Ausgangslage
Der europäische Strommarkt befindet sich in einem strukturellen Wandel. Der rasche Ausbau der Solar- und Windenergie, getrieben durch nationale Ausbauziele und wirtschaftliche Vorteile, erhöht kontinuierlich den Anteil nicht steuerbarer Erzeugung. Eine sichtbare Folge ist das häufigere Auftreten niedriger und negativer Strompreise an Day-Ahead-Spotmärkten: Phasen, in denen zu viel Überschussenergie vorhanden ist und Erzeuger für die Abnahme ihres Stroms zahlen müssen – während Verbraucher im Gegenzug für den Strombezug vergütet werden können. Solche Ereignisse sind keine Ausnahme mehr: Sie treten an Dutzenden von Tagen pro Jahr auf und könnten mit dem weiteren Ausbau der PV-Kapazitäten noch häufiger werden.
Abbildung 1: Jährliche Anzahl der Stunden mit negativen (< 0 €/MWh) und günstigen (0–10 €/MWh) Day-Ahead-Strompreisen am österreichischen EPEX-Markt, 2021–2026. Quelle: ENTSO-E Transparency Platform. Daten für 2026 umfassen nur Jan–Mai.
Für energieintensive Verbraucher birgt diese Situation sowohl ein Risiko als auch eine Chance: Energiebeschaffungsstrategien, die an pauschalen Tarifen oder unflexiblen Lastprofilen festhalten, verpassen die günstigen Preisfenster. Verbraucher mit steuerbaren Lasten – Elektrofahrzeug-Ladestationen, Wärmepumpen, industrielle Prozesse – oder mit lokalen Energiespeichern können Preissignale jedoch aktiv nutzen, um ihre Stromkosten zu minimieren.
Mit dem Energiesystemoptimierungs-Framework LEC ENERsim können solche Szenarien mit hoher zeitlicher Auflösung und vollständiger wirtschaftlicher Transparenz aufgebaut, parametriert und ausgewertet werden. ENERsim konstruiert ein lineares Modell des gesamten Energiesystems – bestehend aus Erzeugung, Speicherung, flexibler Nachfrage und Netzinteraktion – und ermittelt in einem einzigen Lauf die kostenoptimale Betriebs- und Investitionsstrategie.
Dieser Artikel stellt einen repräsentativen Anwendungsfall vor: ein virtuelles österreichisches Unternehmen mit erheblichem Strombedarf, einer Dach-PV-Anlage und einer Flotte von Elektrofahrzeugen. Ausgehend von einer Basiskonfiguration werden schrittweise zwei Strategien hinsichtlich der Jahreskosten bewertet: ein stationäres Batteriespeichersystem und ein optimiertes Laden von Elektrofahrzeugflotten.
Das Ausgangssystem
Abbildung 2: Die LEC ENERsim Benutzeroberfläche mit der Basis-Systemtopologie: PV, Netzanschluss, ungesteuertes E-Flotten-Laden, Last und eine Abregelungskomponente.
Last und PV-Erzeugung
Das Modellunternehmen weist einen jährlichen Strombedarf von 1.000 MWh/Jahr auf – repräsentativ für einen mittelgroßen Industrie- oder Gewerbebetrieb, etwa eine Produktionsanlage, ein Logistikzentrum oder einen Forschungscampus. Der gesamte Strom wird zum dynamischen Spotmarktpreis des österreichischen Day-Ahead-Markts (EPEX Spot) zzgl. gültiger Netzentgelte bezogen. Die lokale Erzeugung erfolgt durch eine 700-kW-Dach-Photovoltaikanlage.
PV-Profile werden mit dem PVGIS-Tool des Joint Research Centre erstellt. PVGIS liefert stündliche Einstrahlungs- und Temperaturdaten für jeden Standort und berechnet daraus die AC-Leistungsabgabe einer definierten PV-Anlage.
