Autarcic Energy @ Home: Geografisch optimale Kapazitätsplanung von Investitionen in erneuerbare Energien mit dem MEP-Framework

Abstract

In der Praxis der Energiewirtschaft wird die Exceedance Probability (EP) verwendet, um das Risiko von Investiti- onen in erneuerbare Energien (Renewable Energy Resources, kurz: RES) z.B. anhand von P50/P90-Werten der mit den RES-Investitionen künftig generierten Energiemengen zu beurteilen. Die Einbeziehung der Chance Constrained Programming-Optimierung in Verbindung mit dem Sampling & Discarding-Algorithmus führt zum Minimum Ex- ceedance Probability (MEP)-Framework, womit sich die optimalen Kapazitäten von Investitionen in unterschiedliche RES-Technologien bestimmen lassen. Wie die MEP-bezogene Optimierung funktioniert, das wird im vorliegenden Beitrag anhand des „Autarcic Energy @ Home“-Fallbeispiels gezeigt, wobei optimale Kapazitäten von Solar- und Wind-Energieanlagen unter probabilistischer (MEP-)Einhaltung des geforderten Eigenbedarfs ermittelt werden