Puchegger, Markus

Official Name
Puchegger, Markus
Main Affiliation
Jobtitel
Wissenschaftlicher Mitarbeiter, Prokurist
Email
markus.puchegger@forschung-burgenland.at
ORCID
Scopus Author ID
56488111400

Hochschulpersonal

Settings

Now showing 1 - 10 of 24
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
      3  26
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
      109  136
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
      139  131
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Optimierte Einbindung von Energiespeichern und Photovoltaik unter Berücksichtigung von DSM in Bürogebäuden
    (TU Graz, 2014)
    Diese Arbeit beschäftigt sich mit der optimierten Einbindung von Energiespeichern und Photovoltaik in Bürogebäuden unter Berücksichtigung von zeitlich variablen Stromtarifen und Demand Side Management. Durch den vermehrten Einsatz von fluktuierend erzeugenden, erneuerbaren Energieerzeugungsanlagen sind zeitkritische Stromtarife für alle Endverbraucher zu erwarten. Im Zuge dessen wird das Zusammenspiel aus Erzeugungs- und Verbrauchscharakteristik unter Berücksichtigung von Speichern und der Ausnutzung von Lastverschiebungspotentialen für alle Stromkunden relevant. Die Modellierung der einzelnen Erzeugungs- und Verbrauchslastgänge erfolgt dabei mithilfe von Zusammenhängen aus der Literatur sowie diverser Simulationen nach der Bottom Up Methode. Zudem wurden reale Börsenstrompreise eines Jahres sowie reale Wetterdaten verwendet. Das Nutzerverhalten wurde auf Basis von Literaturdaten und einer Wahrscheinlichkeitsmatrix simuliert, jedoch nicht variiert (das Nutzerverhalten war nicht Ziel der Untersuchungen). Die einzelnen Verbraucher wurden in drei Kategorien eingeteilt. Die Geräte der Infrastruktur sind weitgehend unabhängig von äußeren Einflüssen. Hier ist hauptsächlich das Nutzerverhalten ausschlaggebend. Bei der Beleuchtung hat das Wetter durch die Tageslichtversorgung bereits bedeutenden Einfluss, während die äußeren Bedingungen bei der Peripherie (Heizen, Kühlen, Klimatisieren) die Hauptrolle spielen. Durch die Produktion am Tag, wenn die Strompreise im Allgemeinen höher sind als nachts, wird der von der PV-Anlage erzeugte Strom zu günstigen Tageszeiten bereit gestellt. Andererseits beziehen Bürogebäude durch die Nutzung am Tag hauptsächlich zu Zeiten hoher Stromtarife ihre elektrische Leistung. Somit bestehen hinsichtlich der Optimierung des Betriebs von Bürogebäuden verschiedene Möglichkeiten. So kann durch elektrische Lastverschiebung ein erheblicher Teil des nicht durch die PV-Anlage abgedeckten Stromverbrauchs bei Tag in die Nachtstunden verschoben werden, wenn die Strompreise im Allgemeinen niedriger sind als tagsüber. Abbildung 1 zeigt zwei Varianten des Verbraucherlastgangs (Standard, Optimiert) und den Erzeugungsverlauf der PV-Anlage (20 kWp) sowie des Strompreises für einen Wintertag. Abbildung 1: Lastgang Standard; Optimiert inkl. PV; Winterfall Es wurde dazu unter anderem ein Vorheizstrategie verwendet, um den Betrieb elektrisch basierter Wärmeerzeuger (hier Wärmepumpen) in die Nachtstunden zu verlegen. Dies beeinflusst auch den Deckungsgrad