{"$schema":"https://www.lobbyregister.bundestag.de/json-schemas/R2.22/Lobbyregister-Registereintrag-schema-R2.22.json","source":"Deutscher Bundestag, Lobbyregister für die Interessenvertretung gegenüber dem Deutschen Bundestag und der Bundesregierung","sourceUrl":"https://www.lobbyregister.bundestag.de","sourceDate":"2026-04-19T19:48:59.975+02:00","jsonDocumentationUrl":"https://www.lobbyregister.bundestag.de/informationen-und-hilfe/open-data-1049716","registerNumber":"R004883","registerEntryDetails":{"registerEntryId":70359,"legislation":"GL2024","version":4,"detailsPageUrl":"https://www.lobbyregister.bundestag.de/suche/R004883/70359","pdfUrl":"https://www.lobbyregister.bundestag.de/media/77/6f/677794/Lobbyregister-Registereintraege-Detailansicht-R004883-2026-01-05_14-26-19.pdf","validFromDate":"2026-01-05T14:26:19.000+01:00","fiscalYearUpdate":{"updateMissing":true,"lastFiscalYearUpdate":"2024-06-21T16:29:41.000+02:00"}},"accountDetails":{"activeLobbyist":false,"activeDateRanges":[{"fromDate":"2024-06-21T16:29:41.000+02:00","untilDate":"2026-01-05T14:26:19.000+01:00"}],"inactiveDateRanges":[{"fromDate":"2026-01-05T14:26:19.000+01:00"}],"inactiveLobbyistStartDate":"2026-01-05T14:26:19.327+01:00","firstPublicationDate":"2022-07-04T17:04:00.000+02:00","lastUpdateDate":"2026-01-05T14:26:19.000+01:00","registerEntryVersions":[{"registerEntryId":70359,"jsonDetailUrl":"https://www.lobbyregister.bundestag.de/sucheJson/R004883/70359","version":4,"legislation":"GL2024","validFromDate":"2026-01-05T14:26:19.000+01:00","activeUntilDate":"2026-01-05T14:26:19.000+01:00","versionActiveLobbyist":false},{"registerEntryId":33641,"jsonDetailUrl":"https://www.lobbyregister.bundestag.de/sucheJson/R004883/33641","version":3,"legislation":"GL2024","validFromDate":"2024-06-21T16:29:41.000+02:00","validUntilDate":"2026-01-05T14:26:19.000+01:00","versionActiveLobbyist":true}],"accountHasCodexViolations":false},"lobbyistIdentity":{"identity":"ORGANIZATION","name":"The Mobility House","legalFormType":{"code":"JURISTIC_PERSON","de":"Juristische Person","en":"Legal person"},"legalForm":{"code":"LF_GMBH","de":"Gesellschaft mit beschränkter Haftung (GmbH)","en":"Limited liability company (GmbH)"},"contactDetails":{"phoneNumber":"+4989416143010","emails":[{"email":"info@mobilityhouse.com"}],"websites":[{"website":"https://www.mobilityhouse.com/de_de/"}]},"address":{"type":"NATIONAL","street":"St.-Cajetan-Str.","streetNumber":"43","zipCode":"81669","city":"München","country":{"code":"DE","de":"Deutschland","en":"Germany"}},"capitalCityRepresentationPresent":false,"legalRepresentatives":[{"lastName":"Fendt","firstName":"Marcus","function":"Geschäftsführer / CSO","recentGovernmentFunctionPresent":false,"entrustedPerson":true,"contactDetails":{}},{"lastName":"Moskal","firstName":"Thomas","function":"Manager Strategie & Regulatorik","recentGovernmentFunctionPresent":true,"recentGovernmentFunction":{"ended":true,"endDate":"2020-04","type":{"code":"HOUSE_OF_REPRESENTATIVES","de":"Bundestag","en":"House of representatives"},"houseOfRepresentatives":{"function":{"code":"FUNCTION_FOR_MEMBER","de":"Funktion für ein Mitglied des Deutschen Bundestages","en":"Function for a member of the German Bundestag"},"functionPosition":"wissenschaftlicher Mitarbeiter"}},"entrustedPerson":true,"contactDetails":{}}],"entrustedPersonsPresent":true,"entrustedPersons":[{"lastName":"Fendt","firstName":"Marcus","recentGovernmentFunctionPresent":false},{"lastName":"Moskal","firstName":"Thomas","recentGovernmentFunctionPresent":true,"recentGovernmentFunction":{"ended":true,"endDate":"2020-04","type":{"code":"HOUSE_OF_REPRESENTATIVES","de":"Bundestag","en":"House of representatives"},"houseOfRepresentatives":{"function":{"code":"FUNCTION_FOR_MEMBER","de":"Funktion für ein Mitglied des Deutschen Bundestages","en":"Function for a member of the German Bundestag"},"functionPosition":"wissenschaftlicher Mitarbeiter"}}},{"lastName":"Diess","firstName":"Herbert","recentGovernmentFunctionPresent":false},{"lastName":"Landia","firstName":"Alexander","recentGovernmentFunctionPresent":false}],"membersPresent":false,"membershipsPresent":true,"memberships":[{"membership":"VDA Verband der Deutschen Automobilindustrie"},{"membership":"BDEW via VBEW"},{"membership":"CharIn e.V. Charging Interface Initiative"},{"membership":"BVES Bundesverband Energiespeicher"},{"membership":"bne Bundesverband Neue Energiewirtschaft"},{"membership":"VDIV Verband Deutscher Immobilienverwalter"},{"membership":"SmartEN"},{"membership":"DFBEW Deutsch-französisches Büro für die Energiewende"},{"membership":"Bitkom e.V."}]},"activitiesAndInterests":{"activity":{"code":"ACT_ORGANIZATION_V2","de":"Sonstiges Unternehmen","en":"Other company"},"typesOfExercisingLobbyWork":[{"code":"SELF_OPERATED_OWN_INTEREST","de":"Die Interessenvertretung wird in eigenem Interesse selbst wahrgenommen","en":"Interest representation is self-performed in its own interest"}],"fieldsOfInterest":[{"code":"FOI_ENVIRONMENT_SUSTAINABILITY","de":"Nachhaltigkeit und Ressourcenschutz","en":"Sustainability and resource protection"},{"code":"FOI_ENVIRONMENT_CLIMATE","de":"Klimaschutz","en":"Climate protection"},{"code":"FOI_ENVIRONMENT_POLLUTION","de":"Immissionsschutz","en":"Immission control"},{"code":"FOI_TRANSPORTATION_AUTOMOBILE","de":"Straßenverkehr","en":"Road traffic"},{"code":"FOI_TRANSPORTATION_OTHER","de":"Sonstiges im Bereich \"Verkehr\"","en":"Other in the field of \"Transportation\""},{"code":"FOI_ECONOMY_OTHER","de":"Sonstiges im Bereich \"Wirtschaft\"","en":"Other in the field of \"Economy\""},{"code":"FOI_ENERGY_OTHER","de":"Sonstiges im Bereich \"Energie\"","en":"Other in the field of \"Energy\""},{"code":"FOI_ENERGY_RENEWABLE","de":"Erneuerbare Energien","en":"Renewable energy"},{"code":"FOI_ECONOMY_AUTOMOBILE","de":"Automobilwirtschaft","en":"Automotive industry"},{"code":"FOI_ENERGY_NET","de":"Energienetze","en":"Energy networks"},{"code":"FOI_ENERGY_OVERALL","de":"Allgemeine Energiepolitik","en":"Energy policy in general"}],"activityDescription":"Eine emissionsfreie Energie- und Mobilitätszukunft zu gestalten, das ist das Ziel von The Mobility House. Unsere Technologie verbindet die Automobil- und Energiebranche. Wir integrieren durch intelligente Lade- und Energielösungen Fahrzeugbatterien ins Stromnetz. Damit fördern wir den Ausbau erneuerbarer Energien, stabilisieren das Stromnetz und machen Elektromobilität günstiger.\r\nDas Technologieunternehmen The Mobility House wurde 2009 gegründet und ist von den Standorten München, Zürich und Belmont (CA) weltweit in über 10 Ländern aktiv. Neben vielen führenden Automobilherstellern sind unsere Kunden Fuhrparkbetreiber, Installationsunternehmen, Energieversorger und Elektroautofahrer:innen. \r\nZum Zwecke der Interessenvertretung werden Gespräche mit Vertreterinnen und Vertretern der Bundesministerien sowie mit Mitgliedern des Deutschen Bundestages zur Erläuterung von Änderungsnotwendigkeiten hinsichtlich einer Vielzahl von Themenfeldern, geführt, die als Rahmenbedingungen für die unternehmerische Tätigkeit, auch im Hinblick auf die Situation der Beschäftigten des Unternehmens, von großer Bedeutung sind. Dabei geht es unter anderem um notwendige Anpassungen im Energiewirtschaftsrecht und Stromsteuerrecht, um die Rahmenbedingungen für den Ausbau intelligenter Stromzähler (\"smart meter\"), Bürokratieabbau und eine Orientierung an marktlichen Lösungen. Zweck der Interessenvertretung ist es, die Sicht der Praxis zu vermitteln und Impulse zur Verbesserung der gesamtwirtschaftlichen Lage zu geben. "},"employeesInvolvedInLobbying":{"relatedFiscalYearFinished":true,"relatedFiscalYearStart":"2023-01-01","relatedFiscalYearEnd":"2023-12-31","employeeFTE":0.58},"financialExpenses":{"relatedFiscalYearFinished":true,"relatedFiscalYearStart":"2023-01-01","relatedFiscalYearEnd":"2023-12-31","financialExpensesEuro":{"from":1,"to":10000}},"mainFundingSources":{"relatedFiscalYearFinished":true,"relatedFiscalYearStart":"2023-01-01","relatedFiscalYearEnd":"2023-12-31","mainFundingSources":[{"code":"MFS_ECONOMIC_ACTIVITY","de":"Wirtschaftliche Tätigkeit","en":"Economic activity"},{"code":"MFS_PUBLIC_GRANTS","de":"Öffentliche Zuwendungen","en":"Public grants"}]},"publicAllowances":{"publicAllowancesPresent":true,"relatedFiscalYearFinished":true,"relatedFiscalYearStart":"2023-01-01","relatedFiscalYearEnd":"2023-12-31","publicAllowances":[{"name":"BMWK","type":{"code":"GERMAN_PUBLIC_SECTOR_FEDERAL","de":"Deutsche Öffentliche Hand – Bund","en":"German Public Sector – Federal"},"location":"Berlin","publicAllowanceEuro":{"from":230001,"to":240000},"description":"Fördermittel im Rahmen des Verbundprojekts: unIT-e2 - Reallabor für verNETZte E-Mobilität (https://unit-e2.de)"}]},"donators":{"relatedFiscalYearFinished":true,"relatedFiscalYearStart":"2023-01-01","relatedFiscalYearEnd":"2023-12-31","totalDonationsEuro":{"from":0,"to":0}},"membershipFees":{"relatedFiscalYearFinished":true,"relatedFiscalYearStart":"2023-01-01","relatedFiscalYearEnd":"2023-12-31","totalMembershipFees":{"from":0,"to":0},"individualContributorsPresent":false,"individualContributors":[]},"annualReports":{"annualReportPreviousLastFiscalYearExists":true,"previousLastFiscalYearStart":"2022-01-01","previousLastFiscalYearEnd":"2022-12-31","annualReportPdfUrl":"https://www.lobbyregister.bundestag.de/media/cc/79/677717/TMH-M-Erstellungsbericht-inkl-Lagebericht_signed.pdf"},"regulatoryProjects":{"regulatoryProjectsPresent":true,"regulatoryProjectsCount":6,"regulatoryProjects":[{"regulatoryProjectNumber":"RV0004186","title":"Abschaffung Doppelbelastung V2G ","printedMattersPresent":true,"printedMatters":[{"title":"Entwurf eines Gesetzes zur Modernisierung und zum Bürokratieabbau im Strom- und Energiesteuerrecht","printingNumber":"232/24","issuer":"BR","documentUrl":"https://dserver.bundestag.de/brd/2024/0232-24.pdf","projectUrl":"https://dip.bundestag.de/vorgang/gesetz-zur-modernisierung-und-zum-b%C3%BCrokratieabbau-im-strom-und-energiesteuerrecht/312306","leadingMinistries":[{"title":"Bundesministerium der Finanzen","shortTitle":"BMF","electionPeriod":20,"url":"https://www.bundesfinanzministerium.de/Web/DE/Home/home.html"}],"migratedDraftBill":{"title":"Entwurf eines Gesetzes zur Modernisierung und zum Bürokratieabbau im Strom- und Energiesteuerrecht","publicationDate":"2024-04-12","leadingMinistries":[{"title":"Bundesministerium der Finanzen","shortTitle":"BMF","electionPeriod":20,"url":"https://www.bundesfinanzministerium.de/Web/DE/Home/home.html","draftBillDocumentUrl":"https://www.bundesfinanzministerium.de/Content/DE/Gesetzestexte/Gesetze_Gesetzesvorhaben/Abteilungen/Abteilung_III/20_Legislaturperiode/2024-04-12-Strom-und-Energiesteuerrecht/1-Referentenentwurf.pdf?__blob=publicationFile&v=2","draftBillProjectUrl":"https://www.bundesfinanzministerium.de/Content/DE/Gesetzestexte/Gesetze_Gesetzesvorhaben/Abteilungen/Abteilung_III/20_Legislaturperiode/2024-04-12-Strom-und-Energiesteuerrecht/0-Gesetz.html"}]}},{"title":"Entwurf eines Gesetzes zur Modernisierung und zum Bürokratieabbau im Strom- und Energiesteuerrecht","printingNumber":"20/12351","issuer":"BT","documentUrl":"https://dserver.bundestag.de/btd/20/123/2012351.pdf","projectUrl":"https://dip.bundestag.de/vorgang/gesetz-zur-modernisierung-und-zum-b%C3%BCrokratieabbau-im-strom-und-energiesteuerrecht/312306","leadingMinistries":[{"title":"Bundesministerium der Finanzen","shortTitle":"BMF","electionPeriod":20,"url":"https://www.bundesfinanzministerium.de/Web/DE/Home/home.html"}],"migratedDraftBill":{"title":"Entwurf eines Gesetzes zur Modernisierung und zum Bürokratieabbau im Strom- und Energiesteuerrecht","publicationDate":"2024-04-12","leadingMinistries":[{"title":"Bundesministerium der Finanzen","shortTitle":"BMF","electionPeriod":20,"url":"https://www.bundesfinanzministerium.de/Web/DE/Home/home.html","draftBillDocumentUrl":"https://www.bundesfinanzministerium.de/Content/DE/Gesetzestexte/Gesetze_Gesetzesvorhaben/Abteilungen/Abteilung_III/20_Legislaturperiode/2024-04-12-Strom-und-Energiesteuerrecht/1-Referentenentwurf.pdf?__blob=publicationFile&v=2","draftBillProjectUrl":"https://www.bundesfinanzministerium.de/Content/DE/Gesetzestexte/Gesetze_Gesetzesvorhaben/Abteilungen/Abteilung_III/20_Legislaturperiode/2024-04-12-Strom-und-Energiesteuerrecht/0-Gesetz.html"}]}}],"draftBillPresent":false,"description":"Beim bidirektionalen Laden fällt weiterhin die volle Stromsteuer an, wenn Strom aus dem öffentlichen Netz bezogen wird - unabhängig davon, ob der Strom tatsächlich \"verfahren\" wird oder nur zwischengespeichert wird, um ihn zu einem späteren Zeitpunkt wieder ins Netz einzuspeisen. Für diese Zwischenspeicherung soll ein Befreiungstatbestand definiert werden. Nur mit einer Befreiung wird sich bidirektionales Laden durchsetzen können. ","affectedLawsPresent":true,"affectedLaws":[{"title":"Stromsteuergesetz","shortTitle":"StromStG","url":"https://www.gesetze-im-internet.de/stromstg"}],"fieldsOfInterest":[{"code":"FOI_ECONOMY_AUTOMOBILE","de":"Automobilwirtschaft","en":"Automotive industry"},{"code":"FOI_TRANSPORTATION_AUTOMOBILE","de":"Straßenverkehr","en":"Road traffic"},{"code":"FOI_TRANSPORTATION_OTHER","de":"Sonstiges im Bereich \"Verkehr\"","en":"Other in the field of \"Transportation\""},{"code":"FOI_ENERGY_NET","de":"Energienetze","en":"Energy networks"},{"code":"FOI_ENERGY_RENEWABLE","de":"Erneuerbare Energien","en":"Renewable energy"},{"code":"FOI_ENVIRONMENT_CLIMATE","de":"Klimaschutz","en":"Climate protection"},{"code":"FOI_ENVIRONMENT_SUSTAINABILITY","de":"Nachhaltigkeit und Ressourcenschutz","en":"Sustainability and resource protection"},{"code":"FOI_ECONOMY_OTHER","de":"Sonstiges im Bereich \"Wirtschaft\"","en":"Other in the field of \"Economy\""},{"code":"FOI_ENERGY_OTHER","de":"Sonstiges im Bereich \"Energie\"","en":"Other in the field of \"Energy\""},{"code":"FOI_ENERGY_OVERALL","de":"Allgemeine Energiepolitik","en":"Energy policy in general"}]},{"regulatoryProjectNumber":"RV0004187","title":"Abschaffung Doppelbelastung V2G ","printedMattersPresent":false,"printedMatters":[],"draftBillPresent":false,"description":"Bidirektionales Laden wird nur dann erfolgreich, wenn die zwischengespeicherte Menge von sämtlichen Steuern, Abgaben und Umlagen befreit wird. So auch von den Netzentgelten. ","affectedLawsPresent":true,"affectedLaws":[{"title":"Gesetz über die Elektrizitäts- und Gasversorgung","shortTitle":"EnWG 2005","url":"https://www.gesetze-im-internet.de/enwg_2005"}],"fieldsOfInterest":[{"code":"FOI_ECONOMY_OTHER","de":"Sonstiges im Bereich \"Wirtschaft\"","en":"Other in the field of \"Economy\""},{"code":"FOI_ENERGY_NET","de":"Energienetze","en":"Energy networks"},{"code":"FOI_ECONOMY_AUTOMOBILE","de":"Automobilwirtschaft","en":"Automotive industry"},{"code":"FOI_ENVIRONMENT_CLIMATE","de":"Klimaschutz","en":"Climate protection"},{"code":"FOI_ENERGY_OTHER","de":"Sonstiges im Bereich \"Energie\"","en":"Other in the field of \"Energy\""},{"code":"FOI_TRANSPORTATION_OTHER","de":"Sonstiges im Bereich \"Verkehr\"","en":"Other in the field of \"Transportation\""},{"code":"FOI_ENVIRONMENT_SUSTAINABILITY","de":"Nachhaltigkeit und Ressourcenschutz","en":"Sustainability and resource protection"},{"code":"FOI_ENERGY_OVERALL","de":"Allgemeine Energiepolitik","en":"Energy policy in general"},{"code":"FOI_ENERGY_RENEWABLE","de":"Erneuerbare Energien","en":"Renewable energy"}]},{"regulatoryProjectNumber":"RV0004188","title":"Abschaffung Doppelbelastung V2G ","printedMattersPresent":false,"printedMatters":[],"draftBillPresent":false,"description":"Bidirektionales Laden wird nur dann erfolgreich, wenn die zwischengespeicherte Menge von sämtlichen Steuern, Abgaben und Umlagen befreit wird. So auch von der Konzessionsabgabe. ","affectedLawsPresent":true,"affectedLaws":[{"title":"Verordnung über Konzessionsabgaben für Strom und Gas","shortTitle":"KAV","url":"https://www.gesetze-im-internet.de/kav"}],"fieldsOfInterest":[{"code":"FOI_ENERGY_RENEWABLE","de":"Erneuerbare Energien","en":"Renewable energy"},{"code":"FOI_ENERGY_OTHER","de":"Sonstiges im Bereich \"Energie\"","en":"Other in the field of \"Energy\""},{"code":"FOI_ENVIRONMENT_SUSTAINABILITY","de":"Nachhaltigkeit und Ressourcenschutz","en":"Sustainability and resource protection"},{"code":"FOI_ENERGY_NET","de":"Energienetze","en":"Energy networks"},{"code":"FOI_ENERGY_OVERALL","de":"Allgemeine Energiepolitik","en":"Energy policy in general"}]},{"regulatoryProjectNumber":"RV0004189","title":"Etablierung eines einheitlichen Messkonzeptes für bidirektionales Laden - V2G","printedMattersPresent":false,"printedMatters":[],"draftBillPresent":false,"description":"Bidirektionales Laden wird nur dann erfolgreich, wenn es ein praktikables und wirtschaftliches Messkonzept zur Unterscheidung von Fahr- und zwischengespeichertem Strom gibt. ","affectedLawsPresent":true,"affectedLaws":[{"title":"Gesetz über die Elektrizitäts- und Gasversorgung","shortTitle":"EnWG 2005","url":"https://www.gesetze-im-internet.de/enwg_2005"}],"fieldsOfInterest":[{"code":"FOI_ENERGY_OVERALL","de":"Allgemeine Energiepolitik","en":"Energy policy in general"},{"code":"FOI_ENERGY_OTHER","de":"Sonstiges im Bereich \"Energie\"","en":"Other in the field of \"Energy\""},{"code":"FOI_ENERGY_NET","de":"Energienetze","en":"Energy networks"},{"code":"FOI_ENERGY_RENEWABLE","de":"Erneuerbare Energien","en":"Renewable energy"}]},{"regulatoryProjectNumber":"RV0004190","title":"Möglichmachung der Beschaffung von martklichen Flexibilitäten aus aggregierten E-Fahrzeugen","printedMattersPresent":false,"printedMatters":[],"draftBillPresent":false,"description":"Den lokalen Verteilnetzbetreibern sollte es erleichtert werden, lokal Flexibiliäten zu beschaffen, um Bedarfe lokaler Stromnetze besser ausgleichen zu können. ","affectedLawsPresent":true,"affectedLaws":[{"title":"Gesetz über die Elektrizitäts- und Gasversorgung","shortTitle":"EnWG 2005","url":"https://www.gesetze-im-internet.de/enwg_2005"}],"fieldsOfInterest":[{"code":"FOI_ENERGY_RENEWABLE","de":"Erneuerbare Energien","en":"Renewable energy"},{"code":"FOI_ENERGY_OTHER","de":"Sonstiges im Bereich \"Energie\"","en":"Other in the field of \"Energy\""},{"code":"FOI_ENERGY_OVERALL","de":"Allgemeine Energiepolitik","en":"Energy policy in general"}]},{"regulatoryProjectNumber":"RV0004191","title":"Erprobung eines marktbasierten Redispatch-Regimes","printedMattersPresent":false,"printedMatters":[],"draftBillPresent":false,"description":"Auch Kleinstflexibilitäten - wie E-Fahrzeuge - sollten in die Lage gebracht werden, zum Redispatch herangezogen zu werden. Hierzu braucht es eine Anpassung hin zu einem markt-, nicht kostenbasierten Redispatch. ","affectedLawsPresent":true,"affectedLaws":[{"title":"Gesetz über die Elektrizitäts- und Gasversorgung","shortTitle":"EnWG 2005","url":"https://www.gesetze-im-internet.de/enwg_2005"}],"fieldsOfInterest":[{"code":"FOI_ENERGY_NET","de":"Energienetze","en":"Energy networks"},{"code":"FOI_ENERGY_OTHER","de":"Sonstiges im Bereich \"Energie\"","en":"Other in the field of \"Energy\""},{"code":"FOI_ENERGY_RENEWABLE","de":"Erneuerbare Energien","en":"Renewable energy"},{"code":"FOI_ENERGY_OVERALL","de":"Allgemeine Energiepolitik","en":"Energy policy in general"}]}]},"statements":{"statementsPresent":true,"statementsCount":3,"statements":[{"regulatoryProjectNumber":"RV0004186","regulatoryProjectTitle":"Abschaffung Doppelbelastung V2G ","pdfUrl":"https://www.lobbyregister.bundestag.de/media/d8/36/304411/Stellungnahme-Gutachten-SG2406210071.pdf","pdfPageCount":27,"text":{"copyrightAcknowledgement":"Die grundlegenden Stellungnahmen und Gutachten können urheberrechtlich geschützte Werke enthalten. Eine Nutzung ist nur im urheberrechtlich zulässigen Rahmen erlaubt.","text":" \r\n \r\nInhalt \r\n1\tEinleitung .............................................................................................................................. 5 \r\n2\tBegriffe.................................................................................................................................. 6 \r\n3\tAktueller Stand des Marktumfelds ...................................................................................... 7 \r\n4\tErwartetes Flexibilitätspotenzial ......................................................................................... 8 \r\n4.1\tLimitierende Faktoren des Flexibilitätspotenzial ............................................................... 8 \r\n4.2\tQuantitative Abschätzung des Flexibilitätspotenzials ....................................................... 9 \r\n5\tAnwendungsfälle für bidirektionales Laden ..................................................................... 12 \r\n5.1\tBidirektionales Laden als mobile Steckdose (V2L: Vehicle to Load) .............................. 12 \r\n5.2\tBidirektionales Laden als Ersatzstromversorgung (V2H: Vehicle to Home, Inselbetrieb)\r\n ...................................................................................................................................... 12 \r\n5.3\tBidirektionales Laden als Zwischenspeicher (V2H: Vehicle to Home, Netzparallelbetrieb)\r\n ...................................................................................................................................... 12 \r\n\t\t\t\t\r\n\t  2  \t \tVDE FNN Hinweis\t \r\n5.4\tBidirektionales Laden zur Netzeinspeisung (V2G: Vehicle to Grid) ................................ 13 \r\n6\tRückspeisefähige Systemkonzepte im Netzparallelbetrieb ............................................ 14 \r\n7\tLadekommunikation und Steuerung von Ladevorgängen .............................................. 17 \r\n8\tNetzanschluss und Betrieb eines rückspeisefähigen Systemverbunds (inkl. \r\nMessstellenbetrieb) ............................................................................................................ 18 \r\n8.1\tPlanungsphase .............................................................................................................. 18 \r\n8.1.1\tAnzeige-, Meldepflichten und vorzulegende Unterlagen ..................................... 18 \r\n8.1.2\tNetz- und Anlagenschutz (NA-Schutz) ............................................................... 18 \r\n8.1.3\tMess-, Steuer- und Regelungskonzept .............................................................. 19 \r\n8.2\tInstallation ..................................................................................................................... 19 \r\n8.3\tInbetriebnahme und Instandsetzung .............................................................................. 19 \r\n8.4\tInbetriebnahme- und Wiederholungsprüfungen von bidirektionalen Ladeeinrichtungen . 20 \r\n9\tAuswirkungen auf das Stromnetz und das Energiesystem ............................................ 21 \r\n10\tAktuelle Rahmenbedingungen .......................................................................................... 23 \r\n11\tAusblick .............................................................................................................................. 24 \r\n12\tLiteraturverzeichnis ........................................................................................................... 26 \r\n \r\n \t \r\n \r\nBildverzeichnis Bild 1 Schematische Darstellung limitierender Faktoren zum Flexibilitätspotenzial\t8 \r\nBild 2 Vergleich der verfügbaren Energiemenge von rückspeisefähigen und ans Stromnetz angeschlossenen BEV mit allen Pumpspeicherkraftwerken in Deutschland\t10 \r\nBild 3 Vergleich der verfügbaren Rückspeiseleistung von rückspeisefähigen und ans  Stromnetz angeschlossenen BEV mit allen Pumpspeicherkraftwerken in Deutschland\t11 \r\nBild 4 Übersicht über Anwendungsfälle des bidirektionalen Ladens\t12 \r\nBild 5 Zulässige Systemkonzepte für die Rückspeisung mit AC bzw. DC\t15 \r\n\r\n \r\nAbkürzungsverzeichnis \r\nAC .......................................................................... Wechselstrom (en: Alternating Current) \r\nBEV ...........................................Batterieelektrisches Fahrzeug (en: battery electric vehicle) \r\nCCS ........................................ kombiniertes Ladesystem (en: Combined Charging System) \r\nDC ..................................................................................... Gleichstrom (en: Direct Current) \r\n\t\t\t\t\r\n\t  3  \t \tVDE FNN Hinweis\t \r\nEnWG ........................................................................................... Energiewirtschaftsgesetz \r\nEZA......................................................................................................... Erzeugungsanlage \r\nEZE......................................................................................................... Erzeugungseinheit \r\nGNDEW ................................... Gesetz zum Neustart der Digitalisierung der Energiewende \r\nMsbG .......................................................................................... Messstellenbetriebsgesetz \r\nNA-Schutz..................................................................................... Netz- und Anlagenschutz \r\nNAV ........................................................................ Niederspannungsanschlussverordnung \r\nNELEV .......................................... Elektrotechnische-Eigenschaften-Nachweis-Verordnung \r\nPHEV ...................................................... Plug-in-Hybrid (en: plug-in hybrid electric vehicle) \r\nPV ..................................................................................................................... Photovoltaik \r\nRfG ......................................................................................... Requirements for Generators \r\nTAR ........................................................................................ Technische Anschlussregeln \r\nÜNB ........................................................................................... Übertragungsnetzbetreiber \r\nV2B ......................................................................................................... Vehicle to Building \r\nV2G .............................................................................................................. Vehicle to Grid \r\nV2H............................................................................................................ Vehicle to Home \r\nV2L .............................................................................................................. Vehicle to Load \r\nV2V .......................................................................................................... Vehicle to Vehicle \r\nVNB ....................................................................................................... Verteilnetzbetreiber \r\n  \r\n \r\n \r\nVorwort \r\nDas Stromnetz steht seit jeher als Rückgrat für eine komfortable und zuverlässige Stromversorgung zur Verfügung. Neben dem stetig steigenden Anteil der erneuerbaren und somit volatilen Energien an der gesamten Bruttostromerzeugung in Deutschland, steigt der Anteil der elektrifizierten Fahrzeuge ebenfalls kontinuierlich. Zukünftig werden diese Fahrzeuge nicht nur Energieverbraucher sein, sondern können elektrische Energie auch zwischenspeichern und bei Bedarf in die Kundenanlage oder ins Stromnetz zurückspeisen.  \r\n\t\t\t\t\r\n\t  4  \t \t  VDE FNN Hinweis    \t \r\nIn Anlehnung an die im VDE FNN Hinweis „Netzintegration Elektromobilität“ (VDE FNN 2019)   aufgezeigten Stufen der Netzintegration von Elektrofahrzeugen wurden im VDE FNN Hinweis „Zielbild Steuerbarkeit von Ladeinfrastruktur für E-Fahrzeuge“ (VDE FNN 2021) die Stufen 1 und 2 für das Laden näher erläutert. Die Weiterentwicklung zu Stufen 3 und 4, die auch die Rückspeisung umfassen, wird in diesem VDE FNN Hinweis adressiert. \r\nDurch Bidirektionalität können sowohl in wirtschaftlicher Sicht für Endkunden und den Energiemarkt als auch in netztechnischer Sicht in  Bezug auf die Stabilität und Zuverlässigkeit neue Potenziale erschlossen werden. Für die Umsetzung von bidirektionalem Laden müssen zusätzliche Anforderungen erfüllt werden, die über die im VDE FNN Hinweis „Zielbild Steuerbarkeit von Ladeinfrastruktur für E-Fahrzeuge“ dargestellte netzorientierte Integration des Ladevorgangs von Elektrofahrzeugen hinausgehen. \r\nDer Hinweis „Bidirektionales Laden“ fokussiert sich auf die technischen Möglichkeiten für das bidirektionale Laden und die daraus resultierenden Auswirkungen auf das Stromnetz auf. Damit die Potenziale herstellerübergreifend und interoperabel erschlossen werden können, müssen zunächst für Ladeinfrastruktur und Fahrzeuge die entsprechenden Standards und Regularien erarbeitet werden. \r\nDie Projektgruppe „Netzintegration Elektromobilität“ des Forums Netztechnik/Netzbetrieb im VDE (VDE FNN), bestehend aus diversen Stakeholdern wie Verteilnetzbetreibern, Hersteller von Elektrofahrzeugen, Ladeeinrichtungen und Installationstechnik sowie Vertreter aus Wissenschaft, Handwerk und Zertifizierung, hat dazu den vorliegenden Hinweis erarbeitet.  \r\n \t \r\n \r\n1 Einleitung \r\nDer Klimaschutzplan der Bundesregierung Deutschland enthält das Ziel, eine Treibhausgasneutralität bis zum Jahr 2045 zu erreichen (Bundesministerium für Umwelt, Naturschutz, Bau und Reaktorsicherheit 2016). Das bedeutet, dass ab dem Jahr 2045 nur noch die Menge an Treibhausgas ausgestoßen werden darf, wie auch wieder aus der Atmosphäre entfernt werden kann. Um dieses Ziel zu erreichen, ist ein verstärkter Einsatz von erneuerbaren Energien in den Bereichen Strom, Gebäude, Verkehr und Industrie erforderlich. Der Strom aus erneuerbaren Energien (insbesondere Wind und Sonne) wird dabei als der wichtigste Energieträger angesehen. \r\nDie Ziele der Bundesregierung sehen vor, bis ins Jahr 2030 eine Erzeugungsleistung von 215 GW an \r\nSolaranlagen und 145 GW an Windenergie installiert zu haben (Presse- und Informationsamt der Bundesregierung 2023). Diese unterscheiden sich jedoch gegenüber der bisherigen Stromerzeugung grundlegend dadurch, dass sie dargebotsabhängig sind und große Fluktuationen in Abhängigkeit des Wetters, der Tages- und der Jahreszeit aufweisen. Während die Stromerzeugung beim Einsatz von konventionellen Kraftwerken an den zu erwartenden Verbrauch angepasst werden kann, müssen zukünftig zur Systemintegration von Erneuerbaren-Energien-Anlagen auch Flexibilitäten auf Verbrauchsseite genutzt sowie Speichermöglichkeiten ausgebaut werden. Zukünftig wird es Zeiten geben, in denen mehr Strom produziert als verbraucht wird, und Zeiten, in denen ein Strommangel herrscht (sogenannte Dunkelflauten). Um diese Schwankungen auszugleichen, braucht es Möglichkeiten, den überschüssigen Strom zu speichern und bei Bedarf wieder ins Netz einzuspeisen.  \r\nDafür sind Flexibilitäts- und Speicherlösungen notwendig, die eine Anpassung an das wechselnde Angebot und die Nachfrage ermöglichen können (VDE e.V. 2023). Eine Möglichkeit sind Elektrofahrzeuge, die als mobile Speicher zur Verfügung stehen können. Mit bidirektionaler Ladetechnologie kann beispielsweise überschüssiger Strom aus erneuerbaren Quellen aufgenommen und bei Bedarf wieder abgegeben werden. Allerdings wird dadurch nur ein Beitrag zum Ausgleich kurzfristiger Schwankungen zwischen Erzeugung und Verbrauch geleistet werden können, nicht jedoch zur saisonalen Verschiebung vom Sommer in den Winter.  \r\nSeitens der Bundesregierung wird das bidirektionale Laden von Elektrofahrzeugen ebenfalls als wichtiger Baustein erachtet und wurde bereits im Koalitionsvertrag (Presse- und Informationsamt der Bundesregierung 2021) erwähnt. Mit dem Masterplan Ladeinfrastruktur II (Bundesministerium für Digitales und Verkehr 2022) wurden die Aktivitäten präzisiert und konkret gestartet. Zudem wird das Thema derzeit europaweit in von der Bundesregierung initiierten Spitzengesprächen  diskutiert.  \r\nEine wichtige Voraussetzung für die Einführung und Verbreitung der bidirektionalen Ladetechnologie stellt die Standardisierung dar. Dadurch wird sichergestellt, dass die Technologie interoperabel, sicher und effizient in den Massenmarkt eingeführt werden kann und letztendlich sowohl dem Energiesystem als auch den Elektrofahrzeugnutzern Vorteile bringen kann. Das Energiesystem kann von einer höheren Integration erneuerbarer Energien profitieren, indem überschüssiger Strom gespeichert und bei Bedarf abgerufen wird. \r\nDie Elektrofahrzeugbesitzer können von einer günstigeren Stromversorgung profitieren, indem sie ihr Fahrzeug als Heimspeicher nutzen oder Strom an das Netz verkaufen.  \r\nDieser VDE FNN Hinweis soll einen Überblick über die technischen Anforderungen und Herausforderungen für das bidirektionale Laden von Elektrofahrzeugen mit Netzkopplung geben. Es wird ein Überblick über die Potenziale und Herausforderungen gegeben, die sich aus der Einbindung von Elektrofahrzeugen in das \r\n  \r\nStromnetz ergeben, sowohl aus Sicht des Energiemarktes als auch aus Sicht eines zuverlässigen Netzbetriebs. Außerdem soll der VDE FNN Hinweis den aktuellen Stand der Normung für das bidirektionale Laden darstellen und Empfehlungen für weitere Anpassungs- und Entwicklungsbedarfe ableiten. Der VDE FNN Hinweis fokussiert sich auf Personenkraftwagen und berücksichtigt nicht die Besonderheiten von schweren Nutzfahrzeugen.  \r\n2 Begriffe \r\nFür die Anwendung dieses Dokuments gelten die folgenden Begriffe, die in den ensprechenden DIN- und VDE-Normen sowie technischen Anschlussregeln des VDE FNN verwendet werden. \r\nBidirektionale/Rückspeisefähige Ladeeinrichtung \r\nEinrichtung, mit der ein Energieaustausch eines Elektrofahrzeugs über die Elektroinstallation mit dem Netz der allgemeinen Versorgung in beide Energieflussrichtungen erfolgen kann \r\nBidirektionales/Rückspeisefähiges Elektrofahrzeug \r\nElektrofahrzeug, welches aus der Traktionsbatterie zurückspeisen kann \r\nElektrofachbetrieb \r\nein in ein Installateurverzeichnis -Strom- eines Netzbetreibers eingetragenes Unternehmen, das eine Kundenanlage oder Teile davon errichtet, erweitert oder ändert sowie die Verantwortung für deren ordnungsgemäße Ausführung übernimmt \r\nErzeugungsanlage (EZA)  \r\nan einem Netzanschluss/Hausanschluss angeschlossene Anlage, in der sich eine oder mehrere Erzeugungseinheiten eines Energieträgers (z. B. alle Photovoltaik (PV)-Module mit zugehörigen PVWechselrichtern) zur Erzeugung elektrischer Energie und alle zum Betrieb erforderlichen elektrischen \r\nEinrichtungen befinden \r\nErzeugungseinheit (EZE) \r\neinzelne Einheit zur Erzeugung elektrischer Energie \r\nNetzanschlusspunkt \r\nNetzpunkt, an dem die Kundenanlage über den Netzanschluss an das Netz der allgemeinen Versorgung angeschlossen ist \r\nSpeicherkapazität (nutzbar) \r\nzwischen dem im Betrieb erreichbaren oberen Ladezustand und dem im Betrieb definierten Entladeschluss entnehmbare Ladungsenergie \r\nSystemverbund (rückspeisefähig) \r\nVerbund aus rückspeisefähiger Ladeeinrichtung und rückspeisefähigem Elektrofahrzeug \r\nZertifikat \r\nDokument, das die Komformität eines Produktes […] mit festgelegten Anforderungen bestätigt \r\n \t \r\n3 Aktueller Stand des Marktumfelds \r\nBidirektionales Laden wurde bereits vielfältig in diversen, zum Teil auch öffentlich geförderten Pilotprojekten demonstriert. Dabei beruhten die Umsetzungen auf proprietären Implementierungen, da die notwendigen Standards noch nicht auf die Rückspeisung erweitert wurden bzw. sind. Dementsprechend ist heutzutage, bis auf wenige Ausnahmen, der Bestand an Ladeinfrastruktur und Elektrofahrzeugen mit dem in Europa marktüblichen CCS (Kombiniertes Ladesystem) nicht rückspeisefähig.  \r\nNur durch Normung und Standardisierung auf internationaler Ebene kann die Bidirektionalität in den \r\nMassenmarkt eingeführt werden. Erst durch den Massenmarkt können die in Abschnitt 4 dargestellten Potenziale des bidirektionalen Ladens, sowohl für den Endkunden als auch für das Stromnetz, erschlossen werden.  \r\nEin regulatorischer Rahmen, der vergleichbar zum netzorientierten Laden nach dem Gesetz zum Neustart der Digitalisierung der Energiewende (GNDEW) sowie dem § 14a Energiewirtschaftsgesetz (EnWG) wäre und über den eine Anreizregulierung stattfindet, ist für die Rückspeisung derzeit nicht vorgesehen. Offen ist derzeit noch die Ausgestaltung des § 14c EnWG und dessen Auswirkungen auf das bidirektionalen Laden. \r\nSpeziell für die Umsetzung des bidirektionalen Ladens fehlen somit die regulatorischen Rahmenbedingungen und die darauf aufbauenden Mess- und Abrechnungskonzepte sowie geeignete Anreizsysteme. Diese Herausforderungen wurden auch mit der Maßnahme 47 des „Masterplan Ladeinfrastruktur II der Bundesregierung“ (Bundesministerium für Digitales und Verkehr 2022) adressiert. \r\nAus technischer Sicht ist absehbar, dass durch die Revision des Network Codes Requirements for Generators (RfG), für den im Jahr 2023 die erste Konsultation stattgefunden hat, die europäische Regulierung einen maßgeblichen Einfluss auf die technischen Anforderungen an den rückspeisefähigen Systemverbund haben wird. \r\n \t \r\n4 Erwartetes Flexibilitätspotenzial \r\nBasis für jegliche quantitative Ermittlung eines Flexibilitätspotenzials ist die weitere Entwicklung des Bestands an Elektrofahrzeugen. Die Bundesregierung verfolgt das Ziel, bis 2030 15 Millionen Elektrofahrzeuge im Bestand zu haben, wobei dieser sowohl PHEV als auch BEV berücksichtigt. Wenn die in Abschnitt 6 dargestellten Voraussetzungen hinsichtlich Normen, Standards und Regularien für bidirektionale Ladesysteme zügig geschaffen werden können, kann ein Anteil dieser Fahrzeuge im Zusammenspiel mit einer rückspeisefähigen Ladeeinrichtung zukünftig als rückspeisefähiger Systemverbund genutzt werden.  \r\n4.1 \tLimitierende Faktoren des Flexibilitätspotenzial \r\nAusgehend vom heutigen Bestand von BEV können – unter der Annahme, dass PHEV zukünftig eine geringere Rolle spielen werden – Millionen rückspeisefähige Systemverbunde mit BEV-typischen größeren Speicherkapazität vorliegen. In Bild 1 ist dargestellt, wie sich das theoretische Potenzial (Stufe A) auf Grund verschiedener limitierender Faktoren auf ein tatsächlich nutzbares Potenzial verringert (Stufe D). \r\n\r\n esamt \r\nbestand aller \r\nBEV  theoretisches \r\nPotenzial für \r\n ückspeisung\t\tNicht fähig für  ückspeisung\r\n\t\t ückspeise \r\nfähige BEV\r\n\t\r\nNicht verfügbar für \r\n ückspeisung\r\n ückspeise \r\nfähige und ans Stromnetz an geschlossene \r\nBEV\r\n\t\r\n apazitäts \r\nengpässe\r\n atsächlich nutzbares \r\nPotenzial für \r\n ückspeisung\r\n\r\n\t \tB\t \tD\r\n \r\nBild 1 Schematische Darstellung limitierender Faktoren zum Flexibilitätspotenzial \r\nSichtbar ist, dass eine Hochrechnung allein basierend auf Anzahl der Fahrzeuge und Speicherkapazität nicht zielführend ist. In der Realität wird das theoretische Potenzial für Rückspeisung nicht erreicht werden, da \r\n\tnicht alle BEV rückspeisefähig sind. \r\n\timmer ein Teil der vorhandenen Fahrzeuge gar nicht oder nicht über geeignete Infrastruktur an das Stromnetz angeschlossen ist, eine Limitierung bzw. Sperrung durch den Fahrzeugnutzer erfolgte, weil es bspw. für den Fahrzeugnutzer wirtschaftlich nicht attraktiv genug ist oder das Potenzial technisch durch Alterungseffekte der Fahrzeugbatterie limitiert ist. \r\n\tder lokale Netzzustand (Netzkapazität) sowie mögliche Restriktionen in der Gebäudeinstallation zu berücksichtigen sind. \r\n \r\n \r\nBeim Vergleich mit anderen Flexibilitätspotenzialen sind die grundlegenden Eigenschaften des Potenzials mit einzubeziehen: \r\n\tEnergiespeicherkapazität als – vorrangig in Studien zu Flexibilitätspotenzialen – genutztes Kriterium für die über einen längeren Zeitraum verfügbare Potenzialhöhe. Diese ergibt sich bei BEV aus der nutzbaren Speicherkapazität der Batterie unter Berücksichtigung der vorgenannten Nichtverfügbarkeiten.  \r\n\tLeistung des Flexibilitätspotenzials als Maß für die zu einem Zeitpunkt verfügbare Potenzialhöhe. Auch dieser Wert wird in Studien zum Flexibilitätspotenzial zumeist ausgewiesen. Die Leistung kann das innerhalb eines Zeitraums nutzbare Energiespeichervolumen beschränken. \r\n\tEnergie-zu-Leistung-Verhältnis mit der Einheit Zeit als Maß dafür, über welche Dauer bei maximaler \r\nLeistung das Flexibilitätspotenzial genutzt werden kann. Dies erlaubt insbesondere eine \r\nEinschätzung, für welche Anwendungszwecke im Regelenergiebereich die Flexibilitätsoption genutzt werden kann, und im Hinblick auf BEV, ob mit üblichen Standzeiten das energetische Potenzial überhaupt genutzt werden kann. \r\n\tFür lastbezogene Flexibilität wird die verfügbare flexible Leistung zumeist als Funktion der Dauer eines Abrufs des Potenzials ausgewiesen, weil die mit der elektrischen Energie betriebenen Prozesse vielfältig sind und verschiedenste Dauern aufweisen, in denen eine Lastreduzierung möglich ist. Unter \r\nVernachlässigung einer Abhängigkeit der flexiblen Leistung von einem Speicherfüllstand – wie bei \r\nBatterien und Pumpspeicherkraftwerken näherungsweise im üblicherweise verwendeten \r\nFlexibilitätsbereich gegeben – kann eine solche detailliertere Betrachtung entfallen. Damit kann aber eine flexible Leistung aus bidirektionalem Laden auch sinnvoll nur mit anderen Speichern mit konstanter Ein-/Ausspeicherleistung wie etwa Batteriespeichern oder Pumpspeicherkraftwerken verglichen werden. \r\n \r\n4.2 \tQuantitative Abschätzung des Flexibilitätspotenzials \r\nIm Folgenden wird eine Abschätzung des tatsächlich nutzbaren Potenzials (vgl. Bild 1, D) aus bidirektional ladenden Fahrzeugen getroffen. Für die Beschreibung des erwarteten, tatsächlich nutzbaren Flexibilitätspotenzials wird zunächst der Bestand an Elektrofahrzeugen dargestellt und anschließend das Potenzial mit Hilfe von Statistiken zur durchschnittlichen Batteriegröße und zur Fahrzeugnutzung in Deutschland berechnet.  \r\nDer Bestand an Elektrofahrzeugen hat in den vergangenen Jahren deutlich zugenommen. Während 2019 noch weniger als 100.000 Fahrzeuge zugelassen wurden, hat der Bestand rein batterieelektrischer Fahrzeuge zu Jahresbeginn 2023 die Zahl von 1 Million bereits überschritten. Bis zum Jahr 2030 verfolgt die Bundesregierung das Ziel von 15 Millionen Elektrofahrzeugen im Bestand zu haben, wobei dies PHEV und BEV umfasst (Statista Research Department 2023). In der folgenden Potenzialabschätzung werden nur BEV berücksichtigt. \r\nIm Jahr 2022 erhältliche batterieelektrische Fahrzeuge haben eine durchschnittlich nutzbare Batteriekapazität von ca. 68 kWh (EV Database 2023). Dieser durchschnittliche Wert beinhaltet jedoch keine Berücksichtigung der Anzahl der tatsächlich verkauften Fahrzeuge pro jeweiliger Batteriekapazität. Die gegenwärtig meistverkauften Elektrofahrzeuge befinden sich in dem Bereich 55 – 65 kWh. Für die nachfolgenden Berechnungen des Flexibilitätspotenials wird daher einen Wert von 60 kWh Batteriekapazität pro Elektrofahrzeug angenommen. \r\nWeiter sind die in Abschnitt 4.1 aufgeführten limitierenden Faktoren zu berücksichtigen.  \r\n \r\nNimmt man in Anlehnung an vorliegenden Mobilitätsstudien für Deutschland (Bundesministerium für Verkehr und digitale Infrastruktur 2018) eine durchschnittlich zurückgelegte Distanz von 40 km pro Tag und eine Effizienz von 20 kWh/100 km an, ergibt sich ein durchschnittlicher Energiebedarf pro Elektrofahrzeug von 8 kWh pro Tag. Dieser Wert entspricht ca. 13 % der angenommenen durchschnittlichen Batteriekapazität von 60 kWh. Zudem wird eine Reserve angenommen, die ein Fahrzeugnutzer stets für kurzfristig notwendige Fahrten an Batteriereserve haben möchte. Diese hängt von der tatsächlichen Batteriegröße und dem Sicherheitsbedarf des Nutzers ab. In diesem Hinweis wird von einer Reserve in Höhe von ca. 30 % ausgegangen. Daraus ergibt sich eine verfügbare Batteriekapazität für bidirektionales Laden in Höhe von ca. 60 % der nutzbaren Batteriekapazität. Diese entspricht einem Wert von 36 kWh.  \r\nZusätzlich muss noch die verfügbare Leistung der rückspeisenden Fahrzeuge betrachtet werden. Unter der Annahme, dass bidirektionales Laden primär an privater Ladeinfrastruktur stattfindet, wird ein Wert von 10 kW als realistisch betrachtet. \r\nWird unter den aufgeführten Bedingungen angenommen, dass 15 Millionen Elektrofahrzeuge für bidirektionales Laden zur Verfügung stehen, würde sich ein theoretisches Potenzial in Höhe von 150 GW Leistung bzw. 540 GWh Energie ergeben (vgl. Bild 1, A). Diese Berechnung beruht allerdings auf der Annahme, dass alle betrachteten 15 Millionen Elektrofahrzeuge bidirektionale Ladefähigkeiten besitzen und mit dem Stromnetz verbunden sind. \r\nBasierend auf den hergeleiteten 36 kWh nutzbare Batteriekapazität sowie den 10 kW Rückspeiseleistung wurden in Bild 2 und Bild 3 für unterschiedliche prozentuale Anteile der rückspeisefähigen und ans Stromnetz angeschlossenen Elektrofahrzeuge die resultierenden Kapazitäts- und Leistungswerte im Vergleich zur Summe der Pumpspeicherkraftwerke  in Deutschland dargestellt (vgl. Bild 1, C). Mögliche Netzengpässe sowie Engpässe in der Gebäudeinstallation wurden nicht berücksichtigt (vgl. Bild 1, D). \r\n \r\nBild 2 Vergleich der verfügbaren Energiemenge von rückspeisefähigen und ans Stromnetz angeschlossenen BEV mit allen Pumpspeicherkraftwerken in Deutschland \r\n \r\n \r\n  \r\n \r\nBild 3 Vergleich der verfügbaren Rückspeiseleistung von rückspeisefähigen und ans Stromnetz angeschlossenen BEV mit allen Pumpspeicherkraftwerken in Deutschland \r\nEs ist ersichtlich, dass beispielsweise selbst bei einem niedrigen Anteil von nur 10 % rückspeisefähigen und ans Stromnetz angeschlossenen BEV bei einer Gesamtsumme von ca. 10 Millionen BEV dieselbe Energie wie durch Pumpspeicherkraftwerke gespeichert werden kann. Analog dazu können 10 % rückspeisefähige und ans Stromnetz angeschlossene BEV bereits bei einer Gesamtsumme von ca. 7 Millionen BEV die Rückspeiseleistung der Pumpspeicherkraftwerke in Deutschland übertreffen. \r\nDiese Beispiele verdeutlichen das enorme Flexibilitätspotenzial, das durch Elektrofahrzeuge dem elektrischen Energiesystem bereits bei geringer Durchdringung zur Verfügung gestellt werden könnte. \r\nAllerdings muss beachtet werden, dass für die Nutzung dieses Potenzials die Fahrzeugnutzer ihr Elektrofahrzeug auch an das Stromnetz anzuschließen haben, selbst wenn das Fahrzeug nicht zwingend geladen werden muss. Bei vielen Fahrzeugen kann dies bedeuten, dass sie auch tagsüber beispielsweise beim Arbeitgeber an eine rückspeisefähige und mit einem entsprechenden Energieliefervertrag versehene Ladeeinrichtung angeschlossen sein müssten.  \r\nBei dem berechneten Flexibilitätspotenzial ist zu erwähnen, dass hierbei regionale Unterschiede vorliegen können und beispielsweise im städtischen Umland mit einer stärkeren Verbreitung von Elektrofahrzeugen mehr Flexibilitätspotenzial zur Verfügung steht als in anderen Gegenden mit einem geringeren Anteil an Elektrofahrzeugen.  \r\nInsgesamt hängt das tatsächlich nutzbare Potenzial auch vom gesetzlich/regulatorischen Rahmen ab und einer möglichen Incentivierung, um eine hoher Teilnahmequote unter den Elektrofahrzeug-Nutzern zu erreichen. Der vorliegende Hinweis liefert hierzu keine Empfehlungen. \r\n \r\n5 Anwendungsfälle für bidirektionales Laden \r\nBidirektionales Laden umfasst aus Nutzersicht vier verschiedene Anwendungsfälle, im Nachfolgendem auch Use Cases genannt, die in Bild 4 dargestellt sind. Die verschiedenen Darstellungen haben unterschiedliche Auswirkungen auf das Stromversorgungsnetz. Alle Use Cases können sowohl über die AC-Schnittstelle als auch über die DC-Schnittstelle des Fahrzeuges ausgeführt werden. \r\n \r\nBild 4 Übersicht über Anwendungsfälle des bidirektionalen Ladens \r\n5.1 \tBidirektionales Laden als mobile Steckdose (V2L: Vehicle to Load) \r\nIn diesem Use Case dient das Elektrofahrzeug als mobile Energiequelle, sodass typische Lasten mit einer Betriebsspannung von 230 V/400 V Wechselspannung angeschlossen werden können, wenn keine stationäre Stromversorgung gegeben ist. Beispielhaft sei hier die Nutzung eines Elektrogrills oder elektrischer Gartengeräte genannt. Ein Sonderfall des V2L stellt das Laden eines anderen Elektrofahrzeuges dar, der auch als V2V (Vehicle to Vehicle) bezeichnet wird. V2L hat keine Anbindung an die Gebäudeinstallation und somit auch keine direkten Rückwirkungen auf das Stromversorgungsnetz. Dieser Use Case setzt einen fahrzeugseitigen rückspeisefähigen DC-AC-Umrichter für die AC-Schnittstelle des Elektrofahrzeuges voraus. Die im V2L-Betrieb entnommene Energie wird anschließend in einem normalen Ladevorgang wieder zugeführt. Somit wird lediglich der prognostizierte Stromverbrauch des Elektrofahrzeuges beinflusst. Da keine Netzkopplung vorliegt, wird dieser Fall nicht weiter betrachtet. \r\n5.2 Bidirektionales Laden als Ersatzstromversorgung (V2H: Vehicle to Home, Inselbetrieb) \r\nBei V2H im Inselbetrieb dient das Elektrofahrzeug zur Stromversorgung eines vom Versorgungsnetz getrennten Gebäudes, daher wird es gelegentlich auch „Vehicle to Building“ (V2B) bezeichnet. Dieser Use Case ist insbesondere für Gebiete mit hohen Ausfallzeiten der Stromversorgung relevant. Beispielsweise wurde in Japan nach dem Störfall in Fukushima diese „Ersatzstromversorgung“ relevant und daher finanziell stark gefördert. \r\nDieser Use Case kann sowohl über die AC-Schnittstelle als auch über die DC-Schnittstelle des Elektrofahrzeuges ausgeführt werden. Da hier als Bedingung die Trennung vom Versorgungsnetz gefordert wird, hat dieser Use Case keine direkte Rückwirkung auf das Stromnetz und wird nicht weiter betrachtet.   \r\n5.3 Bidirektionales Laden als Zwischenspeicher (V2H: Vehicle to Home, Netzparallelbetrieb) \r\nBei V2H im Netzparallelbetrieb dient das Elektrofahrzeug als Energiespeicher in einer Kundenanlage, alternativ oder ergänzend zu einer stationären Batterie. Die zurückgespeiste Energie verbleibt in der Kundenanlage, das Fahrzeug ist allerdings über die Gebäudeinstallation mit dem Stromnetz verbunden. \r\nDas Gesamtsystem aus Elektrofahrzeug und (internem oder externem) Wechselrichter muss somit die Anforderungen für den Anschluss von EZA und Speicher (z. B. VDE-Anwendungsregel Erzeugungsanlagen am Niederspannungsnetz, VDE-AR-N 4105) erfüllen. Dieser Use Case und seine Auswirkungen auf das Stromnetz werden in diesem Hinweis betrachtet. \r\n5.4 \tBidirektionales Laden zur Netzeinspeisung (V2G: Vehicle to Grid) \r\nBei V2G wird das Elektrofahrzeug über die Kundenanlage mit dem Stromnetz verbunden, um marktorientiert oder netzorientiert zu agieren.  bgrenzend vom Use  ase „V2H, Netzparallelbetrieb“ erfolgt hier auch eine Rückspeisung in das Stromnetz. Der Einfluss eines einzelnen Fahrzeuges ist jedoch gering, sodass üblicherweise viele Fahrzeuge durch Aggregatoren gepoolt werden. \r\nDie Einsatzmöglichkeiten für diesen Use Case können sein:  \r\n\tMarktorientiert: in Abhängigkeit des Energiepreises an den Strombörsen \r\n\tSystemorientiert: überregional, wie z. B. der Bereitstellung von Regelenergie \r\n\tNetzorientiert: z. B. lokale Engpassbehebung und Spannungshaltung \r\nNeben den Anforderungen, die bereits im Use  ase „V2H, Netzparallelbetrieb“ erfüllt werden müssen, wird es hier weitere Vorgaben, beispielsweise hinsichtlich Verfügbarkeit, Kommunikationsanbindung und Startverhalten, geben. Dieser Use Case und seine Auswirkungen auf das Stromnetz wird in diesem Hinweis ebenfalls betrachtet. \r\n \t  \r\n6 Rückspeisefähige Systemkonzepte im Netzparallelbetrieb \r\nEntsprechend der Strukturierung der Anwendungsfälle in Abschnitt 5 werden im Folgenden ausschließlich rückspeisefähige Systemkonzepte betrachtet, die im netzparallelen Betrieb arbeiten, d. h. eine Kopplung zum öffentlichen Nieder-, Mittel- oder Hochspannungsnetz besteht. Die Berücksichtigung von Hochspannungsnetzen ergibt sich insbesondere aus den Anwendungen im Bereich Flotten- und Depotladen.  \r\nDer Fokus der Darstellung liegt dabei auf dem Systemverbund aus Elektrofahrzeug und Ladeeinrichtung. \r\nInnerhalb dieses Abschnittes sollen eventuelle Widersprüche und Lücken zum bestehenden technischen Rahmen (Technische Anschlussregeln (TAR) und Produktnormen) beleuchtet werden.  \r\nJe nach Netzanschlussebene der Kundenanlage müssen unten aufgelistete TAR in Deutschland Berücksichtigung finden, soweit es sich um eine einspeisende Anlage oder Speicher handelt. \r\nRückspeisefähige Systeme der Elektromobilität verhalten sich in den Betriebsmodi Energiebezug- und Lieferung ähnlich wie ein elektrischer Speicher (Typ 2) im Sinne der TAR. Deshalb gelten für diese Systeme die bekannten Regeln für EZA. D. h. für: \r\n\tNiederspannung, gilt die VDE-AR-N 4100:2019-04 sowie VDE-AR-N 4105:2018-11 \r\n\tMittelspannung, gilt die VDE-AR-N 4110:2023-09 \r\n\tHochspannung, gilt die VDE-AR-N 4120:2018-11 \r\n \r\nAnmerkung: Zurzeit befinden sich alle TAR in der Revision. Neue Versionen werden in 2025 erwartet. \r\nDarüber hinaus befinden sich die europäischen Networkcodes RfG (Requirements for Generators) und DCC (Demand Connection Codes) in Überarbeitung. Auch in diesen Dokumenten werden Anforderungen an den Systemverbund aus Elektrofahrzeug und Ladeeinrichtung erwartet. Grundsätzlich gilt, dass unabhängig von der eingesetzten Technik (Wechselstrom (AC) oder Gleichstrom (DC)) die Anforderungen der TAR durch den Systemverbund einzuhalten sind. \r\nAuch wenn die Systemnormen auf Fahrzeug- und Ladeinfrastrukturseite sowohl für die Rückspeisung in DC als auch in AC noch keine Bidirektionalität beinhalten, sind sich die Expertengremien der DKE und des VDA bzw. der internationalen Gremien in IEC und ISO einig, dass eine Rückspeisung nur über eine fest mit der elektrischen Installation eines Gebäudes bzw. eines Netzstranges verbundene Ladeeinrichtung (Mode 3 oder Mode 4) zulässig ist. Neben der nicht vorhandenen Verriegelung steckbarer Lösungen mit Schuko- oder CEE-Steckdosen gilt, dass diese Steckertypen ausdrücklich nur für eine Energierichtung entwickelt wurden.  \r\nAnmerkung: Nicht vorgesehen ist damit die Rückspeisung über steckbare Verbindungen zwischen Ladeeinrichtung und Infrastruktur, z. B. über Haushalts- oder Industriesteckvorrichtung, da steckerseitig der Personenschutz gegen elektrischen Schlag nicht gegeben ist. \r\nAus dem zuvor genannten ergeben sich grundlegend die beiden in Bild 5 dargestellten Systemkonzepte für eine Rückspeisung mit AC (Mode 3) bzw. mit DC (Mode 4). \r\n \r\nBild 5 Zulässige Systemkonzepte für die Rückspeisung mit AC bzw. DC \r\nBezogen auf die einzuhaltenden Anforderungen der TAR gilt, dass bei der Rückspeisung mit DC alle Anforderungen auf Seiten der bidirektionalen Ladeeinrichtung liegen. Die Situation ist dabei mit einem PV- oder stationären Batteriewechselrichter vergleichbar. Eine Einheitenzertifizierung für die rückspeisefähige Ladeeinrichtung muss gemäß TAR erfolgen und sich an der gängigen Praxis für bspw. PV-Anlagen oder Speicher orientieren. Technologisch sind hier geringe Hürden zu erwarten.  \r\nBei der Rückspeisung mit AC ergeben sich vielfältigere Lösungsansätze, da sowohl die stationäre Ladeeinrichtung als auch das Fahrzeug verschiedene Anforderungen der TAR übernehmen können. \r\nLösungskonzepte von einer ausschließlichen Zertifizierung der Ladeeinrichtung als Netz- und Anlagenschutzgerät und Überwachungseinrichtung der Erzeugungseinrichtung bis hin zu einer Umsetzung der Anforderungen im Fahrzeug sind in Diskussion. In jedem Fall hat ein bestimmter Teil der Funktionen der Ladeeinrichtung einer Zertifizierung zu unterliegen. In der zu zertifizierenden Ladeeinrichtung müssen die nach TAR geforderten Parameter gespeichert und übertragen, Netzfehler protokolliert, die Immunität gegen kurzzeitige Netzfehler (Fault-Ride-Through) gesichert, Netzrückwirkungen minimiert und Wirk- und Blindleistungsteuerung ermöglicht werden. \r\nGültige Lösungskonzepte für eine Rückspeisung mit Gleich- und Wechselstrom mit ihren technischen Anforderungen zum Nachweis der Einhaltung der Anforderungen an Erzeugunganlagen werden in einem in Bearbeitung befindlichen VDE FNN Hinweis „Umsetzung des Nachweises der technischen Anforderungen der VDE-AR-N 4105 für das bidirektionale Laden von Elektrofahrzeugen“ ergänzend zur VDE-AR-N 4105 beschrieben. \r\nAus regulatorischer Sicht (z. B. EnWG, NELEV) besteht kein Unterschied in der Rückspeisung zwischen AC- oder DC-Ladeeinrichtung, da die Kopplung zum Verteilnetz immer in AC erfolgt. \r\nIn jedem Fall gilt festzuhalten, dass sowohl für die Rückspeisung mit Gleichstrom als auch für die \r\nRückspeisung mit Wechselstrom eine Anpassung der Hardware der Ladeeinrichtung notwendig ist. Insbesondere für die Funktionalität des in den TAR geforderten Netz- und Anlagenschutzes (NA-Schutz) sind in der Ladeeinrichtung oder der vorgelagerten Installation zusätzliche Komponenten erforderlich. Ein Software-Update der Ladeeinrichtung für die Bidirektionalität ist in der Regel nicht ausreichend, da die Geräte nicht nach den TAR für die Energieeinspeisung entwickelt wurden. \r\nFolgende technische Anforderungen aus den TAR für den Betriebsmodus „Energielieferung“ aus dem Fahrzeug sollten zeitnah in die Produktnormen auf Ladeeinrichtungs- und Fahrzeugseite eingebracht werden, um einen netzorientierten Betrieb des rückspeisefähigen Systemverbundes zu unterstützen: \r\n\tschnelle Wirkleistungsanpassung und Blindleistungsbereitstellung entsprechend den Vorgaben des Verteilnetzbetreibers (VNB) entsprechend den TAR (Sollwerte oder Kennlinien, Zeitparameter) \r\n\tMessung der elektrischen Größen (Spannung, Wirkleistung, Blindleistung, Frequenz) mit hinreichender Genauigkeit gemäß TAR \r\n\tNetz- und Anlagenschutz  \r\n\tInselnetzerkennung  \r\n\tUnempfindlichkeit gegen Frequenzänderungen \r\n\tDynamische Netzstützung  \r\n\tZuschaltbedingungen und Synchronisierung mit dem Netz \r\nZusätzlich können bei einem Netzverknüpfungspunkt der Kundenanlage im Mittelspannungsnetz oder Hochspanungsnetz folgende Anforderungen hinzukommen: \r\n\tRegelung am Netzanschlusspunkt \r\n\tQuasistationärer Betrieb, Polrad-/Netzpendelungen \r\n\tPriorisierung der Wirkleistungseinspeisung (Kundeninteresse, Markt basiert, Netzsicherheitsmanagement, Frequenz basiert, etc.)  \r\nDiese Anforderungen müssen nicht zwangsläufig von der Ladeeinrichtung selbst erfüllt werden, sondern \r\nkönnen \tauch \tdurch \tZusatzeinrichtungen \tin \tder \tKundenanlage \trealisiert \twerden.  \r\n \r\n \r\n \t \r\n7 Ladekommunikation und Steuerung von Ladevorgängen \r\nFür die Ladekommunikation und Steuerung von Ladevorgängen gelten grundsätzlich die im VDE FNN Hinweis „Zielbild Steuerbarkeit von Ladeinfrastruktur für E-Fahrzeuge“ (VDE FNN 2021) festgehaltenen Ergebnisse gleichermaßen für eine bidirektionale Energieflussrichtung. \r\nUnter Berücksichtigung der regulatorischen Entwicklungen, insbesondere zur VDE-AR-N 4100 sowie VDEAR-N 4105, ist festzuhalten, dass zur Anbindung von Ladeinfrastruktur zukünftig die digitale bidirektionale Datenschnittstelle mit einem nach VDE FNN „Lastenheft Steuerbox“ (VDE FNN 2021) geforderten Protokoll eingesetzt werden muss. \r\nFür die Ansteuerung von Ladeinfrastruktur haben sich bereits die VDE-Anwendungsregeln  VDE-AR-E 2829-6-Reihe und der VDE-AR-E 2122-1000 (zukünftig IEC 63380) profiliert, die unter deutscher Leitung in die internationale Standardisierung überführt werden. \r\nZur Datenverarbeitung energiewirtschaftlich relevanter Mess- und Steuerungsvorgänge dürfen nur intelligente Messsysteme eingesetzt werden (§ 19 Abs. 2 S. 1 Messstellenbetriebsgesetz (MsbG)). § 19 Abs. 2 S. 2 MsbG enthält einen festgeschriebenen Katalog an energiewirtschaftlich relevanten Mess- und Steuerungsvorgängen. Demnach sind Steuerungsvorgaben eines Netzbetreibers „energiewirtschaftlich relevante Mess- und Steuerungsvorgänge“. Für die Umsetzung der netzorientierten Steuerung nach § 14a EnWG müssen demzufolge intelligente Messsysteme verwendet werden. Hierfür müssen Netzbetreiber verpflichtend den sogenannten „Universalbestellprozess“ der Bundesnetzagentur anwenden. \r\nDie Steuerung von Ladevorgängen durch einen vom Anschlussnutzer oder Anschlussnehmer beauftragten \r\nDritten, wie beispielsweise Lieferanten, nach § 34 Abs. 2 Nr. 4c MsbG ist im Katalog von § 19 Abs. 2 S. 2 MsbG nicht enthalten. Eine Verpflichtung, die Steuerung von Ladevorgängen über das intelligente Messsystem abzuwickeln, besteht somit grundsätzlich nicht. Allerdings kann die Infrastruktur des intelligenten Messsystems für marktliche Steuerungsvorgänge genutzt werden. In diesem Fall würde der beauftragte Dritte ebenfalls den Universalbestellprozess anwenden.  \r\nWerden \tjedoch \tvom \tDritten \tmarktliche \tSteuerungshandlungen, \tbspw. \tzur \tTeilnahme \tam \r\nRegelenergiemarkt, erbracht, die im Katalog des § 19 Abs. 2 MsbG enthalten sind, ist die Infrastruktur der intelligenten Messsysteme zu nutzen (z. B. § 19 Abs. 2 S. 1 und 2 i.V.m. § 34 Abs. 2 Nr. 8 MsbG). Es ist zu beachten, dass die Bundesregierung ermächtigt ist, durch eine Rechtsordnung abweichende Regelungen zu erlassen (§ 19 Abs. 2 S. 3 MsbG). \r\n \t \r\n8 Netzanschluss und Betrieb eines rückspeisefähigen Systemverbunds (inkl. Messstellenbetrieb) \r\nFür den sicheren und störungsfreien Betrieb der Stromnetze müssen die allgemeinen und spezifischen Anforderungen aus den Verordnungen, Richtlinien und Regelwerken eingehalten werden. Diese sind bei der Planung bereits zu berücksichtigen, vor der Inbetriebnahme zu prüfen und während des Betriebes aufrecht zu halten. Die Anforderungen variieren abhängig von der Spannungsebene, dem Netzanschlusspunkt des Kunden und der geplanten Netzanschlussleistung.  \r\nIn Anlehnung an die Vorgaben der TAR ist eine Nachweisführung erforderlich, die unter anderem mit entsprechenden Zertifikaten umgesetzt werden kann. \r\n8.1 \tPlanungsphase \r\n8.1.1 \tAnzeige-, Meldepflichten und vorzulegende Unterlagen \r\nEine bidirektionale Ladeeinrichtung ist zum einen entsprechend der Niederspannungsanschlussverordnung (NAV) sowie der VDE-AR-N 4100 für den Energiebezug und zum anderen bzgl. der Rückspeisefähigkeit entsprechend der VDE-AR-N 4105 beim VNB anzumelden. \r\n8.1.2 \tNetz- und Anlagenschutz (NA-Schutz) \r\nDie Anforderungen an den NA-Schutz unterscheiden sich in Abhängigkeit von der Spannungsebene und der Anschlussleistung der rückspeisefähigen Anlagen. \r\nVDE-AR-N 4105:2018-11 - Erzeugungsanlagen am Niederspannungsnetz  \r\nDer NA-Schutz nach VDE-AR-N 4105 dient der Netzstabilität und hat als typgeprüfte Schutzeinrichtung zusammen mit dem Kuppelschalter die Aufgabe, den rückspeisefähigen Systemverbund bei unzulässigen Spannungs- und Frequenzwerten vom Netz zu trennen.   \r\nWährend bei einer Summe der maximalen Scheinleistungen aller Erzeugungseinrichtungen von über 30 kVA ein zentraler NA-Schutz im Zählerschrank eingesetzt werden muss, sind bis zu 30 kVA integrierte NA-Schutzvorrichtigungen ausreichend. Details zur Ausgestaltung der Anforderungen zum NA-Schutz sollen in dem, derzeit noch in Erarbeitung befindlichen, VDE FNN Hinweis „Umsetzung des Nachweises der technischen Anforderungen der VDE-AR-N 4105 für das bidirektionale Laden von Elektrofahrzeugen“ festgelegt werden. \r\nSofern der Netzkuppelschalter auch zur Erstellung des Inselnetzes bei Ausfall des Verteilnetzes mitgenutzt werden soll, wird empfohlen, den NA-Schutz mit Kuppelschalter am zentralen Zählerplatz zu installieren.  \r\nVDE-AR N 4110:2023-09 - Technische Anschlussregel Mittelspannung \r\nIn der Mittelspannung übernimmt die Netzschutzeinrichtung die vergleichbare Aufgabe zum NA-Schutz in der Niederspannung. Die zusätzlich geforderten Entkupplungsschutzeinrichtungen sowie Wirk- und Blindleistungsregelung am rückspeisefähigen Systemverbund sind mit der übergeordneten Netzschutzeinrichtung zu koordinieren. Der Umfang wird vom Netzbetreiber auf Grundlage der VDE-AR-N 4110 und Technische Anschlussbedingungen in einem Netzbetreiber-Abfragebogen vorgegeben.  \r\nBei der Erstellung des Anlagenzertifikats wird das gesamte Schutzkonzept von der beauftragten \r\nZertifizierungsstelle geprüft.  \r\n8.1.3 \tMess-, Steuer- und Regelungskonzept \r\nSofern es keine Sonderanforderungen wie z. B. EEG gibt, ist bei jedem Use Case mit Netzkopplung (siehe Abschnitt 5) eine eichrechtskonforme Abrechnungsmessung mit Zweirichtungszähler bezogen auf den Gesamtverbrauch notwendig. \r\nDas Steuerkonzept ist entsprechend der gesetzlichen Vorgaben (MsbG) und den Anforderungen der TAR (VDE-AR-N 4100:2019-04 Abschnitt 9) auszuführen. \r\nFür die Steuerung innerhalb einer Kundenanlage kann es darüber hinaus weitere Messeinrichtungen für den Betrieb am Zählerplatz sowie an den Erzeugungs- und Speichereinheiten geben, um eine Regelung in der Kundenanlage mit dem Ziel einer Gesamtoptimierung umzusetzen. \r\n8.2 \tInstallation \r\nDie Installation und Festlegung der Schutzmaßnahmen wird in der Niederspannung bis 1.000 V AC und \r\n1.500 V DC entsprechend der DIN VDE 0100 ausgeführt. Die Anforderungen an die Stromkreise für die Versorgung von Elektrofahrzeugen sind im Teil 722 geregelt. Die Schutzmaßnahmen sind entsprechend der DIN VDE 0100 Teile 400 umzusetzen. Für die Ladeeinrichtung sind die zukünftigen Anforderungen in den Produktnormen IEC 61851-1 für AC-Ladeeinrichtungen und IEC 61851-23 für DC-Ladeeinrichtungen zu beachten.  \r\nEs ist darauf zu achten, dass Ladeeinrichtungen sowohl beim Laden als auch beim Rückspeisen bei einer Bemessungsleistung > 4,6 kVA dreiphasig auszuführen sind. \r\nOb die vom rückspeisefähigen Systemverbund eingespeiste Leistung direkt in der Anlage (V2H/V2B) genutzt wird oder ein Lastfluss in das Verteilnetz (V2G) stattfindet, hat auf das Verhalten im Fehlerfall und damit auf die Risikobewertung keinen Einfluss. \r\nIn internationalen Produkt- und Sicherheitsnormen muss definiert werden, dass durch den rückspeisenden Systemverbund keine unerwünschten Rückwirkungen auf die Kundenanlage und das vorgelagerte Verteilnetz entstehen. Diese Normen befinden sich, wie in Abschnitt 6 dargestellt, derzeit in der Er- bzw. \r\nBearbeitung. \r\n8.3 \tInbetriebnahme und Instandsetzung \r\nDer Anschlussnehmer ist gegenüber dem Netzbetreiber für die ordnungsgemäße Errichtung, Erweiterung und Instandhaltung der elektrischen Anlage hinter der Übergabestelle (Hausanschlusskasten) verantwortlich. Er hat auch für den netzrückwirkungsfreien Betrieb seiner Anlage zu sorgen. Für bidirektionale Ladeeinrichtungen ist generell die Zustimmung des Netzbetreibers einzuholen. \r\nSobald die elektrische Anlage neben dem Netzanschluss von weiteren Stromquellen (PV-Anlage, \r\nStromspeicher, bidirektionale Ladeeinrichtungen) versorgt wird, kommt es vermehrt zu bidirektionalen Stromflüssen innerhalb der Anlage. Bei der Inbetriebsetzung und auch bei der Abschaltung ist darauf zu achten, dass alle Stromquellen von der Anlage getrennt und die Sicherheitsregeln eingehalten werden. Nach NAV dürfen Arbeiten an der elektrischen Anlage im Niederspannungsnetz des VNB außer durch den \r\nNetzbetreiber nur durch einen in ein Installateurverzeichnis eines Netzbetreibers eingetragenen Elektrofachbetrieb durchgeführt werden. \r\n \t \r\n8.4 \tInbetriebnahme- und Wiederholungsprüfungen von bidirektionalen Ladeeinrichtungen \r\nDie Erstprüfung erfolgt nach DIN VDE 0100-600 und die ggf. erforderliche Wiederholungsprüfung ist gemäß DIN VDE 0105-100 durchzuführen. Für gewerbliche Anlagen sind darüber hinaus die Anforderungen der DGUV A3 zu berücksichtigen. \r\nDie Herstellerangaben und Vorgaben der jeweiligen Produktnorm und Installationsnorm sind zu beachten. \r\nEs wird empfohlen folgende Prüfungen durchzuführen: \r\n\tSichtprüfung z. B. Kontrolle der eingesetzten Betriebsmittel und deren Einstellungen, der Einheitenzertifikate und der Dokumentation \r\n\tMessungen z. B. Niederohmige Verbindung des Schutzleitersystems und des Potenzialausgleichs (muss vor Inbetriebnahme erfolgen), Strom-, Spannungs-, Impedanzmessung, Prüfung der Schutzeinrichtung (z. B. Fehlerstrom-Schutzeinrichtung/RCD, Isolationsüberwachung) \r\n\tFunktions- und Kommunikationstest: Funktionsprüfung NA-Schutz und Kommunikationstest nach ISO 15118  \r\n \r\nDie Ergebnisse sind inklusive der Messwerte in einem Prüfprotokoll mit Datum und Zeit zu dokumentieren. \r\nÜber die Seriennummer der Ladeeinrichtung müssen die Ergebnisse eindeutig zuordenbar sein. \r\n \t  \r\n9 Auswirkungen auf das Stromnetz und das Energiesystem \r\nDie Auswirkungen bidirektionalen Ladens auf das Energiesystem sind sehr vielschichtig und werden insbesondere von der Akzeptanz und damit der Verbreitung der zuvor genannten Use Cases abhängen. Bei der Betrachtung der Auswirkungen ist zu differenzieren zwischen den Auswirkungen für den Kunden, für das Netz und den Energiemarkt. \r\nDas lokale Zwischenspeichern selbst erzeugter regenerativer Energien in der Kundenanlage zum Zwecke der Eigenverbrauchsoptimierung (Use Case V2H im Netzparallelbetrieb) wirkt grundsätzlich netzentlastend, da sowohl der Bezug durch den Kunden als auch die Einspeisung nicht über das Netz geführt werden. Gleichwohl muss aber das Netz auf die kundenseitig geforderte Nennleistung ausgelegt werden, wenn im Falle nicht verfügbarer Eigenerzeugung trotzdem geladen werden soll oder im Falle einer bereits vollen Fahrzeugbatterie der Überschuss ins Netz eingespeist werden soll. Der Use Case der Eigenverbrauchsoptimierung führt also im Wesentlichen zu einer Erhöhung des Autarkiegrades einer Liegenschaft und somit zu vermiedenen Entgelten für Netznutzung und Energiebezug für den entsprechenden Kunden. Der Vorteil des bidirektionalen Ladens zur Eigenbedarfsoptimierung liegt eindeutig auf der Seite der Anschlussnutzer, die in ihrer Liegenschaft Elektromobilität und eigene Stromerzeugung miteinander optimieren können. Im derzeitigen Modell für die Ermittlung von Netznutzungsentgelten führt dies jedoch zu einer Mehrbelastung für alle anderen Anschlussnutzer, denn die Netze sind im Wesentlichen auf maximale Einspeise- und Bezugsleistung auszulegen, sodass diese Leistungen als vorrangiger Kostentreiber auftreten. Diese Leistungen werden durch das Verhalten der Netznutzer mit Eigenverbrauchsoptimierung nur bedingt reduziert. \r\nBeim marktorientierten Laden und Rückspeisen (Use Case V2G mit marktorientierter Steuerung) erfolgt die Optimierung des Ladens und des Rückspeisens zum wirtschaftlichen Vorteil für den Anschlussnutzer durch entsprechende Aggregatoren in Abhängigkeit der Verfügbarkeit und damit dem Preis der Energie am Markt. Bei einem hohen Angebot und damit niedrigem Preis wird das Laden der Fahrzeugbatterien synchronisiert, bei einem hohen Energiebedarf und damit hohem Preis wird die Rückspeisung aus dem Fahrzeug zurück ins Netz synchronisiert. Über die Wirkung des Marktes entspricht dies weitgehend einem systemdienlichen Verhalten, bei dem zur Systemintegration der dargebotsabhängigen Einspeisung aus Erneuerbaren-Energien-EZA Lade- und Rückspeisezeiten sich auch an der Verfügbarkeit der Stromerzeugung durch erneuerbare Energien orientieren. In diesen Fällen wird das Netz sowohl für Bezug als auch Rückspeisung durch das koordinierte Lade- oder Rückspeiseverhalten mit sehr hoher Gleichzeitigkeit beansprucht, höher als heute beim ungesteuerten Laden. Daher entsteht hier eine übergreifende Optimierungsaufgabe in der Abwägung zwischen dem Aufwand beim Netzausbau sowie der gewünschten und erforderlichen Systemdienlichkeit. Bei der Ermittlung des Ausmaßes einer zulässigen Spitzenkappung bei Wind- und PV-EZA gemäß § 11(2) EnWG ergab sich als sinnvoller Mittelwert über alle Netze und dort anzutreffenden Versorgungsaufgaben ein Wert von wenigen Prozent der Einspeisung aus diesen EZA, die jährlich netzdienlich abgeregelt werden sollte, gesetzlich wurde ein Wert von 3 % definiert. Die Wahrscheinlichkeiten hoher Gleichzeitigkeiten für Laden und Rückspeisung werden aber höher ausfallen. Zum einen orientieren sich die Wahrscheinlichkeiten hoher Gleichzeitigkeiten an den Zeiten hoher Einspeisung aus erneuerbaren Energien, jedoch müssen diese nicht lokal im gleichen Verteilnetz auftreten. Zum anderen ist eine Ausrichtung des Betriebsverhaltens nicht nur auf Zeiträume absolut niedriger Marktpreise zu erwarten, sondern auf relative Preisunterschiede in kürzeren Zeiträumen. Dennoch ist es auch hier möglich, dass strukturelle Netzengpässe im Hinblick auf ein volkswirtschaftliches Gesamtoptimum zu akzeptieren sind. Darüber hinaus können durch die dynamische Entwicklung beim Ladeinfrastrukturbedarf und durch das derzeit noch nicht absehbare, tatsächliche Nutzungsverhalten der Ladeeinrichtungen vorübergehende Netzengpässe entstehen.  \r\nDementsprechend sollten für die Rückspeisung ebenso wie für den Energiebezug Steuerungsmöglichkeiten für den VNB vorgesehen werden. Der mit der Festlegung der Bundesnetzagentur zur Ausgestaltung von § 14a EnWG (BK6-22-300) beschriebene Mechanismus zur Reduzierung der Spitzenlasten von steuerbaren Verbrauchseinrichtungen müsste gleichermaßen auch für die Rückspeisung gelten. Somit kann im Fall von Netzengpässen nur ein Teil der verfügbaren Rückspeiseleistung abgerufen werden (vgl. Bild 1, D). \r\nDieser Use Case der marktorientierten Steuerung dient mit der gebündelten Zwischenspeicherung vor allem dem Energiemarkt zur Vergleichmäßigung zwischen Erzeugung und Bedarf erneuerbarer Energien und damit der Energiewende insgesamt. Davon können auch Anschlussnutzer, die keine eigene Erneuerbare-Energien-Anlage haben, profitieren, indem sie einerseits günstige Ladestromangebote nutzen und andererseits die Speicherkapazität ihrer Batterie dem Markt entgeltlich zur Verfügung stellen. \r\nFür den VNB stellt diese Form der Netzintegration von Elektrofahrzeugen zusätzliche Anforderungen an das Netz, da durch das marktorientiert synchronisierte Laden und Rückspeisen höhere Gleichzeitigkeiten aufftreten. Je nach regionalen Gegebenheiten und Netztopologie kann es dabei Netzgebiete mit hoher Einspeisung in ländlichen Regionen und hohem Ladeenergiebedarf im städtischen Umfeld geben. \r\nDas in Abschnitt 4 dargestellte Flexibilitätspotenzial der Elektrofahrzeuge ist sehr gut geeignet, die Tag/Nacht-Schwankungen in der PV-Erzeugung auszugleichen und ggf. auch über wenige Tage ein schwankendes Angebot an Windstrom zu kompensieren. Für die Überbrückung eines jahreszeitlichen Ausgleichs zwischen dem Peak in der Erzeugung aus erneuerbaren Energien im Sommer und dem Peak des Strombedarfs im Winter sowie für den Energieausgleich über große Entfernungen (z. B. Nord-SüdTransfer) ist das Potenzial aus der Rückspeisung von Elektrofahrzeugen nicht ausreichend.  \r\nDer Use Case V2G kann aber auch über den vorausschauenden Ausgleich zwischen Angebot und \r\nNachfrage am Energiemarkt hinaus interessant sein, wenn die Fahrzeuge zur Bereitstellung von \r\nRegelenergie und zukünftig weiteren Systemdienstleistungen eingesetzt werden. In diesem Fall erfolgt die Bereitstellung der Energie durch die Fahrzeuge systemdienlich auf Abruf durch den Übertragungsnetzbetreiber (ÜNB), der damit in seiner Regelzone Energieangebot und -nachfrage ausbalanciert. Die Auswirkungen auf die Netzauslastung beim ÜNB sind dabei in Anbetracht der hohen Aggregationsebene und in Relation zum Gesamtenergiefluss gering, während die Synchronisierung der Lade- und Rückspeisevorgänge beim VNB insbesondere in der Niederspannungsebene zu Engpässen führen kann. Zu klären ist noch, inwieweit der Ort der Einspeisung der Regelenergie für den ÜNB relevant ist bzw. inwieweit für Anbieter von Regelenergie aus Fahrzeugen eine räumliche Clusterung (z. B. nach Regelzonen, nach 110-kV-Netzgruppen, u. ä.) erforderlich ist. \r\n \t \r\n10 Aktuelle Rahmenbedingungen \r\nFür einen flächendeckenden und interoperablen Rollout von bidirektionalem Laden ist eine Überprüfung der aktuellen Rahmenbedingungen empfehlenswert. Auch wenn bidirektionales Laden hinreichend prototypisch auf Basis von proprietären Lösungen und im Rahmen von diversen Pilotprojekten erfolgreich dargestellt wurde, ist für eine breite Etablierung und die Massenmarkttauglichkeit noch Anpassungs- und Klärungsbedarf an den aktuellen Rahmenbedingungen gegeben. Im Folgenden sollen diese Aspekte kurz erläutert werden, wobei grundsätzlich regulatorische und technische Rahmenbedingungen zu berücksichtigen sind. \r\nRegulatorische Rahmenbedingungen \r\n\tRegulatorische Anforderungen müssen bereits in internationalen Normen und Standards berücksichtigt sein oder diese müssen in die Produktstandardisierung eingebracht werden. Andernfalls sind interoperable Lösungen technisch auch aufgrund der vielen internationalen Anbieter von Fahrzeugen und Ladeinfrastruktur nicht umsetzbar. \r\n\tSeitens VDE FNN sollte definiert sein, welche Nachweise des Gesamtsystem aus Fahrzeug und Ladeinfrastruktur für eine Qualifikation erbringen muss. Diese wird mit einer Novellierung der VDE-AR-N 4105 erwartet.  \r\n\tMobile Speicher müssen definiert und für die bidirektionalen Anwendungsfälle stationären Speichern gleichgestellt werden. Auch dazu bedarf es einer Aufnahme in die VDE-AR-N 4105. \r\n\tDas Zertifizierungssystem für erneuerbare Energien (Grünstrom) ist hinsichtlich des aus Traktionsbatterien entnommenen Stroms zu überarbeiten. Heute ist dies kein Grünstrom, auch wenn ausschließlich aus regenerativen Quellen geladen wurde. \r\n\tFür die letzten beiden Punkte bedarf es auch der Erstellung eines handhabbaren Mess- und Abrechnungskonzeptes. Zusätzlich werden auch geeignete Tarifstrukturen benötigt, die als Anreiz fungieren können. \r\n\tEs muss ein regulatorischer Rahmen geschaffen werden, der im Fall von kritischen Netzsituationen, die durch Rückspeisung aus Traktionsbatterien ausgelöst werden, den Eingriff durch den VNB in Analogie zum § 14a EnWG ermöglicht. Dabei muss unter Einbeziehung der Systemsicht unter anderem erörtert werden, inwieweit erneuerbaren Erzeugungsanlagen, wie bspw. PV-Anlagen, bei der Einspeisung in das Stromnetz Vorrang gegenüber V2G mit marktorientierter Steuerung gewährt wird. Zudem sind die Auswirkungen auf das bidirektionale Laden bei der noch offenen Ausgestaltung des § 14c EnWG einzubeziehen. \r\nTechnische Rahmenbedingungen \r\n\tEs ist zu definieren, wie die technische Steuerung bzw. Regelung der Ladevorgänge bei mehreren \r\n„Steuerungselementen“ im System stattfinden soll. Dies könnte über ein Smart Meter Gateway, ein Energie-Management-System in der Kundenanlage oder Backendsysteme von Fahrzeugherstellern bzw. Aggregatoren erfolgen. Darüber hinaus sind Einstellungen im Fahrzeug zu berücksichtigen. Hierzu wird eine Standardisierung des Funktionsumfanges und der Schnittstellen von Energie-ManagementSystemen als Bindeglied in einer Kundenanlage empfohlen. \r\n\tEs sind die technischen Anforderungen an rückspeisefähige Systemverbunde abzuleiten und die Umsetzungsmöglichkeiten durch Elektrofahrzeuge und Ladeinfrastruktur zu definieren, sodass eine Qualifikation des Gesamtsystems erfolgen kann. Dies soll im VDE FNN Hinweis „Umsetzung des Nachweises der technischen Anforderungen der VDE-AR-N 4105 für das bidirektionale Laden von Elektrofahrzeugen“ näher ausgeführt werden. \r\nAußerdem gibt es Fragen zur steuerlichen Betrachtung und zu monetären Anreizen für das bidirektionale Laden, welche Auswirkungen auf die Wirtschaftlichkeit und somit auch auf die praktische Anwendbarkeit haben. Diese sind aber bereits in anderen Arbeitskreisen adressiert worden und sollen hier nicht weiter diskutiert werden. \r\n11 Ausblick \r\nDas bidirektionale Laden von Elektrofahrzeugen kann in der Zukunft einen wichtigen Beitrag bei der \r\nTransformation unseres Energiesystems mit einem höheren Anteil erneuerbarer und somit volatiler Energien im Energiemix leisten. \r\nDie für das Zusammenspiel von Elektrofahrzeugen, Ladeinfrastruktur, Energie-Management-Systemen und dem Energiesystem erforderlichen Standards, sowie die dafür erforderlichen Steuerungs- und Kommunikationsprotokolle sind bereits in den relevanten Standardisierungsgremien auf internationaler Ebene in Entwicklung und werden perspektivisch in den nächsten Jahren bidirektionales Laden herstellerübergreifend und interoperabel ermöglichen. \r\nBisherige, in den verschiedenen Pilotprojekten erprobte Realisierungen zur Rückspeisung elektrischer Energie aus dem Elektroauto in die Kundenanlage und ggf. auch weiter ins Energienetz, basieren noch auf herstellerspezifischen und damit nicht durch Produktnormen abgedeckten Lösungen und dienen den Herstellern zum Sammeln von Erfahrungen und Erkenntnissen, die in die Normierung dieser Lösungen eingebracht werden. Insofern ist davon auszugehen, dass auch in näherer Zukunft zunächst weiterhin herstellerspezifische Lösungen zum bidirektionalen Laden im Rahmen von weiteren Pilotprojekten erprobt und ggf. auch schon an Endkunden vermarktet werden. \r\nWährend einfache, nicht netzgekoppelte V2L-Lösungen aktuell bereits mit einigen Fahrzeugen und entsprechenden V2L-Adaptern vermarktet werden, ist mit der Verfügbarkeit von proprietären V2H- und V2G-geeigneten Fahrzeugen und Ladeeinrichtungen frühestens 2025 zu rechnen. Dabei ist davon auszugehen, dass in der Anfangsphase zunächst die V2H-Lösungen im Vordergrund stehen, mit denen zunächst die Energieoptimierung innerhalb einer Kundenanlage erfolgt, also beispielsweise die Eigenverbrauchsoptimierung für Besitzer von PV-Anlagen, was für den Endkunden bereits heute wirtschaftlich attraktiv ist.  \r\nDie durchaus komplexeren V2G-Anwendungsfälle werden aufgrund der dafür erforderlichen kommunikationstechnischen Anbindung zur Aggregation der Elektrofahrzeuge als Energiespeicher für den Energiemarkt erwartungsgemäß erst weitere ein bis zwei Jahre später am Markt verfügbar sein. Für weitere Details sei dazu auf die Ausarbeitungen der Nationalen Leitstelle Ladeinfrastruktur im Rahmen der Bearbeitung der Maßnahme 47 aus dem Masterplan Ladeinfrastruktur II (Bundesministerium für Digitales und Verkehr 2022) verwiesen.  \r\nDamit möglichst viele rückspeisefähige Elektrofahrzeuge in das Energienetz eingebunden werden können, ist auch eine ausreichende Anzahl bidirektionaler Ladeeinrichtungen mit entsprechender Verbreitung erforderlich. Wie dargestellt, können nur die Fahrzeuge einen Beitrag leisten, die über längere Zeit mit dem Netz gekoppelt sind. Dies ist üblicherweise nur bei Normalladepunkten der Fall, Schnellladeinfrastruktur kann hier keinen relevanten Beitrag leisten. Insofern bedarf es des Ausbaus von Ladeinfrastruktur für das Normalladen und auch die Rückspeisung im privaten aber auch im öffentlichen Umfeld. \r\nDie Frage, inwieweit Elektrofahrzeuge zukünftig als mobile Speicher genutzt werden, hängt darüber hinaus davon ab, ob und zu welchen Konditionen konkurrierende Lösungen am Markt angeboten werden und wie der Kunde sich bezüglich dieser Alternativen orientiert. So geht beispielsweise die aktuelle ETG-Studie „Flexibilisierung des Energiesystems“ (VDE e.V. 2023) davon aus, dass stationäre Batteriespeicher eine deutlich größere Marktrelevanz haben werden als die mobilen Speicher der Elektrofahrzeuge. Aus Kundensicht ist neben dem rein wirtschaftlichen Vergleich der Kosten für die mobile und die stationäre Lösung auch die Frage der Verfügbarkeit von Fahrzeug und Speicher relevant. Die Nachteile, dass der mobile Speicher ggf. gerade nicht mit dem Netz verbunden ist, wenn er benötigt wird, oder dass durch die Nutzung als mobiler Speicher die Fahrzeugnutzung eingeschränkt ist, sind beim separaten stationären Batteriespeicher nicht vorhanden. \r\nInsofern könnten gebrauchte  raktionsbatterien von Elektrofahrzeugen beispielsweise in einem „second life“ für stationäre Batteriespeicher verwendet werden, deren Leistungselektronik bezüglich Betriebsdauer und Ladeverhalten auf die Dauernutzung ausgelegt ist und so die genannten Nachteile der mobilen Lösung vermieden werden.  \r\nFür den Wandel des Energiesystems mit dem Ziel „Wir bringen die Energiewende zum  unden“ leistet der VDE FNN mit seinen Aktivitäten zur Normung und Standardisierung des bidirektionalen Ladens seinen Beitrag, um zukünftig den Netzkunden die Möglichkeit zu geben, ihre Elektrofahrzeuge als mobile Speicher zu nutzen, um damit individuell einen höheren Anteil der dezentral erzeugten Energie vor Ort zu nutzen oder mit der Vermarktung seiner Flexibilität einen Beitrag zur Stabilisierung des zukünftigen Energiesystems zu liefern. \r\n \r\n \t  \r\n12 Literaturverzeichnis \r\nBerufsgenossenschaft Holz und Metall. „D UV Vorschrift 3.“ 2020. \r\nhttps://www.bghm.de/fileadmin/user_upload/Arbeitsschuetzer/Gesetze_Vorschriften/Vorschriften/ DGUV-Vorschrift-3.pdf. \r\nBundesministerium für Digitales und Verkehr. „Masterplan Ladeinfrastruktur II der Bundesregierung.“ 2022. https://bmdv.bund.de/SharedDocs/DE/Anlage/G/masterplan-ladeinfrastruktur2.pdf?__blob=publicationFile. \r\nBundesministerium für Umwelt, Naturschutz, Bau und  eaktorsicherheit. „ limaschutzplan 2050 -  limaschutzpolitische  rundsätze und Ziele der Bundesregierung.“ 2016. https://www.bmwk.de/Redaktion/DE/Publikationen/Industrie/klimaschutzplan2050.pdf?__blob=publicationFile&v=1. \r\nBundesministerium für Verkehr und digitale Infrastruktur. „Mobilität in Deutschland.“ 2018. \r\nhttps://bmdv.bund.de/SharedDocs/DE/Anlage/G/mid-ergebnisbericht.pdf?__blob=publicationFile. \r\nDeutsche Energie- gentur. „Pumpspeicher.“ 2023. https //www.dena.de/themenprojekte/energiesysteme/flexibilitaet-und-speicher/pumpspeicher/. \r\nEV Database. Useable battery capacity electric car. 2023. https://ev-database.org/de/cheatsheet/useablebattery-capacity-electric-car. \r\nHeimerl, S.;  ohler, B. „Fichtner Water& ransportation.“ 2017. https://www.fwt.fichtner.de/userfiles/fileadminfwt/Publikationen/WaWi_2017_10_Heimerl_Kohler_PSKW.pdf. \r\nPawlik, V. Wind-Volllaststunden nach typischen Standorten für Windenergieanlagen 2021. 2023. https://de.statista.com/statistik/daten/studie/224720/umfrage/wind-volllaststunden-nachstandorten-fuer-wea/. \r\nPresse- und Informationsamt der Bundesregierung. „Energiewende beschleunigen.“ 2023. \r\nhttps://www.bundesregierung.de/breg-de/schwerpunkte/klimaschutz/energiewendebeschleunigen-2040310. \r\nPV Magazine. „Fraunhofer ISE   nteil der Erneuerbaren an Nettostromerzeugung sinkt auf knapp 46 Prozent 2021.“ 2023. https //www.pv-magazine.de/2022/01/03/fraunhofer-ise-anteil-dererneuerbaren-an-nettostromerzeugung-sinkt-auf-knapp-46-prozent-2021/. \r\nStatista Research Department. Zugelassene E-Autos in Deutschland bis 2023. 2023. https://de.statista.com/statistik/daten/studie/265995/umfrage/anzahl-der-elektroautos-indeutschland/. \r\nVDE e.V. Flexibilisierung des Energiesystems. Offenbach am Main, 2023. \r\nVDE FNN. Lastenheft Steuerbox. Berlin, 2021. \r\nVDE FNN. Netzintegration Elektromobilität. Berlin, 2019. \r\nVDE FNN. Zielbild Steuerbarkeit von Ladeinfrastruktur für E-Fahrzeuge. Berlin, 2021. \r\n \t \r\n \r\n \r\n"},"recipientGroups":[{"recipients":{"parliament":[],"federalGovernment":[{"department":{"title":"Bundesministerium für Wirtschaft und Klimaschutz (BMWK) (20. WP)","shortTitle":"BMWK (20. WP)","url":"https://www.bmwk.de/Navigation/DE/Home/home.html","electionPeriod":20}}]},"sendingDate":"2024-03-11"}]},{"regulatoryProjectNumber":"RV0004186","regulatoryProjectTitle":"Abschaffung Doppelbelastung V2G ","pdfUrl":"https://www.lobbyregister.bundestag.de/media/9b/03/304413/Stellungnahme-Gutachten-SG2406210074.pdf","pdfPageCount":113,"text":{"copyrightAcknowledgement":"Die grundlegenden Stellungnahmen und Gutachten können urheberrechtlich geschützte Werke enthalten. Eine Nutzung ist nur im urheberrechtlich zulässigen Rahmen erlaubt.","text":"\r\n \r\n\r\n \r\n \r\n \r\n \r\n \r\n \r\n \r\n \r\n \r\n \r\n \r\n \r\n \r\nBDL –  \r\nBidirektionales Lademanagement  \r\n \r\nAbschlussbericht der FfE \r\n \r\n \t \r\n\tHerausgeber:  \t \t \r\n \r\nAm Blütenanger 71, 80995 München \r\n+49 (0) 89 158121-0 \r\nMail: info@ffe.de \r\nWeb: www.ffe.de  \r\nAbschlussbericht zum Projekt: \r\nBDL - Bidirektionales Lademanagement \t\t\r\nVeröffentlicht am: \r\n20.03.2023 \t \tFfE-Nummer: \r\nBMWi-60 \r\n \r\nProjektleitung \r\nMathias Müller  \r\nTimo Kern \r\nAdrian Ostermann \r\nPatrick Dossow \r\nBearbeiter:innen: \r\nYannic Blume (geb. Schulze) \r\nAndreas Bruckmeier \r\nAlexander Djamali \r\nMichael Hinterstocker \r\nVeronika Engwerth \r\nSebastian Faller \r\nSteffen Fattler \r\nJeremias Hawran \r\nTheodor Haug \r\nNiklas Jooß \r\nAlexander Murmann \r\nVincenz Regener \r\nJanis Reinhard \r\nElisabeth Springmann  \r\nChristian Wendlinger \r\nDaniela Wohlschlager \r\n  \r\n \tProjektpartner: \r\nBMW AG (Konsortialführer) \r\nBayernwerk Netz GmbH \r\nKEO GmbH \r\nKOSTAL Industrie Elektrik GmbH \r\nTenneT TSO GmbH \r\nKarlsruher Institut für Technologie \r\nUniversität Passau \r\n \r\nFfE-Verbundpartner: \r\nBayernwerk AG \r\nEon SE IAV GmbH \r\nillwerke vkw AG LEW Verteilnetz GmbH LVN rhenag Rheinische Energie AG Solarwatt GmbH \r\nStadtwerke München GmbH \r\nTransnetBW GmbH \r\nUniper Kraftwerke GmbH \r\nViessmann Climate Solutions SE \r\n \r\nDOI: \r\n10.34805/ffe-08-23 \r\n \r\nFörderkennzeichen: \r\n01MV18004F \r\n01MV18004C \r\n \r\n RC20220131 \r\n \r\nInhalt \r\nAbkürzungsverzeichnis ................................................................................................................................................................................ I \r\nKurzzusammenfassung  ........................................................................................................................................................................... III \r\n1\tMotivation und Zielsetzung ............................................................................................................................................................... 1 \r\n2\tUse Cases ................................................................................................................................................................................................. 