Mehr Strom verfügbar machen dank optimiertem Batteriegroßspeicher

Als Referenzanlage nutzten die Projektpartner den Batteriegroßspeicher Dresden Süd mit einer Kapazität von 12 Megawattstunden elektrischer Energie. Die hier gespeicherte Energie kommt auf verschiedenen Strommärkten zum Einsatz: Zum einen verkaufen die Betreiber sie als Primär- und Sekundärregelleistung an Übertragungsnetzbetreiber, die damit Lastschwankungen im Stromnetz ausgleichen. Zum anderen wird der Strom auf dem Spotmarkt verkauft, als kurzfristig lieferbarer Strom innerhalb eines Tages oder für den Folgetag (Intraday- und Day-Ahead-Markt). Doch wie lässt sich die maximale Leistung aus dem Speicher gewinnen?

Multi-Use-Betrieb muss innere Systemzustände berücksichtigen

Die Multi-Use-Anwendungen auf unterschiedlichen Strommärkten unterscheiden sich in Zeithorizont, Leistungsanforderung und Erlösstruktur. Gleichzeitig verändern sich im Betrieb kontinuierlich die inneren Zustände der Anlage, etwa Ladezustände, Temperaturen oder Alterungszustände einzelner Module. „Eine wirtschaftliche Optimierung erfordert daher mehr als reine Marktstrategie: Sie muss die inneren Systemzustände berücksichtigen“, erklärt Professor Thilo Bocklisch, Leiter des Teilprojekts der TU Dresden.

Ansatz der Projektpartner NOVUM engineerING, UPSIDE Consulting und TU Dresden war daher eine integrierte Methodenkette aus verbesserter Zustandsdiagnose, simulationsgestützter Bewertung und gekoppeltem Energie- und Strangmanagement. Am Beispiel des Batteriegroßspeichers Dresden Süd haben sie gezeigt: Durch die optimierten Strategien sind bis zu 8,3 Prozent höhere Erlöse möglich. Gleichzeitig werden die Systeme weniger beansprucht, wodurch die Lebensdauer steigt.

Optimierte Zustandsdiagnose als Grundlage für Betriebsstrategie

NOVUM engineerING entwickelte im Projekt weiterführende, datenbasierte Verfahren, mit denen sowohl der Ladezustand (SOC, kurz für „State of Charge“) als auch der Gesundheitszustand (SOH, kurz für „State of Health“) der eingesetzten Batterien besser bestimmt werden können. Der SOH gibt an, wie viel der ursprünglich vorhandenen Kapazität eines Batterieakkus noch vorhanden ist. Die Werte zu SOC und SOH zu erfassen, war bisher problematisch, die verfügbaren Daten zu ungenau. 

Die Forschenden stellten zudem fest, dass es bei parallel geschalteten Batterieracks zu systematischen Strommessabweichungen innerhalb des Batteriegroßspeichers kam. Ein Rack besteht jeweils aus mehreren Batteriemodulen, die innerhalb eines Schranksystems zusammengeschlossen sind. Die systematischen Abweichungen der Racks führten zu SOC-Fehleinschätzungen von bis zu 20 Prozent, wodurch sich das nutzbare Betriebsband verringerte. Durch geeignete Kalibrierungsverfahren konnte das Team den Spread zwischen den Racks um rund 75 Prozent reduzieren. Die verbesserte Datenbasis bildet die Voraussetzung für eine zustandsorientierte Betriebsstrategie.

Modellierung von Unsymmetrien: Der digitale Zwilling

Die TU Dresden entwickelte ein generisches, strukturiertes und zellaufgelöstes Simulationsmodell für Batteriegroßspeicher. Es bildet das ganze System von der Zelle über Modul- und Strangebene bis zur Gesamtanlage ab. Zudem integriert das Modell das elektrische und thermische Verhalten sowie das Alterungsverhalten des Speichers. Im Mittelpunkt stand die systematische Berücksichtigung von Unsymmetrien während des Betriebs: Zwischen den verschiedenen Batteriesträngen kommt es zu unterschiedlichen SOC-Verteilungen oder Alterungsfortschritten. Ein Batteriegroßspeicher ist demnach ein Verbund steuerbarer Teilstrukturen. 

Auch größenheterogene oder technologieheterogene Anlagen als Sonderformen hybrider Energiespeichersysteme lassen sich mit dem Simulationsmodell beschreiben. Bei heterogenen Anlagen können die Ladezustände der eingesetzten Batterien unterschiedlich ausfallen, es können aber auch verschiedenartige Batterien wie etwa Lithium-Eisenphosphat-Batterien oder Natrium-Ionen-Batterien eingesetzt sein.

Gekoppeltes Energie- und Strangmanagement umfasst alle Ebenen

Auf Basis der verbesserten Zustandsdaten und des digitalen Zwillings haben die Forschenden unterschiedliche Strategien für die Leistungsaufteilung entwickelt und verglichen. Das Strangmanagement bildet dabei die untere Ebene. Es verteilt die angeforderte Gesamtleistung zustandsabhängig auf einzelne Batteriestränge – hierbei liegt der Blick auf dem inneren Zustand des Speichers. Die darüber liegenden Energiemanagement-Ebenen berücksichtigen zeitlich gestaffelt verschiedene Multi-Use-Anwendungen. Hier ist der Blick nach außen gerichtet, auf die Anforderungen des Marktes an den Speicher.