Digital Twin
in der Energiewirtschaft

Ein Digital Twin, oder auch Digitaler Zwilling, bezeichnet die virtuelle Abbildung von physischen Objekten oder Systemen (z.B. Windkraftanlagen). Durch die Verknüpfung von Produktinformationen und realen Zustands- und Verhaltensinformationen, wie beispielsweise Einflüsse auf Produkte oder Prozesse, können reale Objekte als virtuelle Echtzeitkopien von ihrer Entstehung bis hin zur Entsorgung begleitet werden. Aufgrund der Möglichkeit des virtuellen Testens und Optimierens – zum Beispiel virtuelle Belastungstests bereits während der Produktplanung - werden Risiken und Wartungsbedarfe frühzeitig erkannt. Es werden die Konstruktion, der Bau sowie der Betrieb von Assets optimiert mit dem Ziel Verfügbarkeiten zu erhöhen, Kosten zu reduzieren und Umsätze zu steigern.

Auch in der Energiewirtschaft findet der Digital Twin Nutzen, insbesondere im Bereich erneuerbare Energien und Dezentralisierung von Energieversorgung und -Erzeugung. In diesem Bereich kann ein digitales Abbild aus einfachen oder komplexen Einzelobjekten oder auch aus einem Verbund von Objekten bestehen:

  • Einfache Objekte: Generatoren, Blades, etc.
  • Komplexe Objekte: Windturbinen, Solaranlagen, Batterien​, etc.
  • Verbund: Windfarmen, Erzeugungsunternehmen, Energiemarkt​, etc.

Es sind primär fünf Dimensionen zu berücksichtigen:

m3 und der Digital Twin

Der Digitale Zwilling für die Netzplanung: Strategische Entwicklung unter Berücksichtigung sozioökonomischer Daten

Im Zuge der Dekarbonisierung1 und der dahinter stehendenden politischen Timeline resultiert eine E-Mobilitäts-Offensive, die sich nicht mehr leugnen lässt. Die aktuelle Zielsetzung der Bundesregierung sieht eine Emissions-Senkung von 80 % - 95% bis Mitte des Jahrhunderts im Vergleich zum Jahr 1990 vor. Diese Zielsetzung und damit einhergehende Resultate wirken sich insbesondere auf Akteure im Energiesektor aus. Konnte der Netzplaner bis dato gravierende Änderungen der Netzlast noch präzise vorhersagen, so erschweren eine dezentrale Stromversorgung durch vermehrte Erneuerbare-Energie-Anlagen wie auch eine steigende Anzahl an genutzten E-Fahrzeugen diese Aufgabe. Auch ist ein Forecast über die öffentlichen Ladestationen nicht zielführend, da nach der Planung des BMVI 60-85% der Ladevorgänge auf privatem Gelände erfolgen (werden). Die E-Mobilität und daran geknüpfte Ladevorgänge, die für die Netzplanung die entscheidende Variable darstellen, ziehen sich folglich vermehrt in den privaten Bereich zurück.

Auch die regionale und zeitliche Verteilung der Anschaffung elektrifizierter Fahrzeuge stellt die Netzplaner vor große Herausforderungen. Da die Technologie nicht gleichverteilt über die gesamte Republik Anklang findet, sondern Nutzer „gruppenweise“ – abhängig von Faktoren wie Alter, Geschlecht, Bildungsgrad, finanzieller Stärke, Wohnumfeld, etc. – nach und nach die E-Mobilität für sich entdecken und verstärkt nutzen2, muss eine zukünftige Netzplanung diese Umfeldfaktoren mitberücksichtigen. Verstärkt wird dieser inhomogene Zustand ebenso durch eine dynamische Entwicklung in der E-Zulassung bei Firmenwagen.


                        
1 Abkehr vom Kohlenstoff, insbesondere im Energiesektor
2 Vgl. PWC (2012): Elektromobilität – Normen bringen die Zukunft in Fahrt, https://www.pwc.de/de/offentliche-unternehmen/assets/studie_normung.pdf (Stand: 30.06.2021)

Dies wirft die Frage auf, wie Netzplanung auch zukünftig strategisch gesteuert und entwickelt werden kann. Eine Vernachlässigung der neuen Schlüsselfaktoren birgt das Risiko hinsichtlich der Netzplanung in eine reaktive Position zu geraten, die kaum Gestaltungsspielraum lässt.

Um diesem Szenario vorzubeugen entwickelt m3 derzeit mit Partnern eine technische Lösung, basierend auf dem Konzept eines Digital Twins. Unter Berücksichtigung von Zulassungsdaten, politischen Meilensteinen, sozioökonomischen Daten und dem betreffenden Netzstrang werden die Auswirkungen der Elektromobilität in einzelnen Bezirken extrapoliert. Diese Lösung ermöglicht eine geographisch eingegrenzte Netzentwicklung, orientiert an regionalen Bedarfen. Eine frühzeitige Indikation ermöglicht kostenoptimierte strategische Planungen mit einem hohen Maß an Flexibilität.

Services-Prototypen

Der derzeitige Prototyp, ein Digitaler Zwilling zur strategischen Netzplanung und Planung von Netzlasten, basiert auf sozioökonomischen Daten. Aktuell beschränkt sich der Prototyp auf folgende Funktionen:

Digitaler-Zwiling-Grafik-4

Um jedoch die jeweiligen Kundenanforderungen passgenau abdecken zu können, bietet m3 eine Erweiterung der Software-Funktionen analog Bedarf an. Diese Erweiterung können unter anderem die Möglichkeit zur Planung von E-Ladestationen, die Erweiterung um erneuerbare Energieanlagen, geographische Erweiterung des Analysebereichs und vieles mehr sein.

Die generellen Vorteile des Simulations-​basierten Ansatzes der technischen Lösung
liegen auf der Hand:

Verkürzung der realen Inbetriebnahme und Gesamtprojektlaufzeit

Kosteneinsparung durch Zeitersparnis, optimierte Abläufe und frühe Fehlererkennung/-behebung

Einsatz über den gesamten Anlagenlebenszyklus

Prüfung/Optimierung neuer Bearbeitungssequenzen und -abläufe zu jeder Zeit

Steigerung der Software-, Prozess-, und Produktqualität

Maximale Reduktion des Produktionshochlaufs

Prüfung von Störungen am virtuellen System, Behebung remote oder vor Ort

Reduktion von Umrüst- und Stillstandzeiten auch bei Produktionsumstellung

Verkürzung der realen Inbetriebnahme und Gesamtprojektlaufzeit

Komplexe Sachverhalte anschaulich darstellbar

Provokation von Störsituationen, Entwicklung von Notfallstrategien - risikolos für Mensch und Maschine

Schulungen an realer Steuerung ohne Stillstandzeiten und Produktionsdruck

Wir freuen uns auf Ihre Gedanken und Anregungen rund um das Thema „Digital Twin“ und stehen Ihnen bei Interesse gerne zur Verfügung.

Erfahren Sie mehr.

aytepe katrin 600x300px

Stefan
Michaelis

Senior Manager