Advertisement

Statische Optimierung der Wärmerückgewinnung in nationalen Energiesystemen

  • Helmuth-M. Groscurth
Chapter
Part of the Umwelt und Ökonomie book series (UMWELT, volume 3)

Zusammenfassung

Wie in Kap. 2.3 gezeigt, hängen die Resultate der Optimierung mit ECCO entscheidend von der Bedarfssituation in der betrachteten Modellstadt und den dort verfügbaren Techniken ab. Eine einzelne Region ist jedoch in aller Regel nicht repräsentativ für die gesamte Volkswirtschaft, in die sie eingebettet ist. Eine Datenerhebung, wie sie für die Modellstadt durchgeführt wurde, konnte für das gesamte Bundesgebiet im Zeitrahmen dieser Arbeit nicht durchgeführt werden. Um dennoch einen Eindruck von den Möglichkeiten der Energie-, Kosten- und CO2-Optimierung in nationalen Energiesystemen gewinnen zu können, mußte auf Energiebedarfsprofile aus der Literatur zurückgegriffen werden, die viel weniger differenziert sind als die für die Modellstadt erhobenen (vgl. Abb. 1.4 und 1.5). Solche nationalen Bedarfsprofile weisen den mittleren jährlichen Energiebedarf verschiedener Prozesse, die Energie gleicher Qualität nachfragen, gemeinsam aus und werden daher als aggregierte Profile bezeichnet. Sie enthalten keine Informationen über den Bedarf der einzelnen Prozesse und über dessen zeitliche Schwankungen. Aus diesem Grund müssen die Mittelwertbildung über verschiedene Zeitintervalle und die damit verbundenen Modellkomponenten der stochastischen Optimierung entfallen. Außerdem können keine detaillierten Versorgungspfade im Sinne von Kap. 2.1.1 definiert werden. Man muß vielmehr damit vorliebnehmen, pauschal die Deckung des Energiebedarfs auf den einzelnen Qualitätsniveaus zu optimieren.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Vgl. Kap. C.1Google Scholar
  2. 2.
    Vgl. Gl. (3.10) und die allgemeine Definition der Optimierungsvariablen x(q,q’). Google Scholar
  3. 3.
    Die spezifischen Verluste sind demnach bei den in der Einleitung zitierten Ergebnissen von LEO unterschätzt worden. Andererseits wurden dort sehr große mittlere Transportentfernungen von 25–50 km angenommen. Aus wirtschaftlicher Sicht ist es realistischer, davon auszugehen, daß Abwärme in der unmittelbaren Umgebung ihres Entstehungsortes genutzt wird. Die beiden Effekte zusammen kompensieren sich in etwa, so daß die früheren Ergebnisse Gültigkeit behalten.Google Scholar
  4. 4.
    Dies deckt sich mit den Erfahrungen von H. Schaefer von der Forschungsstelle f. Energiewirtschaft [35].Google Scholar
  5. 5.
    Bezieht man den geschätzten Bedarf der Haushalte (Abb. 1.5) in die Optimierung mit ein, so ergeben sich Kostensteigerungen von 44% (vgl. Kap. 3.3.2).Google Scholar
  6. Neben der Wärmerückgewinnung existieren durchaus andere Energiespartechnologien, die bereits heute kosteneffizient sind, z.B. moderne Leuchtstofflampen mit niederiger Wattzahl [29]. G.N. Hatsopoulos et al. gehen davon aus, daß 25% des für 1985 vorhergesagten Energieverbrauches im produzierenden Gewerbe durch kosteneffiziente Energiesparmaßnahen hätten vermieden werden können [112]. Solche Effekte können in LEO-II durch eine Veränderung der Bedarfsprofile berücksichtigt werden [52,54].Google Scholar
  7. 6.
    Den Gewichtsfaktor 1 für die CO2-Optimierung erhält man mit a = ß — 0.Google Scholar

Copyright information

© Physica-Verlag Heidelberg 1991

Authors and Affiliations

  • Helmuth-M. Groscurth
    • 1
  1. 1.Physikalisches InstitutUniversität WürzburgWürzburgDeutschland

Personalised recommendations