Anforderungen an moderne Energiesystemmodelle

Im Rahmen des zusammEn2040 Projekts entwickelte die APG - gemeinsam mit dem Kooperationspartner TransnetBW - ein Energiesystemmodell, das auf einer Weiterentwicklung des OpenSource Modells PyPSA beruht. 

Für die Beantwortung von energiewirtschaftlichen bzw. -politischen Fragestellungen kann man sich heute einer Reihe von Energiesystemmodellen bedienen (z.B. PyPSA, TIMES, LEGO), wobei unterschiedliche Modelle für verschiedene Anwendungsfälle besser oder schlechter geeignet sind. Im folgenden Gastbeitrag beleuchtet Robert Gaugl (Assistant Professor an der TU Graz) das von der APG eingesetzte Energiesystemmodell PyPSA im Detail und stellt die wichtigsten Funktionalitäten dar. 

Weiterführende Informationen können  in der Publikation „A comparative analysis of energy system modeling frameworks“ [1] nachgelesen werden. 

Was macht die gesamtheitliche Modellierung von Energiesystemen so komplex?

Für die Planung eines klimaneutralen Energiesystems braucht es Modelle, die mehrere zentrale Anforderungen erfüllen.

• Modellierung von Netzen und Transportinfrastrukturen: Dies ist notwendig, um Engpässe, Transportkorridore und Netzausbaubedarf zu identifizieren.
• Sektorkopplung: Die Wechselwirkungen zwischen Strom, Wärme, Verkehr, Industrie und Gas müssen im Modell repräsentiert werden. Nur so lässt sich verstehen, wie Technologien und Energieträger zusammenwirken.
• Realistische Darstellung von Flexibilitätsoptionen: Speicher, Demand-Side-Management, Elektrolyse oder E-Mobilität müssen für eine ökonomische, ökologische und versorgungssichere Systemplanung adäquat repräsentiert werden.
• Transparenz: Open-Source-Modelle ermöglichen wissenschaftliche Nachvollziehbarkeit, unabhängige Validierung und breite Nutzung in Forschung und Politikberatung.

Modelle, die all diese Punkte verbinden, erlauben eine gesamtheitliche und kostenoptimierte Systemplanung entlang der gesamten Prozesskette: von Erzeugung und Umwandlung über Speicherung bis hin zum Transport und Verbrauch. Darüber hinaus unterscheiden sich existierende Modelle in ihrer Detailtiefe, Auflösung und Rechenaufwand, erfüllen aber jeweils wichtige Bausteine moderner Energiesystemanalyse. Beispiele sind PyPSA [2], TIMES/TIAM [3], AnyMOD [4], Balmorel [5], und LEGO [6]. In den letzten Jahren erfreute sich insbesondere PyPSA zunehmender Beliebtheit für die Beantwortung verschiedener Fragestellungen in unterschiedlichen Bereichen.

Welche relevanten Aspekte können durch PyPSA modelliert bzw. berücksichtigt werden?

Gesamtsystemanalyse und Kostenoptimierung

PyPSA ermöglicht es, Erzeugungs-, Speicher-, Konversions- und Verbrauchsprozesse gemeinsam zu optimieren. Dadurch können unterschiedliche Energiepfade vergleichbar gemacht und mit systemweiten Kostenkennzahlen bewertet werden.

Modellierung von Flexibilitäts- und Speicheroptionen

Das Modell erlaubt die Darstellung verschiedener Flexibilitätsquellen, darunter Kurz- und Langzeitspeicher, Power-to-X-Technologien, Demand-Side-Management und E-Mobilität. Diese Optionen sind in vielen Untersuchungen entscheidend, um die Integration fluktuierender erneuerbarer Energien abzubilden.

Sektorkopplung

PyPSA bildet Strom-, Wärme-, Gas- und Wasserstoffsysteme sowie verschiedene industrielle und verkehrsbezogene Energienachfragen ab. Dadurch lassen sich Wechselwirkungen zwischen Energieträgern und Sektoren untersuchen und potenzielle Synergien quantifizieren.

Berücksichtigung von Netzrestriktionen

PyPSA bietet auch eine vereinfachte Möglichkeit, Restriktionen in niederen Spannungsebenen zu berücksichtigen. Dies erfolgt über aggregierte „Distribution-Links“ oder ähnliche Ansätze, mit denen lokale Erzeugung, flexible Lasten und Speicher an übergeordnete Netzknoten angebunden werden können. Auf diese Weise lassen sich Auswirkungen begrenzter Aufnahmekapazitäten oder lokaler Flexibilität im Verteilnetz in systemweiten Optimierungen berücksichtigen.

 

[1]  R. Gaugl, K. Walenta, and S. Wogrin, “A comparative analysis of energy system modeling frameworks,” Elektrotech. Inftech. 142, 508–526, Oct. 2025, doi.org/10.1007/s00502-025-01345-x.

[2] T. Brown, J. Hörsch, and D. Schlachtberger, “PyPSA: Python for Power System Analysis,” J. Open Res. Softw., Jan. 2018, doi: 10.5334/jors.188.

[3]  R. Loulou, “ETSAP-TIAM: the TIMES integrated assessment model. part II: mathematical formulation,” Comput. Manag. Sci., vol. 5, no. 1, pp. 41–66, Feb. 2008, doi: 10.1007/s10287-007-0045-0.

[4]  L. Göke, “AnyMOD.jl: A Julia package for creating energy system models,” SoftwareX, vol. 16, p. 100871, Dec. 2021, doi: 10.1016/j.softx.2021.100871.

[5]  F. Wiese et al., “Balmorel open source energy system model,” Energy Strategy Rev., vol. 20, pp. 26–34, Apr. 2018, doi: 10.1016/j.esr.2018.01.003.

[6] S. Wogrin, D. A. Tejada-Arango, R. Gaugl, T. Klatzer, and U. Bachhiesl, “LEGO: The open-source Low-carbon Expansion Generation Optimization model,” SoftwareX, vol. 19, 2022, doi: 10.1016/j.softx.2022.101141.