Lastprofile basieren auf den BDEW-Standardlastprofilen für Gewerbe- und Industriekunden, skaliert auf den jeweiligen Jahresbedarf. Realistische Tages- und Wochenvariabilität wird durch Überlagerung einer stochastischen Rauschkomponente eingeführt. ENERsim unterstützt auch den direkten Import gemessener Lastprofile aus CSV/XLSX-Dateien, wodurch das Modell auf tatsächliche Verbrauchsdaten kalibriert werden kann.
Überschüssige PV-Erzeugung, die weder vor Ort verbraucht noch gespeichert werden kann, kann auch in einer Abregelungskomponente (Curtailment) erfasst werden, mit der überschüssige Erzeugung verworfen statt verkauft wird, beispielsweise während negativer Preisevents.
Zusätzlich zum Spotenergiepreis zahlen netzgebundene Verbraucher in der Regel Netzentgelte und Abgaben. Für diese Studie werden folgende Komponenten angesetzt, konsistent mit den Tarifen die von der österreichischen E-Control für die relevante Netzebene veröffentlicht werden:
- Leistungspreis (LP): 60 EUR/kW/Jahr, bezogen auf die jährliche Spitzenlast.
- Arbeitspreis (AP): 1,9 ct/kWh – eine Umlage auf die gesamte aus dem Netz bezogene Energie.
- Netzverlustentgelt: 0,12 ct/kWh – ein kleiner Aufschlag zur Deckung von Übertragungs- und Verteilungsverlusten.
- Elektrizitätsabgabe: 0,82 ct/kWh.
Elektrofahrzeugflotte
Das virtuelle Unternehmen betreibt eine Flotte von Dienst-Elektrofahrzeugen (Electric Vehicles - EV), die vor Ort geladen werden. Das Ladeprofil wird mithilfe einer bimodalen Gauß-Ankunftsverteilung modelliert, die realistische Nutzungsmuster widerspiegelt: einen Morgenpeak, wenn Mitarbeiter ankommen und ihre Fahrzeuge anschließen, sowie einen Abendpeak, wenn Fahrzeuge von externen Fahrten zurückkehren. Die AC-Ladestationen haben Nennleistungen von 11 kW und 22 kW; die Gesamtzahl der Ladevorgänge ist auf eine repräsentative KMU-Flotte kalibriert.
In der Basiskonfiguration erfolgt das EV-Laden ungesteuert. Die Fahrzeuge beginnen sofort zu laden, sobald sie angeschlossen werden – entsprechend dem Standardverhalten der meisten bestehenden Ladeinfrastruktur.
Ergebnisse der Basiskonfiguration
Ausgehend vom parametrierten System und den stündlichen Strompreisen des Jahres 2025 berechnet ENERsim alle Energieflüsse und wertet die Kostenkomponenten für ein vollständiges Jahr aus.
Abbildung 3: Energieflüsse der Basiskonfiguration: PV-Erzeugung, Netzbezug, Lastverbrauch und Abregelungsflüsse.
Das Sankey-Diagramm zeigt, wie die PV-Erzeugung einen erheblichen Teil des Gesamtbedarfs deckt, während der Rest aus dem Netz bezogen wird. In Perioden hoher PV-Einspeisung und geringen Eigenverbrauchs fließt die Überschusserzeugung ins Einspeisenetz und zur Abregelungskomponente.
Abbildung 4: Jährliche Kostenaufschlüsselung und -verteilung für die Basiskonfiguration.
Für das Ausgangssystem ermittelt ENERsim Jahresgesamtkosten von rund 120,9 kEUR. Die Kostenstruktur wird von den Energiekosten dominiert, die rund 70 % der Gesamtkosten ausmachen, während Abgaben – insbesondere der Leistungsanteil – die verbleibenden ~30 % beitragen. Diese Aufschlüsselung zeigt unmittelbar Kostensenkungspotenziale auf: Reduktion der Spitzenlasten und Ausrichtung des Verbrauchs auf Niedrigpreisphasen.