der elektrischen Lasten durch die PV tagsüber positiv. Die Lastverschiebung wirkt jedoch nur dann Kostensenkend, wenn Sie auf den Eigenverbrauch des erzeugten PV-Stroms keine negativen Auswirkungen hat. Während bei kleineren PV-Anlagen und im Heizfall (Winter) die aktive elektrische Lastverschiebung kaum Einfluss auf die Eigenverbrauchsquote hat (Verbrauch >> Erzeugung), stellt sich die Situation bei größeren PV-Anlagen im Sommer anders dar. Abbildung 2 zeigt, dass hier bei einer Anlage mit 20 kWp durch die Lastverschiebung unter Ausnutzung einer Vorkühlstrategie bereits überschüssiger PV-Strom vorhanden ist. Abbildung 2: Lastgang Standard; Optimiert inkl. PV; Sommerfall Um hier den Eigenverbrauchsanteil nicht negativ zu beeinflussen, sind zusätzliche Maßnahmen notwendig. So können hier auch tagsüber Verbraucher mit Lastverschiebungspotential bei Überschussstrom aus PV zusätzlich aktiviert werden. Eine weitere Möglichkeit stellt die Einbindung der Wettervorhersage in die Regelung dar. Mit dieser Maßnahme kann anhand der Erzeugungsprognose sowie der Prognose des täglichen Verlaufs des Kühlenergiebedarfs des Gebäudes im Voraus eine Entscheidung über das Ausmaß der Vorkühlung bei niedrigen Strombezugspreisen in der Nacht erfolgen. Auch die Auswirkung auf die Auslegung von Speichern (thermisch bzw. elektrisch) zur Überbrückung der Hochtarifzeiten am Tag kann durch die Einbindung von Lastmanagement bzw. Erzeugungsanlagen gezeigt werden. Nach dem Prinzip von Jahresdauerlinien wurden dazu Stromverbräuche bzw. der Bedarf an thermischer Energie während Zeiten hoher Strompreise (i.d.R. 06:00 – 22:00) täglich aufsummiert und untersucht, wie sich notwendige Speichergrößen durch Optimierungsmaßnahmen verändern. Abbildung 3 zeigt beispielsweise die Auswirkung der Maßnahmen auf die Jahresdauerlinie bei Verwendung eines Stromspeichers. Abbildung 3: Optimierte Speicherauslegung Es konnte insgesamt gezeigt werden, dass die optimierte Einbindung von DSM, Erzeugungsanlagen sowie Speichereinheiten einen nennenswerten Kostensenkungsfaktor in einem Stromnetz mit zeitlich variablen Stromtarifen aufweisen.
      505  105
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Langfristige Prognose für den Wärmebedarf eines Nahwärmenetzes unter Berücksichtigung demografischer Entwicklungen
    (2020-02)
    ;
    ;
    In dieser Arbeit wird ein Modell zur Prognose des Fernwärmebedarfs von Nahwärmenetzen für die Jahre 2030 und 2050 unter Berücksichtigung von Klima- und demografischen Entwicklungen vorgestellt. Dabei wird mit einer leicht rückläufigen Entwicklung der Bevölkerungszahlen, einer steigenden Anzahl an Wohnungen und Gebäuden insgesamt einem Anstieg der Beschäftigten in der Industrie gerechnet. Die Ergebnisse zeigen eine generelle Zunahme der notwendigen Wärmeenergie, eine erhöhte Spitzenleistung im Szenario 2050 sowie einen deutlich erhöhten Wärmebedarf für Kühlung im Sommer unter der Annahme der Nutzung sorptionsgestützter Kühlung. Im Falle der Modellregion ist die Wärmeversorgung mit der bestehenden Infrastruktur bis ins Jahr 2030 gesichert, darüberhinausgehend sind jedoch Erweiterungen erforderlich.