2 \r\n2.1\tDefinitionen ................................................................................................................................................................................... 2 \r\n2.1.1\tEinsatzfelder von Flexibilität .............................................................................................................................................. 2 \r\n2.1.2\tExkurs Netzdienlichkeit ....................................................................................................................................................... 3 \r\n2.1.3\tUse Cases ................................................................................................................................................................................ 3 \r\n2.2\tModellierung Erlöspotenziale ................................................................................................................................................. 5 \r\n2.2.1\tModellierung von Lade- und Entladewirkungsgraden .............................................................................................7 \r\n2.2.2\tOptimierung unter begrenzter Voraussicht ................................................................................................................ 8 \r\n2.2.3\tVom Use Case abhängige mathematische Formulierung ...................................................................................... 9 \r\n2.3\tErlöspotenziale und ihre wichtigsten Einflussfaktoren .................................................................................................. 11 \r\n2.3.1\tPV-Eigenverbrauchsoptimierung ................................................................................................................................... 11 \r\n2.3.2\tZeitliche Arbitrage ............................................................................................................................................................... 13 \r\n2.3.3\tKombination von PV-Eigenverbrauchsoptimierung und zeitlicher Arbitrage ................................................ 15 \r\n2.4\tProfitabilität des bidirektionalen Ladens ............................................................................................................................ 16 \r\n2.4.1\tZusätzliche Kosten des bidirektionalen Ladens ........................................................................................................ 16 \r\n2.4.2\tBewertung der Profitabilität ............................................................................................................................................. 18 \r\n2.5\tGeschäftsmodelle und Geschäftsmodellbewertung ...................................................................................................... 21 \r\n2.5.1\tGeschäftsmodell-Entwicklung für bidirektionales Laden ....................................................................................... 21 \r\n2.5.2\tBewertung von Geschäftsmodellen für bidirektionales Laden ........................................................................... 22 \r\n3\tNetzbelastungen durch bidirektionale Elektrofahrzeuge im Verteilnetz ......................................................................... 24 \r\n3.1\tBetrachtete Niederspannungsnetze ................................................................................................................................... 24 \r\n3.2\tSimulationsszenario mit Hochlauf bis zum Jahr 2050 .................................................................................................. 27 \r\n3.3\tModellierung der Verteilnetzbelastungen ........................................................................................................................ 29 \r\n3.4\tBetrachtete Use Cases und Szenarien ................................................................................................................................ 31 \r\n3.5\tResultierende Gleichzeitigkeiten und Netzbelastung ................................................................................................... 33 \r\n3.5.1\tDefinition Netzüberlastung ............................................................................................................................................. 34 \r\n3.5.2\tReferenzszenario ................................................................................................................................................................ 34 \r\n3.5.3\tUse Cases .............................................................................................................................................................................. 35 \r\n4\tBidirektionale Elektrofahrzeuge aus der Sicht des Energiesystems................................................................................... 43 \r\n4.1\tMethoden .................................................................................................................................................................................... 43 \r\n4.1.1\tModellierung der Strommarkt-Integration ................................................................................................................ 43 \r\n4.1.2\tModellierung der Engpassmanagement-Bereitstellung ....................................................................................... 46 \r\n4.2\tDefinition des Szenarios ......................................................................................................................................................... 47 \r\n4.3\tZukünftige kostenoptimale Durchdringungsraten ........................................................................................................ 49 \r\n4.4\tAuswirkungen auf das zukünftige Energiesystem ......................................................................................................... 52 \r\n4.4.1\tMehrwerte für das Energiesystem ................................................................................................................................ 52 \r\n4.4.2\tGesamtsystemkosten und Strompreise ...................................................................................................................... 53 \r\n4.4.3\tEngpassmanagement ........................................................................................................................................................ 54 \r\n5\tErkenntnisse aus dem BDL-Pilotbetrieb ...................................................................................................................................... 57 \r\n5.1\tMesskonzept und Gesamtsystemarchitektur................................................................................................................... 58 \r\n5.2\tAuswertungen Privatkund:innen .......................................................................................................................................... 59 \r\n5.2.1\tVollständigkeit ..................................................................................................................................................................... 60 \r\n5.2.2\tMessgenauigkeit .................................................................................................................................................................. 61 \r\n5.2.3\tAllgemeine Auswertungen ............................................................................................................................................... 61 \r\n5.3\tUse Case PV-Eigenverbrauchsoptimierung ..................................................................................................................... 65 \r\n5.4\tUse Case Intraday Arbitrage.................................................................................................................................................. 68 \r\n5.5\tUse Case Spitzenlastkappung ............................................................................................................................................... 73 \r\n6\tIntelligente Messsysteme: Möglichkeiten und Entwicklungsbedarfe ................................................................................ 76 \r\n6.1\tUse Cases und Steuerungswege in BDL ............................................................................................................................ 76 \r\n6.1.1\tLokale Regelung ................................................................................................................................................................. 76 \r\n6.1.2\tBackend.................................................................................................................................................................................. 77 \r\n6.1.3\tNetzbetreiber ....................................................................................................................................................................... 77 \r\n6.2\tSteuern mit dem intelligenten Messsystem ..................................................................................................................... 77 \r\n6.2.1\tSteuern über den CLS-Proxy-Kanal .............................................................................................................................. 77 \r\n6.2.2\tSteuern über EEBUS und das SMGW .......................................................................................................................... 77 \r\n6.3\tKonfliktpotenzial zwischen Ladestrategien ...................................................................................................................... 78 \r\n6.4\tPerformance Analyse ............................................................................................................................................................... 79 \r\n6.4.1\tTestaufbau ............................................................................................................................................................................ 79 \r\n6.4.2\tDurchführung der Tests ................................................................................................................................................... 80 \r\n6.4.3\tErgebnisse .............................................................................................................................................................................. 81 \r\n6.4.4\tBewertung ............................................................................................................................................................................. 84 \r\n6.4.5\tExkurs: iMSys Performance mit mehreren SMGWs ................................................................................................ 85 \r\n6.5\tNachhaltigkeitsbewertung ..................................................................................................................................................... 85 \r\n6.5.1\tMethodisches Vorgehen: Lebenszyklusbetrachtung ............................................................................................. 85 \r\n6.5.2\tErgebnisse der Ökobilanz von Ladeinfrastruktur .................................................................................................... 86 \r\n7\tHandlungsempfehlungen ................................................................................................................................................................ 88 \r\n7.1\tPositionspapier zum Use Case PV-Eigenverbrauchsoptimierung (V2H) ............................................................... 88 \r\n7.2\tPositionspapier zu den Use Cases Primärregelleistung, Engpassmanagement und lokale \r\nNetzdienstleistungen (V2G) ................................................................................................................................................... 89 \r\n7.3\tPositionspapier zum Use Case Intraday-Handel (V2G) ................................................................................................ 90 \r\n8\tLiteratur .................................................................................................................................................................................................. 93 \r\n9\tVeröffentlichungen ............................................................................................................................................................................. 99 \r\n \r\n \r\n \r\n\r\n \r\nAbkürzungsverzeichnis \r\nAkronym \tDefinition \r\nBCM \tBidirectional Charging Management \r\nBDL \tBidirektionales Lademanagement \r\nCOM \tCommuter (Pendler) \r\nDC \tDirect Current (Gleichstrom) \r\nEFCs \tEquivalent Full Cycles (Äquivalente Vollzyklen) \r\nEFZ \tElektrofahrzeug \r\nEMS \tEnergiemanagementsystem \r\nEnWG \tEnergiewirtschaftsgesetz \r\nESH \tElektrische Speicherheizung \r\nGCP \tGrid Connection Point (Netzanschlusspunkt) \r\nH0 \tStandardlastprofil Haushalte \r\nIKT \tInformations- und Kommunikationstechnik \r\nKomb \tKombination \r\nKSEM \tKOSTAL Smart Energy Meter (Energiezähler) \r\nL0 \tStandardlastprofil Landwirtschaftsbetriebe \r\nNG \tNetzgebiet \r\nNVP \tNetzverknüpfungspunkt \r\nOHs \tOperating Hours (Betriebsstunden) \r\nPlim \tPower Limit (Maximale Leistungsvorgabe) \r\nPPA \tPower Purchase Agreement (Stromvertrag) \r\nPV \tPhotovoltaik \r\nRLM \tRegistrierende Leistungsmessung \r\nSBS \tStationärer Batteriespeicher \r\nSLP \tStandardlastprofil \r\nSMGW \tSmart Meter Gateway (Kommunikationseinheit) \r\nSoC \tState of Charge (Ladezustand) \r\nSoCmin \tMinimaler State of Charge (Ladezustand) \r\nTLP \tTemperaturabhängige Lastprofile \r\n1I\r\n \r\n \r\nAkronym \tDefinition \r\nTUM \tTechnische Universität München \r\nÜNB \tÜbertragungsnetzbetreiber \r\nV1G \tUnidirektionales gesteuertes Laden \r\nV1H \tUnidirektionales gesteuertes Laden im Haushaltsbereich \r\nV2B \tVehicle-to-Business \r\nV2G \tVehicle-to-Grid \r\nV2H \tVehicle-to-Home \r\nVNB \tVerteilnetzbetreiber \r\nWP \tWärmepumpe \r\n \r\n \r\n \r\nII \r\nKurzzusammenfassung  \r\n \r\nIdentifikation, Definition und Bewertung von 14 Use Cases \r\n \r\nErlöspotenziale stark abhängig von Fahrzeug- & Wallbox-Parametern, der Last der Liegenschaft, Marktpreisen und dem Nutzer:innen-Verhalten \r\n \r\nKosten des bidirektionalen Ladens werden insbesondere durch eine Kostendegression der Wallbox zukünftig stark abnehmen. \r\n \r\nSowohl V2H, V2B und V2G Use Cases werden in Zukunft wirtschaftlich. Wirtschaftlichkeit von V2H (PV-Optimierung) ist am robustesten. \r\n \r\n \r\nElektrifizierung führt bis 2040 in 43 % der Netze zu Ausbaubedarf \r\nEin realistischer Anteil bidirektionaler EFZ mit unterschiedlichen Use Cases erhöht diesen Bedarf nicht. \r\n \r\nNetzdienlicher Einsatz bzw. eine Eingriffsmöglichkeit für den VNB reduzieren den Bedarf um 21 %. \r\n \r\nIm Falle von preislicher Optimierung resultieren sehr hohe Gleichzeitigkeiten (> 90 %) welche bei hohen Teilnahmegraden zu deutlich mehr Netzengpässen führen würden. \r\n \r\n \r\nIm zukünftigen kostenoptimalen Energiesystem sind ca. 30 % der Elektrofahrzeuge bidirektional. \r\n \r\nBidirektionale EFZ fördern die EE-Integration. Der Einsatz als Tagesspeicher führt zu einer verbesserten Integration der PV-Energie. \r\n \r\nDie notwendigen Kapazitäten von Gas- bzw. H2-Kraftwerken sowie stationären Batteriespeichern sinken deutlich. \r\n \r\nDies führt zu deutlich niedrigeren Gesamtkosten des europäischen Energiesystems.  \r\n \r\n \r\n \r\n \r\n \r\nIII3\r\n \r\n \r\n \r\nHohe EFZ- und Flexibilitätsverfügbarkeit sind Grundlage für bidirektionale Use Cases. \r\n \r\nKund:innen sollten daher motiviert werden ihr EFZ regelmäßig und lange anzustecken sowie einen niedrigen Ziel-SoC einzustellen. \r\n \r\nKund:innen sparten im Durchschnitt 7,5 % ihrer Stromkosten mit dem PV Use Case ein. \r\n \r\nDer Gesamtwirkungsgrad im Intraday Use Case betrug etwa 80 % und ist damit vergleichbar mit einem Pumpspeicherkraftwerk. Aufgrund der aktuellen regulatorischen Ausgestaltung ist der Intraday Use Case jedoch noch unwirtschaftlich. \r\n \r\n \r\nDie Kommunikation über das Smart-Meter-Gateway ermöglicht die Übersetzung in den EEBUS-Standard inkl. integrierter Nachweisführung. \r\n \r\nIm Laboraufbau wurde für die Übermittlung von Leistungsvorgaben eine Zuverlässigkeit von 98 % ermittelt. \r\n \r\nDer Prozess, vom Versand einer Leistungsvorgabe durch den Netzbetreiber über die Smart-Meter-Gateway-Infrastruktur bis zur Wallbox dauert durchschnittlich 51 Sekunden (über 2.000 Tests). \r\n \r\n \r\nVehicle-to-Home und Vehicle-to-Business Use Cases weisen kaum regulatorische Hemmnisse auf. Im Positionspapier identifizierte Hürden, wie die EEG-Umlage, wurden bereits teilweise beseitigt. \r\n \r\nBei Vehicle-to-Grid Use Cases gibt es regulatorischen Handlungsbedarf, beispielsweise bei der Etablierung stimmiger Mess- und Steuerungskonzepte und der gesamthaften Befreiung von Steuern, Abgaben, Umlagen und Netzentgelten. \r\n \r\n \r\n \r\n \r\n \r\nIV \r\n \r\n1 Motivation und Zielsetzung \r\nDie Elektrifizierung des Verkehrssektors ist eine wesentliche Maßnahme zur Erreichung der Emissionsminderungsziele in Deutschland. Zum Ende des Jahres 2022 waren erstmals mehr als eine Million rein elektrische Fahrzeuge auf Deutschlands Straßen unterwegs /DIW-01 23/. Bis zum Jahr 2030 soll laut den Plänen der Bundesregierung die Zahl der Elektrofahrzeuge (EFZ) in Deutschland auf 15 Millionen steigen /KOA-01 21/. Hierbei stellt sich die Frage, wie diese Elektrofahrzeuge (EFZ) in das Energiesystem integriert werden können und welche Anforderungen dies an die Stromnetze stellt.  \r\nZukünftig können EFZ nicht nur geladen, sondern auch wieder entladen und somit als Zwischenspeicher genutzt werden. Dieses sogenannte bidirektionale Laden eröffnet eine Vielzahl von Möglichkeiten, die mobilen Speicher zu nutzen. Gerade die in den letzten Jahren stark angestiegene Batteriekapazität der EFZ, welche bei Oberklassewagen oftmals 100 kWh überschreitet, in Kombination mit der durchschnittlichen Nutzungsweise, ergeben ein sehr großes erschließbares Speicherpotenzial. Typischerweise sind Fahrzeuge im Durchschnitt nur 46 Minuten pro Tag in Bewegung und stehen somit 96 % der Zeit /BMVI-01 17/. Die mittleren Strecken je Tag liegen je nach Wohnort zwischen 22 (Metropole) und 37 km (ländlicher Raum) /BMVI-01 17/. Somit wird im Mittel nur ein geringer Anteil der Batterie für die täglichen Fahrten benötigt.  \r\nIm Rahmen dieses Projektes \"Bidirektionales Lademanagement - BDL\" haben die Projektpartner aus der Automobilbranche, der Energiewirtschaft und der Wissenschaft nutzerfreundliche, technische Lösungen für rückspeisefähige EFZ entwickelt. Hierbei bedarf es eines intelligenten Zusammenspiels von Fahrzeugen, Ladeinfrastruktur, Stromnetzen und Energiesystem. Rückspeisefähige Elektrofahrzeuge können netzdienlich eingesetzt werden, indem sie die Integration von Energie aus erneuerbaren Quellen ins öffentliche Stromnetz optimieren und es gleichzeitig stabilisieren. Hierzu wird im BDL-Projekt die Leistung und Speicherkapazität der EFZ in verschiedenen Anwendungsfällen (Use Cases) genutzt. Für die Käufer des Elektrofahrzeuges erhöht sich so die Attraktivität, indem die Energiekosten oder Netzentgelte - z. B. durch Reduktion der Spitzenlast - verringert werden. \r\nZusätzlich können perspektivisch Erlöse durch eine Vermarktung von Flexibilität an den Strommärkten erzielt werden. Neben den Modellierungen der Erlösmöglichkeiten erfolgten auch detaillierte Betrachtungen der Rückwirkungen auf das Energiesystem und die Stromnetze. Zudem wurden ausgewählte Anwendungsfälle in einem Pilotbetrieb mit über 50 EFZ getestet.  \r\nDie Aktualität und Relevanz des Themas wird auch dadurch unterstrichen, dass das Wirtschaftsministerium im Herbst 2022 einen Förderaufruf mit einem Volumen von 80 Millionen Euro mit einem Förderschwerpunkt „Bidirektionale Flottenkraftwerke“ veröffentlicht hat. Das im Jahr 2019 gestartete BDL-Projekt und die damit entwickelten Lösungen sind daher als Vorreiter im Bereich der Forschung rund um das Thema der bidirektionalen Ladetechnologie und ihrer Integration in das Energiesystem anzusehen. \r\n2 Use Cases \r\nZu Beginn werden die Use Cases bzw. Anwendungsfälle, welche im BDL-Projekt untersucht wurden, beschrieben. Zunächst werden die einzelnen Use Cases definiert und gruppiert. Anschließend werden die modellierten Erlöspotenziale, deren Einflussfaktoren und Geschäftsmodelle für das bidirektionale Laden analysiert. \r\nDie Abschnitte 2.2 bis 2.4 sind der eingereichten, noch nicht veröffentlichen Dissertation von Timo Kern entnommen /KERN-02 22/, die im Rahmen des BDL-Projektes entstanden ist. Dafür wurden die englischen Texte der Dissertation ins Deutsche übersetzt. Die Abschnitte 2.2 bis 2.4 fokussieren sich auf die Modellierung der Use Cases PVEigenverbrauchsoptimierung und den zeitlichen Arbitragehandel. In einer weiteren Veröffentlichung /FFE-73 21/ wurden ebenso die mathematische Formulierung des Use Cases Spitzenlastkappung aufgestellt und die wichtigsten Einflussfaktoren des Use Cases diskutiert. \r\n2.1 \tDefinitionen \r\n \r\nDie untersuchten Use Cases im Projekt Bidirektionales Lademanagement (BDL) definieren verschiedene \r\nAnwendungsfälle des gesteuerten Be- und Entladens von Elektrofahrzeugen. Mit Hilfe der Use Cases kann das Verhalten eines Systems aus Anwendersicht und orientiert an Kundenbedarfen beschrieben und untersucht werden. Im Rahmen von Workshops wurden in Zusammenarbeit mit über 40 Expert:innen 14 Use Cases identifiziert. Diese stellen sowohl markt- und netz- als auch systemdienliche Einsatzfelder dar. Im Folgenden werden zunächst die Einsatzfelder von Flexibilität beschrieben und der Begriff der Netzdienlichkeit definiert. Im Anschluss wird auf die einzelnen Use Cases eingegangen. \r\n2.1.1 \tEinsatzfelder von Flexibilität \r\n \r\nDer Einsatz von Flexibilität im Energiesystem lässt sich in folgende drei Einsatzfelder unterteilen: markt-, system- und netzdienlich. Eine trennscharfe Abgrenzung der Einsatzfelder, insbesondere der letzten beiden, ist häufig nicht möglich. /KIT-04 19/ \r\nDie Nutzung von Flexibilität zur Optimierung der Energiebeschaffungskosten bzw. zum Erzielen von Gewinnen durch \r\nKauf und Verkauf von Energie zu unterschiedlichen Preisen bezeichnet man als marktdienliche Flexibilität. Unterschiedliche Handelsplätze und verschiedene Akteure können an der Vermarktung beteiligt sein. Das Ausnutzen von zeitlich unterschiedlichen Strompreisen (zeitliche Arbitrage) oder Stromtarifen (tarifoptimiertes Laden/Entladen) ohne Rückspeisung ins Netz sind mögliche Use Cases. \r\nSystemdienliche Flexibilität stellt die Nutzung von Flexibilität zur Sicherung der Systemstabilität dar. Nach § 13 des Energiewirtschaftsgesetzes (EnWG) sind die Übertragungsnetzbetreiber hierzu verpflichtet und daher die Hauptakteure. Sowohl die Frequenz- als auch die Spannungshaltung sowie die Betriebsführung und der Versorgungswiederaufbau (Primärregelleistung und Blindleistungsbereitstellung) sind hier betroffen. Zudem sind nach § 14 EnWG auch Verteilnetzbetreiber zum Einspeisemanagement verpflichtet, weshalb es zu den Aufgaben der Betriebsführung gehört. \r\nDie Nutzung der Flexibilität durch Netzbetreiber zur Vermeidung kritischer Netzzustände bzw. zur Behebung von Netzengpässen, z. B. einer überlasteten Leitung, wird als netzdienliche Flexibilität bezeichnet. Insbesondere zur Engpassbehebung ist der Wirkort bzw. der Anschlusspunkt der Flexibilität entscheidend, da nur eine Flexibilität hinter einem Engpass diesen lösen kann. \r\n2.1.2 \tExkurs Netzdienlichkeit \r\n \r\nGrundsätzlich gilt, dass ein Flexibilitätseinsatz nur dann als netzdienlich bezeichnet werden kann, wenn er in keinem anderen Netz zu einem Engpass führt. Die Netzkosten eignen sich hierbei als Bezugsgröße, da diese sowohl die Kosten zur Reduktion von Engpässen und für den Netzausbau als auch die Betriebsführung beinhalten. Da der Begriff der Netzdienlichkeit keiner eindeutigen Auslegung unterliegt und zahlreiche Parameter hiervon betroffen sind, wird dieser hier nach /FFE-07 21/ definiert: \r\n„Netzdienlich sind einzelne oder mehrere elektrische Anlagen (Erzeuger, Verbraucher oder Speicher), welche dazu beitragen, Netzkosten […] zu verringern. Dies kann durch Kenntnis, Plan- oder Steuerbarkeit der Anlagen durch den Netzbetreiber und/oder einen Beitrag zur Vergleichmäßigung der Netzlast erreicht werden. Hierzu ist je nach Netzsituation ein kontextabhängiges Verhalten notwendig. Ferner darf kein zusätzlicher Netzausbau in derselben bzw. anderen Netzebenen verursacht werden. Generell muss die Anlage netzverträglich sein.“ \r\nDer Einsatz der Flexibilität im Sinne der Netzdienlichkeit lässt sich in drei Kategorien einteilen: Vergleichmäßigung der Netzlast, präventive und kurative Engpassbehebung. Preisliche Anreize können die Vergleichmäßigung der Netzlast fördern. Dies können bspw. Leistungspreise für die Jahreshöchstlast gemäß § 17 Abs. 2 Stromnetzentgeltverordnung sein, die Kunden mit registrierender Lastgangmessung zu zahlen haben /FFE-118 20/. Bei der präventiven Netzengpassbehebung soll der Flexibilitätseinsatz für prognostizierte Engpässe durch Prognosen der Netzauslastung und daraus abgeleiteten monetären Anreizen vermieden werden. Variable Netzentgelte, die entsprechend der prognostizierten Auslastung angepasst werden (siehe Use Case Variable Netzentgelte), stellen ein Beispiel für die Ausgestaltung dar /BNETZA-103 15/. Bei der dritten Form des netzdienlichen Flexibilitätseinsatzes, der kurativen Netzengpassbehebung, wird die Flexibilität verwendet, um entstandene Netzengpässe zu beheben. Vorab kontrahierte Flexibilität wird hierfür vom Verteilnetzbetreiber abgerufen. Das Modell der Spitzenglättung kann hier als Beispiel für eine mögliche Umsetzung genannt werden. Hierbei kann der Verteilnetzbetreiber die Leistung von steuerbaren Verbrauchseinrichtungen reduzieren /BET-02 18/. \r\n2.1.3 \tUse Cases \r\n \r\nIn Abbildung 2-1 ist eine Übersicht der im Projekt BDL betrachteten Use Cases dargestellt. \r\n \r\nAbbildung 2-1: Übersicht der Use Cases unterteilt nach Erlösort, relevanter Kundengruppe, Ort der Regelung und Einsatzfeld nach /FFE-11 20/ \r\nDie Use Cases können anhand der Erlösorte Vehicle-to-Grid (V2G), Vehicle-to-Home (V2H) und Vehicle-toBusiness (V2B) kategorisiert werden. Im Falle von V2H und V2B werden die Einsparungen bzw. Erlöse direkt ohne weitere Verträge oder Handelsbeziehungen durch Veränderung des Lastgangs erzielt. In den V2G Use Cases werden die Einsparungen oder Erlöse durch weitere Akteure, wie beispielsweise Aggregatoren, an die Fahrzeugbesitzer als Gegenleistung zur Flexibilitätsbereitstellung weitergegeben. \r\nBezüglich der Kundengruppen wird zwischen Privat- und Gewerbekunden unterschieden. Diese unterscheiden sich durch die entsprechende Netzentgeltsystematik. Für Gewerbekunden mit RLM, die ab einem Jahresstromverbrauch von 100.000 kWh verpflichtend ist, berechnen sich die Netzentgelte zusätzlich zum Arbeits- auch aus einem Leistungspreis für die maximal bezogene Spitzenlast /EWI-02 19/. \r\nDes Weiteren gibt es verschiedene Regelungsorte. Unterschieden wird zwischen einer lokalen Regelung und einer zentralen Steuerung/Regelung. Bei der lokalen Regelung findet am Hausanschluss eine Nulllastregelung statt, wie z. B. bei der PV-Eigenverbrauchserhöhung. Die zentrale Steuerung oder Regelung, z. B. bei der zeitlichen Arbitrage, wird über ein Backend realisiert. Vehicle-to-Home (V2H)  \r\nIm Use Case Eigenverbrauchserhöhung ist die Erhöhung des Eigenverbrauchs von selbsterzeugtem Strom (z. B. durch eine PV-Anlage) bzw. die Reduktion des Netzbezugs durch Zwischenspeicherung des Überschussstroms in der EFZ-Fahrzeugbatterie und Versorgung des Haushalts aus der Batterie des bidirektionalen EFZ das Ziel. Durch die Zwischenspeicherung und zusätzliche Nutzung des günstigen selbsterzeugten Stroms wird teurer Netzbezug vermieden. \r\nDer Use Case tarifoptimiertes Laden/Entladen betrachtet die Ausnutzung von zeitlich variablen Stromtarifen durch Laden zu Zeitpunkten mit niedrigen Strompreisen und Entladen der Fahrzeugbatterie zur Versorgung des Haushalts zu Zeiten mit hohen Strompreisen. Dieser Use Case ist sehr ähnlich zum Use Case der Eigenverbrauchserhöhung. Ziel ist die günstigere Energiebereitstellung durch Verschiebung des Energiebezugs in Niedertarifzeiten und die Versorgung der Haushaltslast in Hochtarifzeiten. \r\nVehicle-to-Business (V2B)  \r\nDer Use Case Spitzenlastkappung betrachtet die Senkung der Lastspitze an einem (Unternehmens-)Standort mit registrierender Leistungsmessung (RLM) durch gesteuertes Laden/Entladen von bidirektionalen Fahrzeugen. Das Elektrofahrzeug wird zu Zeiten mit geringer Last geladen und in Zeiten der höchsten Lastspitze entladen. Ziel ist es, die maximale Last (im Mittel über eine Viertelstunde) im Abrechnungszeitraum (Monat/Jahr) zu senken. Als Erlösquelle fungiert ein reduzierter Leistungspreis, der für die maximale Leistung je Kilowattstunde berechnet wird. \r\nIm Use Case Flottenmanagement wird durch eine Optimierung der Flottenladung der maximale Netzbezug reduziert. Im Bedarfsfall speisen Fahrzeuge Energie zurück, um das Laden höher priorisierter Fahrzeuge zu ermöglichen, ohne die maximale Bezugsleistung zu überschreiten. Dieser Use Case ist sehr ähnlich zum Use Case der \r\nSpitzenlastkappung. Erlösquellen können ein reduzierter Leistungspreis, der für die maximale Leistung je Kilowattstunde berechnet wird, sowie geringere Investitionskosten für den Netzanschluss sein. \r\nVehicle-to-Grid (V2G)  \r\nZur Darstellung der zeitlichen Arbitrage am Intraday-Market erfolgt Aggregation und Vermarktung der Lade- und Entladeflexibilität von bidirektionalen Fahrzeugen am Intraday-Markt. Das Elektrofahrzeug wird zu Zeitpunkten mit günstigen Preisen geladen und zu Zeiten mit hohen Preisen entladen. Hierdurch entsteht ein Arbitrage-Geschäft. Die Preisdifferenz generiert die Erlöse. Die Aggregation und Vermarktung der Lade- und Entladekapazität von \r\nElektrofahrzeugen kann auch am Day-Ahead-Market durchgeführt werden, wodurch in diesem Markt ein ArbitrageGeschäft möglich ist. Auch hier wird zu Zeitpunkten mit günstigen Preisen geladen und zu Zeiten mit hohen Preisen entladen, wodurch Erlöse generiert werden können. \r\nIn einem weiteren Use Case wird die Bereitstellung von Primärregelleistung durch einen aggregierten bidirektionalen Fahrzeugpool dargestellt. Die Wallboxen messen dezentral (perspektivisch regionale Messung durch den Übertragungsnetzbetreiber (ÜNB)) die Netzfrequenz und speisen bei zu niedriger Netzfrequenz Energie zurück bzw. laden bei zu hoher Netzfrequenz. Ziel ist die Stützung des Stromnetzes durch den Ausgleich der Frequenzschwankungen durch gesteuertes Laden/Entladen. Die Vergütung der Regelleistungserbringung erfolgt durch die Übertragungsnetzbetreiber. \r\nIm Use Case der lokalen Netzdienstleistungen wird die Bereitstellung von lokaler Flexibilität für den Verteilnetzbetreiber (ggf. Übertragungsnetzbetreiber) zur Behebung von Netzengpässen betrachtet. Die bidirektionalen Fahrzeuge laden/entladen basierend auf einem Signal des Netzbetreibers oder per Abruf eines Aggregators. Die Vergütung der Flexibilitätserbringung erfolgt durch den Netzbetreiber, wofür verschiedene Vergütungsmodelle denkbar sind. \r\nDie Bereitstellung von regionaler Flexibilität für die Übertragungs-/Verteilnetzbetreiber zur Behebung von regionalen Netzengpässen im Übertragungs-/Verteilnetz wird im Use Case Redispatch betrachtet. Hierzu laden bidirektionale \r\nFahrzeuge vor dem Engpass und entladen hinter dem Engpass, um die Gesamtbilanz nicht zu verändern. Die Vergütung der Anpassung der Lade-/Entladeleistung erfolgt durch den Übertragungsnetzbetreiber. \r\nIm Use Case der Blindleistungsbereitstellung erfolgt die Bereitstellung von Blindleistung in einer definierten Netzregion durch die Wallbox. Die benötigte Blindleistung wird vom Netzbetreiber vorgegeben. Die Blindleistung ist auch ohne angesteckte, bidirektionale Fahrzeuge nur durch die Wallbox durchgehend bereitstellbar. Ziel ist es, durch die Bereitstellung von Blindleistung die Spannungsqualität zu verbessern. Perspektivisch könnte hier ein Markt entstehen, auf dem Blindleistung direkt vergütet wird. \r\nIm Use Case „Echter“ Grünstrom (CO2-optimiertes Laden) werden die bidirektionalen Fahrzeuge in Zeiten mit geringen spezifischen CO2-Emissionen im Netzgebiet geladen und speisen in Zeiten mit hohen spezifischen CO2Emissionen Energie zurück. Ziel ist die Ladung und Zwischenspeicherung CO2-armer Energie zur späteren Verwendung.  \r\nUse Cases ohne Netzbezug \r\nIm Use Case der Notstromversorgung versorgt das bidirektionale Elektrofahrzeug im Falle eines Stromausfalls einen Haushalt oder ein Inselnetz. Die Umschaltung auf den Inselbetrieb erfolgt entweder manuell oder vollautomatisch. \r\nHierdurch kann die Versorgungssicherheit erhöht werden. \r\nAuch die Verwendung des Elektroautos als Powerbox zur mobilen Stromversorgung wurde in einem Use Case betrachtet. Das bidirektionale Elektrofahrzeug versorgt Verbraucher ohne Anschluss an das Stromnetz direkt über Wechselstrom. Ein Beispiel wäre die Nutzung des Fahrzeugs beim Camping. Dieser Zusatznutzen kann die Attraktivität von Elektrofahrzeugen steigern. \r\n2.2 \tModellierung Erlöspotenziale \r\n \r\nFür die detaillierte Bewertung von bidirektionalen Elektrofahrzeugen aus Sicht der Nutzer wurde die Modellumgebung eFlame mit dem Optimierungsmodul ResOpt entwickelt. Die Modellumgebung eFlame ermöglicht eine variable Szenarienerstellung für verschiedene Anwendungsfälle von bidirektionalen Elektrofahrzeugen oder anderen Flexibilitäten, wie stationären Batteriespeichern (SBS). In ResOpt wird das mathematische Optimierungsproblem in Abhängigkeit von der in eFlame vorgenommenen Parametrierung formuliert. Das Optimierungsproblem kann als lineare Programmierung oder gemischt-ganzzahlige lineare Programmierung formuliert werden. ResOpt ist ein Modul, das auch in andere Modelle integriert ist, wie z. B. in das Verteilnetzmodell GridSim der FfE München /FFE-33 22/. \r\nAbbildung 2-2 zeigt die Struktur von eFlame einschließlich ResOpt mit den wichtigsten Entscheidungs- und Inputvariablen. In die auf Matlab basierende Modellumgebung eFlame können verschiedenste Parameter aus der FfE-Datenbank importiert werden, um Szenarien zu erstellen, die an ResOpt übergeben werden. Die variable Szenariodefinition in eFlame erlaubt die Berechnung zahlreicher Sensitivitäten, wodurch die wichtigsten Einflussfaktoren von Use Cases ermittelt werden können. Für jedes erstellte Szenario wird das Elektrofahrzeug mit drei verschiedenen Ladestrategien modelliert: \r\n•\tUngesteuertes Laden: Das Elektrofahrzeug wird direkt nach der Ankunft an einer Ladestation aufgeladen. \r\n•\tGesteuertes Laden: Das Elektrofahrzeug kann den Ladevorgang an einem Ladeort innerhalb seiner Flexibilitätsgrenzen verschieben. \r\n•\tBidirektionales Laden: Das Elektrofahrzeug kann im Rahmen seiner Flexibilität jederzeit an einer Ladestation laden und entladen. \r\nAnhand der Stromkosten lassen sich die Erlöse eines bidirektionalen oder gesteuert geladenen Elektrofahrzeugs im Vergleich zu einem ungesteuert geladenen Elektrofahrzeug ermitteln. \r\nAbhängig von den in einem Use Case modellierten Flexibilitäten führt ResOpt verschiedene Entscheidungsvariablen ein: Laden des Elektrofahrzeugs 𝑃𝐸𝑉,𝑐, Entladen des Elektrofahrzeugs 𝑃𝐸𝑉,𝑑, potenzielle Standby-Verluste des \r\nElektrofahrzeugs sowie der Wallbox 𝑃𝐸𝑉,𝑙,𝑠, Laden 𝑃𝑆𝐵𝑆,𝑐 und Entladen 𝑃𝑆𝐵𝑆,𝑑 von stationären Batteriespeichern (SBS), PV-Abregelung 𝑃𝑃𝑉,𝑐𝑢𝑟𝑡, Wärmepumpenbedarf (WP) 𝑃𝑊𝑃,𝑒𝑙, Strombezug aus dem Netz 𝑃𝐺𝐶𝑃,𝑖𝑛 und Stromrückspeisung ins Netz 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡 am Netzanschlusspunkt (englisch: Grid Connection Point GCP). Für die kombinierte Modellierung von V2H und V2G Use Cases werden die Entscheidungsvariablen 𝑃𝐺𝐶𝑃,𝑖𝑛,𝑣2𝑔 und \r\n𝑃𝐺𝐶𝑃,𝑜𝑢𝑡,𝑣2𝑔 integriert. Ein fixer thermischer 𝑃𝐻𝐻,𝑡ℎ und elektrischer 𝑃𝐻𝐻,𝑒𝑙 Haushaltsbedarf, ein elektrischer Industriebedarf 𝑃𝐼𝑛𝑑,𝑒𝑙 sowie eine fixe PV-Erzeugung 𝑃𝑃𝑉 dienen als Input. Für die Modellierung des Handels auf konsekutiven Spotmärkten werden die Entscheidungsvariablen 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑏𝑢𝑦 und 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠𝑒𝑙𝑙 eingeführt, die \r\nGegengeschäfte am Spotmarkt darstellen. Eine genauere Beschreibung von eFlame und dem integrierten Modell ResOpt findet sich in /FFE-116 20/ und /KER-01 21/. \r\n \r\nAbbildung 2-2: Schematische Darstellung von eFlame und ResOpt für die Bewertung von Use Cases bidirektionaler EFZ basierend auf /KER-01 21/ \r\nDie Use Cases PV-Eigenverbrauchsoptimierung und Arbitragehandel sowie eine kombinierte Modellierung dieser Use \r\nCases \thaben \taufgrund \tihrer \tgrundlegend \tunterschiedlichen \tFunktionalität \tunterschiedliche \r\nModellierungsanforderungen. Die Abschnitte 2.2.1 und 2.2.2 gehen auf die Besonderheiten bei der Modellierung der Use Cases ein, woraufhin die grundlegende mathematische Formulierung in Abschnitt 2.2.3 beschrieben wird. \r\n2.2.1 \tModellierung von Lade- und Entladewirkungsgraden \r\n \r\nEin sehr wichtiger Aspekt ist die unterschiedliche Modellierung des Lade- und Entladewirkungsgrades, da dies die Komplexität der Optimierung erheblich beeinflusst. /KER-01 21/ zeigt, dass die Leistungsverluste eines Wechselrichters aus einem konstanten Eigenverbrauch, Spannungsverlusten an Dioden und Transistoren, die proportional zur Ausgangsleistung sind, und quadratischen, leistungsabhängigen Verlusten durch ohmsche Verlustwiderstände bestehen. Abbildung 2-3 (a) zeigt den Vergleich zwischen dem realen Ladewirkungsgrad und verschiedenen, modellierten Ladewirkungsgraden in einer linearen Programmierung. Die Modellierung eines festen Ladewirkungsgrades (Linie ‚fix‘, rot) führt zu proportional zur AC-Ladeleistung steigenden Ladeverlusten. Ein Vergleich mit den realen Verlusten (gelbe Linie) zeigt, dass die Verluste stark unterschätzt werden, insbesondere bei kleinen Ladeleistungen. Die Modellierung der Ladeverluste als lineare Funktion (‚Intervall 1‘, hellblau) oder als stückweise lineare Funktion (‚Intervall 2', dunkelblau) führt zu einer wesentlich besseren Darstellung der realen Verluste. Die Modellierung führt zu einer gemischt-ganzzahligen linearen Programmierung mit höherer Komplexität, da in beiden Fällen konstante Verluste in Abhängigkeit von der booleschen Betriebsvariable (Betrieb oder Nichtbetrieb) enthalten sind /KER-01 21/. \r\nDa sich die realen Verluste während des Ladens und Entladens von den modellierten Verlusten mit einem festen \r\nWirkungsgrad unterscheiden, insbesondere bei niedrigen Leistungen, ist die typische Lade- und Entladeleistung eines Use Cases wichtig für die Wahl des Modellierungsansatzes. Zu diesem Zweck klassifiziert Abbildung 2-3 (b) die Lade- und Entladeleistungen der EFZ für den Use Case der PV-Eigenverbrauchsoptimierung, indem es die Jahresdauerlinie der Residuallast von fünf verschiedenen mittleren Haushalten aus /KER-01 21/ mit einem jährlichen Strombedarf von 3.800 kWh und einer 5,5 kWp PV-Anlage zeigt. Die Residuallast für den Haushalt ergibt sich in diesem Fall aus der Last abzüglich der PV-Erzeugung. Für diese beispielhaften mittleren Haushalte liegt die absolute Residuallast in 85 % der Zeit unter 2 kW. Aufgrund dieser zahlreichen Zeitpunkte mit geringer Leistung am Hausanschlusspunkt würde eine lineare Modellierung zu einer starken Unterschätzung der Verluste führen. Nach /KER-01 21/ sind die Erlöse für V2H bei linearer Modellierung um 30 % höher als bei gemischt-ganzzahliger linearer Modellierung. \r\n \r\n\t(a)\t(b)\r\n \t \r\n \r\nAbbildung 2-3: \t(a): Vergleich der realen und modellierten Ladeverluste in Abhängigkeit von der AC-Ladeleistung; \r\n(b): Jahresdauerlinie der Residuallast von fünf Haushalten (HH1 bis HH5)  \r\nIm Gegensatz dazu sind bei der ausschließlichen Vermarktung von Elektrofahrzeugen auf dem Strommarkt in /FFE-116 20/ die Lade- und Entladeleistungen normalerweise hoch. Unter der Voraussetzung, dass die Preisspannen zwischen verkauftem und eingekauftem Strom ausreichend sind, werden die Elektrofahrzeuge mit voller Leistung in den Grenzen ihrer Flexibilität laden und entladen. Darüber hinaus erfolgt die Vermarktung im Strommarkt über einen Pool von EFZ, in dem die EFZ intelligent gesteuert werden, so dass nur hohe Lade- und Entladeleistungen für ein einzelnes Elektrofahrzeug abgerufen werden. Aus diesem Grund ist die Modellierung des Use Cases Arbitragehandel mit festen Lade- und Entladewirkungsgraden valide und liefert zuverlässige Ergebnisse. \r\n2.2.2 \tOptimierung unter begrenzter Voraussicht \r\n \r\nDie Teilnahme an den europäischen Strommärkten kann den Day-Ahead-Handel, den Handel in der Intraday-Auktion und den anschließenden kontinuierlichen Intraday-Handel umfassen. In Deutschland müssen die Gebote für den DayAhead-Handel bis 12 Uhr abgegeben werden /EPEX- 07 18/. Für die deutsche Intraday-Auktion müssen die Gebote bis 15 Uhr abgegeben werden /EPEX- 07 18/. Danach beginnt der kontinuierliche Intraday-Handel. Die Modellierung der fortlaufenden Vermarktung auf Spotmärkten mit realen Handelszeiten führt zu der Anforderung, das Modell als rollierendes Optimierungsmodell zu formulieren. \r\nIn /FFE-116 20/ wird das entwickelte rollierende Optimierungsmodell vorgestellt. Bei jedem Optimierungsschritt wird der Startpunkt des Optimierungszeitraums drei Stunden nach vorne gesetzt. Es wird eine begrenzte Prognose von zwei bis drei Tagen modelliert. Abbildung 2-4 zeigt, dass je nach Startzeitpunkt des Optimierungszeitraums unterschiedliche Preise durch den Day-Ahead- und Intraday-Markt gesetzt werden. Für den Startzeitpunkt um 12 Uhr werden z. B. für die ersten 12 Stunden Preise aus dem kontinuierlichen Intraday-Handel gesetzt, für den Folgetag (d+1) Preise aus dem Day-Ahead-Markt und für einen weiteren Folgetag (d+2) eine Day-Ahead-Preisprognose. \r\nDurch die aufeinanderfolgenden Optimierungsläufe für einen identischen Zeitraum ergeben sich Möglichkeiten von Countertrades in den verschiedenen Märkten. Gekaufte oder verkaufte Energie auf dem Day-Ahead-Markt kann in der Intraday-Auktion oder im kontinuierlichen Intraday-Handel durch Countertrades kompensiert werden, so dass letztlich keine physikalische Erbringung notwendig wird. Eine genauere Beschreibung der konsekutiven rollierenden Optimierung findet sich in /FFE-116 20/. \r\n \r\n \r\n \r\nAbbildung 2-4: Schematische Darstellung der rollierenden Optimierungsläufe mit begrenzter Voraussicht unterschiedlicher Marktpreise nach /FFE-116 20/ \r\nFür die Modellierung der PV-Eigenverbrauchsoptimierung wird eine perfekte Prognose für ein ganzes Jahr angesetzt. \r\nDa es für einen Zeitraum keine aufeinanderfolgenden Aktionen wie z. B. Countertrades in verschiedenen Strommärkten gibt und die Prognose für die PV-Einspeisung im Allgemeinen gut ist, stellt die vereinfachte perfekte Vorausschau einen hinreichend guten Ansatz dar/KER-01 21/. \r\n2.2.3 \tVom Use Case abhängige mathematische Formulierung \r\n \r\nIn den Publikationen /FFE-116 20/ und /KER-01 21/ wird die mathematische Formulierung für den Arbitragehandel mit konsekutiven Spotmärkten /FFE-116 20/ und für die PV-Eigenverbrauchsoptimierung /KER-01 21/ vorgestellt. Des Weiteren wird in /KER-01 21/ die Modellierung der Kombination aus PV-Eigenverbrauchsoptimierung und Arbitragehandel erläutert. In diesem Abschnitt werden die wichtigsten Randbedingungen sowie die Zielfunktionen der verschiedenen Use Cases verglichen. Für eine detailliertere Herleitung der Gleichungen können /FFE-116 20/ und /KER-01 21/ herangezogen werden. \r\nGleichungen (2-1), (2-2) und (2-3) zeigen die verschiedenen Zielfunktionen des vom Use Case abhängigen \r\nOptimierungsproblems. Die Variablen 𝑝𝑒𝑙,𝑏𝑢𝑦, 𝑝𝑒𝑙,𝑏𝑢𝑦,𝑣2𝑔, 𝑝𝑒𝑙,sell, und 𝑝𝑒𝑙,sell,𝑣2𝑔 beziehen sich auf Strommarktpreise, Haushaltspreise oder Einspeisevergütungen. Diese Preise werden mit der Leistung am Netzanschlusspunkt 𝑃𝐺𝐶𝑃,𝑖𝑛, \r\n𝑃𝐺𝐶𝑃,𝑜𝑢𝑡, 𝑃𝐺𝐶𝑃,𝑖𝑛,𝑣2𝑔, und 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡,𝑣2𝑔 oder, im Falle von V2G, mit der Leistung der EFZ 𝑃𝐸𝑉,𝑐, 𝑃𝐸𝑉,𝑑, 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑏𝑢𝑦, und 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠𝑒𝑙𝑙 multipliziert. Die Minimierung erfolgt über alle Zeitschritte t einer Periode T. Gleichung (2-1) beschreibt die Minimierung der Haushaltsstromkosten 𝑝𝑒𝑙,𝑏𝑢𝑦(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑖𝑛(𝑡) ∙ ∆𝑡 abzüglich der Einspeisevergütung von PV-Strom \r\n𝑝𝑒𝑙,sell(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡(𝑡) ∙ ∆𝑡 für die PV-Eigenverbrauchsoptimierung (V2H). Unabhängig von der Stromnachfrage der \r\nHaushalte minimiert Gleichung (2-2) die Kosten für den Einkauf von Strom für die EFZ 𝑝𝑒𝑙,𝑏𝑢𝑦(𝑡) ⋅\r\n(𝑃𝐸𝑉,𝑐(𝑡) + 