Methodenanalyse zur Planungsoptimierung regenerativer Energiesysteme im Wohnquartier

Potenziale zur Strom- und Wärmeerzeugung von Quartieren können im Vergleich zu dezentralen Versorgungsstrukturen auf Gebäudeebene besser genutzt werden. Quartiersbezogene Ansätze sind jedoch komplexer und es existiert eine Vielzahl von Möglichkeiten, wie die Energieversorgung gestaltet werden kann. Hierzu sind mehrkriterielle Optimierungen zur Unterstützung des Planungsprozesses und der Entscheidungsträger hilfreich, um letzteren Entscheidungen auf objektiver Basis zu erleichtern. In dieser Arbeit erfolgt ein Vergleich von Optimierungsmethoden zur optimalen Anlagenauslegung im Energiesystem (Strukturoptimierung). Durch die Optimierungsmethoden soll hinsichtlich Kostenund Emissionszielen eine paretooptimale Menge an Auslegungsvarianten für das Energiesystem bereitgestellt werden. Exakte Methoden finden bei ausreichend langer Rechenzeit in der Theorie immer ein Optimum. Mit zunehmender Komplexität des Optimierungsproblems steigt die Rechenzeit jedoch erheblich an, sodass keine guten Lösungen unter Zeitrestriktionen gefunden werden. Metaheuristische Methoden können komplexe Probleme in vergleichsweiser kurzer Zeit lösen. Dafür geben sie jedoch keinerlei Aufschluss darüber, ob die gefundene Lösung ein globales Optimum des Optimierungsproblems darstellt. Für den Methodenvergleich werden in dieser Arbeit ein exaktes und ein metaheuristisches Optimierungsmodell, die jeweils auf exakten bzw. metaheuristischen Methoden beruhen, zur Strukturoptimierung von Quartiersenergiesystemen entwickelt. Der Methodenvergleich wird anhand eines Referenzenergiesystems durchgeführt. Bei diesem handelt es sich um ein im Rahmen des Forschungsprojekt SWIVT untersuchtes Wohnquartier in dessen Energiesystem regenerative Energiequellen integriert sind. Der Methodenvergleich hat gezeigt, dass das exakte Optimierungsmodell stets zu bevorzugen ist, wenn das Optimierungsproblem damit in annehmbarer Zeit gelöst werden kann. In diesen Fällen wurden die Lösungen des metaheuristischen Optimierungsmodell stets durch die Lösungen des exakten Optimierungsmodells dominiert. Ist das Problem jedoch so komplex, dass das exakte Optimierungsmodell keine Lösung in annehmbarer Zeit findet, so stellt das metaheuristische Optimierungsmodell eine Alternative dar, eine paretooptimale Menge von Auslegungsvarianten zu ermitteln.