      572  171
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Künstliche Neuronale NARX-Modelle zur Wärmelastprognose von Nahwärmenetzen
    (Leykam, 2017-11)
    ;
    ;
    Im Kontext des Smart Grid und der hybriden Netzbetrachtung stellen Wärmenetze eine Flexibilität für das Stromnetz bereit, die durch intelligente Nutzung eine bessere Integration der erneuerbaren Energieträger ermöglichen kann. Dafür sind Wärmelastprognosen für das Wärmenetz erforderlich, um prädiktiv die Wärmebereitstellung zu regeln. Die Stärken des NARX-Modelles in Kombination mit Neuronalen Netzen liegen dabei in der Lernfähigkeit und Adaptierbarkeit des Modells. Trotz einer suboptimalen Menge an Trainingsdaten und der geringen Größe des betrachteten Nahwärmenetzes, liefert das Modell gute Prognosewerte in einem Prädiktionshorizont von bis zu 24 Stunden.
      598  180
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Forecasting and Optimization Approaches Utilized for Simulating a Hybrid District Heating System
    (Hochschule Luzern, 2020-10)
    ;
    ;
    ;
    The historically grown centralized energy system is undergoing massive changes due to the transformation from centralized energy production with large assets (e.g. fossil-thermal power plants) towards a sustainable, clean and decentralized energy system. This transformation is based on the inclusion of renewable energy sources (RESs) (e.g., wind and solar) into the classical systems. However, as the energy production stemming from RESs is extremely volatile and thus challenging to predict, new approaches have to be found in order to guarantee a successful integration of RESs into the existing infrastructure. In the Austrian state of Burgenland approximately 1,000 MW of wind capacity is available. As already mentioned above, the high volatility of wind energy together with forecast uncertainties hinders the optimal integration of this RES into the existing energy system. Furthermore, the successful deployment of wind turbines was based on an attractive but timely limited subsidy scheme with a fixed feed-in tariff. As these subsidies now come to an end for more and more wind turbines and future support systems will rely on market premiums and tendering models, new approaches and business models have to be devised in order to sustain the rapid transformation of the classical energy systems. In the research project HDH Demo in close cooperation with the city of Neusiedl am See, Burgenland, Austria, the aim is to integrate wind energy into the existing district heating grid of the city. This is realized by utilizing power-to-heat technologies, e.g., heat pumps. However, an economically feasible and successful integration is based on accurate forecasts for both, wind production and district heating demand as well as the actual energy prices. Therefore, this work evaluates the applied data-driven forecasting methods. In particular, ensemble approaches that combine autoregressive models with artificial intelligent techniques are used to exploit the strengths of different methods (e.g. stability, flexibility). To compare the model performance, an overview on the accuracy and efficiency of the ensembles by using appropriate score metrics (e.g. RMSE, MAPE, R²) is given. Furthermore, a mixed integer linear optimization model is presented for computing optimized schedules for the different components (e.g., heat pumps, energy storage units, biomass boiler) of the district heating grid. Together, these two approaches, forecasting and optimization, are used to investigate and evaluate different business models, which help to ensure the future market integration of wind production.
      202  141
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
      2  131
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
      114  83
  • Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    A Case Study of Socially-Accepted Potentials for the Use of End User Flexibility by Home Energy Management Systems
    (MDPI, 2020-12-25)
    ;
    ;
    ;
    ;
    Due to the increase of volatile renewable energy resources, additional flexibility will be necessary in the electricity system in the future to ensure a technically and economically efficient network operation. Although home energy management systems hold potential for a supply of flexibility to the grid, private end users often neglect or even ignore recommendations regarding beneficial behavior. In this work, the social acceptance and requirements of a participatively developed home energy management system with focus on (i) system support optimization, (ii) self-consumption and self-sufficiency optimization, and (iii) additional comfort functions are determined. Subsequently, the socially-accepted flexibility potential of the home energy management system is estimated. Using methods of online household survey, cluster analysis, and energy-economic optimization, the socially-accepted techno-economic potential of households in a three-community cluster sample area is computed. Results show about a third of the participants accept the developed system. This yields a shiftable load of nearly 1.8 MW within the small sample area. Furthermore, the system yields the considerably larger monetary surplus on the supplier-side due to its focus on system support optimization. New electricity market opportunities are necessary to adequately reward a systemically useful load behavior of households.
      1Scopus© Citations 14  185