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑏𝑢𝑦) ∙ ∆𝑡 bei gleichzeitiger Maximierung der Erlöse aus verkauftem Strom 𝑝𝑒𝑙,sell(𝑡) ⋅ (𝑃𝐸𝑉,𝑑(𝑡) +\r\n𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠𝑒𝑙𝑙) ∙ ∆𝑡. Dabei werden die Gegengeschäfte 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑏𝑢𝑦 und 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠𝑒𝑙𝑙 in aufeinanderfolgenden Spotmärkten (V2G) berücksichtigt. Für die Kombination von V2H und V2G (Komb) fasst Gleichung (2-3) diese Optimierungen aus Komplexitätsgründen ohne Berücksichtigung von Gegengeschäften zusammen. In Gleichung (2-3) werden die V2G-\r\nPreise 𝑝𝑒𝑙,𝑏𝑢𝑦 und 𝑝𝑒𝑙,𝑠𝑒𝑙𝑙 auf 𝑝𝑒𝑙,𝑏𝑢𝑦,𝑣2𝑔 und 𝑝𝑒𝑙,sell,𝑣2𝑔 übertragen, um eine andere Preisbildung für den \r\nArbitragehandel als für die Haushalte zu ermöglichen. Die Lade- und Entladeleistungen von V2G 𝑃𝐸𝑉,𝑐 und 𝑃𝐸𝑉,𝑑 werden übertragen auf 𝑃𝐺𝐶𝑃,𝑖𝑛,𝑣2𝑔 und 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡,𝑣2𝑔, um die Stromflüsse für V2G von den Stromflüssen der Haushalte zu differenzieren. Da sich die Preise in den Gleichungen (2-1) bis (2-3) auf Energien beziehen, werden alle Leistungsgrößen mit dem entsprechenden Zeitrahmen ∆𝑡 multipliziert. \r\n𝑇\r\nV2H \t𝑚𝑖𝑛 ( ∑[𝑝𝑒𝑙,𝑏𝑢𝑦(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑖𝑛(𝑡) ∙ ∆𝑡 − 𝑝𝑒𝑙,𝑠𝑒𝑙𝑙(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡(𝑡) ∙ ∆𝑡] ) (2-1) 𝑡=1\r\n𝑇\r\n𝑚𝑖𝑛 ( ∑[𝑝𝑒𝑙,𝑏𝑢𝑦(𝑡) ⋅ (𝑃𝐸𝑉,𝑐(𝑡) + 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑏𝑢𝑦) ∙ ∆𝑡                  \r\n\tV2G \t𝑡=1\t(2-2) \r\nZiel-\r\nfunk-\t− 𝑝𝑒𝑙,𝑠𝑒𝑙𝑙(𝑡) ⋅ (𝑃𝐸𝑉,𝑑(𝑡) + 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠𝑒𝑙𝑙) ∙ ∆𝑡] ) tionen \r\n𝑇\r\n𝑚𝑖𝑛 ( ∑[𝑝𝑒𝑙,𝑏𝑢𝑦(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑖𝑛(𝑡) ∙ ∆𝑡 − 𝑝𝑒𝑙,𝑠𝑒𝑙𝑙(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡(𝑡) ∙ ∆𝑡      \r\n𝑡=1\r\n\tKomb \t+ 𝑝𝑒𝑙,𝑏𝑢𝑦,𝑣2𝑔(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑖𝑛,𝑣2𝑔(𝑡) ∙ ∆𝑡                       \t(2-3) \r\n− 𝑝𝑒𝑙,𝑠𝑒𝑙𝑙,𝑣2𝑔(𝑡) ⋅ 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡,𝑣2𝑔(𝑡) ∙ ∆𝑡] ) \r\nGleichungen (2-4), (2-5) und (2-6) schränken die Leistungsflüsse am Netzanschlusspunkt ein. Gleichung (2-4) umfasst die Leistungsflüsse aller modellierten Anlagen eines Haushalts für V2H. Gleichung (2-5) bezieht sich auf den Arbitragehandel und beschränkt die Leistungsflüsse der EFZ auf die Leistungsflüsse des Netzanschlusspunkts. Standby-Verluste des EFZs und der Wallbox 𝑃𝐸𝑉,𝑙,𝑠 werden in /FFE-116 20/ für V2G vernachlässigt, da die Betriebsstunden deutlich höher sind als bei V2H. Aus regulatorischen Gründen wurde hier zunächst ein separater Netzanschlusspunkt für das Elektrofahrzeug modelliert /FFE-116 20/. Gleichung (2-6) kombiniert V2H und V2G, indem ergänzend zu Gleichung (2-4) eine separate modellierte Leistungseinspeisung 𝑃𝐺𝐶𝑃,𝑖𝑛,𝑣2𝑔(𝑡)  und -ausspeisung 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡,𝑣2𝑔(𝑡) für den Use Case V2G eingeführt wird. \r\nLeistungserhaltung \r\nGCP \tV2H \r\nV2G \t𝑃𝐺𝐶𝑃,𝑖𝑛(𝑡) − 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡(𝑡) = 𝑃𝐻𝐻,𝑒𝑙(𝑡) + 𝑃𝑊𝑃,𝑒𝑙(𝑡) − 𝑃𝑃𝑉(𝑡) +𝑃𝑃𝑉,𝑐𝑢𝑟𝑡(𝑡) + 𝑃𝑆𝐵𝑆,𝑐(𝑡) − 𝑃𝑆𝐵𝑆,𝑑(𝑡) + 𝑃𝐸𝑉,𝑐(𝑡) − 𝑃𝐸𝑉,𝑑(𝑡) + 𝑃𝐸𝑉,𝑙,𝑠(𝑡) \r\n𝑃𝐺𝐶𝑃,𝑖𝑛(𝑡) − 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡(𝑡)\r\n= 𝑃𝐸𝑉,𝑐(𝑡) − 𝑃𝐸𝑉,𝑑(𝑡) + 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑝(𝑡) − 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠(𝑡) \t(2-4) \r\n(2-5) \r\n\tKomb \t𝑃𝐺𝐶𝑃,𝑖𝑛(𝑡) − 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡(𝑡) + 𝑃𝐺𝐶𝑃,𝑖𝑛,𝑣2𝑔(𝑡) − 𝑃𝐺𝐶𝑃,𝑜𝑢𝑡,𝑣2𝑔(𝑡)  = 𝑃𝐻𝐻,𝑒𝑙(𝑡) + 𝑃𝑊𝑃,𝑒𝑙(𝑡) − 𝑃𝑃𝑉(𝑡) + 𝑃𝑃𝑉,𝑐𝑢𝑟𝑡(𝑡)\t(2-6) \r\n+ 𝑃𝑆𝐵𝑆,𝑐(𝑡) − 𝑃𝑆𝐵𝑆,𝑑(𝑡) + 𝑃𝐸𝑉,𝑐(𝑡) − 𝑃𝐸𝑉,𝑑(𝑡) + 𝑃𝐸𝑉,𝑙,𝑠(𝑡) \r\nEine weitere elementare Randbedingung der Use Cases ist die Energieerhaltung des EFZ-Speichers 𝐸𝐸𝑉. Gleichung (2-7) formuliert diese Randbedingung für V2H und die Kombination der Use Cases unter Berücksichtigung der konstanten Lade- und Entladeverluste des Fahrzeugs 𝑃𝐸𝑉,𝑙,𝑐𝑜𝑛𝑠𝑡,𝑐/𝑑, der Lade- und Entladeentscheidung 𝑏𝐸𝑉,𝑐/𝑑 und der Lade- und Entladeverluste des EFZs und der Wallbox 𝑃𝐸𝑉,𝑙,𝑐/𝑑. Gleichung (2-8) schränkt die Energieerhaltung des EFZ-Speichers unter Berücksichtigung von Gegengeschäften 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠 und 𝑃𝐸𝑉,𝑐𝑜𝑢,𝑝 ein und modelliert die Verluste durch einen festen Lade- und Entladewirkungsgrad µ𝐸𝑉,𝑐/𝑑 für V2G. Der Zeitplan der zuvor vermarkteten Leistung wird in der Variablen 𝑃𝑠𝑐ℎ𝑒𝑑 gespeichert. Öffentliches Laden 𝐸𝐸𝑉,𝑝𝑢𝑏,𝑐 und Fahrtenergie 𝐸𝐸𝑉,𝑑𝑟𝑖𝑣𝑒 wirken sich ebenfalls auf den Ladezustand (state of charge SoC) aus. \r\n𝐸𝐸𝑉(𝑡) = 𝐸𝐸𝑉(𝑡 − 1) + [𝑃𝐸𝑉,𝑐(𝑡) − 𝑃𝐸𝑉,𝑙,𝑐(𝑡)] ∙ ∆𝑡 \r\nV2H/  \r\nKomb \r\nSpeicherung von Energie  im EFZ \t(2-7) \r\n−[𝑃𝐸𝑉,𝑑(𝑡) + 𝑃𝐸𝑉,𝑙,𝑑(𝑡)] ∙ ∆𝑡 − 𝑃𝐸𝑉,𝑙,𝑐𝑜𝑛𝑠𝑡,𝑐/𝑑 ∙ [𝑏𝐸𝑉,𝑐(𝑡)\r\n+ 𝑏𝐸𝑉,𝑑(𝑡)] ∙ ∆𝑡 + 𝐸𝐸𝑉,𝑝𝑢𝑏,𝑐(𝑡) − 𝐸𝐸𝑉,𝑑𝑟𝑖𝑣𝑒(𝑡) \r\n \t \r\nV2G \t𝐸𝐸𝑉(𝑡) = 𝐸𝐸𝑉(𝑡 − 1) + 𝑃𝐸𝑉,𝑐(𝑡) ∙ µ𝐸𝑉,𝑐 ∙ ∆𝑡 \r\n\t𝑃𝐸𝑉,𝑑(𝑡)\t𝑃𝐸𝑉,𝑐𝑜𝑢,𝑝(𝑡)\t(2-8) \r\n−𝑃𝐸𝑉,𝑐𝑜𝑢,𝑠(𝑡) ∙ µ𝐸𝑉,𝑐 ∙ ∆𝑡 −   ∙ ∆𝑡 +   ∙ ∆𝑡\r\n\tµ𝐸𝑉,𝑑\tµ𝐸𝑉,𝑑\r\n+ 𝑃𝑠𝑐ℎ𝑒𝑑 ∙ ∆𝑡 + 𝐸𝐸𝑉,𝑝𝑢𝑏,𝑐(𝑡) − 𝐸𝐸𝑉,𝑑𝑟𝑖𝑣𝑒(𝑡) \r\nFür alle betrachteten Use Cases gelten zudem die Gleichungen (2-9) und (2-10), welche den SoC des EFZs weiter einschränken. Gleichung (2-9) legt den minimalen SoC in Abhängigkeit von der maximalen Batteriekapazität des Fahrzeugs 𝐸𝐸𝑉,𝑚𝑎𝑥 und einem parametrierten Sicherheitsladezustand 𝑆𝑜𝐶𝑠𝑎𝑓𝑒 fest. Dies gilt für alle Zeitschritte 𝑐𝐸𝑉,𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒𝑑, in denen das Elektrofahrzeug an die Wallbox angeschlossen ist. Diese Begrenzung des SoCs wird eingeführt, damit der Nutzer aus Sicherheitsgründen jederzeit zumindest bis zum nächsten Krankenhaus fahren kann. Gleichung (2-10) schränkt den minimalen Ladezustand 𝑆𝑜𝐶𝑑𝑒𝑝 für den Zeitpunkt der Abfahrt 𝑐𝐸𝑉,𝑑𝑒𝑝 des Fahrzeugs in Abhängigkeit von der EFZ-Batteriekapazität 𝐸𝐸𝑉,𝑚𝑎𝑥 ein. Dies ist wiederum auf die realitätsnahe Modellierung des Nutzers zurückzuführen, der einen gewünschten Mindest-SoC-Wert für die Abfahrt des Fahrzeugs angeben kann. \r\nSicherheits-  \t\t\r\nSoC \tV2H/  \r\nV2G/  \r\nAbfahrts-\tKomb \r\nSoC \t𝐸𝐸𝑉(𝑡) ≥ 𝑆𝑜𝐶𝑠𝑎𝑓𝑒 ∙ 𝐸𝐸𝑉,𝑚𝑎𝑥 ∙ 𝑐𝐸𝑉,𝑐𝑜𝑛𝑛𝑒𝑐𝑡𝑒𝑑(𝑡) \r\n𝐸𝐸𝑉(𝑡) ≥ 𝑆𝑜𝐶𝑑𝑒𝑝 ∙ 𝐸𝐸𝑉,𝑚𝑎𝑥 ∙ 𝑐𝐸𝑉,𝑑𝑒𝑝(𝑡) \t(2-9) \r\n(2-10) \r\nDie hier gezeigte mathematische Formulierung der Use Cases zeigt grundlegende Unterschiede in der Modellierung auf. In /FFE-116 20/ und /KER-01 21/ werden zahlreiche weitere Randbedingungen eingeführt, um eine realistische Ausgestaltung der Use Cases zu modellieren. So ist beispielsweise die gleichzeitige Kombination von V2G und V2H aus regulatorischen Gründen eingeschränkt und die Modellierung von Gegengeschäften wird für V2G ausführlicher beschrieben. Die Abbildung weiterer Use Cases baut auf dieser Modellierung auf. In einer weiteren Publikation wurde beispielsweise die Modellierung des Use Cases der Spitzenlastkappung aufgezeigt und untersucht /FFE-73 21/. \r\n2.3 \tErlöspotenziale und ihre wichtigsten Einflussfaktoren \r\n \r\nIm Folgenden werden in Abschnitt 2.3.1 Erlöspotenziale für die PV-Eigenverbrauchsoptimierung als V2H Use Case auf der Grundlage von /KER-01 21/ vorgestellt. Abschnitt 2.3.2 zeigt Erlöspotenziale für den Arbitragehandel als V2G Use Case auf Basis von /FFE-116 20/ auf. Anschließend werden in Abschnitt 2.3.3 diese Use Cases für eine Bewertung der zusätzlichen Erlöse auf der Grundlage von /KER-01 21/ kombiniert. Detailliertere Beschreibungen der Parameterannahmen und Erlösabschätzungen sind in /FFE-116 20/ und /KER-01 21/ zu finden. \r\n2.3.1 \tPV-Eigenverbrauchsoptimierung \r\n \r\nFür die Bewertung der Erlöspotenziale aus der PV-Eigenverbrauchsoptimierung wird ein mittelgroßer Haushalt (durchschnittlicher jährlicher Strombedarf von 3.800 kWh) mit einer 5,5 kWp PV-Anlage und ein Nutzertyp (kein regelmäßiger Pendler) definiert, für den 20 verschiedene Instanzen modelliert werden. Die durchschnittlichen Erlöse für einen solchen mittelgroßen Haushalt liegen bei ca. 210 €/a für ein gesteuert ladendes Elektrofahrzeug im Vergleich zu einem ungesteuert ladenden Elektrofahrzeug und bei ca. 310 €/a für ein bidirektionales Elektrofahrzeug im Vergleich zu einem ungesteuert ladenden Elektrofahrzeug. \r\nBasierend auf diesem mittleren Haushalt und Nutzer sind in Abbildung 2-5 (a) zahlreiche Sensitivitäten zu dieser \r\nGrundkonfiguration (Szenario Basis) abgebildet. Die lineare Programmierung mit festen Lade- und Entladewirkungsgraden (Basis linear) führt zu 30 % überschätzten Erlösen für ein bidirektionales EFZ. Daraus wurde in /KER-01 21/ gefolgert, dass die Modellierung fester Lade- und Entladewirkungsgrade für V2H nicht zulässig ist. Ein Nutzer, der regelmäßig zur Arbeit pendelt (PEN), weist 30 % geringere Erlöse für ein bidirektionales Elektrofahrzeug, aber nur 5 % geringere Erlöse für ein gesteuert geladenes Elektrofahrzeug auf. Da Pendler-EFZ im Durchschnitt einen höheren Jahresverbrauch und damit ein größeres Potenzial für gesteuertes Laden haben, gleicht dies die geringere Verfügbarkeit aus. Die Integration anderer intelligenter Komponenten in das Haus, wie Wärmepumpen \r\n(Szenario WP), stationäre Batteriespeicher (Szenario SBS) oder eine Kombination dieser Komponenten (Szenario WP SBS), reduziert die Erlöse eines gesteuert geladenen oder bidirektionalen Elektrofahrzeugs erheblich. Diese anderen intelligenten Komponenten nutzen ebenfalls die günstigere PV-Energie und konkurrieren somit mit dem EFZ. Die Korrelation zwischen den Erlösen und dem PV-Eigenverbrauch ist in Abbildung 2-5 (b) ersichtlich. In den Szenarien, in denen die PV-Nutzung gesteigert werden kann, steigen auch die Erlöse. \r\n \r\n\t(a)\t(b)\r\n \r\n \r\nAbbildung 2-5: \t(a): Erträge durch PV-Eigenverbrauchsoptimierung von gesteuert geladenen und bidirektionalen \r\nElektrofahrzeugen in Abhängigkeit von Haushaltskonfiguration und Nutzertyp; (b): PVEigenverbrauch in Abhängigkeit von Elektrofahrzeug-Ladestrategie, Haushaltskonfiguration und Nutzertyp \r\nEs gibt zahlreiche weitere quantitative Einflussfaktoren, die sich auf die Erlöspotenziale von gesteuert geladenen und bidirektionalen Elektrofahrzeugen auswirken. Abbildung 2-6 zeigt ausgehend vom Haushalts- und Nutzerszenario Basis (dargestellt durch den zentralen Punkt im Diagramm) auf, wie sich eine Erhöhung oder Verringerung der \r\nEinflussfaktoren auf die Erlöse auswirkt. Je steiler die Kurve im Diagramm ist, desto größer ist die Auswirkung des Einflussfaktors. Die installierte Leistung und Einspeisevergütung der PV-Anlage beeinflussen die Erlöse maßgeblich. \r\nEine niedrigere Einspeisevergütung führt zu höheren Erlösen, da die Spanne zwischen Haushaltsstrompreis und Einspeisevergütung steigt und somit der Eigenverbrauch von PV-Energie rentabler wird. Im Gegensatz dazu haben die Parameter der EFZ nur einen geringen Einfluss auf die Erlöse. Da die Stromflüsse in einem Haushalt klein sind, hat eine kleinere oder größere Leistung der Wallbox sowie eine kleinere oder größere EFZ-Batteriekapazität kaum Auswirkungen auf die Erlöse. Im Zuge der Energiekrise und des starken Anstiegs der Strompreise in Europa seit Ende 2021 /FFE-47 22/ sind die Börsenstrompreise in Europa und damit auch die Haushaltsstrompreise stark gestiegen. Daher wurde der Haushaltsstrompreis zu den in /KER-01 21/ analysierten Einflussfaktoren hinzugefügt. Es zeigt sich, dass die Erlösänderungen bei Änderungen des Haushaltsstrompreises einen noch höheren absoluten Gradienten aufweisen als bei der PV-Einspeisevergütung. Dies liegt daran, dass die absolute Differenz zwischen dem Haushaltsstrompreis und der PV-Einspeisevergütung für die Erlöspotenziale entscheidend ist. Eine relative Erhöhung der Einspeisevergütung um 70 % und eine relative Senkung des Haushaltsstrompreises um ein Drittel führen gleichermaßen zu einer reduzierten Spanne zwischen Haushaltsstrompreis und PV-Einspeisevergütung von 10 ct/kWh. Die Erlöse sinken in beiden Fällen um 65 %. In einem Max-Szenario mit den attraktivsten Ausprägungen der Einflussfaktoren steigen die Erlöse auf 1.300 €/a für das bidirektionale Elektrofahrzeug und 750 €/a für das gesteuert geladene EFZ, was das hohe Erlöspotenzial des Use Cases aufzeigt.  \r\nInsgesamt ist der Use Case der PV-Eigenverbrauchsoptimierung durch gesteuert geladene oder bidirektionale EFZ sehr sensitiv. Um die Erlöse abzuschätzen, ist es notwendig, die genaue Konfiguration des Haushalts und des Nutzers zu kennen. Der wichtigste Einflussfaktor ist die Spanne zwischen Haushaltsstrompreisen und PV-Einspeisevergütung. \r\nJe höher die Spanne ist, desto höher sind die Erlöspotenziale. \r\n \r\n \r\n\t(a)\t(b)\r\n \r\n \r\nAbbildung 2-6: \tAuswirkung der wichtigsten Einflussfaktoren auf die Erträge der PV-Eigenverbrauchsoptimierung für gesteuert ladende EFZ (links) und bidirektionale EFZ (rechts) basierend auf /KER-01 21/ \r\nZu den Erlöspotenzialen der PV-Eigenverbrauchsoptimierung wurde ein Online-Tool veröffentlicht, mit dem in wenigen Schritten das Einsparpotenzial durch gesteuertes bzw. bidirektionales Laden eines Elektrofahrzeuges in Kombination mit einer PV-Anlage berechnet werden kann. \r\n2.3.2 \tZeitliche Arbitrage \r\n \r\nFür die Bewertung des Arbitragehandels auf den deutschen Spotmärkten im Jahr 2019 stellt Abbildung 2-7 die Erlöse von gesteuert geladenen und bidirektionalen Elektrofahrzeugen in Abhängigkeit von der EFZ- und WallboxKonfiguration, dem Nutzertyp und dem jeweiligen Markt dar. Die Erlöse beziehen sich auf die Differenz der Kosten von gesteuertem und bidirektionalem Laden im Vergleich zu ungesteuertem Laden. Für diese erste Analyse wird eine Befreiung von Steuern, Abgaben und Umlagen für geladenen Strom angenommen, der zwischengespeichert und später wieder entladen wird. \r\nEs lassen sich verschiedene Einflussfaktoren identifizieren, die sich stark auf die Erlöse von bidirektionalen EFZ auswirken. Die Vermarktung am Intraday-Markt kann aufgrund der höheren Preisvolatilität 50 % bis 100 % höhere Erlöse erzielen als die Vermarktung am Day-Ahead-Markt. Eine konsekutive Vermarktung auf dem Day-Ahead- und Intraday-Markt kann das Erlöspotenzial um weitere 10 % gegenüber dem Intraday-Handel erhöhen. Darüber hinaus haben eine höhere Batteriekapazität der Elektrofahrzeuge und eine höhere Lade- und Entladeleistung der Wallbox einen stark erlössteigernden Effekt. Nicht-Pendler können durch die Teilnahme am Strommarkt im Durchschnitt etwa 15 % höhere Erlöse erzielen als Pendler. Gesteuertes Laden führt zu Erlösen, die nur 5 bis 25 % der Erlöse von bidirektionalen Elektrofahrzeugen betragen. Diese Erlöse hängen nur geringfügig von der Konfiguration der Elektrofahrzeuge und der Wallbox ab, aber stärker von dem gewählten Markt. Allerdings sind die Erlöspotenziale von gesteuert geladenen EFZ gering, so dass gesteuertes Laden für den Use Case Arbitragehandel weit weniger relevant ist als für den Use Case der PV-Eigenverbrauchsoptimierung. \r\n \r\n \r\n \r\nAbbildung 2-7: Erlöspotenziale des Arbitragehandels in verschiedenen Spotmärkten für unterschiedliche EFZ- und Nutzertypen im Jahr 2019 in Deutschland, dargestellt in /FFE-116 20/ \r\nZwei weitere sehr wichtige Einflussfaktoren, die das Erlöspotenzial beeinflussen, sind die Regulatorik und damit die \r\nSteuern, Abgaben und Umlagen, die auf den zwischengespeicherten Strom gezahlt werden müssen, sowie die \r\nVolatilität der Strompreise. Abbildung 2-8 zeigt die Auswirkung dieser Einflussfaktoren für ein Nicht-PendlerElektrofahrzeug mit einer Batteriekapazität von 100 kWh und einer Lade- und Entladeleistung von 11 kW. \r\nAbbildung 2-8 (a) zeigt, dass die Erlöse (hier am Beispiel des Intraday-Marktes) mit zunehmender Höhe der Steuern, Abgaben und Umlagen auf den zwischengespeicherten Strom stark abnehmen. In Deutschland sind Speicher von vielen Steuern, Abgaben und Umlagen auf geladenen Strom, der später entladen wird, befreit. Das BDL-Projekt hat hierzu ein Positionspapier veröffentlicht, das die Möglichkeiten der Befreiung von Steuern, Umlagen und Abgaben detailliert darstellt /FFE-35 22/. Im Falle einer regulatorischen Einstufung von bidirektionalen Elektrofahrzeugen als Speichersysteme fallen reduzierte Steuern, Abgaben und Umlagen auf zwischengespeicherten Strom an. Für die \"StromNEV\"-Umlage (abhängig vom jährlichen Energiedurchsatz im Speicher) und die \"AbLaV\"-Umlage gibt es derzeit keine Befreiungsmöglichkeit. Ein Heimspeicher muss zudem eine Konzessionsabgabe auf den geladenen Strom an die Stadt oder Gemeinde zahlen, was bei einem großen Batteriespeicher oder einem Pumpspeichersystem nicht zwingend der Fall ist /FFE-35 22/. Die Belastungen durch Steuern, Abgaben und Umlagen führen zu den in Abbildung 2-8 (a) dargestellten Mindererlösen bei einer regulatorischen Einordnung als Pumpspeicherkraftwerk, stationärer Großbatteriespeicher oder Heimspeichersystem. Da selbst bei der intuitiven regulatorischen Einordnung eines bidirektionalen Elektrofahrzeugs als Heimspeicher die Erlöspotenziale um fast 70 % sinken, sollten weitere Befreiungen von Steuern, Abgaben und Umlagen geschaffen werden, um den Arbitragehandel ökonomisch zu ermöglichen. \r\nAbbildung 2-8 (b) zeigt die Abhängigkeit der Erlöspotenziale von bidirektionalen Elektrofahrzeugen von der Charakteristik der Strompreise, die sich in den Jahren 2020 bis 2050 deutlich verändert. Die zugrundeliegenden Strompreise sind durch das Energiesystemmodell ISAaR /FFE-28 22/ modelliert, welches in Kapitel 4 näher beschrieben ist. Die Volatilität der Strompreise, in der Abbildung dargestellt durch die durchschnittliche tägliche Standardabweichung der Strompreise über ein Jahr, nimmt im betrachteten Szenario in den Folgejahren stark zu. Aufgrund des starken Ausbaus der volatilen erneuerbaren Energien, die eine hohe Gleichzeitigkeit in der \r\nStromerzeugung aufweisen, gibt es zahlreiche Zeiten mit sehr niedrigen Strompreisen. Zusätzlich gibt es zunehmend \r\nZeiten mit hohen Strompreisen aufgrund höherer Brennstoffkosten und CO2-Preise, die die Grenzkosten thermischer \r\nKraftwerke erhöhen. Insgesamt führt dies zu einer stark zunehmenden mittleren täglichen Standardabweichung des \r\nStrompreises. Die Erlöspotenziale korrelieren sehr stark mit der täglichen Standardabweichung des Strompreises, da bidirektionale EFZ oft als Tagesspeicher fungieren. Der Einfluss der Strompreisvolatilität wird auch in /FFE-116 20/ durch die Modellierung der Erlöspotenziale von bidirektionalen Elektrofahrzeugen in 28 verschiedenen europäischen Ländern für das Jahr 2019 aufgezeigt. Die Erlöse für die modellierten Elektrofahrzeuge auf dem Day-Ahead-Markt variieren zwischen 50 €/EFZ/a in Norwegen und 700 €/EFZ/a in Ungarn. Im Zuge der Energiekrise im Jahr 2021 hat die Strompreisvolatilität stark zugenommen, so dass im Jahr 2021 die durchschnittliche tägliche Standardabweichung des Day-Ahead-Preises mit 24,5 €/MWh fast dreimal so hoch war wie im Jahr 2019 /FFE- 47 22P/. Dementsprechend sind auch die Erlöspotenziale um etwa das Dreifache gestiegen. \r\n \r\n\t0\t10\t20\t30\t40\t50\t60\t70\t80\t90\t100\t2020\t2030\t2040\t2050\r\n\tSteuern, Abgaben und Umlagen in €/MWh\tJahr\r\nErlöse\r\n  Bidirektionales Laden\t  Gesteuertes Laden Mittlere, tägliche Standardabweichung der Day-Ahead-Preise\r\n\t(a)\t(b)\r\n \r\n \r\nAbbildung 2-8: Erlöspotenziale in Abhängigkeit von der Regulatorik (a) und von der Strompreisvolatilität (b) auf Basis von /FFE-116 20/ \r\nZusammenfassend lässt sich sagen, dass die Erlöspotenziale des Use Cases Arbitragehandel ebenfalls sehr sensitiv sind, ebenso wie die der PV-Eigenverbrauchsoptimierung. Im Gegensatz zur PV-Eigenverbrauchsoptimierung sind die Einflussfaktoren Strompreisvolatilität, regulatorische Rahmenbedingungen sowie die EFZ- und WallboxEigenschaften von großer Bedeutung. Weitere Einflussfaktoren, wie z. B. das Nutzerverhalten und die Liquidität der Spotmärkte, werden in /FFE-116 20/ diskutiert. \r\n2.3.3 \tKombination von PV-Eigenverbrauchsoptimierung und zeitlicher Arbitrage \r\n \r\nBei der kombinierten Modellierung von PV-Eigenverbrauchsoptimierung und Arbitragehandel ist der Arbitragehandel aus Komplexitätsgründen auf den Day-Ahead-Markt beschränkt. Aus regulatorischer Sicht ist eine gleichzeitige Umsetzung von V2H und V2G eine Herausforderung, da der PV-Strom dann über das Elektrofahrzeug in das Netz eingespeist werden könnte und somit möglicherweise verringerte Steuern, Abgaben und Zuschläge für später gekauften Strom bezahlt werden müssten. Daher wird die tägliche Nutzung entweder auf V2H oder V2G beschränkt, so dass auch saisonale Charakteristiken analysiert werden können. Für den Handel auf dem Strommarkt wird in dieser Studie eine Befreiung von Steuern, Abgaben und Zuschlägen angenommen. \r\nAbbildung 2-9 zeigt im oberen Diagramm zunächst die wöchentliche Standardabweichung der Strompreise und die wöchentliche PV-Erzeugung des mittleren Haushalts (siehe Abschnitt 2.3.1). Im unteren Teil von Abbildung 2-9 ist der Anteil von V2G und V2H dargestellt, der von den 20 modellierten Haushalten genutzt wird. Es ist zu erkennen, dass die V2H-PV-Eigenverbrauchsoptimierung in den Sommermonaten von April bis September deutlich bevorzugt wird. Beim Vergleich der Diagramme lässt sich ein Zusammenhang mit der PV-Einspeisung erkennen. Im Gegensatz dazu wird V2G eher in den Wintermonaten eingesetzt, wenn die Spreads der Strompreise am Spotmarkt etwas höher sind, was sich in der höheren Standardabweichung ausdrückt. Daraus lässt sich ableiten, dass V2H und V2G aufgrund ihrer saisonal unterschiedlichen Erlöspotenziale prinzipiell sehr gut kombiniert werden können. \r\nAus Erlössicht bringt die Kombination der Use Cases PV-Eigenverbrauchsoptimierung und Arbitragehandel einen deutlichen Mehrwert. So können die Erlöse des mittleren Haushalts um 70 % von 310 €/a auf 530 €/a gesteigert werden. Interessanterweise reduzieren sich die tatsächlichen V2H-Erlöse nur geringfügig, da V2H in den Wintermonaten aufgrund der geringen PV-Einspeisemengen kaum durchgeführt wird. Selbst bei einer modellierten \r\nBegrenzung der Betriebsstunden (englisch: Operating Hours OHs) und der äquivalenten Vollzyklen der Batterie (englisch: Equivalent Full Cycles EFCs) auf 5 OHs/d bzw. 130 EFCs/a können durch die Use-Case-Kombination noch signifikante Mehrerlöse von 100 €/a erzielt werden. \r\n \r\nAbbildung 2-9: Täglicher Anteil der Haushalte, die V2H und V2G nutzen (untere Abbildung), korreliert mit der wöchentlichen Standardabweichung der Strompreise und der wöchentlichen PV-Erzeugung (obere Abbildung) basierend auf /KER-01 21/ \r\n2.4 \tProfitabilität des bidirektionalen Ladens \r\n \r\nUm die wirtschaftliche Profitabilität von bidirektionalen Elektrofahrzeugen in den Use Cases PVEigenverbrauchsoptimierung oder Arbitragehandel zu bewerten, müssen zusätzlich zu den im vorherigen Abschnitt genannten Erlösen die zusätzlichen Kosten des bidirektionalen Ladens berücksichtigt werden. \r\n2.4.1 \tZusätzliche Kosten des bidirektionalen Ladens \r\n \r\nAuf der Grundlage von Recherchen und Diskussionen mit Experten im Rahmen des BDL-Projekts wurden die folgenden zusätzlichen Kostenkomponenten für das bidirektionale Laden von EFZ ermittelt: \r\n•\tBidirektionale Wallbox \r\n•\tInstallation der bidirektionalen Wallbox \r\n•\tBetrieb der bidirektionalen Wallbox \r\n•\tInstallation und Betrieb von zusätzlichen Messeinrichtungen \r\n•\tZusätzliche Hardware/Software  \r\n•\tMehrkosten der Bidirektionalität im EFZ  \r\n•\tZusätzliche Betriebskosten der Bidirektionalität im EFZ \r\n•\tZusätzliche Gebühren für Registrierung und Genehmigungen \r\nDetaillierte Informationen zu den zusätzlichen Kosten finden sich in /FFE-16 22/. Für die Anschaffung und Installation der bidirektionalen Wallbox, die Installation und den Betrieb zusätzlicher Messeinrichtungen und zusätzlicher Hardware wurden im Rahmen des BDL-Projekts Kosten und Kostenprognosen ermittelt. Die Betriebskosten der bidirektionalen Wallbox durch zusätzliche Verluste sind in der Erlösmodellierung enthalten. Die zusätzlichen Anschaffungs- und Betriebskosten des bidirektionalen EFZs können nur schwierig quantifiziert werden. Da \r\nVolkswagen als ein Beispiel für einen Elektrofahrzeughersteller das bidirektionale Laden in Zukunft als Standard sieht /VW-02 21/, ist es auch denkbar, dass keine zusätzlichen Investitionskosten für ein bidirektionales EFZ anfallen könnten, zumindest nicht für Modelle der Oberklasse. Die Kosten für zusätzliche Registrierung- und Genehmigungsprozesse werden mit Null angesetzt, da es ungewiss ist, ob dafür zusätzliche Kosten anfallen werden. \r\nTabelle 2-1 zeigt die prognostizierte Entwicklung der zusätzlichen Investitionskosten des bidirektionalen Ladens im Vergleich zum ungesteuerten Laden. Es ist zu erkennen, dass insbesondere im Jahr 2020 die zusätzlichen Investitionskosten durch die Anschaffung der bidirektionalen Wallbox getrieben werden, für die in Zukunft eine deutliche Kostendegression gesehen wird. Die Installation einer bidirektionalen Wallbox ist teurer als die Installation einer Wallbox für ungesteuertes Laden aufgrund von höheren Arbeitskosten durch den komplizierteren Einbau und möglichen notwendigen Wandöffnungen für Leerrohre für die Kommunikation der Wallbox. Die zusätzliche Hardware umfasst entweder einen Optokoppler oder einen zusätzlichen intelligenten Stromzähler. In den kommenden Jahren könnte ein bereits vorhandener intelligenter Stromzähler ausreichen, so dass die zusätzlichen Hardwarekosten auf null reduziert werden könnten. \r\nTabelle 2-1: Zusätzliche Investitionskosten für V2H und V2G in €2021 pro EFZ bzw. Ladepunkt im Vergleich zu ungesteuertem Laden basierend auf /FFE-16 22/ \r\n \r\n \t2020 \t2025 \t2030 \t2035 \t2040 \r\nWallbox-Kauf \t5.300 - 5.700 \t2.000 - 2.100 \t1.400 - 1.500 \t1.100 - 1.200 \t800 - 900 \r\nWallbox-\r\nInstallation \t830 - 880 \t60 - 350 \t60 - 350 \t60 - 350 \t60 - 350 \r\nZusätzliche Hardware \t100 - 450 \t100 - 450 \t0 - 450 \t0 - 450 \t0 - 450 \r\nInsgesamt \t6.230 - 7.030 \t2.160 - 2.900 \t1.460 - 2.300 \t1.160 - 2.000 \t860 - 1.700  \r\n \r\nTabelle 2-2 zeigt die jährlichen Mehrkosten durch zusätzliche moderne Messeinrichtungen und Smart Meter Gateways (SMGWs). SMGWs sind in Deutschland unter bestimmten Umständen verpflichtend, z. B. für Verbraucher mit einem Stromverbrauch von mehr als 6.000 kWh pro Jahr /FFE-20 22/. Da der modellierte mittlere Haushalt mit dem EFZ-Strombedarf einen höheren Stromverbrauch hat, ist das SMGW verpflichtend, unabhängig davon, ob es sich um ein ungesteuert ladendes EFZ oder ein bidirektionales EFZ handelt. Daher wird nur ein zusätzliches modernes Messgerät mit Kosten von 20 €2021/a benötigt. Diese Kosten werden als real konstant angenommen. \r\nTabelle 2-2: Zusätzliche jährliche Kosten für V2H und V2G in €2021 /EFZ/a im Vergleich zu ungesteuertem Laden auf Basis von /FFE-16 22/ \r\n \r\n\t\t\t\r\n \t2020 \t2025 \t2030 \t2035 \t2040 \r\nMesstechnik \t20 \t20 \t20 \t20 \t20 \r\nInsgesamt \t20 \t20 \t20 \t20 \t20  \r\n \r\n2.4.2 \tBewertung der Profitabilität \r\n \r\nFür die abschließende Bewertung der wirtschaftlichen Profitabilität werden die Ergebnisse zu den Erlöspotenzialen bidirektionaler Elektrofahrzeuge aus Abschnitt 2.3 und die zusätzlichen Kosten von bidirektionalen Elektrofahrzeugen im Vergleich zu ungesteuert ladenden EFZ aus Abschnitt 2.4.1 in diesem Abschnitt zusammengeführt. Es werden die drei Investitionszeitpunkte 2020, 2025 und 2030 für ein bidirektionales EFZ betrachtet. Die einmaligen und jährlichen Mehrkosten für bidirektionales Laden im Vergleich zu ungesteuertem Laden ergeben sich aus Tabelle 2-1 und Tabelle 2-2.  \r\nDie Erlöse für den Use Case PV-Eigenverbrauchsoptimierung werden auf Basis von Sensitivitätsanalysen für unterschiedliche PV-Einspeisevergütungen für einen mittleren Haushalt berechnet. Tabelle 2-3 stellt die Erlöse sowie die zugrunde liegende Parametrierung für die Jahre 2020 bis 2030 dar. Die Einspeisevergütung der PVStromerzeugung für das Jahr 2020 wird aus /SOW-01 22/ für eine im Juli 2020 errichtete PV-Anlage mit einer Peakleistung kleiner 10 kW entnommen. Für die Jahre 2025 (5,5 ct/kWh) und 2030 (4 ct/kWh) wird eine weitere Absenkung der PV-Einspeisevergütung entsprechend dem Trend der letzten Jahre angenommen. Im April 2022 beispielsweise wurde die Einspeisevergütung bereits auf 6,5 ct/kWh gesenkt /SOW-01 22/. Alle anderen Parameter, wie die PV-Spitzenleistung (5,5 kW), der Haushaltsstrompreis (29,9 ct/kWh) und die EFZ-Eigenschaften werden entsprechend der Parametrierung in Abschnitt 2.3.1 gesetzt. Der Haushaltsstrompreis wird nominal konstant gehalten, was einer realen Senkung entspricht. Die tatsächliche künftige Entwicklung der Haushaltsstrompreise weist hier große Unsicherheiten auf, insbesondere vor dem Hintergrund der aktuellen Energiekrise. Steigende Haushaltsstrompreise würden zu steigenden Erlöspotenzialen aus der PV-Eigenverbrauchsoptimierung führen, wie in Abschnitt 2.3.1 dargelegt. \r\nTabelle 2-3: V2H-Erlöse basierend auf Haushaltstyp und PV-Einspeisevergütung (Erwartungen) für die Jahre 2020, 2025 und 2030 \r\n \r\n \r\nFür die Folgejahre nach dem Investitionsjahr werden die Erlöse generell als konstant angenommen. Die Parameter des Haushalts ändern sich nicht, die feste Einspeisevergütung wird für einen Zeitraum von 20 Jahren garantiert /DIE-08 21/ und der Haushaltsstrompreis wird als konstant angenommen. Da das Bezugsjahr für die Kosten das Jahr 2021 ist, müssen folglich alle Erlöse noch abgezinst werden. Dazu wird eine durchschnittliche zukünftige Inflationsrate von 1,4 % verwendet, die sich an der durchschnittlichen Inflationsrate in Deutschland von 2012 bis 2021 orientiert /DESTATIS-2221/. Zusätzlich wird ein Realzins von 1,6 %, der die Risikoprämie widerspiegelt, verwendet, was zu einem \r\nNominalzins von 3 % führt. Dieser Nominalzinssatz 𝑖𝑛 von 3 % wird für die Diskontierung der Erlöse 𝑅𝑒𝑣𝑡 eines Zeitschritts t verwendet, um die diskontierten Erträge 𝑅𝑒𝑣0 zu erhalten (siehe Gleichung (2-11)). Die Abzinsungsformel basiert auf /UOV-02 19/. \r\n\t𝑅𝑒𝑣0 = \t 𝑅𝑒𝑣𝑡\t𝑡 \t(2-11) \r\n(1 + 𝑖𝑛)\r\nDer Net Present Value (NPV, Kapitalwert) errechnet sich somit aus der Summe aller Erlöse abzüglich der anfänglichen Investitionskosten 𝑐𝑜𝑠𝑡𝑠𝑖𝑛𝑖𝑡𝑖𝑎𝑙 und der Summe der jährlichen Kosten 𝑐𝑜𝑠𝑡𝑠𝑦𝑒𝑎𝑟𝑙𝑦 auf der Grundlage von /TUM-06 20/: \r\n\t𝑡\t𝑡\r\n\t𝑁𝑃𝑉 = ∑ ( 1𝑅𝑒𝑣+ 𝑖𝑛𝑡 )𝑡 − 𝑐𝑜𝑠𝑡𝑠𝑖𝑛𝑖𝑡𝑖𝑎𝑙 − ∑ 𝑐𝑜𝑠𝑡𝑠𝑦𝑒𝑎𝑟𝑙𝑦 \t(2-12) \r\n\t0\t0\r\nDie jährlichen Kapitelflüsse sowie der NPV für die drei Szenarien mit einer V2H-Investition in den Jahren 2020, 2025 und 2030 sind in Abbildung 2-10 dargestellt. Aufgrund der hohen Investitionskosten für eine bidirektionale Wallbox ist eine Investition in V2H im Jahr 2020 nicht wirtschaftlich. Mit einer Investition in V2H im Jahr 2025 kann jedoch bereits nach sieben Jahren ein positiver Kapitalwert erzielt werden, der am Ende der 15-jährigen Lebensdauer der Wallbox bei 2.300 €2021 liegt. Bei einer Investition im Jahr 2030 wird nach etwas mehr als fünf Jahren ein positiver Kapitalwert erzielt, der am Ende der Lebensdauer der Wallbox auf 2.800 €2021 ansteigt. \r\n2.000\r\n0\r\n-2.000\r\nProfit in €2021\r\n-4.000 -6.000 -8.000\r\n3.000\r\n1.500\r\n\tProfit in €2021\t0\r\n-1.500\r\n-3.000\r\n3.000\r\n1.500\r\n\tProfit in €2021\t0\r\n-1.500\r\n-3.000\r\n \r\nAbbildung 2-10: Profitabilität der V2H-PV-Eigenverbrauchsoptimierung in Abhängigkeit vom Investitionsjahr des bidirektionalen EFZs und der Wallbox \r\nDie Erlöse für die Profitabilitätsberechnung des Use Cases Arbitragehandel am Day-Ahead-Markt werden über die Parametrierung von Tabelle 2-4 bestimmt. Zur besseren Vergleichbarkeit wird die gleiche EFZ- und WallboxParametrierung (einschließlich der gleichen EFZ-Profile) wie bei der Wirtschaftlichkeitsberechnung des Use Cases V2H angenommen, jedoch mit einem festen Lade- und Entladewirkungsgrad. Für zukünftige Jahre wird eine schrittweise Befreiung des geladenen, zwischengespeicherten Stroms von Steuern, Abgaben und Umlagen angenommen. Im Jahr 2025 wird das bidirektionale EFZ als Heimspeichersystem eingestuft und ab 2030 erfolgt eine vollständige Befreiung von Steuern, Abgaben und Umlagen. \r\nDie Vermarktung beschränkt sich auf den Handel auf dem Day-Ahead-Markt. Für das Jahr 2020 werden historische Day-Ahead-Strompreise verwendet /ENTSOE-02 20/. Für zukünftige Jahre werden modellierte Strompreise aus dem \r\nEnergiesystemmodell ISAaR verwendet, die auf Simulationen des zukünftigen europäischen Energiesystems (siehe Abschnitt 4.4) mit bereits integrierten bidirektionalen EFZ (BDL-Szenario) beruhen. Die Volatilität der Strompreiszeitreihen wird durch die mittlere tägliche Standardabweichung in Tabelle 2-4 ausgedrückt. \r\nTabelle 2-4: V2G-Erlöse auf Basis der regulatorischen Rahmenbedingungen, der Strompreischarakteristik sowie der EFZ- und Wallbox-Parametrierung für die Jahre 2020 bis 2040 \r\n \r\n \r\nIm Gegensatz zu den V2H-Erlösen bleiben die V2G-Erlöse im Day-Ahead-Markt nach der Investitionsentscheidung für ein bidirektionales EFZ nicht konstant, sondern verändern sich auf Grundlage der Erlöse in Tabelle 2-4. Da sich eine Anpassung der Regulatorik und eine Änderung der Strompreischarakteristik auch auf frühere Investitionen auswirkt, werden die Erlöse hier bewusst nicht konstant gehalten. Die V2G-Erlöse werden nur mit dem Risikozuschlagssatz von 1,6 % diskontiert, da die Preise im Energiesystemmodell ISAaR real (inflationsbereinigt) modelliert und auf das Basisjahr 2021 bezogen werden. \r\nAbbildung 2-11 zeigt die resultierende Profitabilität des V2G-Arbitragehandels in Abhängigkeit vom Investitionsjahr. Bei einer Investition in V2G im Jahr 2020 ist der Kapitalwert deutlich negativ, da die Erlöse in den Jahren 2020 bis 2030 vor allem aufgrund der Regulatorik gering sind. Die Investition in V2G im Jahr 2025 führt zu einem positiven Kapitalwert nach 12 Jahren. Erst eine spätere Investition im Jahr 2030 führt zu einer kurzen Amortisationszeit von etwa 7 Jahren. Somit kann mit einer Investition in V2G im Jahr 2030 nach 15 Jahren ein NPV von rund 1.650 €2021 erzielt werden. \r\n2.000\r\n0\r\n-2.000\r\nProfit in €2021\r\n-4.000 -6.000\r\n-8.000\r\n1.500\r\n0\r\nProfit in €2021\r\n-1.500 -3.000\r\n3.000\r\n1.500\r\n\tProfit in €2021\t0\r\n-1.500\r\n-3.000\r\n \r\nAbbildung 2-11: \tProfitabilität des V2G-Arbitragehandels in Abhängigkeit vom Investitionsjahr des bidirektionalen EFZs und der Wallbox \r\nZusammenfassend lässt sich sagen, dass bei der untersuchten Parametrierung von Haushalt, EFZ und Wallbox, dem Nutzerverhalten, den regulatorischen Rahmenbedingungen und den Strompreischarakteristika beide Use Cases in den kommenden Jahren profitabel werden können. Die V2H-PV-Eigenverbrauchsoptimierung ist der sicherere wirtschaftliche Use Case, der weniger von den regulatorischen Rahmenbedingungen abhängt. Allerdings ist die Grundvoraussetzung für diesen Use Case der Besitz einer PV-Anlage, so dass dieser nicht für alle Nutzer:innen umsetzbar ist. Im Gegensatz dazu kann der V2G-Arbitragehandel grundsätzlich durch alle Nutzer:innen eines EFZs umgesetzt werden. Weiterhin bringt er durch die Teilnahme am Intraday-Markt zusätzliche Möglichkeiten zur Erlösgenerierung. Schließlich ist es wichtig zu beachten, dass beide Use Cases extrem sensitiv sind, wie in Abschnitt 2.3 erläutert wurde, so dass die abschließende ökonomische Analyse für Nutzer:innen immer mit der realen jeweiligen Parametrierung durchgeführt werden muss. \r\n2.5 \tGeschäftsmodelle und Geschäftsmodellbewertung \r\n \r\nAufbauend auf der Bewertung der Profitabilität der Use Cases für bidirektionales Laden erfolgt die Entwicklung und Analyse möglicher Geschäftsmodelle in diesem Kontext. In der Wissenschaft ist die Geschäftsmodell-Entwicklung und -Bewertung nach wie vor eher ein Randthema und lässt viel Spielraum für Innovation und neue Methodiken. Im BDLProjekt wurde zum einen ein methodisches Vorgehen aufgebaut und angewendet, das es erlaubt, Geschäftsmodelle auf Basis der Use Cases mit Fokus auf Nachhaltigkeit zu entwickeln (Abschnitt 2.5.1). Zum anderen wurde ein Tool zur Geschäftsmodell-Bewertung entworfen und getestet, das es erlaubt, die Praxistauglichkeit der Geschäftsmodelle aus unterschiedlichen Akteursperspektiven zu beleuchten (Abschnitt 2.5.2). \r\n \r\n2.5.1 \tGeschäftsmodell-Entwicklung für bidirektionales Laden \r\n \r\nAuf Basis von bestehender Literatur und Analysen im Bereich der Elektromobilität wurde im Rahmen des Projekts der \r\nFfE-Leitfaden zur Geschäftsmodell-Entwicklung erstellt, der das methodische Vorgehen beschreibt. In Beitrag 5 der Beitragsreihe „Use-Case- und Geschäftsmodellentwicklung“ /FFE-75 22/ findet sich eine Beschreibung des Leitfadens. Abbildung 2-12 veranschaulicht die sechs methodischen Schritte der Geschäftsmodell-Entwicklung. Im Zentrum steht das Flourishing Business Canvas /OCAD-01 14/, in dem das für die Geschäftsmodell-Visualisierung gebräuchliche Business Modell Canvas um eine gesellschaftliche und eine ökologische Komponente erweitert wird. So wird der Fokus der Geschäftsmodell-Analyse neben wirtschaftlichen Betrachtungen auch auf gesellschaftliche und UmweltAspekte gelegt. \r\n \r\nAbbildung 2-12: \tFfE-Leitfaden der Geschäftsmodell-Entwicklung /FFE-75 22/ \r\nFür die BDL Use Cases wurden exemplarische Geschäftsmodelle auf Basis des Leitfadens erstellt /NAZ-01 21/, /SCHMIDT-01 22/. Aufgrund des Umfangs der erstellten Flourishing Business Canvases wird an dieser Stelle auf eine detaillierte Beschreibung und Darstellung verzichtet. Stattdessen lassen sich die wichtigsten Erkenntnisse der Geschäftsmodell-Entwicklung wie folgt zusammenfassen:  \r\n•\tGeschäftsmodelle sollten stets für explizite Use Cases/ Use Case Kombinationen und einen klar definierten Akteur erstellt werden. Nur so können alle Aspekte des Geschäftsmodells konkretisiert werden. \r\n•\tGerade im Kontext der Elektromobilität unterscheiden sich konkrete Geschäftsmodelle stark je nach Akteursperspektive, aus der das Geschäftsmodell betrachtet wird. \r\n•\tDie Komplexität der Geschäftsmodelle variiert stark je nach Use Case, vor allem durch die Anzahl an Stakeholdern, die einen Anteil am Geschäftsmodell haben. \r\n•\tUm einen realen Mehrwert zu generieren, muss detailliertes Wissen bezüglich des Use Cases und der Aspekte des Geschäftsmodells existieren. Beispielsweise müssen Fragestellungen zur Ressourcenverfügbarkeit, Vertriebskanälen und Erlösstrategien beantwortet werden können. \r\n2.5.2 Bewertung von Geschäftsmodellen für bidirektionales Laden \r\n \r\nAnschließend an die Entwicklung von Geschäftsmodellen zum bidirektionalen Laden wurde eine Methodik zur Geschäftsmodell-Bewertung erarbeitet und angewendet. Wie bereits bei der Geschäftsmodell-Entwicklung werden bei der Methodik zur Bewertung neben den quantifizierbaren, wirtschaftlichen Aspekten auch weitere, nichtquantifizierbare Aspekte einbezogen. Diese qualitativen Aspekte umfassen bspw. die ökologische Nachhaltigkeit, das Risiko und den gesellschaftlichen Nutzen einer Unternehmung. Durch die Kombination aus quantitativer und qualitativer Analyse wird das traditionelle gewinnorientierte Wirtschaften einem nachhaltigen, ökologisch und gesellschaftlich sinnvollen Handeln gegenübergestellt.  \r\nAbbildung 2-13 zeigt den methodischen Aufbau des FfE-Tools zur Bewertung von Geschäftsmodellen. Das Tool wurde in MATLAB implementiert und verfügt über eine Benutzeroberfläche (App), in der Eingaben getätigt und Ergebnisse automatisiert visualisiert werden können. Grundlegend wird das Geschäftsmodell durch Antworten auf Fragen in einem Fragebogen zunächst digital erfasst. Zusätzlich umfasst der Fragebogen weitere Fragen, die sowohl in die qualitative als auch in die quantitative Bewertung mit einfließen. Basis der qualitativen Bewertung ist die Aufwand-Nutzen-Analyse, in der relevanten Aspekten des Geschäftsmodells ein Aufwands-, ein Nutzen- und ein Risikofaktor zugewiesen werden (für mehr Informationen siehe /SCHMIDT-01 22/, /FFE-75 22/). Die quantitative Bewertung erfolgt auf Basis der Discounted-Cash-Flow-Methode, an deren Ende der Kapitalwert, der interne Zinsfuß und die Amortisationszeit als Bewertungskriterien stehen. \r\n \r\nAbbildung 2-13:  \tMethodisches Vorgehen zur Geschäftsmodell-Bewertung nach /SCHMIDT-01 22/ \r\nAls ein Beispiel der Geschäftsmodell-Bewertung sind in Abbildung 2-14 die Ergebnisse der Bewertung zweier Geschäftsmodelle, die auf dem Use Case Eigenverbrauchserhöhung basieren, so dargestellt, wie sie auch in der App visualisiert werden. Zum einen wird das Geschäftsmodell des Fahrzeugherstellers (Original Equipment Manufacturer, OEM) bewertet. Zum anderen ist das Geschäftsmodell aus Sicht privater Fahrzeug-Nutzer:innen dargestellt. Bei den qualitativen Ergebnissen (obere Grafik) zeigt sich, dass der Nutzen aber auch der Aufwand für den OEM größer ist, um sein Geschäftsmodell zu verwirklichen. Das Risiko des OEMs ist etwas geringer als das der privaten Nutzer:innen. Das finale Ergebnis (untere Grafik) stellt die Kombination von qualitativer und quantitativer Bewertung dar. Hier zeigt sich, dass die Umsetzung eines Geschäftsmodells im Bereich Eigenverbrauchserhöhung für den OEM nicht zwangsläufig zu empfehlen ist. Zwar fällt die qualitative Bewertung ausreichend positiv aus, die quantitative Bewertung ergibt jedoch, dass die erwartete Wirtschaftlichkeit unter Umständen hinter den Unternehmenserwartungen zurückbleibt. Im Gegensatz dazu können  private Nutzer:innen sowohl einen guten qualitativen Nutzen erreichen als auch mit einer ausreichend hohen Wirtschaftlichkeit rechnen, weswegen die Bewertung hier insgesamt positiv ausfällt.  \r\n \r\nEigenverbrauchserhöhung /SCHMIDT-01 22/ \r\nZusammenfassend lässt sich für die bewerteten Geschäftsmodelle des bidirektionalen Ladens feststellen, dass die meisten Geschäftsmodelle in diesem Kontext ein positives qualitatives Ergebnis hervorrufen, da Aspekte wie Nachhaltigkeit und gesellschaftlicher Nutzen berücksichtigt werden. In Bezug auf die Wirtschaftlichkeit fallen die \r\nErgebnisse heterogener aus, weil je nach Erlösstrategie, Kostenverteilung und Use Case auch bei ausreichend hohen Gesamt-Erlöspotenzialen (siehe Abschnitt 2.3) die Margen teilweise nicht ausreichend hoch sind, um alle Akteure zufriedenzustellen. Bei der realen zukünftigen Geschäftsmodell-Entwicklung sollten Unternehmen sich demnach vor allem auf das Wertversprechen für den Kunden (nicht zwangsläufig nur Profit) und die Vermarktungs- und Erlösstrategie fokussieren /FFE-70 22/. Generell eröffnet die erarbeitete Bewertungsmethodik und die Umsetzung in Form eines Tools bzw. einer App neue Möglichkeiten der Geschäftsmodell-Bewertung. Das Themenfeld weist aufgrund der Vielzahl an Facetten, die in der Energiewirtschaft neben der Wirtschaftlichkeit relevant sind, eine enorme Komplexität auf, die insbesondere durch die automatisierte qualitative Bewertung des Tools verarbeitet werden können. Die Ergebnisse des Bewertungsprozesses sind vor allem für den Vergleich ähnlicher Geschäftsmodelle aus unterschiedlichen Akteursperspektiven oder aber für den Vergleich unterschiedlicher Geschäftsmodelle aus identischen Perspektiven geeignet. \r\n \r\n3 Netzbelastungen durch bidirektionale Elektrofahrzeuge im Verteilnetz  \r\nDie folgenden Auswertungen sind umfassend in der eingereichten, noch nicht veröffentlichen Dissertation von Mathias Müller /MÜL-02 22/ beschrieben, die im Rahmen des BDL-Projektes entstanden ist. Einzelne Textpassagen wurden aus der genannten Dissertation in diesen Bericht übernommen.  \r\nDie voranschreitende Elektrifizierung des Wärme- und Mobilitätssektors und die weitere Dezentralisierung der Stromerzeugung stellen neue Anforderungen an die historisch gewachsenen Stromnetze. Im folgenden Kapitel werden die Auswirkungen auf die Niederspannungsnetze detailliert analysiert. Im Fokus stehen hierbei bidirektionale Elektrofahrzeuge und die beschriebenen Use Cases. \r\nZunächst wird die Datenbasis für die Netzberechnungen und deren Aufbereitung erläutert (Abschnitt 3.1). Zur Abbildung der zukünftigen Versorgungsaufgabe wurde weiterhin für in der Niederspannung relevante Verbraucher und Erzeuger ein Simulationsszenario mit einem Hochlauf zukünftiger elektrischer Komponenten bis zum Jahr 2050 erstellt (siehe Abschnitt 3.2). Die Gesamtmethodik der Datenaufbereitung und Szenarien-Erstellung wurde bereits in /FFE-55 21/ veröffentlicht. \r\nIn Abschnitt 3.3 werden das Modell und die durchgeführten Erweiterungen beschrieben. Vor der Erläuterung der Ergebnisse werden in Abschnitt 3.4 die Simulationsszenarien zusammengefasst. Im Ergebniskapitel 3.5 wird sowohl auf Ladegleichzeitigkeiten als auch resultierende Netzüberlastungen detailliert eingegangen.  \r\n3.1 \tBetrachtete Niederspannungsnetze \r\n \r\nFür die Verteilnetzsimulationen wurden im BDL-Projekt 6.409 Niederspannungsnetze (im Folgenden nur noch „Netze“ genannt) vom Projektpartner Bayernwerk Netz GmbH aus dessen Versorgungsgebiet zur Verfügung gestellt. Das Versorgungsgebiet ist in Abbildung 3-1 dargestellt und umfasst weite Teile Bayerns mit Ausnahme von großen Städten, wo regionale Stadtwerke verantwortlich sind sowie der Regierungsbezirke Mittelfranken und Schwaben. \r\nIn einem mehrstufigen Aufbereitungsprozess wurden die als relationale Datenbanktabellen vorliegenden Netztopologien mit aktuellen Verbrauchs- sowie Erzeugungsdaten (im Folgenden „Energiedaten“ genannt) zu rechenfähigen Netzmodellen verknüpft, validiert und in für das Verteilnetzsimulationsmodell GridSim (siehe Abschnitt 3.3) lesbare Datenbankstrukturen geschrieben.  \r\nDie 6.409 Netze wurden in Form relationaler Datenbanktabellen je Netzkomponenten mit den relevanten elektrischen Kennwerten zur Verfügung gestellt. Je Trafo wurde durch Verknüpfen der Datenbanktabellen zu den \r\nNetzkomponenten (Trafo, Trafo-Sammelschiene, Verteilerkasten-Sammelschienen, Netzverknüpfungspunkte (NVP) (im weiteren als Hausanschluss (HA) bezeichnet), Einspeisepunkte, Leitungen und HA-Leitungen) ein Netzgraph aufgebaut, welcher anschließend mit den Energiedaten verknüpft wurde. Hierbei mussten u. a. Ersatzwerte gebildet als auch Netze aussortiert werden, was im Folgenden beschrieben wird. \r\n \r\nAbbildung 3-1:  \tVerortung der 6.409 Niederspannungsnetze im Bayernwerk Netzgebiet (NG) mit zwei exemplarischen Ausschnitten zur Verdeutlichung der Zusammengehörigkeit der einzelnen Netze und Veranschaulichung der Netztopologien \r\nBei der Erstellung rechenfähiger Netzmodelle war es Voraussetzung, dass sowohl die Leistungsklasse des Transformators bekannt war als auch je Trafostation nur ein Transformator verortet war, da Verschaltungen mehrerer Transformatoren nicht automatisiert ausgelesen werden konnten. Weiterhin mussten für ca. 16 % der Transformatoren Ersatzwerte für elektrische Kennwerte gebildet werden. Diese wurden anhand von typischen Transformatoren aus dem Datensatz abhängig von der Transformator-Leistungsklasse hergeleitet.  \r\nFür die vom jeweiligen Transformator abgehenden Leitungen wurden insgesamt 420 verschiedene Leitungstypen übermittelt. Daneben Angaben zum Material, Querschnitt und Leitungstyp (Kabel oder Freileitung) eine Vielzahl weiterer elektrischer Kennwerte je Leitung verknüpft sind, kommt es auch hier zu fehlenden Einträgen in den Datenbanktabellen. Die hierfür benötigten Ersatzwerte wurden unter der Prämisse gebildet, keine neuen \r\nÜberlastungen in der Simulation der Bestandsnetze zu erzeugen. Deswegen wurden für Leitungen mit fehlenden Kennwerten möglichst starke Ersatzleitungen mit hoher Stromtragfähigkeit und geringem Widerstand anhand Literatur- und Herstellerangaben verwendet. \r\nIm Rahmen dieses Prozesses wurden insgesamt 2.526 (39 %) Netze von weiteren Betrachtungen ausgeschlossen, weil der Netzgraph nicht erfolgreich konvertiert werden konnte oder der Anteil an Ersatzwerten je Netz zu groß war. Der Netzgraph konnte nicht erstellt werden, wenn mehrere Transformatoren je Station vorhanden waren, mindestens eine nicht verbundene aber der Station zugewiesene elektrische Komponente vorkam oder keine Leitung mit dem Transformator verknüpft werden konnte. Der Anteil an Ersatzwerten je Netz und die damit verbundene Unsicherheit bei der Netzberechnung wurden als zu groß erachtet, wenn mehr als 10 % der Leitungsabschnitte oder -länge nicht eindeutig klassifiziert waren oder die Transformatorscheinleistung unbekannt war.  \r\nDen übrigen 3.883 (61 %) Netzen wurden die Energiedaten zugewiesen, um im späteren Verlauf sowohl das \r\nSimulationsszenario darauf aufzubauen als auch Referenzsimulationen für den Netzdatensatz durchzuführen. Die Energiedaten beinhalten dabei die gemessenen Energiemengen aus den Jahren 2017, 2018 sowie 2019 und sind für Entnahmestellen unterteilt nach Standardlastprofilen (SLP) oder registrierender Leistungsmessung (RLM). Die SLP Entnahmestellen gliedern sich in Haushalte (H0), Gewerbe, Handel und Dienstleistungen (G0-6, kurz: GHD), \r\nLandwirtschaftsbetriebe (L0) sowie temperaturabhängige Lastprofile (TLP) für Wärmepumpen und Nachtspeicherheizungen. Profile für Funkmasten oder Straßenbeleuchtung wurden aufgrund der geringen Relevanz nicht weiter betrachtet. Die Energiedaten der SLP aus den drei Jahren wurden anschließend nach Aktualität gewichtet und wie in /FFE-55 21/ beschrieben weiter aufbereitet. Für RLM Entnahmestellen wurden die originalen Lastgänge in 15-min Auflösung aus dem Jahr 2019 verwendet. \r\nWeiterhin wurden die erzeugten Energiemengen sowie die installierte Leistung für PV-Anlagen berücksichtigt. Die installierte Leistung dient als direkte Eingangsgröße für das Verteilnetzsimulationsmodell zur Erstellung der PVLastgänge, wohingegen die erzeugte Energiemenge verwendet wird, um potenziellen Eigenverbrauch, durch welchen der Jahresenergieverbrauch der SLP verringert wurde, zu ergänzen. Hierzu wurde zwischen PV-Anlagen mit Volleinspeisung und PV-Anlagen mit Überschusseinspeisung, also respektive Eigenverbrauch am HA, unterschieden. Nach der in /FFE-55 21/ beschriebenen Methodik wurde der Eigenverbrauchsanteil von im Mittel 24 % der erzeugten PV-Energie zu den SLP am entsprechenden HA ergänzt. \r\nIm Anschluss an die Aufbereitung der Energiedaten wurden diese in Form der Zuweisung der HA den Netzgraphen zugewiesen. Für 95 % der Fälle war hier eine eindeutige Zuordnung zwischen den Netztopologischen- und den Energiedaten möglich. In 5 % der Fälle konnte diese Zuordnung nicht eindeutig erfolgen, da die Energiedaten auf Ebene der Rechnungsnehmer vorliegen. Ein Rechnungsnehmer kann dabei über mehrere HA angeschlossen sein oder hinter einem HA mehrere Rechnungsnehmer vorliegen. Die Zuweisung erfolgte nach der in /FFE-55 21/ erläuterten Methode. Um einem zu großen Fehler aufgrund dieser Unsicherheit durch die Netzbelegung zu vermeiden, wurden Netze von weiteren Betrachtungen ausgeschlossen, in denen mehr als fünf SLP, mehr als 5 % der Energiemenge oder mindestens ein RLM nicht eindeutig einem HA zugewiesen werden konnten. Insbesondere die nicht eindeutige Zuweisung von möglicherweise lastprägenden RLM-Profilen könnte zu Fehlern in der Netzberechnung führen. Auch führte die Selektion von beispielsweise Funkmasten oder Straßenbeleuchtung zu unbelegten HA, weswegen weiterhin Netze ausgeschlossen wurden, in denen mindestens 20 % der HA keine Lasten oder Einspeiser zugewiesen werden konnten oder neben PV-Anlagen andere Einspeiseanlagen, wie beispielsweise Biomasseanlagen, vorhanden waren. \r\nNach der Aufbereitung und Zuweisung der Energiedaten zu den Netzgraphen verbleibt eine Stichprobe von 1.206 Netzen. Diese umfasst mit 44.628 HAs und 80.495 Entnahmestellen ca. 3,4 % der Entnahmestellen in der NS- sowie NS/MS-Ebene der Bayernwerke (Haushalte, Gewerbe oder Wärmestromzähler) sowie mit 3.016 Leitungskilometern ca. 3,0 % der NS-Leitungen der Bayernwerke (100.269 km) /BNG-02 22/. Auf Deutschland bezogen entspricht der Umfang der Stichprobe ca. 0,24 % der insgesamt 1,26 Mio. Kilometern an verlegten NS-Leitungen /BNETZA-02 22/. Charakteristische Kennwerte der Netze sind in Abbildung 3-2 dargestellt. Für die Transformator-Leistungsklassen ist zu sehen, dass die meisten Transformatoren den Leistungsklassen 250 kVA (30 %) sowie 400 kVA (24 %) zuzuordnen sind. Ungefähr ein weiteres Drittel ist kleiner als 250 kVA. Die Spannweite erstreckt sich von 50 kVA bis 1.000 kVA. Für die Anzahl der HA je Netz ist zu sehen, dass ca. 70 % der Netze zwischen 10 bis 100 HAs besitzen. Rund 25 % der Netze haben weniger als 10 HAs und lediglich ca. 5 % mehr als 100 HAs. Im Median weist jedes Netz 30 HAs auf und der Mittelwert liegt bei 39 HAs pro Netz. Auch für die Gesamtleitungslänge und die Länge des längsten Stranges zeichnet sich eine heterogene Verteilung innerhalb der Stichprobe ab. Der längste Strang ist im Median 455 m lang (0 – 1.600) und die mittlere Leitungslänge liegt bei 2,5 km. Bei 95 % der Netze ist die Gesamtlänge kürzer als 6 km und reicht im Extremfall bis zu 16 km.  \r\n \r\n \r\n \r\nAbbildung 3-2:  \tKennwerte der 1.206 Netze – Transformatorscheinleistung (links oben), Anzahl der \r\nNetzverknüpfungspunkte (rechts oben), längster Strang (links unten), Gesamtleitungslänge (rechts unten) \r\nZur weiteren Charakterisierung der Netze wurde nach Zuweisung der Energiedaten abgeleitet, welche Energieverbräuche in den jeweiligen Netzen den überwiegenden Anteil (> 50 %) ausmachen. Hierbei werden 58 % der Netze durch Haushaltslasten, 24 % der Netze durch Gewerbelasten und 4 % der Netze durch elektrischen Wärmeverbrauch dominiert. In den übrigen 14 % der Netze dominiert keine der drei Kategorien. Demnach handelt es sich insgesamt überwiegend um Wohngebiete in Kombination mit Gewerbe und einem geringen Anteil elektrischen Wärmebedarfs. /MÜL-02 22/ \r\n3.2 \tSimulationsszenario mit Hochlauf bis zum Jahr 2050 \r\n \r\nFür die zur Verfügung stehenden Netze wurde mit einem Fokus auf den Hochlauf von EFZ ein für die Niederspannung ganzheitliches, regionalisiertes Simulationsszenario entwickelt, was weiterhin den Zubau von WP sowie PV-Anlagen mit SBS und den Rückbau von elektrischen Speicherheizungen (ESH) berücksichtigt. Die Entwicklungen dieser Komponenten wurden in Fünf-Jahresschritten von 2020 bis 2050 für die Netze, welche sich über 187 Gemeinden in 48 Landkreisen erstrecken, modelliert. /FFE-55 21/ \r\nGrundlage für die regionalisierte Zuweisung der Komponenten sind detaillierte Kenntnisse zum Gebäudebestand, ob das Gebäude beispielsweise für eine Luft-WP geeignet ist oder wie groß die Dachfläche für eine mögliche PV-Anlage ist. Hierzu wurden zuerst die HAs der Netze entsprechenden Gebäuden in Open-Street-Map (OSM) /OSM-03 15/ zugewiesen und um zusätzliche Daten aus dem Zensus ergänzt /DESTATIS-08 15/. Somit sind für jeden HA und das zugehörige Gebäude Angaben zum Gebäudetyp (Einfamilienhaus, Mehrfamilienhaus, Nicht-Wohngebäude, etc.), dem Baualter, der nutzbaren Dachfläche /JET-01 16/ und dem Wärmebedarf /UBA-14 17/ sowie der Eignung für die Beheizung mit einer Wärmepumpe bekannt /FFE-50 21/. Für den Wärmebedarf des heutigen Gebäudebestandes wird weiterhin die Möglichkeit einer zukünftigen Sanierung berücksichtigt /FFE-50 21/. \r\nDer Hochlauf von EFZ wird in Anlehnung an das SolidEU-Szenario aus dem Projekt eXremOS abgebildet und entspricht bis zum Jahr 2050 nahezu einer Vollelektrifizierung des PKW-Bestandes in Deutschland /FFE-24 21/. Dabei wurden EFZ in private und gewerbliche Fahrzeuge unterschieden. Für private EFZ wurde dabei weiterhin berücksichtigt, dass der Hauptladeort zu Hause (73 % der EFZ) oder bei der Arbeit (13 %) sein kann, da nicht alle Fahrzeughalter zukünftig die Möglichkeit haben, ihr EFZ auch zu Hause zu laden. Gewerbliche EFZ mit Lademöglichkeit am Arbeitsplatz machen somit noch 14 % der EFZ aus /NLL-01 20/. Die Regionalisierung der privaten EFZ erfolgte nach der Methodik aus der „Kurzstudie Elektromobilität“ /FFE-142 19/, nach welcher ebenfalls die Regionalisierung von EFZ für den Netzentwicklungsplan 2035 /BNETZA-03 21/ erfolgte. Hierbei wurde für private EFZ ein Verteilungsschlüssel in einem 100 x 100 Meter Raster mit Wahrscheinlichkeiten für das Vorhandensein von EFZ abhängig von einer Vielzahl von Einflussfaktoren, zu denen u. a. die Verfügbarkeit von Garagen, typische Pendlerdistanzen- und Streuung, PV-Anlagen oder mittleres Einkommen zählen, erstellt. Abhängig von den Mantelzahlen zu den verschiedenen Jahresschritten ergibt sich somit die Anzahl privater EFZ im Raster, innerhalb dessen die Zuweisung zum HA zufällig erfolgte. Die Mantelzahlen für gewerbliche EFZ lagen auf Landkreisebene vor und wurden mit Hilfe der vorherigen Verteilung privater EFZ anteilig den Netzen zugewiesen, wie in /FFE-55 21/ beschrieben wurde. Hierbei wurden sowohl die Anzahl an Gewerbebetrieben als auch die benötigten Jahresenergiemengen der Gewerbebetriebe berücksichtigt, so dass Netze mit vielen Gewerbebetrieben oder \r\nGewerbebetrieben mit hohem Energiebedarf mit höherer Wahrscheinlichkeit mehr EFZ zugewiesen bekommen. /FFE-55 21/ Die gewählte Methode führt zu einer heterogenen Verteilung der EFZ in den Netzen, wie in /MÜL-02 22/ gezeigt wird. Für das Jahr 2030 wurde für die Mehrzahl der Netze weniger als ein EFZ je Gebäude verortet. Im Jahr 2040 sind im Durchschnitt dann bereits 1,1 EFZ je Gebäude und im Jahr 2050 rund 1,6 EFZ je Gebäude verortet. \r\n/MÜL-02 22/ Anschließend werden die EFZ auf zufälliger Basis in die drei Fahrzeugklassen Klein- (27,6 %), Mittelklasse- (40,6 %) und Oberklassewagen (31,8 %) mit den entsprechenden Batteriekapazitäten von 38, 60 und 100 kWh eingeteilt. /KBA-04 21/, /FFE-33 22/ \r\nDie zukünftige Entwicklung von Wärmepumpen und elektrischen Speicherheizungen (ESH) wird anhand des fortgeschriebenen Endenergieverbrauchs auf Landkreisebene ebenfalls durch das SolidEU-Szenario abgebildet /FFE-24 21/. Für den durch Wärmepumpen gedeckten Endenergiebedarf für Raumwärme und Warmwasser wird ein Anstieg in den relevanten Landkreisen prognostiziert. Aus dem Endenergiebedarf wird mithilfe einer mittleren Jahresarbeitszahl von 2,94 nach /FFE-19 19/ der Raumwärmebedarf ermittelt, der ebenfalls für die Gebäude der betrachteten Netze bestimmt worden ist. Nach der in /FFE-55 21/ entwickelten Methode erfolgt der Zubau von Wärmepumpen an den Gebäuden im Netzgebiet gemäß dem Hochlauf, der aus dem solidEU-Szenario hervorgeht. Zusätzlich werden Wärmepumpen nur an dafür auch geeigneten Gebäuden zugebaut, wobei nach /FFE-50 21/ \r\nSchallausbreitungseffekte an verschiedenen Aufstellorten berücksichtigt worden sind. Bis zum Jahr 2050 wird in den Netzen eine mittlere Durchdringung des Gebäudebestandes mit Wärmepumpen von 60 % erreicht. Für Speicherheizungen wurde im Rahmen der bekannten Netzbelegung bereits eine geringere Durchdringung (ca. 2 %) bestimmt, als durch das Szenario anhand der beschriebenen Methode ermittelt wurde. Aus diesem Grund wird für den langsamen Rückbau der Speicherheizungen das deutschlandweite Mittel herangezogen. /FFE-55 21/ \r\nDer Zubau an PV-Anlagen wird in Anlehnung an das Szenario NEP 2035 B, welches dem Netzentwicklungsplan zugrunde liegt, sowie in Ergänzung um eine Interpolation der Anlagenleistung bis zum Jahr 2050 bestimmt /BNETZA-03 21/. Die Regionalisierung auf Gemeindeebene erfolgt nach der Methodik aus /SCHM-01 18/. Berücksichtigt wird der Zubau von Dachanlagen in einer Leistungsklasse unter 100 kW, um den Zubau von Anlagen zu vermeiden, die einer gesonderten Netzanschlussplanung unterlägen. Der Zubau erfolgt in den Leistungsklassen 0 - 10 kW, 10 - 30 kW sowie 30 - 100 kW, welche anhand von /SHN-01 21/ und /FFE-196 20/ bestimmt worden sind. \r\nUnter Annahme einer spezifischen PV-Leistung von 200 W/m² /ISE-01 22/ erfolgt unter Berücksichtigung des Bestands bzw. der Durchdringung im vorherigen Stützjahr der zufällige PV-Anlagenzubau je Leistungsklasse für die passenden, zur Verfügung stehenden Dachflächen. Die kleinste Anlagenleistung wird dabei auf 3 kW festgelegt. \r\n/FFE-55 21/ \r\nAbschließend erfolgt die Regionalisierung des Zubaus von stationären Batteriespeichern angelehnt an den Zubau der PV-Anlagen /FFE-01 19/. Batteriespeicher werden ausschließlich PV-Anlagen mit einer Leistung kleiner als 30 kW zugewiesen, welche nach 20 Jahren keine EEG-Förderung mehr erhalten. Hierbei wurde angenommen, dass 55 % dieser PV-Anlagen einen Batteriespeicher erhalten. Bis zum Jahr 2050 steigt der Anteil von PV-Anlagen mit Batteriespeicher auf 41,7 %, was 10,6 % der Gebäude entspricht. Die Dimensionierung der Batteriespeicher erfolgt abhängig von der Leistung der zugehörigen PV-Anlage. Pro Kilowatt installierter PV-Anlagenleistung wird eine Kilowattstunde Batteriespeicherkapazität angenommen. Für die Leistung des Batteriespeichers wurden 44 % der Kapazität nach /BNETZA-08 18/ für Batteriespeicher bis 30 kW veranschlagt. \r\nZur Einordnung des Simulationsszenarios ausgehend von der heutigen Netzbelegung werden in Abbildung 3-3 die Jahresenergiemengen von Verbrauchern und Erzeugern sowie die installierte Leistung der flexiblen Komponenten im Mittel über alle HAs dargestellt Dabei wurde angenommen, dass Haushalts- und Gewerbelasten konstant bleiben. Bis zum Jahr 2050 des Simulationsszenarios steigt der Energiebedarf um 250 % und wird mit einem Anteil von 40 % durch Wärmepumpen dominiert. EFZ tragen im Mittel mit einem Anteil von 23 % dann vergleichbar viel zum Energiebedarf bei wie Haushalte (25 %). Die benötigte Energiemenge ist im Mittel 5,6-mal so groß wie die durch PVAnlagen erzeugte Energiemenge. Die installierte Leistung wird im Simulationsszenario im Jahr 2050 jedoch vor allem durch EFZ dominiert, da jedem Fahrzeug eine 11 kW Wallbox zugewiesen wird. Wärmepumpen tragen im Jahr 2050 zu 21 % der installierten Leistung bei. Insgesamt wird die installierte flexible Leistung bis 2050 um das Dreißigfache ansteigen. /FFE-33 22/  \r\n \r\nAbbildung 3-3:  Durchschnittliche umgesetzte elektrische Energiemenge (links) und installierte Leistung der elektrischen Komponenten (rechts, ohne Haushalts- und Gewerbelast) je HA /FFE-33 22/ \r\n \r\n3.3 \tModellierung der Verteilnetzbelastungen \r\n \r\nDie Bewertung der Netzbelastungen erfolgte mit dem an der FfE entwickelten Energiesystem- und Verteilnetzmodell GridSim. Im Rahmen des Projekts wurde das Optimierungsmodell ResOpt (siehe Abschnitt 2.2), mittels welchem die \r\nUse Cases auf Gebäudeebene optimiert werden, integriert. Der prinzipielle Simulationsablauf, bestehend aus Initialisierung, Modellierung/Import der statischen Lasten, Optimierung der Flexibilitätsoptionen, Blindleistungsregelung sowie Lastflussrechnung mit anschließender Auswertung, ist in Abbildung 3-4 dargestellt. Eine detaillierte Beschreibung der einzelnen Schritte und sonstigen Weiterentwicklungen, wie beispielsweise der Abbildung der Szenarien mittels Datenbanken, ist in /MÜL-02 22/ beschrieben. \r\nDa der Fokus im Rahmen des BDL-Projekts auf den Auswirkungen der Use Cases für bidirektionale Elektrofahrzeuge und Batteriespeicher lag, werden im Weiteren kurz die Eingangsdaten und Optimierung beschrieben. Als Basis für die Optimierung wird je Hausanschluss die Residuallast bestehend aus Haushalts- /FFE-61 20/ und/oder Gewerbelast /VDEW-01 99/ sowie den weiteren statischen Lastgängen der Wärmepumpen und Speicherheizungen und der PVErzeugung gebildet, sofern die entsprechenden Komponenten an diesem HA vorkommen. Die Lastgänge der wärmegeführten PtH-Anlagen werden wie in /FFE-45 17/ beschrieben modelliert, basierend auf /BDEW-08 13/, /FFE-56 15/, /IFE-01 03/. Die in /FFE-45 17/ beschriebene bedarfsorientierte Regelungsstrategie der Wärmepumpen wurde um eine temperaturabhängige Arbeitszahl nach /JC-01 20/ erweitert. Die elektrischen Speicherheizungen werden mit der typischen, von den VNBs gesteuerten Tarifladung modelliert und im Netzgebiet anteilig in Vorwärts- und Rückwärtsladungen aufgeteilt. Dementsprechend beginnt die eine Hälfte der Speicherheizungen zu Beginn der Freigabezeit (21 Uhr) mit der Aufladung des Wärmebedarfs für den nächsten Tag /VDEW-01 99/. Die andere Hälfte wird so gesteuert, dass der Wärmebedarf des Folgetages bis zum Ende der Freigabezeit (7 Uhr morgens) geladen wird. /FFE-33 22/, /MÜL-02 22/ \r\n \r\n \r\nAbbildung 3-4: \tÜbersicht des Simulationsablaufs im Verteilnetzsimulationsmodell GridSim /MÜL-02 22/ \r\nDie EFZ werden mittels Fahrprofilen, welche die Anwesenheit am Ladeort und die zugehörigen Energieverbräuche für die Fahrten dazwischen beinhalten, abgebildet. Die Fahrprofile der privaten EFZ, welche zu Hause geladen werden, und die Mitarbeiterfahrzeuge werden gemäß /FFE-61 20/ berechnet und basieren auf der Studie Mobilität in \r\nDeutschland /INFAS-01 18/. Die gewerblichen Fahrprofile werden analog, basierend auf der Studie Kraftfahrzeugverkehr in Deutschland /VIP-01 12/, nach /JOOSS-01 21/ modelliert. In der Simulation gilt die Annahme, dass jedem Elektrofahrzeug eine Ladestation mit 11 kW am Hauptladeort zur Verfügung steht und sofern dies möglich ist, nur an dieser geladen wird. Weiterhin wird davon ausgegangen, dass die EFZ bei Ankunft an diesem Hauptladeort angesteckt werden. Im realistischen Szenario wird zudem die Ansteckwahrscheinlichkeit der nicht optimierten EFZ verringert, so dass im Mittel nur bei einem Ladezustand unterhalb von 50 % oder wenn der aktuelle Energieinhalt der Batterie nicht für die nächste Fahrt ausreicht, angesteckt wird /VACH-01 22/.  \r\nDie Batterie wird für das Lademanagement in drei Bereiche eingeteilt, welche in Abbildung 3-5 dargestellt sind. Im Bereich A wird das Elektrofahrzeug unabhängig von der gewählten Ladestrategie immer mit maximaler Leistung geladen, um eine Mindestreichweite für ungeplante Fahrten zur Verfügung stellen zu können. Ebenso wird das Fahrzeug auch in keinem der beschriebenen Use Cases unterhalb des sogenannten Sicherheits-SoC (𝑆𝑂𝐶𝐸𝐹𝑍,𝑆𝑖𝑐ℎ𝑒𝑟ℎ𝑒𝑖𝑡) entladen. Im Rahmen des BDL-Projekts und dieser Arbeit wird dieser Wert auf 30 % gesetzt /FFE-31 22/. Im Bereich B und C wird basierend auf der gewählten Ladestrategie z. B. nur PV-Überschuss geladen bzw. entladen. Bis zur nächsten geplanten Abfahrt ist dabei mindestens der Abfahrts-SoC (𝑆𝑜𝐶𝐸𝐹𝑍,𝐴𝑏𝑓𝑎ℎ𝑟𝑡) zu erreichen. /MÜL-02 22/ \r\n \r\nAbbildung 3-5: \tUnterteilung der Batterie in drei SoC-Bereiche für das Lademanagement /MÜL-02 22/ \r\nDas verwendete Optimierungsmodell mit dem Ziel der Kostenreduktion je Hausanschluss ist bereits in Abschnitt 2.2 beschrieben. Eine detaillierte Beschreibung der Anpassungen und Parameter des Modells und der verwendeten Nebenbedingungen ist /FFE-33 22/ und /MÜL-02 22/ dargestellt.  \r\nIm Referenzfall, dem Direktladen, wird das Elektrofahrzeug immer nach dem Anstecken mit maximaler Leistung ohne \r\nBeachtung der SoC-Grenzwerte vollständig aufgeladen. Mittels dieses Referenzfalls werden auch die für die spätere Optimierung notwendigen Lademengen an sonstigen Orten außerhalb des betrachteten Netzgebiets (z. B. an öffentlichen Ladestationen), Sofortlademengen und Differenzenergiemengen, falls auf Grund der Ladezeit der Wunsch-SoC nicht erreicht werden kann, berechnet. Die Sofortlademenge beschreibt die Energiemenge, die im Bereich A der Batterie geladen werden muss und die Differenzenergiemenge ist definiert als die Energiemenge, die das Elektrofahrzeug auch beim Direktladen mit maximaler Leistung bei Abfahrt unterhalb des Wunsch-SoC ist. Diese beiden Energiemengen werden für die relevanten Zeitschritte an die Optimierung übergeben. Die detaillierten Randbedingungen sind ausführlich in /MÜL-02 22/ beschrieben.  \r\n3.4 \tBetrachtete Use Cases und Szenarien \r\n \r\nVon den im Kapitel 2 beschriebenen Use Cases werden im Folgenden die für das Verteilnetz relevanten ausgewählt und weiter betrachtet. Die Use Cases lassen sich zudem in zwei Gruppen unterteilen. In der ersten Gruppe erfolgt die Optimierung bzw. der Flexibilitätseinsatz rein aus Nutzersicht und unabhängig von der lokalen Netzsituation. In der zweiten Gruppe wird zusätzlich der Netzzustand berücksichtigt und Möglichkeiten zur Vermeidung von Netzengpässen werden betrachtet. Beim Use Case Blindleistungsbereitstellung wird je nach Ausgestaltung der aktuelle Netzzustand in Form der Spannung berücksichtigt oder nicht. Zudem ist auch eine Kombination mehrerer Use Cases (Multi-Use) möglich. /MÜL-02 22/ \r\nÜbersicht der betrachteten Use Cases und Kurzbeschreibung der Szenarien \r\n•\tPV-Eigenverbrauchserhöhung (V2H) \r\n•\tTarifoptimiertes Laden/Entladen (V2H+) \r\n•\tZeitliche Arbitrage (V2G) \r\n•\tSpitzenlastkappung (V2B) \r\n•\tVariable Netzentgelte (varNE) \r\n•\tSpitzenglättung (§14a) \r\n•\tBlindleistungsbereitstellung \r\nDie im Folgenden beschrieben Szenarien bilden die genannten Use Cases ab und werden durch die Kostenstrukturen für Bezug und Einspeisung, welche entweder statisch oder zeitlich variabel sind, unterschieden.  \r\nIm Referenzszenario (Ref) wird das heute übliche Preissystem für Haushaltskunden abgebildet und die EFZ bedarfsorientiert geladen. Es erfolgt kein optimiertes Laden. /FFE-33 22/ \r\nIm Szenario V1H und V2H werden alle Hausanschlüsse mit PV-Anlagen und optimierbaren Komponenten wie Speichern oder EFZ entsprechend uni- (V1H) oder bidirektional (V2H) optimiert. Dies betrifft 20 % der Hausanschlüsse, denen 23 % der EFZ zugeordnet sind. Zusätzlich wird mit 2,5 % der EFZ an 0,3 % der HA in diesem und den weiteren Szenarien der Use Case Spitzenlastkappung umgesetzt. In diesem Szenario sind sowohl der Bezugspreis \r\n(Privatkunden: 29,88 ct/kWh; /BNETZA-30 18/) und die Einspeisevergütung (8 ct/kWh; EEG 2021) statisch. /FFE-33 22/ \r\nIn den Szenarien V1H+ und V2H+ steigt bei zusätzlicher Berücksichtigung von variablen Bezugspreisen die Anzahl der optimierten Hausanschlüsse auf 74 % an. Dazu zählen alle Hausanschlüsse mit mindestens einem EFZ oder SBS. In diesen Szenarien und dem V2G Szenario werden folglich alle EFZ und Batteriespeicher optimiert. Die Preisezeitreihe stammt aus dem Energiesystemmodell ISAaR der FfE und dem entsprechenden BDL-Szenario. Die Preise variieren von 0 bis 49,83 ct/kWh bei einem Mittelwert von 4,17 ct/kWh. Auf die reinen Energiekosten werden zusätzlich 20,5 ct/kWh für Steuern, Abgaben und Umlagen addiert /AWATT-01 21/. /FFE-33 22/ \r\nIm Szenario V2G sind die Teilnahmequoten wie im Szenario V2H+, wobei die Vergütung für eingespeisten Strom zusätzlich variabel ist und dem Bezugspreis entspricht. Hierdurch wird somit nicht ausschließlich eine Eigenverbrauchsoptimierung angereizt, sondern je nach Situation aus Kostengründen auch eine Einspeisung der PVEnergie der Zwischenspeicherung vorgezogen. Im Gegensatz zu obigem Szenario werden die Abgaben- und Umlagen auf 2,1 ct/kWh reduziert, um eine Einspeisung in das Netz anzureizen. /FFE-08 22/ \r\nZusätzlich zu den beschriebenen Szenarien wird aufbauend auf Expertengesprächen ein realistisches Szenario (Real) entwickelt. In diesem Szenario wird einerseits angenommen, dass nur bei 30 % der Hausanschlüsse eine Optimierung stattfindet. Insgesamt werden hierdurch 36 % der EFZ optimiert, welche zusätzlich bidirektional sind /FFE-26 22/. Die weiteren EFZ werden unidirektional bedarfsgeführt geladen. Andererseits werden an den optimierten HAs unterschiedliche Use Cases betrieben. Insgesamt an 17 % der HAs (bzw. 19 % der EFZs) wird der Use Case PVEigenverbrauchserhöhung und an 13 % der HAs (17 % der EFZs) der Use Case zeitliche Arbitrage betrieben. In diesem Szenario wird zudem die Ansteckwahrscheinlichkeit der nicht optimierten EFZ verringert, so dass im Mittel nur bei einem Ladezustand unterhalb von 50 % angesteckt wird. Um hierdurch keine Mobilitätseinschränkungen zu verursachen, wird ebenfalls angesteckt, wenn die nächste Fahrt nicht mit dem aktuellen Ladezustand abgedeckt werden kann. Zusätzlich wird eine Blindleistungsregelung in Abhängigkeit der Spannung (Q(U)-Regelung) bei PVAnlagen und EFZ angenommen. Somit wird in diesem Szenario, im Gegensatz zu den bisher beschriebenen, eine Use Case Durchmischung abgebildet. /BLU-02 22/ \r\nAufbauend auf dem realistischen Szenario werden auch die beiden netzdienlichen Use Cases variable Netzentgelte in Abhängigkeit der Transformatorauslastung und das Modell der Spitzenglättung abgebildet. Bei den variablen Netzentgelten reagieren alle Komponenten, die zeitliche Arbitrage machen, zusätzlich auch auf die variablen \r\nNetzentgelte, wodurch sich die Kostenstruktur weiter dynamisiert. /BLU-02 22P / \r\nDas Modell der Spitzenglättung unterscheidet sich aus Modellsicht hiervon, da die Kostenfunktionen wie im realistischen Szenario sind, aber die erlaubte Bezugsleistung im Engpassfall reduziert wird, was über zusätzliche Nebenbedingungen abgebildet wird. Eine detaillierte Beschreibung hiervon findet sich in /FFE-72 22/. \r\nIn Abbildung 3-6 sind die bidirektionalen Szenarien und die resultierenden Teilnahmegrade in Abhängigkeit der Komponentenverfügbarkeit dargestellt.  \r\nBidirektional\tRef\tV2H\tV2H+\tV2G\tReal\tvNE\t 14a\r\n\tHA | EFZ\t20 | 23  \t74 | 100\t74 | 10\t30 | 36\t30 | 36\t30 | 36\r\nEigenverbrauchserhöhung*\t\t20 | 23\t20 |  23  \t\t17 | 19\t17 | 19\t17 | 19\r\nSpitzenlastkappung**\t\t0,3 | 2,5\t0,3 | 2,5\t0,3 | 2,5\t0,3 | 2,5\t0,3 | 2,5\t0,3 | 2,5\r\nTarifoptimiertes Laden\t\t\t74 | 100\t\t\t\t\r\nZeitliche Arbitrage\t\t\t\t74 | 100\t13 | 17\t13 | 17\t13 | 17\r\nVariable Netzentgelte\t\t\t\t\t\t13 | 17\t\r\nSpitzenglättung ( 14 a)\t\t\t\t\t\t\t74 | 100\r\n* Mit PV-Anlage **Spitzenlastkappung bei RLM oder Verbrauch > 100.000 kWh\r\n \r\n \r\nAbbildung 3-6: Resultierende Anteile an Hausanschlüssen und (bidirektionalen) EFZ je Use Case in den Simulationsszenarien nach /MÜL-02 22/ \r\nIn Tabelle 3-1 sind relevante Simulationsparameter der EFZ und Batteriespeicher dargestellt, welche über alle Szenarien gleich sind. Neben diesen Parametern wird in allen Szenarien, mit Ausnahme des realistischen, keine gesteuerte Blindleistungsregelung angewendet und entsprechend ein cos φ von 1 angewendet. Weitere Parameter sind in /MÜL-02 22/ beschrieben.  \r\n \r\nTabelle 3-1: \tÜbersicht ausgewählter Simulationsparameter \r\n \r\n \r\nKomponente \tParameter \tWert \tEinheit \r\nEFZ \t(Ent-)Ladeleistung \t11,0 \tkW \r\n\tLadewirkungsgrad  \r\n2030 – 2050 (2020) \t94,0 (92,5) \t% \r\n\tEntladewirkungsgrad \r\n2030 – 2050 (2020) \t94,0 (92,0) \t% \r\n\tFahrzeugklassen  \r\n(Klein- | Mittel- | Oberklassewagen) \t \r\n27,6 | 40,6 | 31,8 \t% \r\n\tBatteriekapazitäten  \t38| 60 | 100 \tkWh \r\nSBS \tLadewirkungsgrad \t94,0 \t% \r\n\tEntladewirkungsgrad \t94,0 \t% \r\n\tLeistung \tAbhängig von \r\nPV-Anlage \tkW \r\n\t\t\t\r\n\tBatteriekapazität \t\tkWh \r\n \r\nAls Wetter- und Strukturjahr wird in allen Simulationen das Jahr 2012 verwendet.  \r\n3.5 \tResultierende Gleichzeitigkeiten und Netzbelastung \r\n \r\nIn diesem Kapitel werden die (Ent-)Ladegleichzeitigkeiten und die resultierenden Netzbelastungen beschrieben, die aus den unterschiedlichen Use Cases und den damit einhergehenden Lastgängen hervorgehen. Ein Fokus hierbei liegt darauf, wie viele Netze diesen Anforderungen bereits heute gewachsen sind oder ausgebaut werden müssen. Hierzu werden im nächsten Abschnitt die erlaubten Grenzwerte beschrieben. \r\n \t \r\n3.5.1 \tDefinition Netzüberlastung  \r\n \r\nFür die Definition, ob ein Netzgebiet überlastet ist, werden die folgenden drei Kriterien verwendet:  \r\n•\tTransformatorauslastung > 100 % \r\n•\tLeitungsauslastung > 100 % \r\n•\tSpannung außerhalb des Bereichs von 0,94 – 1,06 pu \r\nDie beiden ersten Größen beziehen sich jeweils auf die maximale Betriebsmittelauslastung je Phase bezogen auf die Nennwerte. Die Spannungsgrenzwerte sind im Gegensatz zur gültigen Norm, der DIN EN 50160 „Merkmale der Spannung in öffentlichen Elektrizitätsversorgungsnetzen“, welche eine Spannungsschwankung von 10 % erlaubt, analog zu /DENA-19 12/ auf 0,94 – 1,06 pu begrenzt, da keine explizite Betrachtung der Mittelspannungsebene stattfindet. Eine detaillierte Darstellung der Aufteilung des Spannungsbandes über die Netzebenen ist in Abbildung 37 dargestellt. \r\n \r\nAbbildung 3-7: Aufteilung des zulässigen Spannungsbands gemäß DIN 50160 vom HS/MS-Umspannwerk (UW) bis zum Kunden in der Niederspannung /MÜL-02 22/ \r\n3.5.2 \tReferenzszenario \r\n \r\nUm die Auswirkungen der bidirektionalen EFZ einordnen zu können, werden zunächst im Referenzszenario die Auswirkungen der Elektrifizierung ohne Optimierung der Flexibilitätsoptionen ermittelt und betrachtet. In Abbildung 3-8 sind die resultierenden Netzüberlastungen in den vier analysierten Stützjahren dargestellt.  \r\nIm Status quo (2020) kommt es nur in 0,5 % der Netze zu Überlastungen, welche überwiegend auf zu niedrige Spannungen (Spannung min) zurückzuführen sind. Nur ein Transformator wird durch zu hohe Last (Trafo Last) in einzelnen Zeitschritten überlastet. \r\nDurch die zunehmende Elektrifizierung steigen die lastbedingten Überlastungen - Spannungen < 0,94 pu (Spannung min) und Transformatorüberlastungen (Trafo Last) - über die Jahre auf 18 % bzw. 16 % (2030), 34 % (2040) und 47 % bzw. 48 % (2050). Ebenso steigt die Anzahl der Netze mit Leitungsüberlastungen (Leitung) an. Zu hohe Rückspeisungen durch den weiteren PV-Zubau treten nur in weniger als einem Prozent der Netze auf (Spannung max. bzw. Trafo Rück). Insgesamt steigt die Anzahl der Netze mit mindestens einer der genannten Überlastungsarten (Gesamt) von 1 % (2020) über die Jahre auf 24 % (2030), 43 % (2040) bis 58 % (2050) an.  \r\n \r\nAbbildung 3-8: Auftretende Netzüberlastungen im Referenzszenario für die unterschiedlichen Stützjahre nach /FFE-33 22/ \r\nDie Zunahme der Überlastungen basiert auf den gestiegenen maximalen gleichzeitigen Leitungen je Hausanschluss, welche in Abbildung 3-9 dargestellt sind. Die mittlere maximale gleichzeitige Leistung der Hausanschlüsse je Netzgebiet steigt von heute 1,7 kW über 4,2 kW (2030), 6,0 kW (2040) auf bis zu 7,7 kW im Jahr 2050. Im Gegensatz dazu ist die Steigerung der minimalen gleichzeitigen Leistung bzw. Einspeisung von heute 0,6 kW auf 1,5 kW im Jahr 2050 deutlich geringer. In beiden Fällen sinkt die gleichzeitige Leistung im Netzgebiet mit steigender Anzahl von Hausanschlüssen betragsmäßig ab. \r\n \r\nAbbildung 3-9: Maximale und minimale gleichzeitige Leistung je Hausanschluss und Netzgebiet in Abhängigkeit von der Hausanschlussanzahl. Hausanschlüsse mit GHD-Einheiten und die 22 Netzgebiete mit mehr als 150 Hausanschlüssen sind aus Darstellungsgründen nicht abgebildet /MÜL-02 22/ \r\n3.5.3 \tUse Cases  \r\n \r\nZum Vergleich der beschriebenen Use Cases in den definierten Szenarien wird für die Analyse primär das Jahr 2040 verwendet. Durch die unterschiedlichen Use Cases verändern sich die Ladegleichzeitigkeiten bzw. gleichzeitigen (Ent)Ladeleistungen deutlich. In Abbildung 3-10 sind hierzu die maximal je Netzgebiet aufgetretenen Werte in Abhängigkeit von der Anzahl der EFZ dargestellt. Die maximale gleichzeitige Ladeleistung sinkt in der Referenz (links) mit zunehmender Anzahl an EFZ schnell ab und liegt bereits ab 30 Fahrzeugen bei unter 3 kW/EFZ. Im Mittel der Netze ergibt sich eine maximale gleichzeitige Ladeleistung von 2,5 kW/EFZ, was einer Ladegleichzeitigkeit von 22,7 % entspricht. Die lokalen Optimierungen wie PV-Eigenverbrauchserhöhung und Spitzenlastkappung im V2H-Szenario haben insgesamt nur einen geringen Einfluss auf die maximalen Ladegleichzeitigkeiten und reduzieren diese im Mittel auf 2,4 kW/EFZ. Durch tarifliche Optimierungen basierend auf dem global gültigen Börsenpreis, wie im V2H+ und V2G Szenario, erhöhen sich die maximal gleichzeitigen Ladeleistungen deutlich auf im Mittel 10 kW/EFZ bzw. 90 % Ladegleichzeitigkeit. Ebenso verändert sich die Charakteristik und die starke Abnahme der Gleichzeitigkeit bei zunehmender Elektrofahrzeuganzahl bleibt aus. Selbst bei 100 Elektrofahrzeugen im Netzgebiet liegt der Wert im Mittel bei über 90 %. Ausnahmen hierbei bilden die Netze mit Spitzenlastkappung (rote Punkte), da die dortige Preisstruktur mit zusätzlichen Leistungspreisen hohe Gleichzeitigkeiten vermeidet.  \r\nDie maximale gleichzeitige Entladeleistung ist im Durchschnitt bei V2H mit 0,4 kW/EFZ deutlich geringer als die Ladeleistung. Durch tarifliche Optimierungen und die damit verbundene Erhöhung der ge- und entladenen Energie steigt diese Leistung bei V2H+ auf 2,4 kW/EFZ und bei V2G auf bis zu 10 kW/EFZ. Die geladenen Energiemengen steigen hierbei von 2407 kWh (Ref), über 2587 kWh (V2H) und 3490 kWh auf 6942 kWh pro EFZ an. Da der Fahrtverbrauch konstant bleibt, erhöhen sich entsprechend auch die ins Netz zurückgespeisten Energiemengen je \r\nEFZ von 0 kWh über 195 KWh und 992 KWh auf 4043 kWh. Die Energiedifferenzen ergeben sich auch aus den Umwandlungsverlusten, welche mit steigendem Energiedurchsatz ansteigen. \r\n \r\nAbbildung 3-10: Maximale gleichzeitige Lade-/Entladeleistung der EFZ je Netzgebiet in Abhängigkeit von der Fahrzeuganzahl für die unterschiedlichen Szenarien im Jahr 2040. Netzgebiete mit Spitzenlastkappung sind rot markiert. Die 22 Netzgebiete mit mehr als 150 EFZs sind nicht dargestellt /MÜL-02 22/ \r\nIm realistischen Szenario (Real) ergibt sich auf Grund der Use Case Mischung, wobei 64 % der Fahrzeuge wie in der \r\nReferenz betrachtet werden, ein Gesamtbild wie in der Referenz, jedoch mit ca. 20 % höheren gleichzeitigen Leistungen. Auf eine Darstellung der netzdienlichen Use Cases wurde verzichtet, da diese sich nur unwesentlich vom realistischen Szenario unterscheidet. \r\nDie Auswirkungen der unterschiedlichen maximalen Gleichzeitigkeiten zeigen sich auch in den resultierenden maximalen und minimalen Leistungen je HA, für die die Netze ausgelegt werden müssen (siehe Abbildung 3-11). Um eine Verzerrung durch einzelne große Gewerbebetriebe auszuschließen, sind in diese Betrachtung nur HAs ohne Gewerbeeinheit eingeflossen. In allen Szenarien ist die typische Abnahme der gleichzeitigen Leistungen mit steigender HA-Anzahl zu erkennen. Allerdings unterscheiden sich sowohl die absoluten Höhen der Leistungen und das Maß der Vergleichmäßigung. \r\nAuf der Lastseite verdoppelt sich die gleichzeitige Leistung im Durchschnitt von 6,0 kW/HA (Ref) auf 12,9 kW/HA (V2H+/V2G). Hierbei ist der Einfluss von V2H nur marginal und führt zu einer Leistung von 5,9 kW/HA. Im realistischen Szenario (Real) wird mit 5,6 kW/HA der niedrigste Wert erreicht, der aber immer noch deutlich über dem heutigen Wert von 1,7 kW/HA (Abbildung 3-9) liegt.  \r\nAuf der Einspeiseseite steigt der Wert durch die Rückspeisung im V2G-Szenario von 1,5 kW/HA (Ref) auf bis zu 9,1 kW/HA und liegt im realistischen Szenario bei 1,7 kW/HA. In den weiteren Szenarien ist der Wert wie in der Referenz, da keine Rückspeisung in das öffentliche Netz erfolgt. \r\nInsgesamt sind somit die gleichzeitigen Bezugsleistungen in allen Szenarien deutlich höher als die Einspeiseleistungen. \r\n \r\nAbbildung 3-11: \tMaximale und minimale gleichzeitige Leistung je HA und Netzgebiet in Abhängigkeit von der \r\nHA-Anzahl für die unterschiedlichen Szenarien im Jahr 2040. Die 22 Netzgebiete mit mehr als \r\n150 Has sind aus Darstellungsgründen nicht abgebildet /MÜL-02 22/ \r\nDiese deutlich höheren maximalen gleichzeitigen Leistungen führen zu einem Ausbaubedarf in mehr Netzen. \r\nAbbildung 3-12 zeigt die Überlastungsarten, die zu Netzausbaubedarf in den verschiedenen Szenarien führen. \r\nInsgesamt \tdominieren \tdie \tlastbedingten \tEngpässe, \tbedingt \tdurch \tSpannungsbandverletzungen \tund \r\nTrafoüberlastungen. Diese beiden Überlastungsarten treten über alle Szenarien hinweg innerhalb dieser meist gleich häufig auf und erreichen Werte zwischen 27 und 71 %. Leitungsüberlastungen treten mit Ausnahme der Szenarien mit variablen Preisen (V2H+/V2G), wo diese in 50 % der Netze vorkommen, nur in ca. 11 % der Netze auf. \r\nEinspeisebedingte Engpässe treten lediglich im V2G Szenario in nennenswerten Umfängen auf. \r\nDer Anteil der Netze mit Ausbaubedarf variiert innerhalb der Szenarien deutlich zwischen 32 und 71 %. In der Referenz sind 43 % der Netze überlastet. Durch die lokalen Optimierungen kann dieser Werte im V2H Szenario jedoch nur leicht auf 42 % reduziert werden. Die Optimierungen basierend auf variablen Stromtarifen führen bei V2H+ und V2G in 71 % der Netze zu Überlastungen. Obwohl die Anzahl der betroffenen Netze gleich ist, sind die Umfänge (absolut und zeitlich) jedoch bei V2G deutlich höher.  \r\nDie Durchmischung der Use Cases (Real) reduziert die Anzahl der betroffenen Netzgebiete auf 41 %. Hierbei haben weitere Sensitivitätsanalysen gezeigt, dass bei ca. 10 % tarifoptimierten HAs die wenigsten Netze überlastet sind und ab einem Anteil von 20 % die Anzahl der überlasteten Netze oberhalb der Referenz liegt. Die beiden netzdienlichen Szenarien führen zu Netzüberlastungen in 37 % (vNE) bzw. 32 % (§14a) der Netze. Diese vermeintlich geringen Effekte der netzdienlichen Use Cases resultieren aus unterschiedlichen Gründen, welche in den folgenden beiden Detailanalysen beschrieben werden. Ein wesentlicher Punkt ist, dass die WPs und ESHs, durch welche im Jahr 2040 auch ohne Elektrofahrzeuge bereits in 300 Netzen (25 %) Ausbaubedarf besteht, in allen Szenarien bedarfsorientiert betrieben werden und auch nicht an den netzdienlichen Use Cases partizipieren. Diese Netze können in beiden netzdienlichen Szenarien durch die sonstigen Flex-Optionen nicht entlastet werden. In der Praxis könnten zukünftig jedoch auch WPs flexibilisiert werden. Im Rahmen des BDL-Projekts wurde hierauf jedoch bewusst verzichtet, um den Effekt der Elektrofahrzeuge und Batteriespeicher klar zu erkennen. \r\n \r\nAbbildung 3-12: Auftretende Netzüberlastungen in den Szenarien im Jahr 2040 unterteilt in die Überlastungsarten Detailanalyse zur Einordnung des vNE-Szenarios \r\nDie folgende Detailanalyse basiert auf /BLU-02 22/ und wurde bereits in /FFE-03 23/ veröffentlicht. Die Simulationen mit variablen Netzentgelten (vNE) zeigen eine Reduktion überlasteter Netze um 9 % gegenüber dem realistischen \r\nSzenario. Wie in /BLU-02 22/ gezeigt, haben auch die Ausgestaltungsmöglichkeiten wie Auslastungsgrenze, Stufenhöhe und Prognosegenauigkeit- sowie Umfang der Überlastungen Einfluss auf die netzentlastende Wirkung. Eine Ursache, die den netzdienlichen Einsatz der Flexibilität von an V2G mit variablen Netzentgelten teilnehmenden \r\nEFZs und SBS mindert bzw. vermeidet, ist der in Konkurrenz zu variablen Netzentgelten stehende variable \r\nBörsenpreis. In Abbildung 3-13 wird der zeitliche Zusammenhang aus Transformatorauslastung, welche das \r\nNetzentgelt bestimmt, dem durchschnittlichen resultierendem Netzentgelt, den tatsächlich überlasteten Transformatoren sowie dem Börsenpreis dargestellt.  \r\nDie durchschnittliche Transformatorauslastung ist gerade im Februar aufgrund niedriger Temperatur (Wetterjahr 2012) und dem damit einhergehenden hohen Strombedarf der Wärmepumpen hoch (oben links, a) und führt vor allem am Abend zu Trafoauslastungen über 70 % und damit zu hohen mittleren Netzentgelten (oben rechts, b). Der größte Anteil der Transformatoren ist hingegen im Februar zu den Mittagsstunden überlastet (unten links, c). Dies ist ebenfalls auf eine hohe wärmepumpenbedingte Grundlast zurückzuführen, wobei in dieser Zeit zusätzlich preisoptimierte Elektrofahrzeuge bevorzugt mittags laden, da zu den Abendstunden im Februar die Börsenpreise um ein Vielfaches höher als die maximalen variablen Netzentgelte (15,0,5 ct/kWh) sind. Somit wird der mittags geladene Strom zur zeitlichen Arbitrage genutzt. Da es sich um max. 15 % der Transformatoren handelt, die überlastet sind, sind diese Überlastungen nicht in den mittleren Netzentgelten zu erkennen. Sensitivitätsanalysen haben weiterhin gezeigt, dass auch Netzentgelte mit bis zu 45,05 ct/kWh diesen Effekt der überlagernden Börsenpreise nicht vermeiden konnten, da hierdurch teilweise ein dauerhaft erhöhtes Netzentgelt geschaffen wird, wodurch der netzdienliche Anreiz verloren geht und somit wieder lediglich anhand der Börsenpreise geladen wird.  \r\n \r\n \r\nAbbildung 3-13: Mittlere Transformatorauslastung (oben links), mittleres Netzentgelt (oben rechts), Anteil zeitgleich überlasteter Transformatoren (unten links), Spotmarktpreis für 2040 (unten rechts) /FFE-03 23/ \r\nDetailanalyse zur Einordnung des §14a Szenarios \r\nDie folgende Detailanalyse erläutert die Hintergründe, warum nur 21 % der Netze durch das Modell der der Spitzenglättung engpassfrei werden. Die Analyse beruht auf /FFE-72 22/ beruht, wurde bereits in /FFE-03 23/ veröffentlicht.  \r\nDie Hauptursache liegt darin, dass nur die Leistung von EFZs und SBS reduziert wurde. Es erfolgte keine Reduktion der Wärmepumpenleistungen. Insgesamt war deswegen in 79 % der Netze die unbedingte (nicht abregelbare) Leistung zu hoch. Zudem wurde in 97 % der überlasteten Netze mindestens einmal die maximale Eingriffsdauer von zwei Stunden pro Tag erreicht, weswegen die Leistungsreduktion beendet werden musste. Die Nutzereinschränkungen sind jedoch bei den Eingriffen in den Netzen, welche dadurch engpassfrei werden, sehr gering und dauern im Schnitt nur 1,25 Stunden pro Jahr und Netz.  \r\nWeitere Sensitivitäten bezüglich der Modellparametrisierung haben gezeigt, dass die maximal erlaubte Eingriffsdauer und die bestellte bedingte Leistung die Haupteinflussfaktoren auf die netzentlastende Wirkung sind. Eine Erhöhung der maximalen Eingriffsdauer von zwei auf drei bzw. fünf Stunden führt dazu, dass statt 32 % nur noch 30 % bzw. 29 % der Netze überlastet sind. Durch eine geringere bestellte bedingte Leistung im Bezug zur Summenleistung der Flexibilitätsoptionen erfolgt ein lokales Lastmanagement, welches das Stromnetz ebenfalls entlastet.  \r\nDas Modell der Spitzenglättung eignet sich somit eher bei Netzen mit kurzzeitigen Überlastungen und bietet eine Möglichkeit, den Netzausbau hinauszuzögern. In Abbildung 3-14 sind hierzu die Ergebnisse für die Jahre 2030, 2040 und 2050 dargestellt. Dabei zeigt sich, dass ca. 7 – 9 % der Netze mittels Spitzenglättung engpassfrei bleiben. Eine detaillierte Betrachtung der betroffenen Netze zeigt, dass zehn Jahre später auf Grund der voranschreitenden Elektrifizierung dies in den meisten betroffenen Netzen nicht mehr möglich ist (siehe Pfeile). Von den 103 Netzen aus dem Jahr 2040 sind trotz Spitzenglättung in 2050 92 Netze überlastet und es bedarf weiterer Ausbaumaßnahmen. \r\n \r\nAbbildung 3-14: Resultierende Netzbelastungen bei Anwendung der Spitzenglättung auf das realistische Szenario für die Jahre 2030, 2040 und 2050 /MÜL-02 22/ nach /FFE-72 22/ \r\nDas Modell der Spitzenglättung kann somit den Netzausbau zeitlich verzögern, aber nicht gänzlich ersetzen. Insgesamt sind jedoch die Einschränkungen der Nutzer mit wenigen Stunden Eingriffsdauer und noch niedrigerer individueller Betroffenheit gering. Auch ist die tatsächliche Reduktion im Eingriffsfall mit ca. 9 % im Bezug zur kontrahierten flexiblen Leistung eher gering. \r\nNach diesen beiden Exkursen folgen abschließend Detailanalysen zu den drei Überlastungsarten. Die Analyse der maximalen Transformatorauslastungen je Netzgebiet in den unterschiedlichen Szenarien sind in Abbildung 3-15 visualisiert. Dabei wird gezeigt, dass neben der hohen Anzahl an betroffenen Transformatoren in den Szenarien V2H+ und V2G auch die Auslastungen mit dem 20 bzw. 26-fachen der Stromtragfähigkeit der bestehenden Transformatoren sehr hoch sind. \r\n \r\nAbbildung 3-15: Auslastungslimit und maximale Transformatorauslastungen der analysierten Netzgebiete für die unterschiedlichen Szenarien im Jahr 2040 /FFE-03 23/ nach /MÜL 02 22/ \r\nSomit führt ein Transformatortausch nicht immer zur Lösung des Engpasses, sondern es bedarf umfangreicherer Maßnahmen wie der Aufspaltung von Netzgebieten. In diesen Szenarien wird der Wert von 1.000 kVA, was die maximale Standard-Transformatorgröße ist, in 216 bzw. 217 Netzen überschritten. In den sonstigen Szenarien sind die Überlastungsumfänge mit maximal 400 % deutlich geringer und nur in sechs Netzen wird die 1000 kVA-Schwelle überschritten. \r\nEin ähnliches Resultat zeigt auch die Detailanalyse der unteren Spannungsbandverletzungen in Abbildung 3-16. Neben den Anteilen der betroffenen Netze (links) sind dort die betroffenen Hausanschlüsse (mittig) und die zeitlichen Umfänge dargestellt. Der zweite Wert stellt ohne Beachtung der Netzzugehörigkeit die tatsächlich betroffenen Haushalte ins Verhältnis zu allen Haushalten. Auffällig ist, dass in den Szenarien mit wenigen Spannungsbandverletzungen der Anteil der betroffenen Hausanschlüsse mit 18 – 25 % geringer ist als der der Netze (27 – 34 %), wohingegen in den Szenarien V2H+/V2G sogar 72 % der Hausanschlüsse (65 % der Netze) betroffen sind. So wird noch einmal verdeutlicht, dass die großflächige Teilnahme am V2H+/V2G Use Case auch zu großflächigen Spannungsbandproblemen führt. \r\n \r\nAbbildung 3-16: Anteil der Netze und Hausanschlüsse sowie Dauer der unteren Spannungsbandverletzungen in den unterschiedlichen Szenarien im Jahr 2040 /FFE-03 23/ nach /MÜL 02 22/ \r\nDie mittlere auftretende Zeitdauer je Netzgebiet (rechts) liegt je Szenario zwischen 1 – 4 % des Simulationszeitraums (ein Jahr), schwankt jedoch stark zwischen den einzelnen Netzgebieten und erreicht im Extremfall 4.000 Stunden pro Jahr in einem Netz. \r\nIm Gegensatz zu den Transformatoren, welche entweder überlastet sind oder nicht, bedeutet eine \r\nLeitungsüberlastung innerhalb eines Netzgebiets nicht, dass alle Leitungen überlastet sind. Zur Einordnung der Überlastungsumfänge sind in Abbildung 3-17 anteilig überlastete Leitungsmeter dargestellt. Dieser Wert gibt also an, welcher Anteil des Netzgebiets überlastet ist. Zur besseren Einordnung der Überlastungen ist zudem dargestellt, welcher Anteil des Netzgebiets mindestens einmal zu über 90 % ausgelastet wurde. Es zeigt sich, dass die betroffene Leitungslänge deutlich geringer ist als die Anzahl der betroffenen Netze mit mindestens einer Leitungsüberlastung. \r\nSo sind beispielsweise in der Referenz 1 % der Leitungen im Untersuchungsgebiet überlastet (1,4 % haben Auslastungen größer 90 %), obwohl in 11,6 % der Netze Leitungsüberlastungen auftreten. In den Szenarien V2H+ und V2G wurden in 50 % der Netze Leitungsüberlastungen identifiziert, was 9 bzw. 9,6 % der Leitungsmeter entspricht. Insgesamt müssen somit je Szenario in 1 – 10 % der Netze Leitungen auf Grund von Überlastungen bis 2040 getauscht werden. \r\n \r\nAbbildung 3-17: Überlastete (> 100 %) und stark ausgelastete (> 90 %) Leitungen in Prozent der Leitungslänge für die unterschiedlichen Szenarien im Jahr 2040 /FFE-03 23/ nach /MÜL 02 22/ \r\nDie vorgestellten Ergebnisse zeigen, dass auf Grund der zunehmenden Elektrifizierung in der Niederspannungsebene in den nächsten Jahren erheblicher Netzausbaubedarf besteht. Neben den hier im Detail betrachteten Elektrofahrzeugen sind hierfür häufig Wärmepumpen, welche im Winter hohe Gleichzeitigkeiten haben, verantwortlich. Im Referenzszenario entsteht bis zum Jahr 2040 in 43 % der Netze Ausbaubedarf. Die unterschiedlichen Ladestrategien von EFZ, vor allem wenn diese zukünftig vermehrt bidirektional sind, können diesen Netzausbau bei hoher Durchdringung von marktlicher Optimierung deutlich um bis zu 66 % auf 71 % der Netze erhöhen. Andererseits führt eine Use Case Durchmischung (realistisches Szenario) zu geringeren Netzbelastungen, als wenn alle EFZ rein bedarfsgeführt geladen würden. Sensitivitätsanalysen haben gezeigt, dass bis zu einem Anteil von 15 % V2G die Anzahl der überlasteten Netze nicht über der Referenz liegt. Des Weiteren bestehen durch netzdienliche Use Cases, wie beispielsweise variable Netzentgelte oder der Leistungsreduktion durch den VNB (§14a EnWG), die Möglichkeit, den Netzausbaubedarf weiter zu reduzieren. Dies gilt vor allem für Netze, in welchen Überlastungen maßgeblich durch flexible Elektrofahrzeuge verursacht werden und weniger durch in diesem Kontext als unflexibel angenommene Wärmepumpen.  \r\nInsgesamt bedarf es gerade vor dem Hintergrund der kommenden Elektrifizierung in den Niederspannungsnetzen sowie der Neugestaltung des §14a EnWG und sonstigen Konzepten zur netzdienlichen Integration der Flexibilitätsoptionen weiterer Forschung, um diese Flexibilitäten zielgerichtet zu heben. \r\n4 Bidirektionale Elektrofahrzeuge aus der Sicht des Energiesystems \r\nDie folgenden Auswertungen sind der eingereichten, noch nicht veröffentlichen Dissertation von Timo Kern entnommen /KERN-02 22/, die im Rahmen des BDL-Projektes entstanden ist. Dafür wurden die englischen Texte der Dissertation ins Deutsche übersetzt. \r\nAufgrund der ambitionierten europäischen und nationalen Klimaziele steht das europäische Energiesystem vor großen strukturellen Veränderungen. Basierend auf /FFE-26 22/ und /FFE-71 22/ sowie weiterer Forschung wird in diesem Kapitel der Mehrwert von bidirektionalen EFZ für das europäische Energiesystem analysiert. Der Fokus liegt dabei auf systemisch orientierten V2G-Anwendungsfällen. Abschnitt 4.1 analysiert die verschiedenen Modellierungsarten von bidirektionalen EFZ in einem europäischen Energiesystemmodell für die Integration von EFZ in den Strommarkt (Use Case Arbitragehandel) und für die Bereitstellung von Systemdienstleistungen durch bidirektionale EFZ (Use Case Engpassmanagement). Um die Auswirkungen von bidirektionalen EFZ auf das Stromsystem zu bewerten, werden in Abschnitt 4.2 zunächst Szenarien definiert. Basierend auf der Szenariodefinition und den Modellierungsansätzen werden in Abschnitt 4.3 die kostenoptimalen Durchdringungsraten von bidirektionalen EFZ und deren Einflussfaktoren analysiert. Schließlich werden in Abschnitt 4.4 die quantitativen Auswirkungen von bidirektionalen EFZ auf das europäische Energiesystem untersucht. \r\n4.1 \tMethoden \r\n \r\nFür die Betrachtung des Mehrwerts von bidirektionalen EFZ aus einer Systemperspektive wird das Energiesystemmodell ISAaR weiterentwickelt. Detaillierte Informationen zu ISAaR finden sich in /BOE-01 20/ und /FFE-28 22/. Abschnitt 4.1.1 konzentriert sich auf die Modellierung der integrierten bidirektionalen EFZ in den \r\nStrommarkt. Abschnitt 4.1.2 baut auf der Marktintegration auf und erweitert die anschließende ÜbertragungsnetzSimulation um bidirektionale EFZ, die Engpassmanagement betreiben können. \r\n4.1.1 \tModellierung der Strommarkt-Integration \r\n \r\nDas Energiesystemmodell ISAaR ist ein lineares Optimierungsproblem mit der Zielfunktion, die europäischen \r\nEnergiesystemkosten zu minimieren. Die linearisierten Gleichungen beschreiben die technisch-ökonomischen Beziehungen innerhalb eines Energiesystems. Die Zielfunktion wird in Gleichung (4-1) formuliert. Die Kosten 𝐶 ergeben sich aus Betriebs- und Investitionskosten. Die Betriebskosten werden durch spezifische Kosten 𝑓𝑡,𝑛,𝑖 und die Auslastung der Optimierungsvariablen 𝑥𝑡,𝑛,𝑖 für alle Zeitschritte 𝑡, Knoten 𝑛 und Instanzen i gebildet. Die Variablen 𝑥𝑡,𝑛,𝑖 umfassen Erzeugung, Verbrauch, Import und Export aller modellierten Energieträger. \r\nInvestitionskosten und andere nicht zeitabhängige Kosten werden mit Hilfe der spezifischen Kosten 𝑓𝑛,𝑖 und der Auslastung der Optimierungsvariablen 𝑥𝑛,𝑖 für alle Knoten 𝑛 und Instanzen i berechnet. Die Auslastung der Optimierungsvariablen 𝑥𝑛,𝑖 umfasst verschiedene Arten von Anlagen, z. B. Speicher, erneuerbare Energien oder Wasserstoffkraftwerke. Im Marktoptimierungslauf beziehen sich die Knoten 𝑛 auf Marktgebiete im europäischen Energiesystem. \r\n\t𝐶 = 𝑚𝑖𝑛 (∑ ∑ ∑(𝑓𝑡,𝑛,𝑖 ∙ 𝑥𝑡,𝑛,𝑖) \t(4-1) \r\n𝑡𝜖𝑇 𝑛𝜖𝑁 𝑖𝜖𝐼\r\nAus Sicht des Energiesystemmodells ISAaR stellen bidirektionale EFZ eine Zubauoption dar, die Direktlade-EFZ ersetzen. Diese Zubauoption ist mit Investitionskosten verbunden, die von der notwendigen zusätzlichen Infrastruktur und Software sowie von zusätzlichen Betriebskosten abhängen. Diese Kosten sind in der Zielfunktion von ISAaR enthalten. Zusätzlich zu den bidirektionalen EFZ kann das Modell auch Direktlade-EFZ durch gesteuert geladene EFZ ersetzen, die nur unidirektional laden und geringere Investitionskosten haben. \r\nDie Lade- und Entladeleistungen von bidirektionalen EFZ sind in den Leistungsbilanzen enthalten. Gemäß der \r\nGleichung (4-2) ist der Endenergiebedarf 𝑃𝑑𝑒𝑚𝑎𝑛𝑑 gleich der Erzeugung 𝑃𝑔𝑒𝑛 und den Importen 𝑃𝑖𝑚𝑝𝑜𝑟𝑡 abzüglich des Verbrauchs 𝑃𝑐𝑜𝑛𝑠 und der Exporte 𝑃𝑒𝑥𝑝𝑜𝑟𝑡 für jeden Zeitschritt t, jeden Knoten n und jeden Energieträger c über alle Instanzen i. Das Aufladen eines EFZs wird in der Strombilanz als Verbrauch und das Entladen als Erzeugung berücksichtigt. \r\n𝑃𝑑𝑒𝑚𝑎𝑛𝑑(𝑡, 𝑛, 𝑐) = ∑ 𝑃𝑔𝑒𝑛(𝑡, 𝑛, 𝑐) − ∑𝑃𝑐𝑜𝑛𝑠(𝑡, 𝑛, 𝑐) +  \r\n\t𝑖\t𝑖\t(4-2) \r\n∑𝑃𝑖𝑚𝑝𝑜𝑟𝑡(𝑡, 𝑛, 𝑐) − ∑𝑃𝑒𝑥𝑝𝑜𝑟𝑡(𝑡, 𝑛, 𝑐) \r\n\t𝑖\t𝑖\r\nDie Modellierung von in den europäischen Strommarkt integrierten bidirektionalen EFZ und damit einem energiesystemoptimalen Einsatz der Fahrzeuge entspricht dem Anwendungsfall des zeitlichen Arbitragehandels aus Sicht der Nutzer. In einem systemoptimalen Betrieb werden bidirektionale EFZ zu Zeiten niedriger Strompreise geladen und zu Zeiten teurer Strompreise entladen. Auf diese Weise können sie den Einsatz von thermischen Kraftwerken verdrängen, die zu teuren Grenzkosten produzieren. Durch die kostenoptimale Integration von bidirektionalen EFZ werden die Auswirkungen auf die Day-Ahead-Strompreise endogen in ISAaR berücksichtigt. \r\nGleichung (4-3) stellt die Gleichung zur Bestimmung des Speicherfüllstands von EFZ dar. Das Speicherniveau der EFZ 𝐸𝐸𝑉 in einem Zeitschritt 𝑡 ist gleich dem Speicherfüllstand des vorherigen Zeitschritts, addiert mit der am \r\nAnschlusspunkt \tgeladenen \tEnergie  \r\n𝑃𝐸𝑉,𝑐(𝑡) ∙µ𝐸𝑉,𝑐 ∙ ∆𝑡 und der geladenen Energie im öffentlichen Raum 𝐸𝐸𝑉,𝑝𝑢𝑏,𝑐(𝑡), subtrahiert mit der entladenen Energie 𝑃 µ𝐸𝑉𝐸𝑉,𝑑,𝑑(𝑡) ∙ ∆𝑡 und der durch das Fahren verbrauchten Energie 𝐸𝐸𝑉,𝑑𝑟𝑖𝑣𝑒(𝑡). Die Lade- und \r\nEntladewirkungsgrade µ𝐸𝑉,𝑐 und µ𝐸𝑉,𝑑 werden aufgrund der überwiegend hohen Lade- und Entladeleistungen als konstant modelliert. \r\n𝑃𝐸𝑉,𝑑(𝑡)\r\n\t𝐸𝐸𝑉(𝑡) = 𝐸𝐸𝑉(𝑡 − 1) + 𝑃𝐸𝑉,𝑐(𝑡) ∙ µ𝐸𝑉,𝑐 ∙ ∆𝑡 −\t µ𝐸𝑉,𝑑\t∙ ∆𝑡 + 𝐸𝐸𝑉,𝑝𝑢𝑏,𝑐(𝑡)\t(4-3) \r\n− 𝐸𝐸𝑉,𝑑𝑟𝑖𝑣𝑒(𝑡) \r\nWeiterhin werden, wie in /FFE-26 22/ beschrieben, ein Sicherheits-SoC und ein minimaler Abfahrts-SoC modelliert, die die Höhe des Batteriefüllstands einschränken, um ein realistisches Nutzerverhalten zu gewährleisten. \r\nEine diskrete Modellierung aller einzelnen EFZ im europäischen Energiesystem führt zu einer großen Anzahl von modellierten Speicherinstanzen, was eine große Komplexität mit sich bringt. In /FFE-26 22/ werden drei Ansätze für die Modellierung von bidirektionalen EFZ in europäischen Energiesystemmodellen vorgestellt, um dieses Problem zu lösen. Alle Ansätze haben das Ziel, ganze Fahrzeugflotten in Ländern zu modellieren und dabei die Komplexität des Modells so gering wie möglich zu halten. Tabelle 4-1 fasst die Ansätze und ihre Vor- und Nachteile zusammen. \r\nTabelle 4-1: Modellierungsansätze für bidirektionale EFZ in einem europäischen Energiesystemmodell und ihre Vor- und Nachteile \r\n \r\n\t\t\t\r\n \t1.000 diskrete EFZ-Profile pro Marktgebiet \tGeclusterte, diskrete EFZ-\r\nProfile pro Marktgebiet \tAggregiertes EFZ-Profil pro \r\nMarktgebiet \r\nModellierung \tModellierung von 1.000 diskreten EFZ-Instanzen zur \r\nDarstellung der EFZ-Flotte \tModellierung von Clustern mit 5 bis 50 diskreten EFZ-\r\nInstanzen zur Darstellung der EFZ-Flotte \tModellierung einer aggregierten EFZ-Instanz zur \r\nDarstellung der EFZ-Flotte \r\nVorteile \tBeste Darstellung der EFZ-\r\nFlotte und ihrer \r\nAuswirkungen auf das \r\nEnergiesystem \tGenaue Abbildung der EFZNebenbedingungen \r\nGute Modellierung der EFZ-\r\nFlotte und ihrer \r\nAuswirkungen auf das \r\nEnergiesystem \tGeringste Modellierungskomplexität \r\nGute Modellierung der EFZ-\r\nFlotte und ihrer \r\nAuswirkungen auf das \r\nEnergiesystem \r\nNachteile \tHohe Komplexität \r\nNicht berechenbar für optimierten Ausbau von bidirektionalen EFZ \tHohe Komplexität \tKeine genaue Abbildung der \r\nEFZ-Nebenbedingungen \r\n \r\nDer Modellierungsansatz über die Aggregation aller EFZ-Profile schwächt die EFZ-Nebenbedingungen ab, die den SoC einschränken. Abbildung 4-1 zeigt die aggregierte Verfügbarkeit von EFZ am Ort „zu Hause“ im Vergleich zur Verfügbarkeit eines einzelnen EFZs für eine Beispielwoche. Diskrete EFZ-Profile haben zeitliche Abhängigkeiten, die bei der Modellierung eines aggregierten EFZ-Profils vernachlässigt werden. Ein einzelnes Elektrofahrzeug, das mit einem SoC abfährt, der aus dem systemoptimalen Betrieb des Fahrzeugs resultiert, kehrt mit einem SoC zurück, der von dem SoC bei der Abfahrt abhängt. Die Modellierung eines aggregierten EFZ-Profils vernachlässigt diese Abhängigkeit, berücksichtigt aber dennoch die Gesamt-SoC-Beschränkungen des EFZ-Pools aufgrund der aggregierten Mindestverfügbarkeit. Da der Modellierungsansatz über die Aggregation aller EFZ-Profile zu einer guten Abbildung der EFZ-Flotte und ihrer Auswirkungen auf das europäische Energiesystem führt und gleichzeitig die geringste Modellierungskomplexität aufweist, wird er für die weitere Untersuchung ausgewählt. Eine detailliertere Beschreibung des Vergleichs der Modellierungsansätze ist in /FFE-26 22/ zu finden. Darüber hinaus können auch gesteuert geladene EFZ, die nur unidirektional laden, mit der gleichen Methode modelliert werden. Der einzige Unterschied ist ihre Entladeleistung, die auf Null gesetzt wird /FFE-26 22/. \r\n Mon\r\n\ton\ton\ton\ton\ton\ton\ton\r\n \r\nAbbildung 4-1: \tUnterschiedliche Verfügbarkeit von aggregierten und diskreten EFZ-Profilen für eine \r\nBeispielwoche wie in /FFE-26 22/ dargestellt \r\n4.1.2 \tModellierung der Engpassmanagement-Bereitstellung \r\n \r\nDie Modellierung des Engpassmanagements in ISAaR basiert auf einer zweistufigen Optimierung: \r\n•\tErster Lauf: Marktmodellierung (beschrieben im vorherigen Abschnitt) \r\n•\tZweiter Lauf: Optimierung des Übertragungsnetzes (in diesem Abschnitt beschrieben) \r\nDie Übertragungsnetzoptimierung fixiert die Investitionen in neue Anlagen auf der Grundlage der Ergebnisse der Marktmodellierung. Außerdem stellt der Einsatz der Anlagen in der Marktmodellierung die Basis für ihren Betrieb in der Übertragungsnetzoptimierung dar, so dass Anlagen nur mit zusätzlichen Kosten von der Basis abweichen können. Aus diesen Gründen unterscheidet sich die Zielfunktion der Übertragungsnetzoptimierung von der des Marktlaufs nach Gleichung (4-4). Sie beschränkt sich auf Betriebskosten und Kosten, die durch die Bereitstellung von Engpassmanagement für alle Zeitschritte 𝑡, Knoten 𝑛 und Instanzen i in Abhängigkeit von spezifischen Kosten ft,n,i und der Auslastung der Optimierungsvariablen xt,n,i entstehen. Erzeuger, Lasten und Flexibilitäten im Verteilnetz werden aus Komplexitätsgründen aggregiert und den Knoten des Übertragungsnetzes zugeordnet. \r\n\t𝐶 = 𝑚𝑖𝑛 (∑ ∑ ∑(𝑓𝑡,𝑛,𝑖 ∙ 𝑥𝑡,𝑛,𝑖)) \t(4-4) \r\n𝑡𝜖𝑇 𝑛𝜖𝑁 𝑖𝜖𝐼\r\nDie Kosten für das Engpassmanagement (Erhöhung der Einspeisung) und die Erlöse (Verringerung der Einspeisung) von thermischen Kraftwerken werden in Abhängigkeit von ihren Betriebskosten festgelegt. Die Erlöse für die Abregelung von erneuerbaren Energien werden auf Null gesetzt, um sicherzustellen, dass die Abregelung nur als letzte Option erfolgt. Die Kosten und Erlöse für Speicher, die das Engpassmanagement übernehmen, werden niedrig angesetzt. Ihre Hauptkosten entstehen durch den nachträglichen Ausgleich von Fahrplanabweichungen. Diese Energiekompensation führt zu Kosten, die von den Engpassmanagementkosten anderer Anlagen, die die Kompensation leisten, abhängig sind. \r\nDie Leistungsbilanz im Übertragungsnetzlauf wird pro Übertragungsnetzknoten formuliert und hat damit eine deutlich höhere regionale Auflösung als der Marktlauf. Für den Leitungsfluss wird ein Gleichstrom-Lastfluss auf Basis von PTDF (Power Transfer Distribution Factors) verwendet, der eine linearisierte Approximation des nichtlinearen Wechselstrom-Lastflusses darstellt. Diese vereinfachte Modellierung des Lastflusses ist unter der Annahme zulässig, dass es keine Spannungsabfälle gibt (Spannungsamplitude ist für alle Knoten gleich), Blindleistung und Leitungsverluste vernachlässigt werden und die Spannungswinkeldifferenzen klein sind /ELS-01 14/. Bei der Modellierung des DC-Lastflusses auf der Grundlage von PTDF wird der Lastfluss von AC-Leitungen 𝑃𝑙𝑖𝑛𝑒,𝐴𝐶 durch die PTDF-Matrix multipliziert mit den Einspeisungen und Entnahmen in einem Netzknoten 𝑃𝑛𝑜𝑑𝑒 gemäß der \r\nGleichung (4-5) bestimmt. Der Lastfluss von DC-Leitungen 𝑃𝑙𝑖𝑛𝑒,𝐷𝐶 ist durch Konverterstationen am Ende und am Anfang einer DC-Leitung vollständig steuerbar und wird daher über ein Transportmodell von Knoten x nach y nach Gleichung (4-6) ermittelt. \r\n𝑃𝑙𝑖𝑛𝑒,𝐴𝐶 = 𝑃𝑇𝐷𝐹 ∙ 𝑃𝑛𝑜𝑑𝑒 \t(4-5) \r\n𝑃𝑙𝑖𝑛𝑒,𝐷𝐶 = 𝑃𝑥→𝑦 \t(4-6) \r\nEine detaillierte Herleitung der PTDF-Gleichungen ist bereits mehrfach beschrieben worden und findet sich beispielsweise in /KUL-01 14/, /ELS-01 14/, /BOE-01 20/ sowie in /FFE-71 22/. \r\nEin- und Ausspeisungen in einem Netzknoten sind das Resultat der Erzeugung und des Verbrauchs aller Anlagen im Marktlauf sowie deren optimiertes Engpassmanagement im Übertragungsnetzlauf. Die Leistung von Kraftwerken und erneuerbaren Energien 𝑃𝑜 ist gleich dem Marktergebnis 𝑃𝑀 addiert mit dem erhöhten Einsatz 𝑃𝑝 und subtrahiert mit dem verminderten Einsatz 𝑃𝑛 für alle Zeitschritte t gemäß Gleichung (4-7). Eine Erhöhung der Einspeisung bedeutet positives Engpassmanagement und eine Verringerung der Einspeisung bedeutet negatives Engpassmanagement. Volatil einspeisende erneuerbare Energien arbeiten im Marktbetrieb, unter Berücksichtigung marktbedingter Einschränkungen, mit ihrer maximalen Leistung. Daher wird ihre Variable 𝑃𝑝 auf Null gesetzt. Speicher und damit auch bidirektionale EFZ können auch Strom 𝑃𝑖 verbrauchen. Aus diesem Grund wird Gleichung (4-7) erweitert zu Gleichung (4-8). \r\n\t𝑃𝑜(𝑡) = 𝑃𝑀(𝑡) + 𝑃𝑝(𝑡) − 𝑃𝑛(𝑡) \t(4-7) \r\n\t𝑃𝑜(𝑡) − 𝑃𝑖(𝑡) = 𝑃𝑀(𝑡) + 𝑃𝑝(𝑡) − 𝑃𝑛(𝑡) \t(4-8) \r\nDie Modellierung von Speichern, die Engpassmanagement bereitstellen, ist aufgrund ihrer zeitlich gekoppelten Energieerhaltung komplex. Die zeitliche Kopplung führt außerdem dazu, dass eine Jahressimulation nicht beliebig zerlegt werden kann, um die Komplexität der Simulationen zu reduzieren. Abbildung 4-2 veranschaulicht schematisch die Möglichkeit, das Optimierungsproblem zu zerlegen mit einem eingeschränkten Speicherfüllstand zu Beginn und zum Ende einer Zeitscheibe. Positives und negatives Engpassmanagement wird durch das entgegengesetzte Engpassmanagement in einem anderen Zeitschritt kompensiert. Der Speicherfüllstand am Ende einer Zeitscheibe wird durch das Ergebnis der Marktmodellierung festgelegt und an die nächste Zeitscheibe weitergegeben. Die Zeitscheiben sind also nur durch den Marktlauf gekoppelt und können parallel simuliert werden. Die Länge der in sich geschlossenen optimierten Zeitscheiben kann variabel gewählt werden. Einerseits führt eine längere Zeitscheibe zu einer größeren Flexibilität, um einen veränderten Fahrplan auszugleichen. Andererseits führt sie zu einer höheren Komplexität des Optimierungsproblems. In /FFE-71 22/ wird die Auswirkung unterschiedlicher Zeitscheibenlängen im Detail analysiert. Die in Abschnitt 4.4.3 vorgestellten Ergebnisse beruhen auf einer Zeitscheibenlänge von einer Woche. \r\n \r\n \r\n \r\nAbbildung 4-2: \tSchematische Modellierung der zeitlichen Zerlegung des Optimierungsproblems mit eingeschränktem Speicherfüllstand zu Beginn und zum Ende einer Zeitscheibe auf der Grundlage von /FFE-71 22/ \r\n4.2 \tDefinition des Szenarios \r\n \r\nFür eine Bewertung der kostenoptimalen Integration von bidirektionalen EFZ in das zukünftige Energiesystem wird ein Szenario erstellt, das den Rahmen für dieses Kapitel bildet. Dieses basiert auf dem Klimaschutzszenario solidEU aus dem eXtremOS-Projekt, das eine 95%-ige Reduktion der Treibhausgasemissionen in Europa bis 2050 bei starker Elektrifizierung der Endenergiesektoren anstrebt. Detaillierte Informationen zum Szenario und den technoökonomischen Parametern finden sich in /FFE-24 21/. Für Deutschland wurde dieses Szenario um die von der Bundesregierung geplanten Zielkapazitäten für erneuerbare Energien und Kraftwerke im Jahr 2030 aktualisiert /HERTZ-01 22/: \r\n•\tInstallierte Kapazität von PV-Anlagen: 200 GW \r\n•\tInstallierte Kapazität von Windkraftanlagen an Land: 100 GW \r\n•\tInstallierte Kapazität von Offshore-Windkraftanlagen: 30 GW \r\n•\tAusstieg aus der Kohlekraft bis 2030 \r\nIm solidEU-Szenario gab es keine Möglichkeit, gesteuert geladene oder bidirektionale EFZ in das zukünftige \r\nEnergiesystem zu integrieren. Daher dient das solidEU-Szenario mit den zuvor angesprochenen Anpassungen als Referenzszenario Ref, um den Mehrwert eines Energiesystems mit bidirektionalen EFZ im Vergleich zu einem System ohne bidirektionale EFZ zu verdeutlichen. \r\nBasierend auf der Modellierung mit einem aggregierten EFZ-Profil pro Land (siehe Abschnitt 4.1.1) wird dem Modell endogen erlaubt, gesteuert geladene oder bidirektionale EFZ in das System zu integrieren. Tabelle 4-2 zeigt die Parametrierung der Elektrofahrzeuge (einschließlich ihrer Wallbox) auf. Die EFZ werden mit einer mittleren PKWBatteriekapazität von 50 kWh parametriert /FFE-142 19/. Die weiteren Parameter basieren auf Diskussionen im Rahmen des Forschungsprojekts BDL /FFE-26 22/. \r\nTabelle 4-2: \tTechnische Parameter von bidirektionalen und gesteuert geladenen EFZ \r\n \r\n\t\t\t\r\nKapazität der \r\nBatterie \tLeistung beim Laden/Entladen \tEffizienz beim Laden/Entladen \tMinimaler \r\nSicherheits-\r\nSoC \tMinimaler-\r\nSoC bei Abfahrt \tStandort der bidirektionalen \r\nWallbox \r\n50 kWh \t11 kW \t94% \t30% \t70% \tZu Hause \r\n \r\nZusätzlich zu den technischen Parametern der EFZ, die in Tabelle 4-2 dargestellt sind, sind auch die wirtschaftlichen \r\nParameter relevant. Tabelle 4-3 zeigt die zusätzlichen Investitionskosten für bidirektionale und gesteuert geladene EFZ im Vergleich zu ungesteuertem Laden auf. Die Investitionskosten werden auch in /FFE-26 22/ diskutiert. Sie beinhalten zusätzliche Kosten für Hardware, Software und die Installation der Wallbox. Darüber hinaus wurden Sensitivitäten für niedrigere Kosten von gesteuert geladenen EFZ (Sen1 und Sen2) hinzugefügt, um die Auswirkungen von gesteuert geladenen EFZ auf bidirektionale EFZ genauer zu bewerten. Die Investitionskosten werden mit einer erwarteten Lebensdauer der Wallbox von 15 Jahren /NREL-01 20/ und einem Zinssatz aus Sicht des Energiesystems von 3,5 % /UCL-01 11/ annualisiert. \r\nTabelle 4-3: Zusätzliche Investitionskosten für bidirektionale und gesteuert geladene EFZ im Vergleich zu ungesteuert ladenden EFZ für das Basis- und die Sensitivitätsszenarien Sen1 und Sen2  \r\n \r\n\t\t\t\t\r\n \t \t2025 \t2030 \t2035 \t2040 \t2045 \t2050 \r\nZusätzliche \r\nInvestitionskosten in €/a \tBidirektionale \r\nEFZ \t2.840 \t2.190 \t1.890 \t1.590 \t1.590 \t1.590 \r\n\tGesteuert geladene EFZ Basis \t960 \t760 \t760 \t760 \t760 \t760 \r\n\tGesteuert geladene EFZ Sen1 \t480 \t380 \t380 \t380 \t380 \t380 \r\n\tGesteuert geladene EFZ Sen2 \t200 \t160 \t160 \t160 \t160 \t160 \r\n \r\nDa gesteuert geladene und bidirektionale EFZ als eigenständige Elemente in das Energiesystemmodell ISAaR integriert werden, wird der maximale Anteil an der absoluten Anzahl der EFZ auf jeweils 50 % festgelegt. Damit wird sichergestellt, dass die Anzahl der gesteuert geladenen und bidirektionalen EFZ die absolute Anzahl der EFZ nicht übersteigt. Insgesamt ergeben sich die folgenden Szenarien: \r\n-\tRef: Referenzszenario ohne gesteuert geladene und bidirektionale EFZ \r\n-\tBDL: Basierend auf dem Referenzszenario mit der Option zur Integration von bidirektionalen und gesteuert geladenen EFZ mit Basisinvestitionskosten aus Tabelle 4-3 \r\n-\tSen1: Basierend auf dem BDL-Szenario mit Sen1-Investitionskosten aus Tabelle 4-3 \r\n-\tSen2: Basierend auf dem BDL-Szenario mit Sen2-Investitionskosten aus Tabelle 4-3 \r\n4.3 \tZukünftige kostenoptimale Durchdringungsraten \r\n \r\nAufbauend auf den Szenarien wird eine Kostenoptimierung des zukünftigen europäischen Energiesystems für das BDL-Szenario und die Sensitivitäten Sen1 und Sen2 durchgeführt. Eine wichtige Erkenntnis in /FFE-26 22/ ist, dass angesichts der Investitionskosten im BDL-Szenario die Option gesteuert geladener EFZ kaum endogen durch das Modell hinzugefügt wird. Die Zahl der bidirektionalen EFZ in Europa steigt im BDL-Szenario von 19 Millionen EFZ im Jahr 2030 auf 62 Millionen EFZ im Jahr 2050. Dies entspricht einem Anteil der bidirektionalen EFZ an den gesamten EFZ von 25 % im Jahr 2030 und von 30 % im Jahr 2050. Der Anteil der bidirektionalen EFZ an der Gesamtzahl der EFZ ist im Jahr 2040 mit rund 35 % am höchsten. Für das europäische Energiesystem ist der Mehrwert von bidirektionalen EFZ im Vergleich zu gesteuert geladenen EFZ so viel höher, dass deren höhere Investitionskosten kompensiert werden. Dies liegt zum einen an der hohen Verfügbarkeit der EFZ zu Hause, so dass die höhere Flexibilität der bidirektionalen EFZ durch das Laden und Entladen zu Mehrwerten für das Energiesystem führt. Auf der anderen Seite können gesteuert geladene EFZ nur ihren Ladevorgang anpassen, was ihr Energieflexibilitätspotenzial auf den Fahrverbrauch begrenzt. \r\nAbbildung 4-3 zeigt die Anzahl der EFZ pro Ladestrategie für die Szenarien BDL, Sen1 und Sen2 auf. Durch die Senkung der Investitionskosten für gesteuert geladene EFZ in den Szenarien Sen1 und Sen2 werden deutlich mehr gesteuert geladene EFZ endogen durch das Energiesystemmodell integriert. Insbesondere im Szenario Sen2 liegt der Anteil der gesteuert geladenen EFZ an der absoluten Anzahl der EFZ in den Jahren 2030 und 2040 nahe dem Maximum von 50 %. Somit führt die Option gesteuert geladener EFZ zu einem ausreichend großen Mehrwert für das Energiesystem, so dass die zusätzlichen Investitionskosten kompensiert werden können.  \r\n \r\nAbbildung 4-3: Anzahl der EFZ pro Ladestrategie für die Szenarien BDL, Sen1 und Sen2 basierend auf /FFE-26 22/ und weiteren Auswertungen \r\nIm Vergleich zum BDL-Szenario werden diese zusätzlichen gesteuert geladenen EFZ jedoch weniger dazu genutzt, bidirektionale EFZ zu ersetzen. Dies zeigt, dass die Flexibilitätsoption der gesteuert geladenen EFZ nur einen geringen Einfluss auf die Integration von bidirektionalen EFZ hat. Selbst im Szenario Sen2, mit den niedrigsten Kosten für gesteuert geladene EFZ, beträgt die Zahl der bidirektionalen EFZ 14 Millionen EFZ im Jahr 2030 und steigt auf 54 Millionen im Jahr 2050 an. \r\nNeben der absoluten Anzahl der EFZ pro Ladestrategie ist auch eine Analyse der regionalen Verteilung der EFZ aufschlussreich, um Hinweise auf Faktoren zu erhalten, die den Anteil an bidirektionalen EFZ beeinflussen. Aus diesem Grund stellt Abbildung 4-4 in Abhängigkeit von den Volllaststunden der PV-Erzeugung die Anteile und Anzahl der EFZ pro Ladestrategie und Land für die Szenarien BDL und Sen2 im Jahr 2050 dar. Dies ergänzt die Analyse in \r\n/FFE-26 22/, die 2030 und 2050 für das BDL-Szenario vergleicht. Es sind verschiedene Merkmale erkennbar. In Skandinavien sind in beiden Szenarien keine bidirektionalen EFZ integriert. Lediglich ein Viertel der EFZ werden gesteuert geladen im Sen2-Szenario. Der Anteil der bidirektionalen EFZ ist in Südeuropa höher, insbesondere im BDLSzenario, zum Beispiel in Griechenland, Italien, Spanien und Bulgarien. Im Sen2-Szenario verdrängen gesteuert geladene EFZ in fast allen Ländern einen kleinen Teil der bidirektionalen EFZ. Lediglich Frankreich und Portugal stechen mit einem höheren Anteil an bidirektionalen EFZ hervor, obwohl auch hier eine große Anzahl an gesteuert geladenen EFZ integriert ist. Dies ist auf einen weiteren deutlichen Anstieg der PV-Kapazität zurückzuführen. Die europäischen Länder sind auf der Karte jeweils nach den Volllaststunden der PV-Anlagen eingefärbt. Hier lässt sich bereits visuell ein Zusammenhang feststellen. Eine höhere Anzahl an Volllaststunden von PV-Anlagen führt tendenziell zu einem höheren Anteil an bidirektionalen EFZ an den gesamten EFZ. \r\n \r\nAbbildung 4-4: \tAbhängigkeit der Anteile und Anzahl der EFZ pro Ladestrategie und Land für die Szenarien BDL \r\n(a) und Sen2 (b) im Jahr 2050 von den Volllaststunden der PV-Erzeugung auf Basis von /FFE-26 22/ und weiteren Auswertungen \r\nZur weiteren Untersuchung des Einflussfaktors der PV-Energie analysiert Abbildung 4-5 die Abhängigkeiten des \r\nAnteils der bidirektionalen EFZ von verschiedenen Einflussfaktoren für alle Länder mit insgesamt mehr als einer Million EFZ. Diese Auswertung bezieht sich auf das BDL-Szenario im Jahr 2050. Jeder Punkt im Diagramm steht für ein Land. \r\nZusätzlich wurden eine lineare Regressionskurve und das Bestimmtheitsmaß R² der linearen Regression ermittelt. Das Bestimmtheitsmaß, das immer im Bereich zwischen 0 und 1 liegt, gibt die Güte der Regression an. Je näher das Bestimmtheitsmaß bei 1 liegt, desto besser passt die ermittelte Regressionsgerade. Bei einem Bestimmtheitsmaß von 1 sind alle Residuen 0 /UOTOR-01 21/. \r\nDie obere linke Grafik in Abbildung 4-5 zeigt die Abhängigkeit des Anteils der bidirektionalen EFZ von den durchschnittlichen Volllaststunden der PV-Anlagen in einem Land, um den visuellen Hinweis aus Abbildung 4-4 zu be- oder entkräftigen. Es ergibt sich ein Bestimmtheitsmaß R² von 0,518, was auf eine gewisse lineare Korrelation des Anteils der bidirektionalen EFZ mit den durchschnittlichen Volllaststunden der PV-Anlagen hinweist. Da bidirektionale EFZ als Speicher im Energiesystem fungieren, werden sie oft die PV-Spitzen, die über den Lastspitzen liegen, nutzen, um diese ansonsten abgeregelte Energie in das System zu integrieren. Daher zeigt das obere rechte Diagramm in Abbildung 4-5 die Abhängigkeit des Anteils der bidirektionalen EFZ vom Verhältnis der PV-Spitzenleistung zur Spitzenlast. Daraus ergibt sich ein Bestimmtheitsmaß R² von 0,718, was auf einen starken linearen Zusammenhang hinweist. Eine weitere mögliche Annahme wäre, dass bidirektionale EFZ tendenziell stärker integriert werden, wenn die Spitzenleistung der Windkraft in einem Land deutlich über der Spitzenlast liegt. Daher zeigt das Diagramm links unten in Abbildung 4-5 die Beziehung zwischen dem Anteil der bidirektionalen EFZ und dem Verhältnis von Windspitzenleistung zu Spitzenlast. Hier liegt das Bestimmtheitsmaß R² jedoch nahe bei Null, was bedeutet, dass kein linearer Zusammenhang besteht. Das Diagramm unten rechts in Abbildung 4-5 fasst die Windenergie und die PVEnergie in einer abschließenden Untersuchung zusammen und stellt die Beziehung zwischen dem Anteil der bidirektionalen EFZ und dem Verhältnis zwischen dem Spitzenwert der summierten Wind- und PV-Leistung und der Spitzenlast dar. Das Bestimmtheitsmaß R² von 0,237 deutet auf eine nur geringe lineare Korrelation hin. Er ist hier auch deutlich niedriger als bei der Betrachtung des Verhältnisses von PV-Spitzenleistung zu Spitzenlast in der zweiten Grafik. \r\n \r\n \r\n \r\n \r\nAbbildung 4-5: \tAbhängigkeit der Anteile der bidirektionalen EFZ an den gesamten EFZ von verschiedenen Einflussfaktoren \r\nWindturbinen haben eine weniger regelmäßige Einspeisecharakteristik als PV-Anlagen, die ihre täglichen Spitzeneinspeisungen immer um die Mittagszeit haben. Diese regelmäßige Einspeisecharakteristik ist gut geeignet für Tagesspeicher, die tagsüber einspeichern, die Energie zwischenspeichern und nachts ausspeichern können. Auch wenn die Verfügbarkeit von bidirektionalen EFZ tagsüber eingeschränkter ist /FAT-01 21/, sind mindestens 50 % aller Fahrzeuge in einem Land immer zuhause. Bidirektionale EFZ dienen daher oft als kurzfristige Tagesspeicher und sind somit eine sehr gute Ergänzung zur PV-Energie. Dieser und andere Mehrwerte werden im folgenden Abschnitt aufgegriffen und diskutiert. \r\n4.4 Auswirkungen auf das zukünftige Energiesystem \r\n \r\nIm vorangegangenen Abschnitt wurde bereits gezeigt, dass bidirektionale EFZ mit den zugrunde liegenden Investitions- und Betriebskosten in ein kostenoptimales zukünftiges Energiesystem integriert werden. In diesem Abschnitt werden die Mehrwerte und ihre Auswirkungen auf das Energiesystem auf Basis von /FFE-26 22/, /FFE-71 22/ und weiteren Auswertungen konkreter bewertet. \r\n4.4.1 \tMehrwerte für das Energiesystem \r\n \r\nDie folgenden Auswertungen ergänzen die Auswertungen in /FFE-26 22/, indem sie das Referenzszenario Ref ohne gesteuert geladene und bidirektionale EFZ mit dem BDL-Szenario und dem Sen2-Szenario vergleichen. Auf diese Weise können die Einflüsse von gesteuert geladenen und bidirektionalen EFZ auf das Stromsystem und andere Elemente des Stromsystems quantifiziert werden. \r\nAbbildung 4-6 zeigt die installierten Kapazitäten der volatilen erneuerbaren Energien und der thermischen Kraftwerke für die Szenarien Ref, BDL und Sen2 für die Jahre 2030, 2040 und 2050 in Europa. Wie bereits in /FFE-26 22/ dargelegt, steigt die installierte Leistung der Photovoltaik im BDL-Szenario im Vergleich zum Ref-Szenario deutlich an, während die Kapazitäten der Onshore- und Offshore-Windenergie sinken. Ein Vergleich der Szenarien BDL und Sen2 zeigt nur geringe Unterschiede. Das Sen2-Szenario tendiert dazu, etwas weniger PV- und Wind-Offshore-Kapazität zu integrieren, während die installierte Kapazität von Wind-Onshore leicht zunimmt. Die relative Abregelung der PVEnergie geht im BDL-Szenario im Vergleich zum Ref-Szenario um 2 bis 3 Prozentpunkte von 9 % auf 6 % im Jahr 2030 und 10 % auf 8 % im Jahr 2050 zurück. Die relative Abregelung der Windenergie bleibt dagegen mit 2 % im Jahr 2030 und 4 % im Jahr 2050 in beiden Szenarien auf einem ähnlichen Niveau. \r\n \r\n\t(a)\t(b)\r\n \r\n \r\nAbbildung 4-6: Installierte Kapazitäten von variablen erneuerbaren Energien (a) und thermischen Kraftwerken (b) für die Szenarien Ref, BDL und Sen2 für die Jahre 2030, 2040 und 2050 in Europa basierend auf /FFE-26 22/ und weiteren Auswertungen \r\nDie Unterschiede in der installierten Leistung der thermischen Kraftwerke in den Szenarien BDL und Sen2 sind ähnlich gering. In Sen2 werden etwas geringere Kapazitäten an Gas- und Wasserstoffkraftwerken benötigt als im BDLSzenario. In beiden Szenarien führen also vor allem die bidirektionalen EFZ zu deutlich geringeren Kapazitäten von Gas- und Wasserstoffkraftwerken als im Ref-Szenario. \r\nDie deutliche Kostenreduktion von gesteuert geladenen EFZ und die damit verbundene hohe Integration dieser hat daher nur geringe Auswirkungen auf den Ausbau der volatilen erneuerbaren Energien und der thermischen Kraftwerke. Wie bereits in Abschnitt 4.3 beschrieben, ist der Anteil der bidirektionalen EFZ im Sen2-Szenario ähnlich hoch wie im BDL-Szenario, was zu ähnlichen Charakteristiken des Energiesystems führt. Sehr günstige gesteuert geladene EFZ führen zu einer geringfügigen Verringerung der erforderlichen Kapazitäten von thermischen Kraftwerken, aber die Auswirkungen sind im Vergleich zu bidirektionalen EFZ gering. \r\nWeitergehend zeigt Abbildung 4-7 die installierten Kapazitäten der mobilen und stationären Speicher für die Szenarien Ref, BDL und Sen2 für die Jahre 2030, 2040 und 2050 in Europa auf. Die Speicherkapazitäten der gesteuert geladenen und bidirektionalen EFZ ergeben sich direkt aus der Anzahl der EFZ multipliziert mit einer Speicherkapazität von 50 kWh. Da die Speicherkapazität aufgrund der Nichtverfügbarkeit der Fahrzeuge und der Beschränkungen des SoCs nicht vollständig genutzt werden kann, stellt sie eine theoretische Speicherkapazität dar. Die Speicherkapazitäten von stationären Batteriespeichern (SBS) und Pumpspeicherkraftwerken unterscheiden sich in den Szenarien BDL und Sen2 nicht. Kapazitäten von Pumpspeicherkraftwerken sind fixiert und werden nicht endogen vom Modell ausgebaut. SBS werden sowohl im BDL- als auch im Sen2-Szenario auf eine minimale, exogen vorgegebene Kapazität reduziert. Daher führt die Integration von sehr kostengünstigen gesteuert geladenen EFZ im Sen2-Szenario zu keinen Änderungen, die über die Reduzierung der SBS im BDL-Szenario hinausgehen. \r\n \r\n\t(a)\t(b)\r\n \r\n \r\nAbbildung 4-7: Installierte Kapazitäten von mobilen (a) und stationären (b) Speichern für die Szenarien Ref, BDL und Sen2 für die Jahre 2030, 2040 und 2050 in Europa basierend auf /FFE-26 22/ und weiteren Auswertungen \r\n4.4.2 \tGesamtsystemkosten und Strompreise \r\n \r\nDie strukturellen Veränderungen im Energiesystem in den Szenarien BDL und Sen2 führen auch zu unterschiedlichen Gesamtsystemkosten und mittleren europäischen Strompreisen, die in Tabelle 4-4 für die Jahre 2025 bis 2050 zusammengefasst sind. Das Sen2-Szenario wurde nur für die Jahre 2030, 2040 und 2050 modelliert. Im BDL-Szenario sinken die Energiesystemkosten im Jahr 2050 im Vergleich zum Ref-Szenario um 8 Mrd. €/a, obwohl die Integration von bidirektionalen EFZ mit zusätzlichen Investitionskosten verbunden ist. Im Sen2-Szenario können die Energiesystemkosten im Jahr 2050 um weitere 3 Mrd. €/a gegenüber dem BDL-Szenario gesenkt werden, was zu einer Gesamtkosteneinsparung von 11 Mrd. €/a gegenüber dem Referenzszenario führt. Mehr als 1 Mrd. €/a der Kostenreduktion von 3 Mrd. €/a im Sen2-Szenario im Vergleich zum BDL-Szenario kann auf die Reduktion der bidirektionalen EFZ um 8 Millionen EFZ zurückgeführt werden. Der durchschnittliche, verbrauchsgewichtete europäische Strompreis auf dem Großhandelsmarkt ist in den beiden Szenarien BDL und Sen2 um 2-5 €/MWh niedriger als im Referenzszenario. Das Sen2-Szenario verursacht im Vergleich zum BDL-Szenario keine signifikante Veränderung der Strompreise. Da sich die Energiesystemkosten aus den Infrastrukturkosten und den Bereitstellungskosten über alle Energieträger hinweg zusammensetzen, besteht kein direkter Zusammenhang zu den Strompreisen. \r\nAls ergänzende Auswertung zur Preisanalyse in /FFE-26 22/ zeigt Tabelle 4-4 auch die mittlere tägliche Standardabweichung der europäischen Strompreise in den drei Szenarien auf. Sie errechnet sich aus der mittleren täglichen Standardabweichung der Strompreise pro Land, aus der dann der verbrauchsgewichtete europäische Mittelwert bestimmt wird. Die Auswirkungen der bidirektionalen EFZ auf die Strompreise sind offensichtlich. Im BDLSzenario ist der Strompreis deutlich weniger volatil, was zu einer um 6-11 €/MWh geringeren täglichen Standardabweichung im Vergleich zum Ref-Szenario führt. Im Sen2-Szenario ändert sich die tägliche Standardabweichung des Strompreises im Vergleich zum BDL-Szenario nicht mehr wesentlich. Für Deutschland wird im BDL-Szenario eine etwas höhere Preisvolatilität mit einer mittleren täglichen Standardabweichung von 18 €/MWh im Jahr 2030 und 16,8 €/MWh im Jahr 2040 beobachtet. \r\nTabelle 4-4: \tEnergiesystemkosten, \tmittlerer \teuropäischer \tStrompreis \tund \tmittlere \ttägliche \r\nStandardabweichung der europäischen Strompreise für die Jahre 2025 bis 2050 für die Szenarien Ref, BDL und Sen2 \r\n \r\n\t\t\t\t\t\r\nJahr \tGesamtenergiesystemkosten in Mrd. \r\n€/a \t\tMittlerer europäischer \r\nStrompreis in €/MWh \t\t\tMittlere tägliche Standardabweichung der europäischen Strompreise in €/MWh \r\n \tRef \tBDL \tSen2 \tRef \tBDL \tSen2 \tRef \tBDL \tSen2 \r\n2025 \t432,4 \t431,7 \t- \t44,6 \t42,6 \t- \t21,2 \t15,3 \t- \r\n2030 \t414,6 \t412,4 \t411,4 \t42,5 \t39,4 \t39,7 \t23,4 \t15,4 \t15 \r\n2035 \t354,9 \t350,1 \t- \t43,1 \t39,1 \t- \t26,8 \t16 \t- \r\n2040 \t332,2 \t325,7 \t324,1 \t44,6 \t39,4 \t39,3 \t25,2 \t15,3 \t15,3 \r\n2045 \t323,5 \t314,4 \t- \t44,\r\n4 \t41,1 \t- \t25,5 \t17,7 \t- \r\n2050 \t353,1 \t345,0 \t342,0 \t41,6 \t38,8 \t38,9 \t22,4 \t15,3 \t15,9 \r\n \r\n4.4.3 \tEngpassmanagement \r\n \r\nDieser Abschnitt untersucht, inwieweit bidirektionale EFZ Engpassmanagement im Übertragungsnetz bereitstellen können. Da die Netzsimulationen mit Optimierung des Engpassmanagements, wie in Abschnitt 4.1.2 beschrieben, sehr komplex sind, beschränkt sich diese Untersuchung auf das Jahr 2030. Die hier vorgestellten Ergebnisse basieren auf /FFE-71 22/, in dem auch der Szenariorahmen des europäischen Übertragungsnetzes näher beschrieben wird. Es wird ein Vergleich von zwei Übertragungsnetzsimulationen durchgeführt: \r\n-\tRef-Netz: Übertragungsnetzlauf mit Optimierung des Engpassmanagements ohne bidirektionale EFZ \r\n-\tBDL-Netz: Übertragungsnetzlauf mit Optimierung des Engpassmanagements mit bidirektionalen EFZ \r\nBeide Optimierungen des Übertragungsnetzes basieren auf dem Marktlauf des BDL-Szenarios. \r\nDie Mengen des Engpassmanagements steigen in beiden Durchläufen im Vergleich zu den heutigen Mengen stark an. In Ref-Netz beträgt das Volumen des positiven Engpassmanagements in Europa für das Jahr 2030 600 TWh im Vergleich zu einer Gesamtstromerzeugung von 5.000 TWh. Das deutsche positive Engpassmanagementvolumen von \r\n160 TWh in Ref-Netz deutet auf hohe Mengen an Engpassmanagement hin, die nicht zu den im deutschen Netzentwicklungsplan simulierten Mengen von rund 7 TWh im Jahr 2035 im Basisszenario passen. Die Gründe hierfür werden in /FFE-71 22/ diskutiert. Dazu gehört die fehlende Modellierung des Freileitungsmonitorings, die unsichere Regionalisierung von zugebauten Anlagen und die vereinfachte Modellierung eines linearisierten Lastflusses. Auch das endogen kostenoptimierte Szenario sowie die Parametrierung der Anlagen im Energiesystem stimmen nicht mit dem Szenario des Netzentwicklungsplans überein. \r\nDennoch lassen sich aus dem Vergleich zwischen BDL-Netz und Ref-Netz Rückschlüsse auf den Mehrwert von bidirektionalen EFZ im Engpassmanagement ziehen. Der Einsatz von bidirektionalen EFZ im Engpassmanagement reduziert 26 TWh positiven Redispatch von thermischen Kraftwerken, 9 TWh negativen Redispatch von thermischen Kraftwerken und 23 TWh Abregelung von erneuerbaren Energien. Dies führt dazu, dass 17 TWh weniger Strom in thermischen Kraftwerken erzeugt werden, wodurch sich 12 Millionen Tonnen CO2 einsparen lassen. Verglichen mit den modellierten Gesamtemissionen des Energiesektors im Jahr 2030 von knapp 500 Millionen Tonnen CO2 entspricht dies einer Emissionsreduktion von 2,5 %. \r\nAuch wenn die absolut reduzierten Zahlen des Engpassmanagements durch Kraftwerke und erneuerbare Energien durch die hohen Gesamtvolumina des Engpassmanagements begünstigt werden, ist der positive Effekt der bidirektionalen EFZ offensichtlich. Abbildung 4-8 zeigt die regionale Verteilung von positivem und negativem Engpassmanagement pro Technologie und Übertragungsnetzknoten. Die dezentrale Verteilung der bidirektionalen EFZ erweist sich als Vorteil. Bidirektionale EFZ in der Nähe von Knotenpunkten mit hohen Abregelungen von erneuerbaren Energien (z. B. in Norddeutschland) können durch negatives Engpassmanagement Abregelungen reduzieren. Durch positives Engpassmanagement wird dann der ursprüngliche Fahrplan innerhalb der Zeitscheibe wiederhergestellt. In Süddeutschland hingegen wird häufig zuerst das positive Engpassmanagement eingesetzt und damit der Einsatz von thermischen Kraftwerken verdrängt. Hier muss der Fahrplan dann zu anderen Zeiten durch negatives Engpassmanagement wiederhergestellt werden. \r\nIn /FFE-71 22/ werden auch die regionale Verteilung des Engpassmanagements pro Technologie für den Ref-Netzlauf sowie die mittlere Leitungsauslastung der beiden Läufe dargestellt und analysiert. Viele Übertragungsnetzleitungen weisen eine sehr hohe Auslastung auf. Insbesondere bei Wind-Offshore-Anlagen erfolgt die Abregelung jedoch häufig unmittelbar nach dem Netzanschlusspunkt.  \r\n \r\n \r\nAbbildung 4-8: Negatives (a) und positives (b) Engpassmanagement pro Netzknoten, aufgeteilt auf verschiedene Technologien für den BDL-Netzlauf \r\nInsgesamt lässt sich neben den in den vorangegangenen Abschnitten aufgezeigten Mehrwerten von bidirektionalen EFZ für die Ausgestaltung des zukünftigen Energiesystems auch ein potenzieller Mehrwert für die Bereitstellung von Engpassmanagement aufzeigen. Letztlich sind jedoch vertiefende Analysen mit einer für das zugrunde liegende Marktszenario geeigneten Parametrierung des Übertragungsnetzes erforderlich. \r\n5 Erkenntnisse aus dem BDL-Pilotbetrieb \r\nDer BDL-Pilotbetrieb ist unterteilt in Privat- und Flottenkund:innen. Alle Kund:innen und Partner erhielten einen bidirektionalen BMW i3 mit einer Kapazität von ca. 42 kWh und eine bidirektionale KOSTAL DC Wallbox mit 11 kW Ladeleistung und 10 kW Entladeleistung. Die nachfolgenden Analysen beziehen sich auf die Privat- und Flottenkund:innen. Zu Beginn des Projekts hat die FfE zunächst zusammen mit den Konsortialpartnern jeweils ein Messkonzept für die Privat- als auch die Flottenkund:innen als Teil der Gesamtsystemarchitektur erarbeitet. Weiterhin war die FfE verantwortlich für die Messdatenauswertung der Privat- und Flottenkund:innen. Bei den 20 Privatkund:innen wurden die Use Cases PV-Eigenverbrauchsoptimierung, Intraday Arbitrage und Redispatch umgesetzt sowie bei den sechs Flottenkund:innen der Use Case Spitzenlastkappung demonstriert (vgl. Kapitel 2.1). Abbildung 5-1 stellt den zeitlichen Ablauf des Pilotbetriebs mit ausgewählten Meilensteinen dar. An dieser Stelle sei erwähnt, dass aufgrund der COVID-19-Pandemie und insbesondere der sich daraus ergebenden Kontaktbeschränkungen und Lieferkettenproblematik der Pilotbetriebszeitplan gegenüber seiner ursprünglichen Planung beeinträchtigt wurde. \r\n \r\nAbbildung 5-1:  \tÜbergeordneter zeitlicher Ablauf des BDL-Pilotbetriebs \r\nIm Q1 2021 wurden die ersten Messgeräte bei den Pilotkund:innen auf Basis des in Kapitel 5.1 beschrieben Messkonzepts verbaut. Auch wenn es sich im BDL-Projekt um einen Pilotbetrieb handelt, bestand die Anforderung, jederzeit höchste Kundenzufriedenheit zu gewährleisten. Um dies sicherzustellen wurde das komplexe Gesamtsystem umfassend (Vollständigkeit der Komponenten, Vollständigkeit der Funktionen, Bedienschritte, Wechselwirkungen) am Ende zu Ende Prüfplatz federführend durch BMW mit Unterstützung der Firma Vispiron getestet. Auf Basis der erfolgreichen Tests erfolgte im Q2 2021 die BDL-Systemfreigabe. Im Juli 2021 fand die Fahrzeugübergabe an die 20 Privatkund:innen statt. Im August 2021 startete nach und nach der Use Case PV-Eigenverbrauchsoptimierung bei den ersten Privatkund:innen, welche eine PV-Anlage besitzen. Im Dezember 2021 wurde schließlich der Use Case IntradayArbitrage freigeschaltet. In den anschließenden Monaten wechselten ausgewählte Kund:innen vom im Winter benachteiligten Use Case PV-Eigenverbrauchsoptimierung in den Use Case Intraday-Arbitrage. Insgesamt befanden sich 4 Kund:innen dauerhaft im Use Case PV-Eigenverbrauchsoptimierung und bis zu 14 Kund:innen im Use Case Intraday-Arbitrage. Im August 2022 wurde des Weiteren der Use Case Redispatch bei ausgewählten Kunden erprobt. \r\nDie Auswertungen erfolgten sowohl bei den Privat- als auch bei den Flottenkund:innen bis zum 30.09.2022. Der Pilotbetrieb wurde bei den Pilotkund:innen offiziell am 31.10.2022 beendet. Der Use Case Spitzenlastkappung konnte im Mai 2022 erfolgreich begonnen werden. \r\nDie nachfolgenden Kapitel beschreiben zunächst das Messkonzept, die zugehörige Gesamtsystemarchitektur und die Use Case übergreifenden bzw. allgemeinen Auswertungen der Privatkund:innen. Anschließend werden die Erkenntnisse der erprobten Use Cases dargestellt. Die nachfolgenden Analysen basieren größtenteils auf folgenden Veröffentlichungen: /FFE-163 20/, /FFE-31 22/, /FFE-73 22/ und /FFE-66 22/. Eine Kurzzusammenfassung je Use Case sowie weitere interaktive Auswertungen finden sich auf der von der FfE erstellten Auswertungs-Website https://bdlauswertungen.de/. \r\n5.1 \tMesskonzept und Gesamtsystemarchitektur \r\n \r\nAufbauend auf den in Kapitel 2.1 beschriebenen Use Cases wurde ein Messkonzept jeweils für die Privat- als auch Flottenkund:innen erstellt, welche wiederum Teil der entwickelten Gesamtsystemarchitektur sind. Bei der Erstellung des Messkonzepts wurden verschiedene Anforderungen anhand der Use Cases abgeleitet, die sich unter den folgenden drei Begriffen subsummieren lassen: Steuerung, Abrechnung und Forschung. Das Messkonzept und die verwendeten Zähler sollten insbesondere ausreichend genau sein, um eine Nulllastregelung im Use Case PV- Eigenverbrauchsoptimierung sowie die Abrechnung im Use Case Intraday Arbitrage zu ermöglichen. Darüber hinaus wurden weitere Zähler verbaut, um weitere wissenschaftliche Analysen zu ermöglichen, wie beispielsweise Messpunkte an den PV-Anlagen der Kund:innen. Abbildung 5-2 zeigt die Gesamtsystemarchitektur und das \r\nMesskonzept (rechts) für die Privatkund:innen im BDL Pilotbetrieb. Hierbei zeigt sich die Komplexität des BDLSystems: Viele verschiedene Rollen und Komponenten müssen zusammen funktionieren und über verschiedenste Schnittstellen miteinander kommunizieren. \r\n \r\nAbbildung 5-2:  \tGesamtsystemarchitektur und Messkonzept für die Privatkund:innen im BDL Pilotbetrieb \r\nDie Gesamtsystemarchitektur umfasst sechs verschiedene Bereiche: Kunde, Haushalt, der von der FfE betriebene Projektdatenserver, (Strom-)Marktrollen, Service Provider und Crowd-Balancing-Plattform. Die relevanten \r\nMarktrollen bestehen aus Verteilnetzbetreiber (VNB), Übertragungsnetzbetreiber (ÜNB), Aggregator, Bilanzkreiskoordinator, Messstellenbetreiber, Energielieferant und Strombörse. Während der Service Provider (BMW) unter anderem Asset Management und Asset Pooling durchführt, ermöglicht die Blockchain-basierte CrowdBalancing-Plattform die Integration von kleinen und dezentralen Einheiten sowie bidirektionalen Elektrofahrzeugen in den Regelenergiemarkt. Rote Linien stellen in der Abbildung den Energiefluss dar, während schwarze Linien den Informationsfluss abbilden. Innerhalb des Haushalts sind folgende Komponenten definiert: verschiedene \r\nMesseinrichtung (ME), PV-Anlage (optional), Home Energy Management System (HEMS, optional), bidirektionale Wallbox mit lokaler Steuerung, bidirektionales EFZ, Hausverbraucher und SMGW. Im Wesentlichen lassen sich drei verschiedene Datenströme und Messgeräte unterscheiden, die letztendlich in pseudonymisierter Form auf dem FfEDatenserver aufbereitet, plausibilisiert, verschnitten und gespeichert werden:  \r\n1.\tSMGW: Datenstrom der geeichten Messeinheiten (GME), welche die erfassten Daten über die SMGW-\r\nInfrastruktur bereitstellen \r\n2.\tPQ: Powerquality Geräte, deren erfasste Daten über eine Cloud-Schnittstelle des Herstellers A-Eberle zugänglich sind \r\n3.\tOCPP: Daten die innerhalb einer erweiterten OCPP-Version an den Service Provider (BMW) geschickt werden \r\nDie verwendeten ME unterscheiden sich in der Genauigkeit, den erfassten Messgrößen und der zeitlichen Auflösung. \r\nEine detaillierte Beschreibung findet sich in /FFE-163 20/ und /FFE-31 22/. \r\nAbbildung 5-3 zeigt die Gesamtsystemarchitektur und das Messkonzept für die Flottenkund:innen im BDL Pilotbetrieb. \r\n \r\nAbbildung 5-3:  \tGesamtsystemarchitektur und Messkonzept für die Flottenkund:innen im BDL Pilotbetrieb \r\nBei den Flottenkunden wurde auf den Einbau der PQ-Geräte verzichtet. Als weitere Rolle tritt der Energie- und Flottenmanager auf und als Komponente das Flottenmanagementsystem, dargestellt in grün. Zur Vereinfachung sind nur eine Wallbox und ein EFZ dargestellt. \r\n5.2 \tAuswertungen Privatkund:innen \r\n \r\nIn den folgenden Abschnitten werden Use Case übergreifende Auswertungen der Privatkund:innen beschrieben. Auswertungen zu den Flottekund:innen sind in Kapitel 5.5 verortet. Zunächst wird eine Übersicht zu den Privatkund:innen gegeben. Zur Analyse der Datenqualität sind in den folgenden Unterkapiteln die Vollständigkeit und die Messgenauigkeit der erfassten Messwerte dargestellt. Anschließend werden ausgewählte Kennzahlen präsentiert sowie das Kunden- und Systemverhalten genauer beleuchtet.  \r\n5.2.1 \tVollständigkeit \r\n \r\nDie Datenvollständigkeit wird ausschließlich für die GME- und PQ-Geräte evaluiert. Die durchgeführte Analyse zieht jeweils die Wirkleistung im gesamten Zeitraum in Betracht. Da die zeitliche Auflösung der GME-Messwerte innerhalb der Projektlaufzeit variiert wurde, wird der Projektzeitraum in drei Phasen unterteilt. In der ersten Phase von Projektstart bis Mitte Januar 2022 wurden die GME-Daten mit einer Auflösung von 30 Sekunden übertragen. In der zweiten Phase, die im Laufe des Julis 2022 endete, wurde diese auf 60 Sekunden erhöht. In der dritten Phase, die bis zum Projektende andauerte, wurden die Daten erneut mit einer Auflösung von 30 Sekunden aufgezeichnet. Somit ist es möglich, den Einfluss der zeitlichen Auflösung auf die Vollständigkeit der GME-Daten zu evaluieren. \r\nAbbildung 5-4 zeigt, exemplarisch für Phase 2 (27.01.2022 bis 30.06.2022), die Datenlücken kumuliert über alle Kund:innen. In diesem Zeitraum liegen die GME-Daten mit einer zeitlichen Auflösung von 60 Sekunden sowie die PQ-Daten mit einer Auflösung von einer Sekunde vor. Bei den GME-Daten ist der Komplettausfall Anfang April 2022 sowie der Ausfall der Daten Ende Mai 2022 auffällig. Des Weiteren treten zu Beginn des betrachteten Zeitraums häufigere und umfangreichere Ausfälle auf. Die PQ-Daten sind zu Beginn beinahe komplett. Der punktuelle Ausfall ab Mitte April 2022 ist auf einen abgeschalteten Schaltschrank sowie die schlechte Internetverbindung zu einem der Kund:innen des Pilotversuchs zurückzuführen. \r\n \r\nAbbildung 5-4:  Datenlücken der Messdaten mit einer zeitlichen Auflösung von 60 Sekunden bei den GME-Daten und von einer Sekunde bei den PQ-Daten im Zeitraum von 27.01.2022 bis 30.06.2022 (Phase 2) in Prozent, 0 % entspricht keinen Datenlücken \r\nUnter Ausschluss der beiden Kund:innen mit bekannten Auffälligkeiten bei den PQ-Messwerten, sind in Phase 2 99,88 % der übertragenen Daten vorhanden. Der entsprechende Wert für Phase 1 beträgt 99,34 % und 99,9 % für Phase 3. Dabei werden in der letzten Phase die beiden Kund:innen, die den Pilotversuch vorzeitig beendet haben, zusätzlich nicht berücksichtigt. Bei den GME-Messpunkten fehlen 14,6 % der Daten in Phase 2. In den anderen Zeiträumen, die über eine feinere zeitliche Auflösung verfügen, fehlen 21,3 % (Phase 1) bzw. 14,0 % (Phase 3). Auch hier werden in der letzten Phase die beiden Kund:innen, die den Pilotversuch vorzeitig beendet haben, nicht berücksichtigt. Der heterogene Verlauf der GME-Datenlücken macht deutlich, dass diverse Ursachen hinter den Übertragungsausfällen liegen. Beispielsweise spielen Unterschiede in der LTE-Konnektivität der einzelnen Kund:innen eine Rolle. Auch Systemupdates, wie das Neuaufspielen der Tarifanwendungsfälle (TAFs) oder physische Umbaumaßnahmen haben einen Einfluss auf die Datenvollständigkeit. Trotz dieser verschiedenen Ausfallursachen zeigt sich über die Zeit bei beiden Messgerättypen eine Lernkurve, die sich in der Abnahme der mittleren Datenlücken über die drei Phasen widerspiegelt.  \r\nUm die Zuverlässigkeit der Übertragung der GME-Daten ohne externe Störfaktoren und den Einfluss der unterschiedlichen zeitlichen Auflösung der Messwerte bewerten zu können, wurden die Datenlücken bei der Übertragung der GME-Werte bei einer ausgewählten Kund:in in beiden zeitlichen Auflösungen über jeweils einen Monat detailliert analysiert. Im August beträgt bei einer zeitlichen Auflösung von 30 Sekunden der Anteil der fehlenden Werte bei der Beispielkund:in im Mittel 0,44 %. Im Vergleich dazu erzielt dieser Anteil im Mai bei einer Messwertübertragung pro 60 Sekunden einen Wert von 0,4 %. Unter Ausschluss möglichst vieler externer Störfaktoren ist die Ausfallwahrscheinlichkeit bei geringerer Auflösung somit um ca. 0,04 % höher. Die anderen Kund:innen erzielen in Zeiträumen, in denen keine Störereignisse auftreten, ähnliche Werte. Zusammengefasst zeigt sich, dass die Datenvollständigkeit der intelligente Messsysteme (iMSys) unter der Bedingung, dass keine externen Störfaktoren auftreten, bei beiden betrachteten Übertragungsraten im geforderten Bereich liegt.  \r\nAls Kernaussage zur Vollständigkeit der PQ- und GME-Daten lässt sich folgendes festhalten: Die PQ-Daten Erfassung, Übertragung und Speicherung ist nahezu lückenlos. Bei den GME-Daten treten teils größere Lücken auf. Hierbei ist es jedoch nicht möglich, die genaue Fehlerquelle zu bestimmen. Neben externen Faktoren wie Softwareupdates oder Umbaumaßnahmen sind folgende weitere etwaige Fehlerquellen zu nennen: a) zu hohe Auslastung des iMSys aufgrund der hohen Anzahl an zu verschlüsselnden Messdaten bei gleichzeitig niedriger zeitlicher Auflösung, b) zu geringe Rechenleistung des verarbeitenden GWA Backends, welches sich nicht in der Realumgebung sondern nur in einer Testumgebung befunden hat und c) Fehler bei der Übertragungsstrecke von iMSys hin zum FfE-Datenserver. \r\n5.2.2 \tMessgenauigkeit \r\n \r\nNeben der Vollständigkeit ist für die Datenqualität die Genauigkeit der Messwerte entscheidend. Tabelle 5-1 enthält dazu die Abweichungen der Messgenauigkeit zwischen den verschiedenen Messgeräten. Da für die verschiedenen Geräte Messwerte mit unterschiedlicher zeitlicher Auflösung vorliegen, erfolgt die Auswertung auf Basis der übertragenen Energiemenge pro Viertelstunde. Für die PQ-Geräte wird diese basierend auf der Wirkleistung mit einer zeitlichen Auflösung von einer Sekunde berechnet. Da für die GME- und UME-Geräte nur Momentanwerte der Leistung vorliegen und diese nicht die Leistungswerte des gesamten Zeitraums widerspiegeln, werden für diese Gerätetypen die Werte der kontinuierlich fortlaufenden Energiezähler verwendet. Durch dieses Vorgehen treten systematische Messabweichungen nur an den Viertelstundengrenzen und bei fehlenden Messwerten auf. Da diese Abweichungen bei einigen Kund:innen signifikant sind, werden die Durchschnittswerte der Mediane der Messabweichungen von 17 Kund:innen über eine Woche herangezogen, um die Genauigkeit zu bewerten. Dabei wird beispielhaft die Messgenauigkeit am Netzanschlusspunkt analysiert. Die Ergebnisse zeigen, dass die Messabweichungen größer sind, wenn das UME-Gerät betrachtet wird. Außerdem ist der Mittelwert der Fehler bei positiven Messabweichungen kleiner als bei negativen. \r\nTabelle 5-1: Durchschnittlicher Median der Messabweichungen der Energiemenge pro Viertelstunde für 17 Kund:innen vom 22. bis 29.11.2021 \r\n \r\nAbweichung \tGME 1 – PQ 1 \tUME 1 – PQ 1 \tUME 1 -GME 1 \r\nPositiv \t3,49 % \t4,85 % \t3,52 % \r\nNegativ \t2,93 % \t6,30 % \t4,98 % \r\n \r\n5.2.3 \tAllgemeine Auswertungen \r\n \r\nIn diesem Abschnitt werden ausgewählte Kennzahlen des Pilotbetriebs präsentiert sowie das Nutzer:innen- als auch Systemverhalten genauer betrachtet. In Abbildung 5-5 sind einige Kennzahlen für den Zeitraum 15.08.2021 bis \r\n31.10.2022 dargestellt. \r\n \r\nAbbildung 5-5: \tBDL-Pilotbetrieb in Zahlen – Zeitraum 15.08.2021 bis 31.10.2022 \r\nInsgesamt konnten in dem Untersuchungszeitraum ca. 6.800 Ansteckvorgänge registriert werden, was in etwa 0,8 Ansteckvorgänge pro Tag pro Kunde entspricht. Die ge- bzw. entladenen Energiemengen betragen ca. 45.000 und 28.000 kWh. Legt man einen Verbrauch von 20 kWh pro 100 km zugrunde, entspricht die geladene Energiemenge in etwa einer Fahrleistung von 225.00 km. Die erzeugte Energiemenge der PV-Anlagen entspricht ca. 80.000 kWh, wobei ungefähr 11.500 kWh direkt für das Laden der Fahrzeuge verwendet wurde, was einer Fahrleistung von etwa 57.500 km entspricht. Der durchschnittliche Ziel-SoC beträgt 59 % und die meistgewählte Abfahrtszeit ist 07:00 Uhr.  \r\nFür die optimale Umsetzung eines bidirektionalen Lade Use Cases sind neben technischen Parametern die Verhaltensweisen der Kund:innen entscheidend. Damit ein bidirektionaler Use Case ablaufen kann, müssen die Kund:innen ihr Fahrzeug idealerweise regelmäßig und über eine lange Dauer anstecken.  \r\nVerfügbarkeit \r\nAbbildung 5-6 stellt die Anzahl der angesteckten EFZ (blau), die Anzahl Kund:innen (schwarz) sowie den monatlichen Durchschnitt (rot) über den zeitlichen Verlauf des Pilotbetrieb dar. \r\n \r\nAbbildung 5-6: \tFahrzeugverfügbarkeit \tPrivatkund:innen \t15.08.2021 \tbis \t30.09.2022:  \r\nAnzahl der angesteckten EFZ (blau), Anzahl Kund:innen (schwarz) den monatlichen Durchschnitt \r\n(rot) \r\nDie mittlere Verfügbarkeit hat am Anfang des Pilotbetriebs deutlich zugenommen und sich bei einem Wert von 13 EFZ bzw. ca. 65 % eingependelt. Mögliche Erklärungen hierfür sind, dass die Kund:innen eine Eingewöhnungszeit benötigt haben oder erst durch einen aktiven Use Case motiviert waren, ihr Fahrzeug regelmäßig und für längere Zeit einzustecken. Ab April 2022 wurde ein Gamification App-Feature für die Intraday-Kunden freigeschaltet, das lange Ansteckvorgänge und niedrige Ziel-SoCs mit Punkten belohnt. Des Weiteren wurden ein Urlaubsmodus sowie ein Wochenplaner eingeführt. Das neue App-Feature hatte jedoch keinen sichtbaren Einfluss auf die Verfügbarkeit. Andere Faktoren wie die Aufhebung der Home-Office Pflicht Ende März 2022 haben hier möglicherweise entgegengewirkt. \r\nAbbildung 5-7 stellt die durchschnittliche tägliche Verfügbarkeit (rechts) und die relative Ansteckhäufigkeit (links) je Werktag (blau) und für das Wochenende (rot) der Kund:innen dar. \r\n \r\nAbbildung 5-7: Relative Ansteckhäufigkeit (links) und durchschnittliche tägliche Verfügbarkeit (rechts) für Werktag (blau) und Wochenende (rot) \r\nBetrachtet man die durchschnittliche tägliche Verfügbarkeit wird deutlich, dass an Werktagen die Verfügbarkeit tagsüber geringer ist als in der Nacht und auch an Werktagen die Verfügbarkeit tagsüber geringer ist als tagsüber am Wochenende. Die durchschnittliche tägliche Verfügbarkeit beträgt an Werktagen 56 % und am Wochenende 61 %. Die relative Ansteckhäufigkeit zeigt, dass die Privatkund:innen ihr Fahrzeug an Werktagen mehr als 30 % der Zeit zwischen 16 und 19 Uhr anstecken. Am Wochenende ist das Ansteckverhalten hingegen gleicher verteilt mit einer Spitze um 18 Uhr. \r\nZiel-SoC \r\nNeben der Verfügbarkeit ist ein niedriger Ziel-SoC entscheidend für die Flexibilitätsbereitstellung. Der Ziel-SoC gibt in Prozent an, wie hoch die verfügbare Kapazität der Batterie zu einem gewählten Abfahrtszeitpunkt sein soll. Der Ziel-SoC darf später z. B. im Use Case PV-Eigenverbrauchsoptimierung beim Entladen nicht unterschritten werden, um zu jeder Zeit den Mobilitätsbedarf der Kund:innen sicherzustellen. Im BDL-Projekt wurde die Abfahrtszeit und der Ziel-SoC über die „BiLi-App“ durch die Kund:innen eingestellt. Beim Öffnen der „BiLi-App“ ist ein Ziel-SoC von 70 % voreingestellt und ein Mindest-SoC vorgegeben. Der Mindest-SoC betrug für die Kund:innen im Use Case PVEigenverbrauchsoptimierung 30 % und im Use Case Intraday-Arbitrage 40 %. Das heißt, wenn ein Fahrzeug beim \r\nAnstecken einen SoC von unter 30 % bzw. 40 % aufweist, lädt das Fahrzeug im Sofortlademodus (mit maximal zur Verfügung stehender Leistung) zu eben diesem Mindest-SoC. Abbildung 5-8 zeigt die relative Häufigkeitsverteilung des Ziel-SoC für zwei unterschiedliche Pilotbetriebszeiträume. Der blau dargestellte Zeitraum beginnt nach der Einführung des zuvor erwähnten Gamification Features in der App. \r\n \r\nAbbildung 5-8: \tRelative Häufigkeit Ziel-SoC für zwei unterschiedliche Pilotbetriebszeiträume: 15.08.2021 bis \r\n31.03.2022 (rot) und 01.04.2022 bis 30.09.2022 (blau) \r\nWährend der anfänglichen Pilotbetriebsphase (rot) ist der am häufigsten gewählte Ziel-SoC kleiner 45 %, aber auch der voreingestellte Wert von 70 % wurde über 20 % der Zeit gewählt. Der Ziel-SoC größer 95 % wurde zu 4 % der Zeit ausgewählt. Der durchschnittliche Ziel-SoC beträgt hier 58,8 %. Nach der Eingewöhnungsphase beträgt der am häufigsten ausgewählte Ziel-SoC kleiner 45 %. Dieser wurde über 30 % der Zeit ausgewählt. Die Ziel-SoCs größer 95 % wurden nicht mehr von den Kund:innen ausgewählt. Der durchschnittliche Ziel-SoC beträgt in der zweiten Phase 56,2 %. Die Verschiebung hin zu niedrigeren Ziel-SoCs deutet darauf hin, dass die Kund:innen nach der \r\nEingewöhnungsphase die notwendige Reichweite für ihre Fahrten besser einschätzen können, dem System mehr Flexibilität zu Verfügung stellen möchten und/oder möglicherweise weniger Reichweitenangst haben. \r\nSystemzuverlässigkeit \r\nDie Erreichung des Ziel-SoCs muss sichergestellt werden, um die Mobilitätsbedürfnisse der Kund:innen zu erfüllen. Auch wenn im BDL-Projekt keine Serienprodukte bzw. -lösungen Verwendung fanden, war der Anspruch, ein zuverlässiges Gesamtsystem bereitzustellen, um die Akzeptanz der Kund:innen zu gewährleisten. Abbildung 5-9 dient der Beschreibung der Systemzuverlässigkeit in Bezug auf die Erreichung des Ziel-SoCs. \r\n \r\nAbbildung 5-9: \tAbweichung des SoCs zur Abfahrtszeit vom Ziel-SoC  \r\nVerglichen wird der Ziel-SoC, der zum gewünschten Abfahrtszeitpunk gelten soll, mit dem SoC, der beim Abstecken des Fahrzeugs gemessen wird. Die Abweichung ist auf der y-Achse dargestellt. Durch die BDL Use Cases kann der Reale-SoC auch größer als der Ziel-SoC sein. Dies ist z. B. im Use Case PV-Eigenverbrauchsoptimierung der Fall, wenn mehr PV-Energie zur Verfügung steht. Die Abweichung darf im Idealfall jedoch nicht kleiner als Null sein, da den Kund:innen sonst weniger Batteriekapazität und somit weniger Reichweite zur Verfügung steht als gewünscht. Auf der x-Achse ist die Zeitdifferenz zwischen der Eingabe des Abfahrtszeitpunkts und der tatsächlichen Abfahrtszeit angegeben. Die Differenz spiegelt somit die Dauer wider, die das System Zeit hatte, den Ziel-SoC zu erreichen. Die SoC Abweichungen mit geringer Erfüllungsdauer ergeben sich meistens dadurch, dass die Kund:innen einen Ziel-SoC zu einer Abfahrtszeit wählen, der mit der verfügbaren Ladeleistung nicht erreicht werden kann. Hierbei werden die Nutzer über die App informiert. Diese Ereignisse befinden die sich in dem linken unteren Teil in der Abbildung 5-9. Insgesamt sind sehr selten Systemfehler für das Verfehlen des Ziel-SoCs verantwortlich. Diese Ereignisse sind diejenigen mit längerer Erfüllungsdauer und Abweichungen unterhalb der 0-Linie der y-Achse. Das System wurde im Laufe des Pilotbetriebs durch mehrere Softwareupdates verbessert. Hierdurch konnten die Abweichungen aufgrund von Systemfehlern reduziert werden. Insgesamt wird der Ziel-SoC in 96 % der Fälle mindestens erreicht oder übererfüllt. Hierdurch wird deutlich, dass im Projekt BDL ein zuverlässiges Gesamtsystem entwickelt und demonstriert wurde, das den Mobilitätsbedarfs der Kund:innen sichergestellt hat. \r\nZu den Allgemeinen Auswertungen der Privatkund:innen lassen sich folgende Kernaussagen festhalten: \r\n•\tEine hohe Fahrzeugverfügbarkeit ist die Grundlage für erfolgreiche bidirektionale Anwendungen. Kund:innen sollten daher motiviert werden, ihr Fahrzeug regelmäßig und lange anzustecken. \r\n•\tNach der Eingewöhnungsphase machen die Nutzer mehr Gebrauch von der „BiLi-App“ und stellen häufiger einen niedrigeren Ziel-SoC ein, wodurch mehr Flexibilität zur Verfügung steht. Kund:innen sollten von Anfang an motiviert werden, möglichst viel Flexibilität bereitzustellen.  \r\n•\tIm Projekt BDL konnte ein zuverlässiges Gesamtsystem entwickelt und demonstriert werden. Der Mobilitätsbedarfs der Kund:innen wurde somit sichergestellt. \r\n5.3 \tUse Case PV-Eigenverbrauchsoptimierung \r\n \r\nBeim Use Case PV-Eigenverbrauchsoptimierung (im folgenden PV-Use Case) wird das Fahrzeug als Heimspeicher genutzt, um die PV-Energie, die tagsüber in die Traktionsbatterie geladen wird, nach Sonnenuntergang wieder auszuspeichern und damit die Haushaltslast zu decken. Im Vergleich zum ungesteuerten Laden können durch den Use Case der Netzbezug und die Einspeisemenge der PV reduziert werden. Gleichzeitig wird die Eigenverbrauchsquote erhöht. Abbildung 5-10 skizziert die Einsparmöglichkeiten des PV-Use Case, die über die Differenz aus vermiedenem Stromeinkauf und entgangener Einspeisevergütung abgeschätzt werden können. Dabei sind zum einen externe Parameter wie der Strompreis 𝑐𝑆𝑡𝑟𝑜𝑚 und Einspeisevergütung 𝑐𝐹𝑒𝑒𝑑𝑖𝑛 entscheidend für die Ersparnisse. Ist die Einspeisevergütung zu hoch (oder der Strompreis zu niedrig) führt der PV-Use Case zu Verlusten.  \r\n \r\nAbbildung 5-10:  \tMethodik zur Abschätzung der Einsparungen aus dem Use Case PV-Eigenverbrauchsoptimierung \r\nAls interne Parameter sind insbesondere die entladene Energiemenge 𝐸etnladen und der Gesamtwirkungsgrad 𝜂ges des Systems für die Einsparungen durch den PV-Use Case entscheidend. Die Ersparnisabschätzung ist aufgrund fehlender Vergleichswerte jedoch nicht trivial und die Methodik mit mehreren Unsicherheiten behaftet. Es wird vereinfachend angenommen, dass die entladene Energie ursprünglich zu 100 % aus der PV-Anlage stammt. Fremdladen oder Netzbezug werden vernachlässigt, sind aber durch die Laderegelung nicht ausgeschlossen. Zudem berücksichtigt die Methode nur die direkten Einsparungen aus dem Entladen, nicht aber die Vorteile des Leistungsbezugs in Zeiten hoher PV-Erträge. \r\nNach dieser Methodik konnten die vier Kund:innen, die dauerhaft am PV-Use Case teilgenommen haben, nach ca. einem Jahr Laufzeit durch Rückspeisen aus dem Fahrzeug durchschnittlich 116 € oder 7,5 % ihrer Stromkosten einsparen. Hierbei wurde ein durchschnittlicher Strompreis von 32,63 ct/kWh zum Stichtag 1. April 2021 je Kund:in angenommen /BNETZA-02 22/. Die Einspeisevergütungen sind in Abbildung 5-12 abgebildet. Bei den derzeit steigenden Stromkosten, einer abnehmenden EEG-Vergütung sowie einer sinkenden Anzahl an Anlagen, die eine EEG-Vergütung erhalten, wird die Attraktivität des PV-Use Case für Kund:innen zukünftig weiter zunehmen. \r\nEinen entscheidenden Faktor spielt dabei der Roundtrip-Wirkungsgrad 𝜂ges des Systems, der bestimmt, wie viel \r\nEnergie für jede entladene kWh ursprünglich geladen werden muss. Die Daten aus dem Pilotbetrieb zeigen, dass dieser bei durchschnittlich 55 % für den PV-Use Case liegt. Der Wert setzt sich zusammen aus den Verlusten beim Lade- und Entladevorgang sowie konstanten Verlusten innerhalb des Fahrzeugs. Wie in Abbildung 5-11 dargestellt, ist die Effizienz des Systems stark von der Lade- und Entladeleistung abhängig, da die Komponenten im unteren Leistungsbereich technisch bedingt eine höhere Verlustleistung aufweisen. Das liegt daran, dass die verwendeten Bauteile nicht auf den Betrieb als Heimspeicher, sondern auf hohe Lade- und Entladeleistungen ausgelegt sind. Da im PV-Use Case die Lade- und Entladeleistung durch die PV-Anlage und den Haushaltslastgang jedoch begrenzt ist, ist die Effizienz geringer als bei Use Cases ohne diese Limitierung, wie bspw. dem Intraday Use Case. Ließe sich 𝜂ges durch technische Verbesserungen um 10 Prozentpunkte auf 65 % erhöhen, würden auch die resultierenden Einsparungen bei den Kunden im Schnitt um 15 % höher ausfallen.  \r\n \r\nAbbildung 5-11:  Wirkungsgradkurven für Laden und Entladen in Abhängigkeit von der Leistung für die Use Cases PV und Intraday \r\nDer Schwellwert, ab dem das Fahrzeug lädt bzw. entlädt, wurde für alle Kund:innen zu Beginn gleich gewählt. Die Ladeschwelle war auf >300 W PV-Einspeisung und die Entladeschwelle auf >250 W Haushaltslast gesetzt. Aufgrund der schlechten Wirkungsgrade wurden die Schwellen nach sehr kurzer Zeit angehoben auf >500 W PV-Einspeisung und >400 W Haushaltslast. Einzelfallprüfungen haben gezeigt, dass durch eine individuelle Anpassung der Schwellen auf die unterschiedlichen Konstellationen der Kund:innen der Wirkungsgrad weiter gesteigert hätte werden können. Eine individuelle Anpassung der Ladeschwelle ist bei einer Kund:in mit einer großen PV-Anlage erfolgt und getestet worden, wodurch der Ladewirkungsgrad um über 10 % erhöht werden konnte, ohne im Gegenzug zu viel PV-Energie zurückspeisen zu müssen.  \r\nWie mithilfe der Daten aus dem Pilotbetrieb festgestellt werden konnte, korrelieren die Einsparungen durch den PVUse Case allerdings nicht am stärksten mit der PV-Einspeisung, sondern mit dem Haushaltsstromverbrauch, da dieser Bedarf meist die limitierende Größe für die Rückspeisungen aus dem Fahrzeug ist. Bei den Kund:innen mit elektrischer Wärmeerzeugung, wie bspw. Wärmepumpen, sind diese Geräte maßgeblich für den Haushaltsstromverbrauch und damit die entladene Energiemenge 𝐸etnladen verantwortlich. Zudem erlauben diese Geräte hohe Rückspeiseleistungen, wodurch ein besserer Gesamtwirkungsgrad des Systems möglich wird. Die maximalen Ersparnisse fallen daher, wie in Abbildung 5-12 dargestellt, nicht immer in die Sommermonate, sondern in die Übergangszeit, wo noch geheizt wird. Daraus wird deutlich, dass der PV-Use Case nur bei gleichzeitig hohem Haushaltsverbrauch und hoher Solareinspeisung sein volles Potenzial entfalten kann. \r\n \r\nAbbildung 5-12: \tVerteilung der Einsparungen über das Jahr  \r\nDer PV-Use Case kann dennoch nur rentabel sein, wenn die EFZ tatsächlich PV-Energie laden, statt Strom aus dem Netz zu beziehen. Dazu ist es unabdingbar, dass sie auch tagsüber an die Ladeinfrastruktur angeschlossen sind, wenn die Sonne scheint. Aus den Daten des Pilotbetriebs wird ersichtlich, dass die durchschnittlich höhere Verfügbarkeit der Fahrzeuge am Wochenende (65 % Verfügbarkeit PV-Use Case Kund:innen) auch einen 11 % höheren PV-Anteil an der Ladeenergie zur Folge hat. Im Testfeld der PV-Use Case Kund:innen war jedoch auch unter der Woche eine durchschnittliche Verfügbarkeit von 57 % gegeben, sodass der PV-Use Case auch an Werktagen Einsparungen erwirtschaften konnte. Da zum einen die Stichprobe an Kund:innen gering ist und zum anderen einige Kund:innen den BMW i3 lediglich als Zweitwagen nutzen, kann die Repräsentativität der Fahrprofile im Pilotbetrieb nicht belegt werden. Im Bundesdurchschnitt sind auch niedrigere Verfügbarkeiten möglich. Insgesamt hat sich während des PVUse Cases eine durchschnittlicher zusätzliche (AC-seitige) geladene Energiemenge pro Tag von 3,9 kWh und eine durchschnittliche zusätzliche Betriebsdauer von 4,4 h pro Tag je Kund:in ergeben. Dies entspricht einer jährlichen zusätzlichen Batteriebelastung von ca. 6.000 km, bei angenommenen 20 kWh pro 100 km inklusive Rekuperation. \r\nAbbildung 5-13 stellt die simulierten Einsparungen für drei ausgewählte Kund:innen den berechneten Einsparungen während des Pilotbetriebs gegenüber. Anzumerken ist hierbei, dass für die berechneten realen Einsparungen im Pilotbetrieb nur die Monate Januar bis Juni 2022 genutzt und auf das gesamte Jahr gespiegelt wurden. Bei den simulierten Ergebnissen sind die Parameter wie durchschnittliche Grundlast, installierte PV-Leistung, Einspeisevergütung sowie Strombezugskosten identisch mit denen der Kund:innen. Abweichungen ergeben sich durch unterschiedliche Haushalts- sowie PV-Lastgänge. Die simulierten Einsparungen geben zusätzlich eine Spannweite der Erlöse an, die sich aus dem Verhalten der Kund:innen zwischen Pendlern und Nicht-Pendlern ergibt. Das Vorgehen zur Berechnung der simulierten Einsparungen ist ansonsten identisch zu dem in Kapitel 2.2 und 2.3 beschriebenen. Die Abweichungen zwischen den berechneten und den simulierten Einsparungen sind schraffiert dargestellt. Unterhalb der Abbildungen sind die Kund:innen Parameter qualitativ angegeben. \r\n \r\nAbbildung 5-13: \tVergleich simulierte Einsparpotenziale und reale Einsparung \r\nAuffällig sind die geringen berechneten Einsparungen der Kund:innen D und Q, während Kund:in E eine deutlich höhere berechnete Einsparung erzielt. Ausschlaggebend hierfür sind die unterschiedlichen Parameter, welche in der Legende unterhalb der Abbildung aufgeführt und je Kund:in qualitativ angegeben sind. Dennoch bleibt auch Kund:in E deutlich unter dem simulierten Einsparpotenzial mit dem Mobilitätsverhalten eines Nicht-Pendlers. Insgesamt erreichen die berechneten Einsparungen im Pilotbetrieb 5 bis 45 % der theoretischen Einsparpotenziale. Die wesentlichen Gründe hierfür sind folgende: Wie bereits erwähnt, unterscheiden sich die realen Haushalts- und PVErzeugungslastgänge sowie die tatsächlichen Fahrprofile von den in der Simulation verwendeten. Vor allem handelt es sich bei der Simulation um eine Optimierung mit perfekter Voraussicht, während der PV-Use Case als einfache Nulllastregelung ohne beispielsweise eine PV-Prognose umgesetzt wurde. Ein weiterer entscheidender Faktor ist, dass erst im laufenden Pilotbetrieb nach und nach eine Wirkungsgradoptimierung durch die Anpassungen der Ladeschwellen und die Verringerung des Stand-By-Verlustes erfolgte, welche in der Simulation von Anfang an ideal gewählt sind. Bei zukünftigen Serienprodukten sind daher deutlich höhere Einsparungen zu erwarten. \r\nInsgesamt lassen sich zum PV Use Case folgende Kernaussagen festhalten: \r\n1.\tFür den Gesamtwirkungsgrad und die Einsparungen sind leistungsstarke elektrische Verbraucher im Haushalt und eine große PV-Anlage entscheidend. Weiterhin kann mithilfe einer individuellen Anpassung der Lade- und Entladeschwellen der Gesamtwirkungsgrad verbessert werden. \r\n2.\tZusätzliche elektrische Verbraucher wie Wärmepumpen stellen eine ideale Ergänzung für den Use Case dar und sorgen für hohe Ersparnisse in der Übergangszeit. \r\n3.\tNur hohe Verfügbarkeiten an der heimischen Ladestation erlauben einen effizienten Betrieb des Fahrzeugs als Heimspeicher. \r\n4.\tDer Use Case verursacht durch bidirektionales Laden pro Jahr eine zusätzliche geladene Energiemenge, die ca. 6.000 km Fahrleistung entspricht. \r\n5.\tWenn die Kundenvoraussetzungen stimmen, sind bei zukünftigen Serienprodukten deutlich höhere Einsparungen zu erwarten. \r\n5.4 \tUse Case Intraday Arbitrage \r\n \r\nIm Use Case Intraday Arbitrage (folgend Intraday Use Case) werden die Preisunterschiede des Intraday Markts genutzt, um durch Arbitragehandel Erlöse zu erzielen. Dabei werden die am Pilotbetrieb teilnehmenden Fahrzeuge zu einer Flotte zusammengefasst und der Fahrzeug-Pool als eine große Batterie behandelt. Für die Flotte wird vom Pool-Betreiber (BMW) auf Basis der Angaben der Kund:innen in der „BiLi-App“ und der Nutzung von historischen Daten eine viertelstündlich aufgelöste Flexibilität für die nächsten Tag vorhergesagt. Diese Flexibilitätsvorhersage wird an den Direktvermarkter (NEXT Kraftwerke) übermittelt, welcher die Mengen in sein Portfolio integriert und damit Handel für den nächsten Tag tätigt. Durch den Handel wird ein Flottenladeplan bestimmt, welcher an den PoolBetreiber zurückgesendet wird. Der Pool-Betreiber disaggregiert den Ladeplan, passt ihn an die individuelle Flexibilität der Kund:innen an und sendet die individuellen Ladepläne an die Fahrzeuge. Im Gegensatz zum vergleichsweise einfachen Use Case PV-Eigenverbrauchsoptimierung, müssen im Intraday Use Case verschiedene Akteure miteinander zusammenarbeiten. Insgesamt ist der Use Case in seiner Umsetzung deutlich komplexer als V2H Use Cases. Eine Grundvoraussetzung für einen erfolgreichen Use Case sind wie bei allen bidirektionalen Use Cases eine hohe Fahrzeugverfügbarkeit und ein niedriger Ziel-SoC, damit dem System genug Flexibilität zur Verfügung steht. Abbildung 5-14 zeigt einen beispielhaften Tag mit der gemessenen Poolleistung und dem vorgegebenen Flottenladeplan, zusätzlich wird für jeden Kunden der SoC des EFZs (orange) angezeigt und das SoC-Limit (blau), unter den der SoC nicht sinken darf. Das SoC-Limit ist entweder gleich dem Mindest-SoC, welcher im Intraday Use Case 40 % beträgt oder dem Ziel-SoC, welcher von den Kund:innen über die „BiLi-App“ eingestellt wird. \r\n \r\nAbbildung 5-14:  \tBeispielperiode des vorgegebenen Flottenladeplans und der gemessenen Umsetzung durch die \r\nFahrzeuge (positive Leistung bedeutet Laden, negative Entladen), außerdem wird für jeden Kunden der SoC des EFZs angezeigt und das SoC-Limit, der 40 % ist, bis zu der vom Kunden eingestellten Abfahrzeit, zu der er auf den ausgewählten Ziel-SoC steigt. \r\nIn der Beispiel Periode wird der Flottenladeplan teilweise gut umgesetzt; allerdings können die vorgegebenen Entladeleistungen nicht immer eingehalten werden. Grund dafür ist einerseits, dass nicht genug EFZs angesteckt sind, um die vorgegebene Leistung zu liefern. Andererseits wurden die angesteckten EFZs auch nicht über ihr SoC-Limit geladen und konnten deshalb nicht entladen. Am 10. März um 21 Uhr konnte deswegen nur Kund:in P entladen. Anders ist dies beispielsweise am 11. März um 1 Uhr, da zuvor mehr EFZs ordnungsgemäß nach dem vorgegebenen Ladeplan geladen wurden.  \r\nDurch das für den Handel vorgegebene Laden und Entladen wird auch der Energiedurchsatz der EFZs größer. Abbildung 5-15 stellt die täglich ge- und entladene Energiemenge der Intraday-Kund:innen dar, wodurch die Entwicklung des Intraday Use Case während des Pilotbetriebs deutlich wird. \r\n \r\nAbbildung 5-15: \tTäglich ge- und entladene Energie pro EFZ im Intraday Use Case \r\nZu Beginn des Use Cases gibt es noch keinen geplanten Handel, deshalb wurde zunächst nur wenig Energie entladen. Ab Mitte Januar findet dann der geplante Handel statt, wodurch sowohl die entladene Energie, aber auch die geladene Energie steigt. Anschließend wurden weiterhin kontinuierliche Verbesserungen am Handel und der PoolSteuerung vorgenommen. Die ge- und entladene Energie bleibt in etwa gleich bis Mitte August. Ab Mitte August wurde der Redispatch Use Case mit den Intraday-Kund:innen getestet. Dafür wurden von TenneT über die Plattform EQUIGY Abrufe an das Pooling-System übermittelt. Während der Durchführung des Redispatch Use Case wurde aufgrund der geringeren Anzahl der Abrufe weniger Energie ge- und entladen. Ende August steigt die ge- und entladene Energie stark an, auch im Vergleich zu der Zeit vor dem Redispatch Use Case. Grund hierfür ist die Erweiterung des Handelszeitfensters auf den ganzen Tag im September. Zuvor war das Handelszeitfenster auf 21:00 bis 4:00 Uhr beschränkt. Durchschnittlich wurden pro EFZ im Intraday Use Case täglich 16 kWh geladen und 9 kWh entladen.  \r\nNeben der ge- und entladenen Energiemenge ist die Umsetzung der Ladepläne eine entscheidende Größe. \r\nAbbildung 5-16 stellt den Verlauf, zu welchem Anteil die gehandelte Lade- und Entladeenergie erfüllt wurde, dar. \r\n \r\nAbbildung 5-16: Prozentualer Anteil der Energie, die während des Lade- und Entladehandels tatsächlich umgesetzt werden konnte \r\nVon Februar bis April liegt die Umsetzung des Entladehandels bei 40 %. Der Grund für die geringe Erfüllung war, dass der Flottenladeplan zu wenig Energie für das Laden eingeplant hatte und deshalb häufig nicht genug Energie zum Entladen zur Verfügung stand. Im April 2022 wurde der Handel so angepasst, dass ein höherer Ladeanteil eingeplant wurde, um mehr Entladen zu ermöglichen. Außerdem wurde im April 2022 ein neues App-Features eingeführt, um den Kund:innen eine genauere Angabe des Ziel-SoCs zu ermöglichen. Die App wurde so erweitert, dass ein Wochengang des Ziel-SoCs und der Abfahrzeit sowie ein Urlaubsmodus eingegeben werden konnten. Hierdurch konnten die Kund:innen durch genauere Einstellung nicht nur die Flexibilitätsvorhersage verbessern, sondern auch die bereitgestellte Flexibilität erhöhen. Außerdem wurde ein Gamification-Feature eingeführt, welches die Kund:innen mit Punkten incentivieren sollte, ihre EFZ länger anzustecken und einen niedrigeren Ziel-SoC zu wählen. Ab Mai stieg die Umsetzung auch des Entladens auf über 60 % und blieb konstant bis in den September, in dem die Verfügbarkeit der Fahrzeuge zurückging (siehe Abbildung 5-7). Die Umsetzung des Handels ist stark von der Flexibilitätsvorhersage abhängig. Im Pilotbetrieb waren die meiste Zeit nur 13 Kund:innen im Intraday Use Case. Bei größeren Flotten würde sich die Flexibilitätsvorhersage deutlich verbessern, weil durch eine größere Anzahl an Kund:innen das untypische Verhalten einzelner sich nicht so stark auf die gesamte Flotte auswirken würde. Ein weiterer ausschlaggebender Einflussfaktor, der beim Handel im Intraday Use Case berücksichtigt werden muss, ist der Roundtrip-Wirkungsgrad 𝜂ges der Flotte. \r\nDer Roundtrip-Wirkungsgrad 𝜂ges im Intraday Use Case ist mit durchschnittlich 81 % deutlich höher als der im PV Use Case, was durch die höheren Lade- und Entladeleistungen im Intraday Use Case zu erklären ist (siehe Abbildung 511). Der Roundtrip-Wirkungsgrad des Intraday Use Case im Pilotbetrieb ist damit vergleichbar mit dem eines Pumpspeicherkraftwerks (/BNETZA 34-19/, /PRO 01-12/). Die Nutzung einer Fahrzeugflotte als großer Energiespeicher ist bereits jetzt ein realistisches Szenario, in dem nicht mit höheren Energieverlusten zu rechnen ist als bei konventionellen Energiespeichern.  \r\nDer Intraday Use Case lässt sich im Pilotbetrieb in zwei Phasen unterteilen: Die Phase vor September, in der nur ein Handelszeitfenster von 21:00 bis 4:00 Uhr genutzt und die Phase ab September, in der der ganze Tag für den Handel genutzt wurde. Die durchschnittliche Leistung eines Fahrzeugs (blau) und der durchschnittliche Intraday Preis (rot) über den Tag ist für beide Phasen in Abbildung 5-17 dargestellt.  \r\n \r\nAbbildung 5-17: Durchschnittliche Leistung eines Fahrzeugs und durchschnittlicher Intraday Preis nach Uhrzeit von a) Dezember 2021 bis September 2022 und b) September 2022 \r\nDie großen Preisunterschiede zwischen der Mittagszeit und dem Abend konnten in der ersten Phase aufgrund des Handelsfensters nicht ausgenutzt werden, wodurch nur geringere Preisunterschiede gehandelt werden konnten. Aufgrund einer anfänglichen suboptimalen Handelsstrategie wurden teilweise Preisunterschiede gehandelt, die zu gering waren, um die Wirkungsgradverluste auszugleichen. Dies hatte zur Folge, dass mit diesen Trades keine Erlöse, sondern Verluste erzielt wurden. Obwohl im September der gesamte Tag für den Handel zur Verfügung steht, wurde weiterhin hauptsächlich auf die stündlichen Preisunterschiede gehandelt. Das erhöht zwar bei ausreichend großen Preisunterschieden die Erlöse, aber auch die zusätzlichen Energiedurchsätze der Batterie deutlich. Vor September wurden für den Handel hochgerechnet auf das Jahr 1195 h/EFZ/a zusätzliche Betriebsstunden verursacht und 72 zusätzliche Vollzyklen pro EFZ/a. Das entspricht einer zusätzlichen Fahrbelastung von 15.100 km/EFZ/a, bei 20 kWh je 100 km. Im Vergleich dazu sind die Werte im September mit 1890 h/EFZ/a zusätzlicher Betriebsdauer, 188 zusätzlicher Vollzyklen /EFZ/a und umgerechnet 39.400 km/EFZ/a zusätzlicher Fahrleistung deutlich erhöht. Mit einer optimierten Handelsstrategie ließen sich Betriebsdauer und Vollzyklen reduzieren und gleichzeitig Erlöse steigern.  \r\nDie besondere Marktlage 2022 begünstigte den Intraday Use Case, da der Intraday Markt besonders volatil war und deshalb die Erlöspotenziale größer waren als in den Jahren zuvor. Die Erlöse im Intraday Pilotbetrieb waren im September am höchsten, da hier mit der größten Menge an Energie bei gleichzeitig hohen Preisunterschieden gehandelt wurde. Spiegelt man den vorgegebenen Handel für September auf das ganze Jahr, hätte ein Fahrzeug 915 € an Erlösen erzielt. Allerdings wie bereits in Abbildung 5-16 gezeigt, konnten nicht alle vorgegebenen Leistungen erfüllt werden.  