Die in diesem Artikel präsentierten Zahlen sind bewusst illustrativ. Sie demonstrieren ENERsims Modellierungs- und Optimierungsfähigkeiten und sind keine allgemeinen Benchmarks für eine bestimmte Anlage. Reale Ergebnisse hängen stark ab von:
- Strompreisannahmen – allgemeine Preisniveaus und -dynamiken sind stark jahres- und szenarioabhängig
- Lastprofilform – beeinflusst maßgeblich PV-Eigenversorgung, Netzbezug und Netzentgelte
- PV-Systemertrag – Standort, Ausrichtung, Verschattung und Degradation beeinflussen die Eigenverbrauchsquoten
- Flottenzusammensetzung – Ladeleistungen, Flottengröße und Nutzungsprofile bestimmen das Flexibilitätspotenzial
- Investitionskostenannahmen – für die Batterie hier mit 200 EUR/kWh angenommen, basierend auf Marktwerten 2025 (siehe unten)
Anwendungsfall 1: Batteriespeicher
Systemkonfiguration
Das erste Szenario ergänzt das Energiesystem um ein stationäres Batteriespeichersystem. Die Batterie kann aus überschüssiger PV-Erzeugung sowie aus dem Netz während Niedrig- oder Negativpreisphasen geladen werden und entlädt sich zur Bedarfsdeckung in Hochpreisperioden.
Abbildung 5: Systemtopologie mit ergänztem Batteriespeicher. Der Optimierer bestimmt sowohl die optimale Kapazität als auch die stündliche Betriebsstrategie.
Entscheidend ist, dass die Batteriekapazität nicht im Voraus festgelegt wird. Stattdessen ermittelt ENERsims Optimierer gleichzeitig die optimale Speichergröße und die optimale stündliche Betriebsstrategie über das gesamte Jahr – unter Abwägung der annuisierten Investitionskosten gegen die Betriebseinsparungen.
Die Batterie wird mit folgenden Werten parametrisiert:
- Wirkungsgrad (AC-zu-AC): 95 %
- C-Rate: 0,25 C (4-Stunden-Speicher)
- Technische Lebensdauer: 15 Jahre (~4.000–5.000 Zyklen)
- Investitionskosten: 200 EUR/kWh (inkl. Wechselrichter, Installation)
Batteriepackpreise sind im vergangenen Jahrzehnt um mehr als 90 % gesunken und fallen weiter. Laut BloombergNEFs Battery Price Survey 2025 erreichte der globale Durchschnittspreis für Lithium-Ionen-Batteriepacks 108 USD/kWh – ein neuer Tiefstwert. Die Systemkosten für stationäre Speicheranlagen (inkl. Leistungselektronik, Installation und Netzanschluss) liegen nach wie vor über den reinen Packpreisen – in der Regel um den Faktor 1,5–2,5, sinken jedoch parallel. Der in dieser Studie verwendete Wert von 200 EUR/kWh ist daher ein mittlerer Schätzwert für eine gewerbliche Anlage im Bereich 1–2 MWh im Jahr 2025. Projekte unter ungünstigeren Bedingungen können höher liegen; Projekte mit Mengenrabatten oder günstigen Standortbedingungen können niedriger liegen.
Optimierungsergebnisse
ENERsims Optimierung wählt eine Batteriekapazität von 1.300 kWh und verschiebt einen wesentlichen Anteil des täglichen Bedarfs von Hochpreis- in Niedrigpreisperioden, um zugleich eine erhebliche Spitzenlastkappung zu erreichen.
Abbildung 6: Energieflüsse der Batteriespeicherkonfiguration. Die Batterie nimmt überschüssige PV- und kostengünstige Netzenergie auf.
Abbildung 7: Jährliche Kostenaufschlüsselung und -verteilung der Batteriespeicherkonfiguration, einschließlich annuisierter Batterieabschreibung.
