Smart Grids und digitale Infrastrukturen

Die Struktur der Energietransfers in den Stromnetzen verändert sich: Ein immer größerer Anteil der Erzeugungsleistung wird in Zukunft dezentral in den Verteilnetzen angebunden, insbesondere kleine PV-Anlagen speisen im Niederspannungsnetz ein. Die sternförmige Top-Down-Verteilung vom Großkraftwerk über Übertragungsnetz und Verteilnetze hin zu den Verbrauchspunkten, wie in den vergangenen Jahrzehnten üblich, wird derzeit weitgehend abgelöst. Die zunehmenden Anteile erneuerbarer Energien erhöhen auch die Volatilität der Einspeisung: Smart Grids ermöglichen die schnellere und damit effizientere Orchestrierung der Anlagen, um u. a. die Netzfrequenz stabil zu halten und die erneuerbaren Energien effizienter zu nutzen. Neben der Energiewende im Elektrizitätsbereich („Stromwende“) müssen jedoch auch die Verkehrswende sowie die Wärmewende mit hoher Priorität umgesetzt werden. Da diese perspektivisch zu einem großen Teil über Strom als Energieträger gespeist werden, werden die Leistungsanforderungen an die Stromnetze in den kommenden Jahren deutlich steigen.

Die „Intelligenz“ der Smart Grids basiert primär auf der Ausstattung der Netze mit Sensorik zur Datengewinnung, der Informationsverarbeitung sowie der Aktorik, welche ein Handeln (z. B. die Schaltung von Transformatoren oder Verbrauchseinrichtungen) auf Basis der verarbeiteten Daten erlaubt. Somit ist die intelligente Ertüchtigung gleichzusetzen mit der Digitalisierung der Energienetze. Neben den Energieflüssen selbst wird der Transfer der Daten essenziell. Aus diesen lassen sich beispielsweise Digitale Zwillinge modellieren und für verschiedenste Zwecke einsetzen. Eine zunehmend datenbasierte Netzführung sorgt für Effizienzgewinne durch kürzere Reaktionszeiten, verbesserte Prognosen und ermöglicht dadurch auch neue Geschäftsmodelle (z. B. die dezentrale Hebung von Flexibilitäten, KI-basierte Analysen und Steuerungstools etc.).

Mit dem im Mai 2022 beschlossenen Bundesgesetz zum Neustart der Digitalisierung der Energiewende erhält „Problemkind“ das Smart Meter Rollout nun neuen Schwung. Smart Meter stellen kundenseitig eines der sichtbarsten Elemente der Smart Grids dar. Sie ermöglichen die Transparenz über die individuellen Energieverbräuche an den Netzanschlusspunkten. Gleichzeitig wird die gezielte Steuerung von dezentralen Verbrauchsanlagen (wie z. B. Wallboxen und Wärmepumpen) und Erzeugungsanlagen im Gebäudebereich (z. B. PV-Dachanlagen oder Mini-BHKW) durch das Smart Meter Gateway und die zugehörige Steuerbox, z. B. über den CLS-Kanal möglich. Der Anschluss eines Heimenergiemanagementsystems (HEMS) an das Smart Meter Gateway erlaubt die komfortable Bündelung aller Energieanlagen eines Haushalts an einem Gerät. Verbraucherinnen und Verbraucher profitieren von genauen Informationen über ihren individuellen Energieverbrauch, was zu einer verstärkten Bewusstseinsbildung in Bezug auf den eigenen Energiekonsum beiträgt. Weiterhin sind Smart Meter eine Grundlage für die Nutzung dynamischer Tarifmodelle, die durch Kostenanreize eine Lastverschiebung bewirken können. Netzbetreibern dienen Smart Meter als weiteres Werkzeug zur Erhöhung der Netztransparenz und ggf. zur Steuerung von Anlagen über die Steuerboxen und Energiemanagementsysteme. Weiterhin sind die Smart Meter Gateways der Stromzähler, gleichzeitig die Kommunikationsanbindung für die Sensoren und Aktoren der Gas- und Wärmenetze und stellen damit das Bindeglied zwischen den verschiedenen Energienetzen dar. Dadurch können auch Wärme-, Gas- und H₂-Netze in die intelligente Orchestrierung im Sinne der Sektorenkopplung einbezogen werden. Neben der Energienutzung in Form von Elektrizität bedingt die Erzeugung von Wärme mittels Wärmepumpen und die Transformation des Mobilitätssektors hin zur Elektromobilität eine Vergrößerung der Leistungsanforderungen an die lokalen Netze und damit auch die Notwendigkeit, diese zur Engpassvermeidung intelligent zu steuern. Mit der Novelle des Energiewirtschaftsgesetzes und der Reform der §§14a,c wird diese Möglichkeit konkretisiert. Über Smart Meter Gateways und Steuerboxen stellen Smart Grids gleichzeitig digitale Infrastrukturen für die IoT-Anbindung verschiedenster Anlagen her und sind damit wichtige Komponenten der Industrie 4.0.

Bislang waren die Niederspannungsnetze für die Verteilnetzbetreiber noch in vielen Bereichen eine „Backbox“. Bis auf die Summe der insgesamt transportierten Energiemengen an den Netzanschlusspunkten (NAP) und einigen zentralen Ortsnetzstationen (ONS) waren nur wenige Informationen über die Netzzustände verfügbar. Die Schaffung weitestgehender Netztransparenz wurde im Rahmen der Smart Grids-Roadmap Baden-Württemberg 2.0 als eine der grundlegenden Herausforderungen für die Digitalisierung der Energienetze benannt. So erlaubt eine erhöhte Netztransparenz eine effizientere Netzführung durch bessere Ist-Zustandsanalysen, weiterreichende Prognosemöglichkeiten und damit schnellere Reaktionszeiten in der Netzführung. Letzteres dient auch dem Netzengpassmanagement, welches auf diese Weise präziser und damit effizienter gestaltet werden kann und so die Systemstabilität bei gleichzeitig steigenden Anteilen volatiler Erzeugung und einer Begrenzung der Kosten gewährleistet. Ebenso erwachsen aus einer erhöhten Netztransparenz Möglichkeiten für neue Marktmodelle. So können potenzielle Netzengpässe (bzw. die sie begünstigenden Randbedingungen) deutlich früher erkannt und entschärft werden. Weiterhin ermöglicht Netztransparenz auch eine verbesserte Integration dezentraler erneuerbarer Energiequellen sowie von Energiespeichern und Elektromobilität in die Netze, da die Lastflüsse wesentlich präziser erfasst und prognostiziert und dadurch Netzengpässe und Drosselungs- und Abregelungsvorgänge vermieden werden können. Doch die Schaffung von Netztransparenz ist mit verschiedenen Herausforderungen verbunden. Nicht zuletzt die Verfügbarkeit von Hardwarekomponenten, Software sowie Installations- und Betriebspersonal stellen große Abhängigkeiten dar. Da eine flächendeckende Ausstattung der Transformatoren in den lokalen Ortsnetzstationen mit Messtechnik aufgrund der Ressourcenabhängigkeiten nicht vollständig realisierbar ist, können auch datenbasierte Prognosemodelle für die Modellierung der verbliebenen „blinden Flecken“ genutzt werden.