verstehen wir die Stadt zunehmend als urbanes Energiesystem. Diese Sicht umfasst nicht nur eine Ansammlung von einzelnen Gebäuden, Verteilnetzen und Erzeugungsanlagen, sondern alle Prozesse, Energieströme und Anlagen, die zur Bereitstellung verschiedener Energiedienstleistungen in einem urbanen Umfeld nötig sind. Da sich die Bedarfe nach Energiedienstleistungen wie Raumwärme, Klimatisierung, Beleuchtung, Transport und Kommunikation zunehmend in urbanen Räumen konzentrieren, kommt der Beschreibung, Analyse und Optimierung urbaner Energiesysteme eine zunehmende Bedeutung zu. In diesem Zusammenhang bearbeitet das Team Urbane Energiesysteme (UES) aktuelle Forschungsfragen, um Kommunen, Planungsbüros, Energieversorgungsunternehmen und nicht zuletzt den Bewohnerinnen und Bewohnern von Städten zu helfen, urbane Energiesysteme effizienter, resourcenschonender und wirtschaftlicher zu planen und zu betreiben.

  Stadt Urheberrecht: EBC

Zu diesem Zweck entwickelt das Team UES Datenbanksysteme und Graphenmodelle um urbane Energiesysteme zu beschreiben, integrale Planungswerkzeuge für Analysen und Optimierung des Gesamtsystems, Cloud-Lösungen zur Vernetzung verschiedener Teilsysteme sowie Ansätze zur Visualisierung von Energieströmen innerhalb dieser komplexen Systeme. Thematische Schwerpunkte liegen dabei auf der Rolle von Gebäuden sowie Wärme- und Kältenetzen und deren Potentialen zur Effizienzsteigerung, zur Speicherung von Energie und zur Entlastung der elektrischen Netze sowie deren Interaktion mit anderen Teilsystemen im urbanen Kontext. Dazu erarbeitet das Team UES unter anderem dynamische Komponenten- und Systemmodelle für Gebäude und Netze in der gleichungsbasierten Modellierungssprache Modelica sowie gemischt-ganzzahlige Optimierungsmodelle in Python. Um den manuellen Aufwand weitestgehend zu reduzieren, werden außerdem Methoden zur automatisierten Modellerstellung entwickelt, die es erlauben, dynamische Systemmodelle und effiziente Optimierungsmodelle auf einer gemeinsamen Datenbasis in Kopplung mit Datenbanken und geographischen Informationssystemen zu erstellen.