Influence of climate change on the residential cooling demand in low-voltage distribution networks

Abstract

Der Kühlbedarf in Österreich steigt durch die Klimaerwärmung rasch an und verstärkt unter häufigeren Hitze extremen die Belastung der Niederspannung-Verteilnetze. Ziel dieser Arbeit ist es, zu quantifizieren, wie der sich beschleunigende, klimabedingte Kühlbedarf die Belastung der Niederspannung-Netze verändert, und vor kostspieligen Verstärkungen die wirksamsten passiven und betrieblichen Minderungsmaßnahmen zu identifizieren. Hierfür wird eine Modellkette entwickelt, welche die folgenden drei Hauptkomponenten enthält: (i) Die stündlichen Klimaprojektionen aus SECURES-MET (auf 15 min heruntergerechnet), (ii) ein dynamisches Wohngebäudekühlmodell mit belegungs- und sollwertabhängiger Regelung (inklusive Nachtlüften) (iii) sowie die Netztopologie SimBench LV3 (2034). Drei Klima-Wetter-Repräsentationen (moderat 2034 RCP4.5, moderat 2034 RCP8.5 und ein extremes Hitzewellenjahr 2028 RCP4.5) werden mit fünf Klimaanlagen-Adoptionsraten (10% bis 100%) kombiniert, um den Gesamtenergieeinsatz, zeitliche Lastmuster und Netzauswirkungen zu quantifizieren. Die Ergebnisse zeigen (i) keine lineare Skalierung der jährlichen Kühlenergie sowohl mit den Kühlgradtagen (CDD) als auch mit der Klimaanlagen-Adoptionsrate aufgrund thermischer Trägheit und asynchronen Nutzerverhaltens, (ii) größenordnungsmäßige Zunahmen der Gesamtenergie in kumulierten Extremsituationen. Abendliche Lastspitzen bestehen in allen Szenarien fort und sind von der PV-Erzeugung zur Mittagszeit entkoppelt, was eine strukturelle zeitliche Fehlanpassung erzeugt, die lokale PV allein nicht beheben kann. Engpässe treten zuerst in den Verteilungskabeln auf: Die maximale Kabelauslastung erreicht 165.8% bei Überlastdauern von nahezu 15 Stunden im Extremfall, während die Transformatorauslastung unter der Planungsrichtlinie von 80% bleibt und die Spannungen innerhalb von ±1% liegen. Passive und verhaltensbezogene Maßnahmen zeigen eine klare Hierarchie: Außenbeschattung senkt die durchschnittliche saisonale Kühlenergie um bis zu 88%, Nachtlüften um etwa 20%, und moderate Erhöhungen der Einstellung der Klimaanlage um 13% bis 37%. Kombinierte Maßnahmen verkürzen außerdem die Dauer der Lastspitzen wirksamer, als sie die momentanen Spitzen reduzieren. Bessere Dämmung ist nur in Kombination mit Verschattung und Nachtlüften vorteilhaft und unterstreicht Interaktionseffekte bei der Priorisierung von Sanierungsmaßnahmen. Die Ergebnisse deuten darauf hin, dass gezielte Maßnahmen (Beschattung durch Jalousien, adaptive Sollwertregelung, PV-synchrones Vorkühlen, verteilte Speicher) Kabelverstärkungen aufschieben oder verringern können und gleichzeitig die PV-Eigenverbrauchsquote verbessern. Die Arbeit liefert ein erweiterbares, reproduzierbares Framework sowie quantitativ fundierte Evidenz zur Unterstützung der Netzplanung, des Einsatzes von Flexibilitäten und zukünftiger Strategien zur Sensorplatzierung unter einem sich beschleunigenden, klimabedingten Kühlbedarf. Wichtige Einschränkungen (ein einzelnes Wetterjahr pro Szenario, keine Modellierung der Luftfeuchte, uniforme räumliche Verteilung der Klimageräte und das Nichtberücksichtigen urbaner Umgebungen mit dem städtischen Wärmeinseleffekt) motivieren eine zukünftige Erweiterung hin zu mehrjährigen probabilistischen Ensembles, hygrothermischen Modellen, sozial- räumlicher Adoptionskartierung und umfassender urbaner Klimamodellierung im Hinblick auf den städtischen Wärmeinseleffekt.

Residential cooling demand in Austria is rising rapidly caused by climate warming, amplifying stress on low-voltage distribution networks (LV grids) through more frequent heat extremes. The aim of this thesis is to quantify how accelerating, climate-driven residential cooling demand reshapes LV grid stress and to identify highest-leverage passive and operational mitigation measures before costly reinforcement. To achieve this, the thesis develops and applies a high-resolution modelling chain that couples three distinct modelling blocks (i) SECURES-MET hourly climate projections (downscaled to 15 minutes), (ii) a dynamic residential building cooling model with occupancy- and set point-dependent control (including night ventilation), and (iii) the SimBench LV3 (2034) grid topology. Three climate-weather representations (moderate 2034 RCP4.5, moderate 2034 RCP8.5, and an extreme 2028 RCP4.5 heatwave year) are combined with five air conditioning (AC) adoption levels (10% to 100%) to quantify aggregate energy use, temporal load patterns, and grid impacts. Results show (i) sublinear scaling of annual cooling energy with both cooling degree days and AC penetration due to thermal inertia and asynchronous occupant behaviour, yet (ii) order-of-magnitude total energy increases in compounded extremes. Evening peaks persist across all scenarios, decoupled from midday photovoltaic (PV) generation, creating a structural temporal mismatch that local PV alone cannot resolve. Grid bottlenecks arise first in distribution cables: maximum cable loading reaches 165.8% with overload durations approaching 15 hours in the full-adoption heatwave case, while transformer utilization remains below the 80% planning guideline and voltages within ±1%. Passive and behavioural measures exhibit a clear mitigation hierarchy: outdoor shading reduces average seasonal cooling energy by up to 88%, night cooling by about 20%, and modest air conditioning setpoint increases by 13% to 37%. Combined packages also shorten peak-load plateaus more effectively than they reduce instantaneous maxima. Better insulation is only beneficial when paired with shading and night ventilation, highlighting interaction effects in retrofit prioritization. The findings indicate that targeted non-wire measures (shading retrofits, adaptive setpoint control, pre-cooling aligned with PV, distributed storage) can defer or reduce cable reinforcement needs while improving PV self-consumption. The work contributes an extensible, reproducible framework and quantitatively grounded evidence to guide LV planning, flexibility deployment, and future sensor-placement strategies under accelerating climate-driven cooling demand. Key limitations (single weather year per scenario, no latent load/humidity modelling, uniform spatial AC siting and not considering urban environments with the urban heat island effect) motivate future extension to multi-year probabilistic ensembles, humidity-aware hygrothermal models, socio-spatial adoption mapping and extensive urban climate modelling in respect to the urban heat island effect.