Data Analytics in the Energy Sector: A Model for Heat Pump Diffusion in Smart Cities

  • Typ:Bachelor- oder Masterarbeit
  • Datum:vergeben
  • Betreuung:

    Armin Golla

  • Damit die Energiewende nachhaltig gelingt, ist eine durchdringende Dekarbonisierung aller Energiesektoren erforderlich. Während der Anteil erneuerbaren Stroms Deutschlandweit stetig steigt, stagniert der Anteil von erneuerbarer Wärme seit Jahren bei aktuell etwa 15% im Jahr 2020. Gleichzeitig macht auf Haushaltsebene Wärme etwa 90 % des gesamten Energieverbrauchs aus. Eine erneuerbare Zukunft lässt sich im Haushaltsbereich also nur über den Wärmesektor realisieren. Eine Möglichkeit den Anteil erneuerbarer in diesem Bereich zu erhöhen, liegt in der Elektrifizierung des Wärmebedarfs durch den Einsatz von Wärmepumpen. Laut Bundesregierung sollen dazu in den kommenden Jahren Millionen von Wärmepumpen in Haushalten installiert werden. Der Einbau einer Wärmepumpe hat drastische Auswirkungen auf den Strombedarf eines Haushalts. Wenn dieser Ausbau flächendeckend geschieht, kann dies große Herausforderungen für die Stromversorgung von Nachbarschaften oder sogar ganzen Städten mit sich bringen. Bisher wurde der Ausbau von Wärmepumpen immer Top-down betrachtet. Es wurde jedoch nicht berücksichtigt, wie sich der Strombedarf eines Quartiers aufgrund individueller Entscheidungen von Haushalten entwickeln kann. Dies soll in dieser Arbeit untersucht werden.

     

    Ziel dieser Arbeit ist der Aufbau eines Simulationstools, das in einem Bottom-up-Ansatz die Verbreitung von Wärmepumpen in auf Grund individueller Entscheidungen von Haushalten beschreibt. Neben dem Einbau von Wärmepumpen soll auch ein fortschreitender Ausbau von Solaranlagen und Batteriespeichern betrachtet werden. Dabei soll vor allem untersucht werden, welche Auswirkungen diese Entscheidungen auf Quartierskennzahlen wie CO2-Ausstoß, Lastspitzen und Eigenverbrauch innerhalb des Quartiers haben. Im Rahmen einer Masterarbeit könnte der Rahmen der Simulation erweitert werden, um die Entwicklung einer Gesamten Stadt zu betrachten. Dazu können mit Hilfe von KI-Methoden synthetische Haushaltslastprofile für Strom und Wärme generiert werden, die dann in der Arbeit untersucht werden.

     

    Formale Anforderungen:

    Die Arbeit kann auf Deutsch oder Englisch verfasst werden. Es besteht die Möglichkeit, sie direkt in Form eines wissenschaftlichen Papers anzufertigen. Interesse an wirtschaftswissenschaftlichen und statistischen Methoden werden vorausgesetzt. Programmierfähigkeiten in Python sind wünschenswert, aber keine Voraussetzung.

     

    Relevante Literatur

    Eggimann, Sven; Hall, Jim W.; Eyre, Nick (2019): A high-resolution spatio-temporal energy demand simulation to explore the potential of heating demand side management with large-scale heat pump diffusion. In: Applied Energy 236, S. 997–1010. DOI: 10.1016/j.apenergy.2018.12.052.

     

    Da Batista Silva, Hendrigo; Uturbey, Wadaed; Lopes, Bruno M. (2020): Market diffusion of household PV systems: Insights using the Bass model and solar water heaters market data. In: Energy for Sustainable Development 55, S. 210–220. DOI: 10.1016/j.esd.2020.02.004.