Das Batteriespeicherszenario ergibt jährliche Betriebskosten von rund 72 kEUR (ohne Batterieabschreibung) – gegenüber 120,9 kEUR in der Basiskonfiguration. Bei Einbeziehung der annuisierten Investitionskosten (Abschreibung über 15 Jahre) steigen die jährlichen Gesamtkosten auf rund 89 kEUR. Das bedeutet:
- Betriebliche Einsparungen gegenüber Basis: ~49 kEUR/Jahr: eine Reduktion der Betriebskosten um 40 %, getrieben durch Spitzenlastkappung, erhöhten PV-Eigenverbrauch und opportunistisches Laden in Negativpreisperioden
- Gesamtinvestition: ~260 kEUR (1.300 kWh × 200 EUR/kWh)
- Einfache Amortisationszeit: rund 5 Jahre – weit innerhalb der 15-jährigen technischen Lebensdauer der Batterie
Der Leistungsanteil des Netzentgelts wird erheblich reduziert, da die Batterie gezielt während der Lastspitzen entlädt, um die Netzbezugsleistung zu glätten.
Anwendungsfall 2: Verbrauchsseitige Flexibilität – Gesteuertes EV-Laden
Das Flexibilitätskonzept
Das zweite Szenario verfolgt einen grundlegend anderen Ansatz: verbrauchsseitige Flexibilität durch gesteuertes EV-Laden. Keine neue Hardware ist erforderlich – die bestehende Ladeinfrastruktur wird vom Optimierer gesteuert, um Ladelasten zeitlich zu verschieben und dabei Preissignale sowie PV-Erzeugung zu nutzen, ohne die gesamte an die Fahrzeugflotte gelieferte Energiemenge zu reduzieren.
Ein Fahrzeug, das um 08:00 Uhr angesteckt wird und um 16:00 Uhr abfährt, muss bis zur Abfahrt eine bestimmte Energiemenge erhalten, aber der Zeitpunkt des Ladens ist innerhalb des Parkfensters flexibel. Ebenso kann ein Fahrzeug, das abends ankommt und am nächsten Morgen abfährt, zu einem beliebigen Zeitpunkt über Nacht geladen werden. ENERsim modelliert diese Flexibilität durch folgende Spezifikationen:
- Morgendliche Ankünfte: Fahrzeuge verbinden sich morgens und können jederzeit vor der geplanten Abendabfahrt laden.
- Abendliche Ankünfte: Fahrzeuge verbinden sich abends und können jederzeit vor der geplanten Abfahrt am nächsten Morgen laden.
Der Optimierer verschiebt den Ladeplan dann in Niedrigpreis- oder hohe PV-Ertragsphasen, während alle Abfahrtsbedingungen erfüllt werden. Dies erfordert keine Hardwareänderungen und könnte in der Praxis über einen Smart-Charging-Controller implementiert werden, der die Ladepläne an die bestehende Ladeinfrastruktur übermittelt.
Optimiertes EV-Ladeprofil
Abbildung 8: Vergleich des ungesteuerten Basis-Ladeprofils (rot) und des optimierten gesteuerten Ladeprofils (blau) für eine repräsentative Woche im März 2025. Der Optimierer verschiebt das Laden weg von den hochpreisigen Morgenspitzen hin zu mittäglichem PV-Überschuss und günstigen Nachtphasen.
Abbildung 8 zeigt die Transformation: Das ungesteuerte Profil weist Morgen- und Abendspitzen auf, die durch die Ankunftsverteilung bestimmt werden. Das optimierte Profil verteilt das Laden über den Tag, konzentriert es auf Phasen hoher PV-Leistung und niedriger Spotpreise, einschließlich nächtlicher Fenster. Die an die Flotte gelieferte Gesamtenergie ist in beiden Fällen identisch; nur der Zeitpunkt ändert sich.
Ergebnisse mit gesteuertem Laden
Abbildung 9: Sankey-Diagramm der Energieflüsse für die Lastflexibilitätskonfiguration (gesteuertes EV-Laden).
Abbildung 10: Jährliche Kostenaufschlüsselung und -verteilung für die Lastflexibilitätskonfiguration.
Mit gesteuertem EV-Laden sinken die jährlichen Gesamtkosten auf rund 105,5 kEUR – eine Einsparung von ~15,4 kEUR/Jahr gegenüber der Basiskonfiguration von 120,9 kEUR, was einer Reduktion von 13 % entspricht. Entscheidend ist, dass diese Einsparung ohne zusätzliche Hardwareinvestition erzielt wird: Die einzige Anforderung ist eine softwarebasierte Steuerung, die dem bestehenden Ladesystem die optimierten Ladepläne übermittelt.
Die Einsparungen entstehen aus zwei sich ergänzenden Effekten:
- Spotmarkt-Arbitrage: Die Verschiebung des Ladens in Niedrig- oder Negativpreisfenster oder Phasen hoher PV-Produktion reduziert direkt die Energiekosten
- Spitzenlastreduzierung: Eine gleichmäßigere Verteilung des Ladens reduziert die Netzspitzenlast und senkt damit den Leistungsanteil des Netzentgelts
Zusammenfassung
Die drei Konfigurationen demonstrieren das Potenzial ausgereifter Energiemanagementstrategien:
| Konfiguration | Jahreskosten (kEUR) | vs. Basis | Investition |
|---|---|---|---|
| Basis — PV + Netz + EV-Laden (ungesteuert) | 120,9 | — | Keine |
| Batteriespeicher (1.300 kWh, optimiert) | 89,0 | −26 % | ~260 kEUR (≈5 J. Amortisation) |
| Lastflexibilität — gesteuertes EV-Laden | 105,5 | −13 % | Minimal (nur Steuerungsschicht) |
Der Batteriespeicher liefert die größere absolute Einsparung und weist eine klar definierte Amortisationszeit weit innerhalb der technischen Lebensdauer des Systems auf; gesteuertes EV-Laden ist eine ertragsstarke, risikoarme Strategie, die nur eine intelligente Steuerung erfordert. Da die beiden Strategien komplementär sind – Speicherarbitrage und flexible Lastanpassung – würde der gleichzeitige Einsatz beider wohl noch größere Einsparungen erzielen.
Ausblick
Die zwei hier vorgestellten Anwendungsfälle sind nur zwei Beispiele. ENERsims modulare Komponentenbibliothek und flexible Topologie ermöglichen es, die Analyse in viele Richtungen zu erweitern, darunter:
- Wärmepumpen und Wärmespeicher: Betrieb einer Wärmepumpe als steuerbare elektrische Last, Laden eines Wärmespeichers in Niedrigpreisphasen, gemeinsam optimiert mit PV und Batterie
- Vehicle-to-Grid (V2G): Bidirektionale Ladegeräte ermöglichen die Rückspeisung der EV-Batterien ins Microgrid und machen die Flotte zu einem dezentralen Energiespeicher
- Wind und Wasserkraft: Modellierung von Windkraftanlagen oder Laufwasserkraftwerken mit analoger Nutzung von Batterie- oder verbrauchsseitiger Flexibilität
- Grüne Wasserstoffproduktion: Elektrolyseure absorbieren PV- oder Windenergie und wandeln sie für industrielle Nutzung oder Mobilität in Wasserstoff um
- Netzüberlastungsvermeidung: Modellierung dynamischer Export-/Importgrenzen am Netzanschluss zur Bewertung von Netzrestriktionen (siehe Abbildung unten)
- Multi-Vektor-Systeme: Gleichzeitige Optimierung von Strom, Wärme, Wasserstoff und Kälte in einem einzigen integrierten System mithilfe von ENERsims Multi-Grid-Architektur
Abbildung 11: Illustration der Netzüberlastungsvermeidung: Batteriespeicher und gesteuerte Nachfrage reagieren auf ein Netzlimit, um verfügbare Kapazitäten besser zu nutzen.