Nutzt man die gemessenen Leistungen, um die Erlöse im Vergleich zu der Nutzung im Sofortlademodus zu bestimmen, relativieren sich die Erlöse, die ein EFZ im Jahr erzielt, auf 172 € (vgl. Abbildung 5-18). Auch im September wurden hauptsächlich die stündlichen Preisunterschiede gehandelt (vgl. Abbildung 5-17). Eine alternative Handelsstrategie wurde theoretisch getestet, indem die gemessenen Verfügbarkeiten und Randbedingungen durch Ziel-SoC und Fahrtenergie genutzt wurden, um mit gleichem Wirkungsgrad wie im Pilotbetrieb zu handeln. Hier wurden für den Handel nur Preisunterschiede genutzt, die groß genug waren, um die Wirkungsgradverluste auszugleichen. Durch diese alternative Handelsstrategie hätte im September ein EFZ auf das ganze Jahr gespiegelt Erlöse in Höhe von 794 € erzielt (vgl. Abbildung 5-18). Zudem hätte mit einer Energiebelastung, die 31.300 zusätzlichen Kilometern entspricht, eine geringere zusätzliche Belastung für das EFZ bewirkt werden können. Ein wesentlicher Vorteil dieser Handelsstrategie ist, dass zu jedem Zeitpunkt die Verfügbarkeit bekannt ist, wodurch eine perfekte Flexibilitätsvorhersage erreicht wird. Trotzdem zeigt die alternative Handelsstrategie, dass im Intraday Use Case Erlöse von fast 800 € möglich sind, auch trotz der niedrigen Verfügbarkeit im September (vgl. Abbildung 5-6). Für den Serienbetrieb ist bei höherer Verfügbarkeit einer größeren Flotte und infolgedessen einer besseren Flexibilitätsvorhersage sowie einer verbesserten Handelsstrategie, bei einer vergleichbaren Intraday Marktlage wie im Sommer 2022, mit Erlösen von über 800 € zu rechnen. \r\n \r\nAbbildung 5-18: Erlöse im Pilotbetrieb unter verschiedener Betrachtung: vollständige Umsetzung des vorgegebenen Handels, Erlöse mit gemessener Leistung und theoretische Erlöse mit einer alternativen Handelsstrategie \r\nBis jetzt wurden bei der Berechnung der Erlöse die aktuelle Regulatorik und die damit verbundenen Steuern, Abgaben, Umlagen und Netzentgelte vernachlässigt. Unter Berücksichtigung dieser Regularien muss ein bidirektionales Elektrofahrzeug hinsichtlich der Energie, die lediglich für den Handel geladen wurde, ca. 150 €/MWh abgeben. Die erzielten Erlöse mit gemessener Leistung in Höhe von 172 €/EFZ/a werden bei 6,7 MWh geladener Energie dann zu 833 €/EFZ/a Verlust. Selbst die durch die alternative Handlungsstrategie erzielten 794 €/EFZ/a Erlöse reduzieren sich bei Anwendung der aktuellen Regulatorik auf nur 29 €/EFZ/a. Der Intraday Use Case ist also bei Berücksichtigung der aktuellen Regulatorik nicht wirtschaftlich. Für andere Energiespeicher gelten andere Regularien, welche einen wirtschaftlichen Energiehandel ermöglichen. Große Pumpspeicher müssen nur ca. 0,5 €/MWh abgeben und große Batteriespeicher ca. 4 €/MWh, sogar Heimspeicher haben nur Abgaben von ca. 21 €/MWh /FFE-116 20/. Aufgrund des potenziellen Energiedurchsatzes der Intraday Flotten sind diese mit anderen Großspeichern vergleichbar. Zur Förderung der Nutzung von EFZ als Energiespeicher sollten diese deshalb auch regulatorisch wie große Energiespeicher behandelt werden, um die Wirtschaftlichkeit des Intraday Use Cases zu gewährleisten. \r\nInsgesamt lassen sich zum Intraday Use Case folgende Kernaussagen festhalten \r\n1.\tGute Flexibilitätsvorhersagen und Ladeplanung sind wichtig, um die Flotte optimal auszunutzen. Im Pilotbetrieb waren nur 13 EFZ beteiligt. Bei Flotten von 100 oder 1.000 Fahrzeugen werden \r\nFlexibilitätsvorhersagen deutlich zuverlässiger. \r\n2.\tWirkungsgradverluste müssen für den Energiehandel berücksichtigt werden, da sonst zu geringe Preisunterschiede zu Verlusten anstatt zu Erlösen führen. \r\n3.\tHohe Flexibilitäten durch eine hohe Verfügbarkeit und einen niedrigen Ziel-SoC erlauben effektiven Handel. \r\n4.\tDer Intraday Use Case verursachte im Pilotbetrieb durch bidirektionales Laden eine zusätzliche Energiebelastung, die ca. 39.400 km zusätzlicher Fahrleistung pro Jahr entspricht. Durch eine optimierte Handelsstrategie kann die zusätzliche Fahrleistung bei gleichzeitiger Erlössteigerung auf 31.300 km reduziert werden. \r\n5.\tEine bidirektionale Fahrzeugflotte kann mit einem Wirkungsgrad von 81 % als effektiver Energiespeicher dienen, der zur Integration erneuerbarer Energien und zur Stabilisierung des Stromnetzes beitragen kann. Aufgrund der aktuellen regulatorischen Ausgestaltung ist der Intraday Use Case jedoch noch unwirtschaftlich. \r\n5.5 \tUse Case Spitzenlastkappung \r\n \r\nZiel des Use Case Spitzenlastkappung, häufig auch als Peak Shaving bezeichnet, ist es, durch eine Flotte an bidirektional ladbaren EFZ die maximale Leistung am Netzanschlusspunkt und somit die Leistungskosten von Industrie und Gewerbekunden zu reduzieren. Der Strompreis für diese Kund:innen mit einem Energiebedarf über 100.000 kWh setzt sich aus einem Leistungs- und einem Arbeitspreis zusammen /BDEW-01 20/. Die Leistungskosten werden dabei bezogen auf die maximale Lastspitze bzw. den maximalen Viertelstundenmittelwert der Leistung am Netzanschlusspunkt berechnet. Beeinflusst wird die Höhe des Leistungspreises durch das Spannungsniveau sowie durch die Volllaststunden. Durch eine intelligent bidirektional ladbare EFZ-Flotte kann die Lastspitze durch gesteuertes Entladen verringert werden. Ziel dabei ist es, dass die Lastspitze durch das Eingreifen der EFZ-Flotte eine vorgegebene Peak Shaving (PS)-Grenze innerhalb eines Jahres nicht überschreitet. Bei den Kund:innen mit EFZFlotten von zwei bis fünf Fahrzeugen konnten bei Verfügbarkeit von EFZ Lastspitzen erfolgreich gekappt werden. Abbildung 5-19 zeigt am 19.09.2022 und am 22.09.2022 jeweils eine erfolgreich reduzierte Lastspitze bei Flottenkund:in C. \r\n \r\nAbbildung 5-19: \tLastprofil mit (blau) und ohne Peak Shaving (gelb) inklusive PS-Grenze für Flottenkund:in C \r\nDie PS-Grenze beschreibt die maximal zu erreichende Last am Netzanschlusspunkt. Um Verzögerungen in der Regelung des Use Cases Rechnung zu tragen, erfolgt eine Entladung der EFZ -Flotte bereits ab einem Grenzwert unterhalb der PS-Grenze. Da die Reichweite der EFZ vom Ladezustand abhängig ist und weiterhin Mobilität garantiert werden soll, erfolgt ein Entladevorgang nur bei einem SoC über 80 %. Ist ein EFZ mit einem niedrigeren SoC angesteckt, wird bei diesem während der Überschreitung der PS-Grenze lediglich der Ladevorgang unterbrochen. Die EFZ werden direkt, nachdem sie angesteckt wurden oder bei Leistungen unterhalb des Grenzwertes vollgeladen. \r\nAbbildung 5-20 zeigt ein Beispiel für das Verhalten während einer Lastspitze. \r\n \r\nAbbildung 5-20: \tExemplarische Lastspitze mit (blau) und ohne (gelb) EFZ bei einer zeitlichen Auflösung von 1 Minute.  \r\nZusammengefasst kommt es bei der Umsetzung dieses Use Cases zu einer Konkurrenz zwischen Lastreduzierung und der Gewährleistung der Mobilität der EFZ-Flotte. Entscheidungskriterium ist dabei der SoC der einzelnen Fahrzeuge. Neben des SoC sind weitere Haupttreiber für den Erfolg der Spitzenlastkappung die Verfügbarkeit der Fahrzeuge und die Zuverlässigkeit der Datenübertragung aus dem Fahrzeug an die Steuerung. Abbildung 5-21 zeigt die verfügbaren Fahrzeuge sowie die zum Peak Shaving verfügbaren EFZ bei der Überlagerung der Flotten der Kunden B und C. In 90 % der Zeit ist bei dieser Überlagerung der Fahrzeugverfügbarkeiten im Zeitraum von Juni bis \r\nSeptember ein Fahrzeug zur Spitzenlastkappung bereit. Kund:in B verfügt dabei über drei und Kund:in C über zwei Fahrzeuge. Die Überlagerung berücksichtigt somit fünf EFZ. Der kumulierte Anteil ist deutlich höher als bei der unabhängigen Betrachtung der beiden Kunden, bei der Kund:in B 66 % und Kund:in C 60 % erreicht. Die hohe Divergenz zwischen der Verfügbarkeit der Fahrzeuge und der Verfügbarkeit der Fahrzeuge zur Lastspitzenkappung basiert neben der Höhe des SoC auch auf Unterbrechungen bei der Datenübertragung des Ladezustandes aus dem jeweiligen Fahrzeug. \r\n \r\nAbbildung 5-21: Verfügbare EFZ (gelb) und verfügbare EFZ zum Peak Shaving (blau) bei der Überlagerung der Kund:innen B und C.  \r\nInsgesamt lassen sich zum Peak Shaving Use Case folgende Kernaussagen festhalten: \r\n1.\tDie Zeitspanne der Umsetzung muss mindestens ein Jahr betragen, da dies der typische \r\nAbrechnungszeitraum für die Leistungskosten ist. \r\n2.\tEine hohe Verfügbarkeit der Fahrzeuge ist für eine erfolgreiche Umsetzung des Use Cases notwendig. \r\n3.\tDer Grenzwert des SoC, ab dem eine Entladung zur Lastspitzenkappung erfolgt, muss an die Gewichtung der Konkurrenzsituation aus Lastspitzenkappung und Gewährleistung der Mobilität angepasst werden. \r\n4.\tDer Erfolg des Use Cases ist vom Lastprofil der Kund:innen abhängig. \r\n5.\tIm Pilotversuch konnte die technische Umsetzung des Spitzenlastkappung Use Case erfolgreich demonstriert werden. \r\n6 Intelligente Messsysteme: Möglichkeiten und Entwicklungsbedarfe \r\nIm BDL-Projekt werden intelligente Messsysteme (iMSys) als zentraler Baustein für die Einbindung von \r\nElektrofahrzeugen in das Energiesystem gesehen. Ziel des Arbeitsbereichs im Projekt ist es, Weiterentwicklungsbedarfe der derzeit durch die Spezifikationen des BSI für die Funktionsumfänge des iMSys zu identifizieren, um durch deren Einsatz einen möglichst großen Nutzen erzielen zu können. Fokus bildet dabei das Steuern über das Smart Meter Gateway (SMGW) und das eichrechtskonforme Messen durch die moderne \r\nMesseinrichtung (mME) sowie die Verteilung der Messwerte zur Abrechnung. Im Folgenden wird zunächst die Möglichkeit der Umsetzungen von Use Cases im BDL-Projekt über das iMSys erläutert. Für einen ausgewählten Use Case folgt eine detaillierte Performance Untersuchung, welche eine Laufzeitenanalyse, Zuverlässigkeitsauswertung sowie die Ermittlung des aufkommenden Datenvolumens beinhalten. Abschließend wird ein Blick auf den ökologischen Fußabdruck der benötigten Komponenten und Kommunikationsinfrastruktur geworfen. \r\n6.1 \tUse Cases und Steuerungswege in BDL \r\n \r\nVon einer Vielzahl an Use Cases wurden im Projekt fünf Anwendungsfälle im Feld erprobt: Sofortladen, Eigenverbrauchsoptimierung, Spitzenlastkappung, Vermarktung am Intraday Markt (Arbitrage) und die lokale Netzdienstleistung (Plim). Die Use Cases unterscheiden sich, abgesehen von der Optimierungsgröße bzw. dem Ziel, auch bezüglich des Akteurs bzw. der Komponenten, durch die der Lagevorgang gemanagt wird. Abbildung 6-1 gibt einen Überblick zu den Use Cases mit dem Akteur /der Komponente, durch die die Initiierung erfolgt. Im Folgenden werden die Steuerungswege vorgestellt. \r\n \r\nAbbildung 6-1: \tÜbersicht der Use Cases, des jeweiligen Akteurs zur Initiierung der Steuerung sowie \r\nSteuerungsmedium \r\n6.1.1 \tLokale Regelung \r\n \r\nDas lokale Management des Ladevorgangs wird von einem Energiemanagementsystem (EMS) übernommen. Dieses ist im BDL-Projekt Teil der Wallbox. Für die Umsetzung der Eigenverbrauchsoptimierung werden vom EMS hochaufgelöste Daten der aktuellen Messwerte am Netzanschlusspunkt benötigt. Die ohnehin installierte mME kann Leistungs- bzw. Energiemesswerte bereitstellen, jedoch in einer Auflösung von höchstens einer Sekunde. Somit eignet sich die standardisierte Infrastruktur nicht für die Umsetzung dieses Anwendungsfalls und es wird ein zusätzliches Messgerät benötigt. Im BDL-Projekt wurde hierfür auf ein Smart Energy Meter von Kostal (KSEM) zurückgegriffen, das Messwerte in einer zeitlichen Auflösung von 200 ms an das EMS liefert. Neben den aktuellen Messwerten am Netzanschlusspunkt fließen die Angaben des Kunden bezüglich Abfahrtszeitpunkt und dem sodann gewünschten Ladezustand in die Optimierung und das resultierende Lademanagement ein.  \r\n6.1.2 \tBackend \r\n \r\nDie Steuerung über das Backend erfolgt über das standardisierte OCPP (Open Charge Point Protocol) und somit direkt zwischen dem Backend und der Ladesäule. Im Anwendungsfall der zeitlichen Arbitrage wird dies durch das Backend des Fahrzeugherstellers übernommen. Für die Nachweisführung wird eine eichrechtskonforme Messung in einer viertelstundenscharfen Auflösung benötigt. Dies wird durch die mME übernommen und durch das SMGW an den Messtellenbetreiber übermittelt. Im Anwendungsfall der Spitzenlastkappung wird die Regelung über OCPP durch ein eigenes Backend oder ebenfalls durch das Backend des Fahrzeugherstellers übernommen. Dabei fallen keine abrechnungsrelevanten Daten an, sodass die iMSys Infrastruktur hier nicht notwendig ist. \r\n6.1.3 \tNetzbetreiber \r\n \r\nDie dritte im Projekt angewandte Möglichkeit zur Steuerung von Ladevorgängen ist die durch den Netzbetreiber. Die Übermittlung von Vorgaben durch den Netzbetreiber gilt als „energiewirtschaftlich relevanter“ Anwendungsfall und muss somit über das SMGW erfolgen. Mit der derzeit vorgesehenen Infrastruktur ist damit die Steuerung über den transparenten Kommunikationskanal (CLS-Proxy-Kanal) möglich. Im Projekt wurde ein alternativer Steuerungsweg über das SMGW umgesetzt. Die detaillierte Umsetzung wird im folgenden Kapitel beschrieben. \r\n6.2 \tSteuern mit dem intelligenten Messsystem \r\n \r\nKünftig soll, neben dem Messen und der Verteilung von Messwerten, auch das Steuern bzw. die Beeinflussung von Ladevorgängen über die iMSys-Infrastruktur erfolgen. Damit wird eine sichere, standardisierte und großflächig verfügbare Möglichkeit der Steuerung verfügbar sein. Bisher ist die Steuerung über den CLS-Proxy Kanal in der \r\nStandardisierung vorgesehen. Im Projekt wurde ein alternativer Weg, direkt über das SMGW, umgesetzt. Die beiden Steuerungswege werden im Folgenden vorgestellt. \r\n6.2.1 \tSteuern über den CLS-Proxy-Kanal \r\n \r\nMit der derzeit durch die BSI-Richtlinie vorgesehenen Infrastruktur erfolgt die Umsetzung von Schalthandlungen über den CLS-Proxy-Kanal. Dies bedeutet, dass der SMGW-Administrator auf Anfrage des steuernden Akteurs beim SMGW den Aufbau eines transparenten Kommunikationskanals anfordert. Dieses baut, nach Überprüfung der Konformität mit Sicherheitsanforderungen, einen Kommunikationskanal zwischen dem steuernden Akteur und der zu steuernden Komponente auf, sodass das Steuersignal übermittelt werden kann. Dem SMGW ist dabei nicht bekannt, was kommuniziert wird. Nach einer festgelegten Zeit wird der Kanal wieder geschlossen. Eine detaillierte Beschreibung und die Untersuchung dieses Steuerungswegs ist beispielsweise im C/sells Projekt erfolgt /FFE-64 18/. \r\n6.2.2 \tSteuern über EEBUS und das SMGW \r\n \r\nIm Rahmen des BDL-Projekts wurde eine neue Steuerungsmöglichkeit über die iMSys-Infrastruktur umgesetzt, die eine Übermittlung des Steuerungssignals bzw. der Leistungsvorgabe direkt an das SMGW erlaubt. Damit wird es möglich, die Nachweisführung mit der Steuerung zu kombinieren, indem das SMGW mit dem Eintreffen von Vorgaben auch entsprechende Messungen aktiviert.  \r\nBei dem Anwendungsfalls der lokalen Netzdienstleistung wird eine Limitierung mit einem Gültigkeitszeitraum an den SMGW-Administrator übergeben. Dieser nimmt das Updaten eines Kommunikationsprofils auf dem SMGW vor, das diese Parameter enthält. Das SMGW aktiviert zudem die Aufzeichnung der Leistungsaufnahme am Hausanschlusspunkt. Die Messwerte werden verschlüsselt und an den Messstellenbetreiber übergeben, sodass eine Nachweisführung der Leistungsvorgabe, integriert in die Übermittlung der Vorgabe, erfolgen kann.  \r\nEine weitere Entwicklung, die im BDL-Projekt vorgenommen wurde, ist die Umsetzung der Kompatibilität des SMGWs mit hausseitigen Komponenten wie z. B. der Wallbox oder dem EMS. Mit diesen Komponenten wird in der Regel über das EEBUS Protokoll nach der VDE AR 2829-6 kommuniziert. Daher wurde auf dem SMGW ein Modul integriert, das die Übersetzung der Leistungsvorgabe in den EEBUS Standard, konkret in den „LPC“ (Limitation of Power Consumption), übernimmt. Abbildung 6-2 zeigt den wesentlichen Ablauf des Anwendungsfalls mit der Steuerung über das SMGW und der Übersetzung in EEBUS Kommunikation. \r\n \r\nAbbildung 6-2: \tWesentlicher Ablauf des entwickelten Steueranwendungsfalls für die Umsetzung von Leistungslimitierungen durch den Netzbetreiber \r\nUm die Entwicklungen aus dem BDL-Projekt sowohl innerhalb des Konsortiums als auch dem Fachpublikum und der interessierten Öffentlichkeit aufzuzeigen, wurde ein Demonstrations-Board erarbeitet. Auf diesem sind die Abläufe der Use Cases „Intraday Vermarktung“ und „Lokale Netzdienstleistung“ visualisiert. Zudem ist ein iMSys verbaut, das auch in das tatsächliche GWA-Backend eingebunden ist. Weiterhin wurde für die Visualisierung des aus den Use Cases resultierenden Ladevorgangs ein Tablet angebracht. Auf diesem ist eine eigens entwickelte App installiert, die neben der Visualisierung auch das Versenden von Plim Werten und einem Gültigkeitszeitraum ermöglicht. Diese „Netzbetreiber Vorgaben“ werden dann über VPN an das GWA-Backend gesendet und die Übermittlung der Werte erfolgt realitätsgetreu an das verbaute SMGW. Die Rückmeldung über das Eintreffen der Leistungsbegrenzung ist wiederum am Tablet zu sehen, indem sich die Visualisierung des Ladevorgangs entsprechend den Vorgaben anpasst. \r\nDas Demo-Board wurde im Konsortium vielfach eingesetzt. Sowohl für die projekt- und unternehmensinterne Wissensvermittlung als auch bei Veranstaltungen konnte damit veranschaulicht werden, wie die iMSys Infrastruktur im BDL-Projekt eingesetzt wird. Den ersten Auftritt hatte der Aufbau bei den FfE Energietagen 2021. \r\n6.3 \tKonfliktpotenzial zwischen Ladestrategien \r\n \r\nPrinzipiell kann es, wenn mehrere Anwendungsfälle aktiv sind, zu Zielkonflikten zwischen diesen kommen. Trifft dieser Fall ein, können Use Case Ziele nicht mehr oder nur eingeschränkt umgesetzt werden. Im BDL-Projekt wurde eine detaillierte Konfliktanalyse gemacht und untersucht, in welchen Fällen Konfliktpotenzial zwischen netz- und marktorientiertem sowie eigenverbrauchsoptimiertem Lade- und Entladeverhalten auftreten kann. \r\nTreffen Konflikte auf, muss eine Priorisierung erfolgen, die festlegt, welches Signal dominiert. Diese Entscheidung soll zunächst vom Ladezustand des Fahrzeugs abhängen. Dafür wird beim Ladezustand in vier Bereiche unterschieden (vgl. Abbildung 6-3 oben). Im Bereich A soll aus Kundensicht immer mit maximaler Ladeleistung geladen werden, um einen Sicherheits-SoC (SoCmin) zu gewährleisten. Damit wird sichergestellt, dass eine bestimmte Reichweite stets verfügbar ist. Im Bereich B2 ist das marktorientierte oder eigenverbrauchserhöhende Verhalten aktiv, sofern der Abfahrtszeitpunkt noch ausreichend weit entfernt ist, sodass der für die geplante Fahrt benötigte SoC (SoCZiel) bis dahin erreicht wird. Rückt der Abfahrtszeitpunkt näher und die verbleibende Zeit wird benötigt, um den gewünschten Ladezustand zu erreichen, wird mit maximaler Ladeleistung geladen (Bereich B1). Im Bereich C ist das marktorientierte bzw. eigenverbrauchserhöhende Verhalten aktiv und neben dem Laden ist auch das Entladen möglich. \r\n \r\nAbbildung 6-3: Ladezustände des Elektrofahrzeugs mit den jeweiligen Lade- und Entladeverhalten sowie potenziellen Konflikten mit einer Leistungslimitierung \r\n6.4 \tPerformance Analyse  \r\n \r\nFür die Umsetzung von Use Cases mit der iMSys-Infrastruktur muss berücksichtigt werden, inwiefern die aus den technischen Use Cases hervorgehenden Anforderungen durch das iMSys erfüllt werden können. Besonders relevant ist dabei die notwendige Dauer, um z. B. Sollwerte zu übermitteln und umzusetzen. Aber auch die allgemeine Zuverlässigkeit sowie aufkommende Datenvolumen müssen bei der Bewertung der Realisierbarkeit berücksichtigt werden. Im BDL-Projekt wurde einen detaillierte Performance Untersuchung für den im Projekt entwickelten Use Case „Lokale Netzdienstleistung“ gemacht. Im Folgenden wird der Testaufbau sowie die Durchführung der Tests mit den hervorgehenden Ergebnissen für die allgemeine Zuverlässigkeit, die Laufzeit sowie das aufkommende Datenvolumen beschrieben.  \r\nDie Arbeit wurde im Rahmen der Konferenz „DACH Energy Informatics“ am 15. September 2022 vorgestellt und als Paper veröffentlicht /FFE-56 22/. \r\n6.4.1 \tTestaufbau \r\n \r\nFür die Performance Untersuchung wurde ein Testaufbau erstellt. Dieser umfasst das SMGW des in Abschnitt 6.2.2 beschriebenen Demonstrationsboards. Dieses ist mit einer SIM-Karte ausgestattet, sodass die Kommunikation über LTE erfolgen kann. Das SMGW ist über ein Netzwerkkabel mit einem Wallbox Emulator verbunden, der das Verhalten der Wallbox simuliert. Dabei handelt es sich um ein Raspberry Pi mit der entsprechenden, von Kostal bereitgestellten Software. Die Übergabe der Leistungsbegrenzungen und Gültigkeitszeiträume an das GWA-System erfolgte durch einen Server via HTTP (Hypertext Transfer Protocol), der damit die Rolle des VNBs ersetzt. \r\nDie Datenerhebung für das Prozess Logging der SMGW- und GWA-Prozesse wird vom GWA übernommen. Hier werden Prozesse des GWA Backends sowie des SMGW standardmäßig sehr detailliert mit Zeitstempeln geloggt. Diese Log Daten werden über SFTP an den Server übergeben. Das Prozesslogging der Wallbox, bzw. des Emulators, wird von dem Tool selbst übernommen. Die Daten können ebenfalls über SFTP vom Server abgerufen werden. \r\nNeben der Erfassung der Log-Daten wird das aufkommende Datenvolumen gemessen. Dies erfolgt durch ein Tool, das für die Performance Untersuchung auf das SMGW aufgespielt wurde. Dieses ermöglicht das Messen der Datenvolumina für die Kommunikation des SMGWs. Die Datenvolumen Daten werden über den GWA auf dem Server abgelegt. \r\nAbbildung 6-4 zeigt den Testaufbau mit den Komponenten, Datenerfassungspunkten und Übertragungswegen. \r\n \r\nAbbildung 6-4: \tTestaufbau, Datenerfassung und -übermittlung für die Performance Untersuchung \r\n6.4.2 \tDurchführung der Tests \r\n \r\nInsgesamt wurden für die Performance Untersuchung über 2.000 Vorgaben versendet. Dabei wurden zwei Anwendungsfälle unterschieden: eine präventive und eine kurative Leistungsvorgabe. Im Falle der präventiven Vorgabe erfolgte die Übermittlung durch den Server mindestens fünf Minuten bevor der Gültigkeitszeitraum der Limitierung beginnt. Die Werte werden dann im GWA-System gehalten bis ca. 1 Minute vor Beginn des \r\nGültigkeitszeitraums, um dann rechtzeitig an das SMGW und weiter an den Wallbox Emulator übergeben zu werden. Im Falle der kurativen Maßnahme ist der Startzeitpunkt der Vorgabe gleich dem Versandzeitpunkt des Servers (VNB), sodass die Vorgabe vom GWA unmittelbar nach der Verarbeitung im Backend an das SMGW und weiter an den Wallboxemulator übermittelt wird. Dabei verzögert sich die Umsetzung der Vorgabe um die Prozesslaufzeiten beim GWA, im SMGW sowie im Wallboxemulator.  \r\nFür die Kommunikation zwischen GWA und SMGW wird ein TLS-Kanal verwendet. Dieser wird initial aufgebaut und dann standardmäßig für drei Minuten offengehalten. Wird der Kanal innerhalb dieser Zeit wieder verwendet, verlängert sich der Erhalt der Verbindung um weitere drei Minuten, ansonsten wird der Kanal abgebaut und muss bei einer neuen Leistungsvorgabe erneut aufgebaut werden.  \r\nAusgehend von diesen Stellparametern wurden für die Performance Analyse folgende Szenarien untersucht: \r\n•\tDer VNB sendet die Vorgabe entweder fünf Minuten vor deren Gültigkeitszeitraum (präventive Maßnahme) oder mit Start des Gültigkeitszeitraums (kurative Maßnahme). \r\n•\tDie darauffolgende Vorgabe wird o innerhalb von drei Minuten nach der vorherigen Kommunikation mit dem SMGW versendet \r\n(bestehender TLS-Kanal wird genutzt) oder o \tmehr als drei Minuten nach der letzten Kommunikation mit dem SMGW versendet (TLS-Kanal muss neu aufgebaut werden). \r\n•\tVariierung der Werte von Plim und dem Zeitraum zwischen der Gültigkeitszeit von zwei Vorgaben (inkl. deren Überlappung) \r\nFür die Untersuchung der Laufzeit wurde die Prozesskette in Teilprozesse unterteilt und die hoch aufgelösten Logdaten aus dem GWA-System für diese Teilprozesse zusammengefasst. Die Prozessketten wurden durch folgende Ereignisse definiert: \r\n1.\tVNB bzw. Server versendet die Vorgabe an den GWA \r\n2.\tGWA empfängt die Vorgabe \r\n3.\tGWA baut Verbindung zum SMGW auf \r\n4.\tTLS-Verbindung zwischen GWA und SMGW ist aufgebaut \r\n5.\t„Handshake“ zwischen GWA und SMGW ist erfolgt \r\n6.\tVorgabe wird vom SMGW erhalten \r\n7.\tSMGW hat das Profil mit der Vorgabe aktualisiert \r\n8.\tWallbox hat die Vorgabe akzeptiert \r\n9.\tGWA wird vom SMGW über die erfolgreiche Ausführung informiert \r\nDurch die Analyse des Loggings, können Schwachstellen in der Prozesskette identifiziert werden und Aussagen zur Zuverlässigkeit des Gesamtprozesses aber auch einzelner Komponenten und Teilprozesse gemacht werden. \r\nDer Netzwerkverkehr wurde in Form einer Liste mit einzelnen Datenpaketen übermittelt. Von diesen wurden zunächst irrelevante Kommunikationsprozesse, die nicht auf die Übermittlung der Leistungsvorgabe zurückzuführen sind, herausgefiltert. Die Kommunikation zwischen SMGW und GWA wurde in Sessions unterteilt, sodass jeweils das aufkommende Datenvolumen ermittelt werden konnte. \r\n6.4.3 \tErgebnisse \r\n \r\nIm Rahmen der Performance Analyse wurden die insgesamte Zuverlässigkeit, die Prozesslaufzeit und das aufkommende Datenvolumen für den im Projekt erarbeiteten und umgesetzten Use Case „Lokale Netzdienstleistung“ untersucht. \r\nAllgemeine Zuverlässigkeit \r\nVon über 2.000 versandten Vorgaben mit unterschiedlichen Parametrierungen wurden 36 Vorgaben nicht im SMGW umgesetzt. Dies entspricht einer Erfolgsquote von 98,2 %. Abbildung 6-5 zeigt die erfolgreichen und gescheiterten Prozesse als Sankey Diagramm auf. \r\n \r\nAbbildung 6-5: \tSankey Diagramm mit der Visualisierung von nicht ausgeführten Vorgaben und den fehlerhaften Prozessen \r\nDie Vorgaben, welche nicht berücksichtigt wurden, sind vermutlich auf den zeitlich zu eng getakteten Versand von Vorgaben zurückzuführen. Die Fehlerquelle liegt hier auf Seiten des Servers. Vorgaben, welche nicht an den GWA gesendet werden konnten, wurden nicht in den Log Dateien gefunden. Jede Vorgabe bekommt beim Versand eine Identifikationsnummer zugewiesen. Für zwölf Vorgaben konnte diese nicht in den Logdaten gefunden werden. Die Ursache dieses Verhalts konnte nicht ermittelt werden. Der größte Anteil der nicht erfolgreich umgesetzten Vorgaben ist auf eine fehlerhafte Ausführung im SMGW zurückzuführen. Dabei wird die Vorgabe vom SMGW geloggt, jedoch erfolgt kein Update des Profils im SMGW. Hier könnten parallel laufende Prozesse eine Fehlerquelle sein. Für 14 angestoßene Übermittlungen einer Vorgabe gab das SMGW keine Rückmeldung. Hier kann auch von einer erfolgreichen Umsetzung ausgegangen werden, wobei lediglich die „OK-Rückmeldung“ des SMGWs ausgeblieben ist. \r\nDer letzte Teil der Prozesskette zwischen SMGW und Wallbox Emulator weist eine Erfolgsquote von 51 % auf. Dies ist auf ein Softwareproblem auf Seiten des SMGW zurückzuführen. Im Nachgang zu den durchgeführten Tests wurde diese mit den Erkenntnissen der Tests angepasst, sodass nun mit einer höheren Erfolgsquote gerechnet werden kann. \r\nEin erneuter Test wurde bisher noch nicht durchgeführt. \r\nDatenvolumen \r\nFür die Ermittlung des bei der Übermittlung der Vorgabe aufkommenden Datenvolumens wurden zwei Anwendungsfälle untersucht. Zum einen wurde der Fall betrachtet, dass der Kommunikationskanal zum SMGW angefragt, aufgebaut und nach der Nutzung wieder abgebaut wird. Zum anderen wurden Vorgaben über einen bereits bestehenden Kommunikationskanal versendet. Dies kann umgesetzt werden, da der Kanal nach dessen Nutzung für drei weitere Minuten erhalten bleibt. Wird er innerhalb dieser drei Minuten genutzt, verlängert sich die Session um weitere drei Minuten. Mit der Nutzung eines bestehenden Kommunikationskanals kann also das notwendige Datenvolumen je übermittelter Vorgabe reduziert werden, da sich der Kanalaufbau auf alle versandten Vorgaben verteilt.  \r\nAbbildung 6-6 zeigt die Ergebnisse des gemessenen Datenvolumens. Wie im linken Teil der Abbildung zu sehen, werden für die Übermittlung einer Leistungsvorgabe rund 15 kB Datenvolumen benötigt. Wird ein Kommunikationskanal für die Übermittlung weiterer Vorgaben genutzt, reduziert sich das aufkommende Datenvolumen je übermittelter Vorgabe auf knapp 10 kB. Damit kann der Schluss gezogen werden, dass rund 5 kB für die Etablierung des Kommunikationskanals zwischen aEMT und SMGW benötigt werden. Die verbleibenden 10 kB fallen für die tatsächliche Übermittlung der Vorgabe an. \r\n \r\nAbbildung 6-6: Aufkommendes Datenvolumen für die Übermittlung von Leistungsvorgaben, abhängig von der Anzahl an Übermittlungen je Kommunikationssession (links) und Streuung des Datenvolumens bei Betrachtung der einzelnen Nutzung einer Session (rechts) \r\nBeim Betrachten der Streuung der Datenvolumenwerte (Abbildung 6-6 rechts) fällt auf, dass sich die Werte im Bereich 14 und 15 kB stark häufen. Zudem gibt es einige Ausreißer im oberen Bereich bis hin zu einem Wert von 35 kB. Dies ist vermutlich auf wiederholte Verbindungsversuche, nachdem diese zunächst gescheitert sind, zurückzuführen. \r\nDie Ergebnisse der Datenvolumenmessung können mit den Untersuchungen aus dem SINTEG Projekt C/sells verglichen werden. Dort wurden steuerbare Erzeuger direkt über einen transparenten Kommunikationskanal gesteuert, während die Steuerung in BDL über das SMGW selbst erfolgte. Der übergeordnete Vergleich zeigt eine erhebliche Reduktion des benötigten Datenvolumens von 24 kB (C/sells) auf 15 kB (BDL) und damit um knapp 42 %. \r\nProzesslaufzeit \r\nBei der Untersuchung der Prozesslaufzeiten wurde in zwei Anwendungsfälle unterschieden: präventive Vorgaben, welche eine Vorlaufzeit mit sich bringen und kurative Vorgaben die umgehend umgesetzt werden müssen.  \r\nPräventive Vorgaben wurden für die Analyse fünf Minuten vor Beginn des Gültigkeitszeitraums der Vorgabe versendet. Der GWA hält die Vorgabe vor und baut dann, wie in Abbildung 6-7 zu sehen, 50 Sekunden vor der geplanten Startzeit eine Kommunikationsverbindung zum SMGW auf. So wird sichergestellt, dass die Vorgabe rechtzeitig ankommt und wie vom Netzbetreiber vorgesehen umgesetzt wird. \r\n \r\nAbbildung 6-7: \tAbfolge von Prozessen bei der Übermittlung von präventiven Vorgaben, relativ zum geplanten Startzeitpunkt \r\nDas Profil, das die Vorgaben des Netzbetreibers enthält, ist im Durchschnitt 14 Sekunden vor Beginn des Gültigkeitszeitraums aktualisiert. Der GWA ist ungefähr zum Startzeitpunkt der Vorgabe über die erfolgreiche Übermittlung informiert. Zu bemerken ist hier, dass es sich dabei lediglich um die erfolgreiche Übermittlung an das SMGW und nicht die Ladesäule handelt. Wie beschrieben, wird der Kommunikationskanal drei Minuten nach dieser letzten Nutzung abgebaut. Abbildung 6-8 zeigt die Dauer der einzelnen Prozessschritte. Es wird deutlich, dass die Verarbeitung im SMGW mit 27 Sekunden und einer Standardabweichung von vier Sekunden die meiste Zeit in Anspruch nimmt. Auch die Dauer für die Bestätigung der erfolgreichen Übermittlung dauert vergleichsweise lange. \r\n \r\nAbbildung 6-8: Dauer der Prozessschritte für präventive Vorgaben, wobei der Kommunikationskanal auf- und abgebaut wird \r\nIm kurativen Fall wird die Vorgabe erst zum Startzeitpunkt an den GWA gesendet. Neben den Prozessen ab dem Kommunikationsaufbau (vgl. Abbildung 6-8) sind für den kurativen Fall zusätzlich die Laufzeiten für die Übermittlung an den GWA sowie die Verarbeitung beim GWA zu betrachten. Diese sind in Abbildung 6-9 abgebildet. Während der Versand an den GWA nahezu adhoc erfolgt, dauert die Verarbeitung der Vorgabe beim GWA ca. elf Sekunden. \r\nZudem ist eine relativ große Standardabweichung von ca. sechs Sekunden zu verzeichnen. Hier birgt sich Potenzial zur Verkürzung der Gesamtlaufzeit, indem die Performance des GWA Systems verbessert wird. Insgesamt dauert der Prozess im kurativen Fall vom Versand der Vorgabe durch den aEMT bis zum Update des Profils 48 Sekunden und bis zum Akzeptieren durch die Ladesäule 51 Sekunden. \r\n \r\nAbbildung 6-9: Dauer der Prozesse, die bei kurativen Maßnahmen zusätzlich zu betrachten sind (neben den in Abbildung 6-8 dargestellten) \r\n6.4.4 \tBewertung \r\n \r\nDie Ergebnisse der Performance Untersuchung für den Anwendungsfall der lokalen Netzdienstleistung zeigen, dass sich die iMSys Infrastruktur für den untersuchten Anwendungsfall grundsätzlich eignet. Die Zuverlässigkeit der Prozesskette ist hoch, wobei hier abhängig von der Anzahl angebundener Anlagen unterschieden werden muss. Stehen an einem Netzstrang nur wenige steuerbare Anlagen zur Verfügung, kann die erfolgreiche Übermittlung und Umsetzung der Vorgabe essenziell für den stabilen Netzbetrieb sein. Entsprechend müssen VNB die Zuverlässigkeit der Übermittlung bei der Umsetzung der Maßnahmen berücksichtigen. \r\nAuch die Ergebnisse zum notwendigen Datenvolumen müssen abhängig von den Rahmenbedingungen eingeordnet werden. Abhängig davon, wie viele Anlagen z. B. innerhalb einer Funkzelle liegen und gleichzeitig eine Vorgabe erhalten sollen, können hier Engpässe seitens der Kommunikationstechnik auftreten. Für die Einordnung des aufkommenden Datenvolumens von 15 kB kann dieser Wert mit dem Ergebnis der Untersuchungen im C/sells Projekt verglichen werden. Für den dabei erprobten Anwendungsfall wurden 24 kB an Datenvolumen benötigt. \r\nDie Erkenntnisse zur Laufzeit zeigen, dass die Latenzzeit von 51 Sekunden vom Absenden durch den Netzbetreiber bis zum Erhalt der Vorgabe durch die Wallbox für den betrachteten kurativen Anwendungsfall ausreichen. Ein übergeordneter Vergleich mit den Erkenntnissen aus dem C/sells Projekt zeigt eine Reduktion von ~ 50 % der Laufzeit. Dies kann auf eine bessere Performance des eingesetzten GWA-Systems aber auch auf die Übermittlung der Schaltung direkt über das SMGW zurückzuführen sein.  \r\nInsgesamt sollte die Untersuchung ausgeweitet und in einem diverseren Umfeld durchgeführt werden. Beispielsweise wäre es ratsam, weitere SMGWs einzubinden, die sich in unterschiedlichen geographischen Umgebungen befinden oder durch verschiedene Kommunikationstechnologien angebunden sind. Weiterhin sollten die in dieser Analyse eingesetzten Komponenten bzw. Rollen durch die Tatsächlichen ersetzt werden. Dies betrifft zum einen den Wallbox Emulator, der durch eine Wallbox ersetzt werden sollte und zum anderen die Rolle des Netzbetreibers. \r\nDie mit der Untersuchung erhaltenen Ergebnisse bieten neben der Evaluierung des betrachteten Anwendungsfalls die Möglichkeit, auch die Umsetzbarkeit anderer Anwendungsfälle zu untersuchen. Dafür können insbesondere die erhaltenen Werte der Laufzeituntersuchung herangezogen werden. Weiterhin gibt die Analyse wertvolle Einblicke in die Teilprozesse für die Kommunikation von aEMT und SMGW. So können insbesondere für das SMGW und GWA System Verbesserungspotenziale aufgedeckt und Performanceverbesserungen abgestrebt werden, indem die Teilprozesse mit langen Laufzeiten genauer untersucht und angepasst werden. \r\n6.4.5 \tExkurs: iMSys Performance mit mehreren SMGWs \r\n \r\nWeiterführend zu den umfangreichen Tests mit einem einzelnen SMGW wurden fünf weitere SMGWs angebunden und für die Auswertungen der Performance Tests durchgeführt. Dabei wurden insgesamt 2.206 Anforderungen übermittelt, an zwei Tagen an ein einzelnes SMGW und an zwei weiteren Tagen an alle fünf SMGWs.  \r\nDie resultierende Erfolgsquote unterscheidet sich stark zwischen den Testtagen: Während bei den Übermittlungen an ein einzelnes SMGW 99,0 % der Anforderungen erfolgreich übermittelt wurden, konnten an den beiden Tagen, an welchen alle fünf SMGWs im Einsatz waren, lediglich 68,6 % der Anforderungen erfolgreich übermittelt werden. Bei der Untersuchung der Prozessschritte wird deutlich, dass der größte Anteil der fehlerhaften Übermittlungen bereits beim GWA scheitert (vgl. Abbildung 6-10). Dies bedeutet, dass der GWA die Anforderung zwar erhält, diese jedoch nicht weiter an das SMGW sendet. \r\n \r\nAbbildung 6-10: \tAnzahl gescheiterter Übermittlungen der Vorgabe mit deren Ursache \r\nFür die Identifikation der Ursache für die geringe Zuverlässigkeit ist das GWA-System zu untersuchen. \r\nDie weiteren untersuchten Parameter „Laufzeit“ und „Datenvolumen“ entsprechen bei den erfolgreichen Übermittlungen den Ergebnissen der Tests mit dem einzelnen SMGW (vgl. Abschnitt 6.4.3). \r\n6.5 \tNachhaltigkeitsbewertung \r\n \r\nAnalysen zu verschiedenen BDL-Use Cases zeigen erhebliche Reduktionspotenziale der betrieblichen Emissionen von EFZ (z. B. Ergebnisse zum Use Case „Grünstrom“ hier). Zur Umsetzung der Ladestrategien ist eine intelligente Infrastruktur Voraussetzung, welche mit einem gewissen ökologischen Fußabdruck einhergeht. Die Umwelteffekte dieser benötigten Informations- und Kommunikationstechnologie (IKT) und weiteren Komponenten wurden für unidirektionale (V1G) sowie bidirektionale Ladeinfrastruktur (V2G) auf Haushaltsebene quantifiziert. Als Referenz erfolgte zudem die Quantifizierung der Ökobilanz der Ladeinfrastruktur von ungesteuertem Laden. \r\n6.5.1 \tMethodisches Vorgehen: Lebenszyklusbetrachtung  \r\n \r\nAls Methode kommt eine vergleichende Ökobilanz (engl. „Life Cycle Assessment“, LCA) zum Einsatz, um die \r\nUmweltwirkungen der Infrastruktur für gesteuertes und ungesteuertes Laden in Relation zu setzen. Als Use Case wird CO2-optimiertes Laden eines privaten EFZ über ein Jahr betrachtet, mit der Annahme des Fahrprofils eines durchschnittlichen deutschen Haushalts. Im Rahmen der Ökobilanz wird die Produktionsphase, der Transport, die Betriebsphase sowie das End-of-Life der jeweiligen Infrastruktur betrachtet. Wie in Abbildung 6-11 am Beispiel der bidirektionalen Ladeinfrastruktur dargestellt, beinhalten die Systemgrenzen die IKT-Infrastruktur, u.a. iMSys, sowie die jeweilige Wallbox (Wechselstrom- (AC) bzw. Gleichstrom- (DC) für uni- bzw. bidirektionales Laden).  \r\n \r\nAbbildung 6-11: \tSystemarchitektur und –grenzen für die ökobilanzielle Bewertung der bidirektionalen Ladeinfrastruktur \r\nDas Treibhauspotenzial wird zunächst für das Ausgangsjahr 2020 analysiert. Durch Anpassung des hinterlegten Emissionsfaktors des Ladestroms sowie Berücksichtigung zukünftiger Entwicklungen bei der Herstellung wird das Treibhauspotenzial auch für zukünftige Jahre bestimmt. \r\n6.5.2 \tErgebnisse der Ökobilanz von Ladeinfrastruktur \r\n \r\nDas Ergebnis der Ökobilanz (s. Abbildung 6-12 bzw.  /FFE-20 22/) zeigt ein Treibhauspotenzial von 145,4 kg CO2-Äquivalenten pro Fahrzeug und Jahr für die V2G-Infrastruktur im Jahr 2020. Der Fußabdruck für V2G fällt damit 84 % höher aus als für V1G (79 kg CO2-Äq./a). Die Auswirkungen der Infrastruktur für ungesteuertes Laden (Direktladen) sind mit 57,5 kg CO2-Äquivalenten pro Jahr deutlich geringer. Wie in Abbildung dargestellt, ist der größte Anteil des verursachten jährlichen Treibhauspotenzials auf den Stromverbrauch in der Betriebsphase der Wallbox zurückzuführen. Dabei haben die AC- und DC-Wallbox mit einem Anteil von 77 % (V2G) bzw. 57 % (V1G) den größten Beitrag an den gesamten Auswirkungen.  \r\n \r\nAbbildung 6-12: LCA-Ergebnisse (Treibhauspotenzial) für die erforderliche Infrastruktur je Ladetechnologie, pro Fahrzeug im Jahr 2020 \r\nUnter der Annahme einer fortschreitenden Dekarbonisierung des Energiesystems und der damit verbundenen Reduktion des Emissionsfaktors von Strom kann die Gesamtbelastung durch die private Ladeinfrastruktur bis 2040 um bis zu 56 % (V2G) und 67 % (V1G) gegenüber 2020 reduziert werden. /FFE-20 22/ Neben einer hohen \r\nEnergieeffizienz der Komponenten sollten die Hersteller auf ein nachhaltiges Design der Komponenten inklusive einer hohen Lebensdauer achten. Die Veröffentlichung zur vergleichenden LCA der Ladeinfrastruktur ist hier zugänglich (open access) /FFE-20 22/. \r\nFür eine Einordnung des Treibhauspotenzials der Ladeinfrastruktur im Gesamtkontext wird dieses dem THGReduktionspotenzial durch die Betriebsphase des EFZ gegenübergestellt. Die Ergebnisse der Analyse der betriebsbedingten Emissionen des EFZ sind in /FAT-01 21/ veröffentlicht und beziehen sich auf denselben Use Case (CO2-optimiertes Laden) und dieselben Annahmen zu Fahrzeugparametern und Nutzerverhalten als die Betriebsphase der Ladeinfrastruktur.  Wie in Abbildung 6-13 dargestellt, besteht für zukünftige Szenarien der Jahre 2030 und 2040 ein erhebliches THG-Reduktionspotenzial durch gesteuertes Laden, welches die Emissionen der Ladeinfrastruktur überkompensieren. Durch die Einspeisung in Zeiten niedriger Emissionsfaktoren des Ladestroms und Entladung in Zeiten geringer EE-Erzeugung können betriebsbedingte Emissionen von bidirektionalem Laden auch negative Werte erreichen.    \r\n \r\nAbbildung 6-13: \tEinordnung des Fußabdrucks der Ladeinfrastruktur im Vergleich zu betriebsbedingten Emissionen des EFZ je Ladestrategie \r\nNeben Umweltwirkungen auf Komponentenebene (Ladeinfrastruktur, EFZ) geht aus bestehender Literatur zur ökologischen Bewertung von Digitalisierungsmaßnahmen die Relevanz von „indirekten“ Effekten hervor /TUB-02 19/. Diese beinhalten positive oder negative Auswirkungen durch Nutzerverhalten als auch systemische Auswirkungen (z. B. Effekte auf den Kraftwerkseinsatz und -ausbau, Effekte auf Verteilnetze).  Für eine ganzheitliche Bewertung von Umweltauswirkungen durch bidirektionale Ladestrategien empfehlen sich daher die Einbeziehung von Befragungen und Datenmessung zu verändertem Nutzerverhalten sowie die LCA-basierte Bewertung von Ergebnissen aus der Energiesystemmodellierung und Verteilnetzsimulation. \r\n \r\n7 Handlungsempfehlungen \r\nViele Erkenntnisse des BDL-Projekts wurden vom Projektkonsortium durch Positionspapiere in Handlungsempfehlungen an die Politik und den Regulator übersetzt. So sind im Rahmen des Projekts drei Positionspapiere mit unterschiedlichen Schwerpunkten entstanden: \r\n•\tPositionspapier zum Use Case PV-Eigenverbrauchsoptimierung (V2H) /BMW-01 20/ Veröffentlichung: Dezember 2020 \r\n•\tPositionspapier \tzu \tden \tUse \tCases \tPrimärregelleistung, \tEngpassmanagement \tund \tlokale \r\nNetzdienstleistungen (V2G) /FFE-35 22/ \r\nVeröffentlichung: Januar 2022 \r\n•\tPositionspapier zum Use Case Intraday-Handel (V2G) /BDL-01 22/ Veröffentlichung: Oktober 2022 \r\nDie folgenden Kurzzusammenfassungen sind direkt aus den Positionspapieren entnommen worden. Seit der \r\nVeröffentlichung der Positionspapiere sind somit bereits einige Anpassungsvorschläge, wie beispielsweise die Befreiung von der EEG-Umlage, umgesetzt worden.  \r\n7.1 \tPositionspapier zum Use Case PV-Eigenverbrauchsoptimierung (V2H) \r\n \r\nDas V2H-Positionspapier zeigt relevante Themenbereiche im Bereich der Regulierung auf, um bidirektionale \r\nElektrofahrzeuge sinnvoll und umfänglich in das Energiesystem integrieren zu können. Der Fokus dieses \r\nPositionspapiers liegt auf dem Anwendungsfall PV-Eigenverbrauchserhöhung, bei dem das Elektrofahrzeug als Zwischenspeicher für selbsterzeugte Energie (z. B. durch eine Photovoltaik-Anlage) dient. Aktuell sind bidirektionale \r\nElektrofahrzeuge bzw. mobile Speicher hierbei in der Regulierung bzw. im Gesetz nicht eindeutig geregelt. Folgende Positionen wurden für diesen Anwendungsfall erarbeitet und im Folgenden im Detail dargestellt: \r\nDie technischen Anschlussbedingungen für bidirektionale Elektrofahrzeuge, welche im Fall des „Energiebezugs“ als \r\nLasten und im Fall von „Energielieferung“ als Erzeugungsanlagen gesehen werden, sind nur für den „Energiebezugsfall“ durch die VDE-AR-N 4100 ausreichend definiert. Für den Rückspeisefall sollte die VDE-AR-N 4105 neben den stationären Speichern auch bidirektionale Elektrofahrzeuge einschließen. Ebenso ist eine Vereinheitlichung der ENTSO-E Gridcodes zu EN-Normen wünschenswert. \r\nDie Messwerterfassung muss, aufgrund der derzeitigen Vorgaben im EEG, für einen Teil der Anlagen im Anwendungsfall Eigenverbrauchserhöhung die bilanzierungsrelevante 15 min- Messerwerterfassung durch registrierte Leistungsmessung (RLM) oder perspektivisch als Zählerstandsgangmessung durch ein intelligentes Messsystem (iMSys) erfolgen. Diese Notwendigkeit erfordert teilweise teure Messkonzepte, welche durch pauschale \r\nRegelungen zur Umlagepflicht bei Eigenverbrauch vereinfacht werden könnten (z. B. Letztverbraucherstatus Speicher). Der Einsatz eines iMSys, im Vergleich zu einer RLM-Messung, kann die Kosten für die Messwerterfassung erheblich reduzieren, weswegen dessen Rollout beschleunigt werden sollte. \r\nDie Kommunikation am Netzanschlusspunkt sollte zur Sicherstellung der Interoperabilität standardisiert werden. \r\nHierzu bietet sich die Einführung des EEBUS-Standards als Applikationsprotokoll im Smart Meter Gateway an.  \r\nDas Marktmodell für Prosumer-Anlagen der sonstigen Direktvermarktung („Markt-Option“) wird von den aktuell vorgeschlagenen Varianten der Bundesnetzagentur (BNetzA) als am geeignetsten angesehen. Innerhalb dieser Markt-Option wird der Vorschlag der kleinen Direktvermarktung vom Konsortium begrüßt.  \r\nDie Teilnahmeverpflichtung am Einspeisemanagement bzw. zukünftig Redispatch oder der statischen Drosselung von PV-Anlagen sollte im Zuge der zunehmenden V2H als auch V2G Anwendungen geändert werden. Sowohl die feste als auch die variable Abregelung von kleineren PV-Anlagen (statisch auf 70 %) sollte zukünftig durch eine dynamische Abregelung, wie sie aktuell auf Standardisierungs- und Gesetzesebene in Entwicklung ist, ersetzt werden. \r\nDiese sieht eine stufenlose und ferngesteuerte Reduktion der Einspeiseleistung durch den Netzbetreiber am Netzanschlusspunkt vor, welche gebündelt für alle dahinterliegenden Erzeuger gilt. \r\nSämtliche Netzentgelte, Netzumlagen, Abgaben und Steuern sind im Bezugsfall bzw. beim Laden zu entrichten. Für den Rückspeisefall bzw. das Entladen wird vorgeschlagen, die „De-minimis-Regelung“ des EEG (§ 61a Nr.4) von 10 auf 11 kW anzuheben, damit bei Standard-Wallboxen im Rückspeisefall keine EEG-Umlage bezahlt werden muss. \r\n7.2 Positionspapier zu den Use Cases Primärregelleistung, Engpassmanagement und lokale \r\nNetzdienstleistungen (V2G) \r\n \r\nDie wesentlichen Ergebnisse für die im BDL-Projekt in Umsetzung befindlichen und daher in diesem Positionspapier näher betrachteten Use Cases Primärregelleistung sowie für das Engpassmanagement, Redispatch-Dienstleistungen bzw. lokale Netzdienstleistungen entsprechend §14a EnWG sind nachfolgend dargestellt. \r\nZentrale Ergebnisse und Empfehlungen sowie wesentliche Adressaten der Empfehlungen \r\n\t\r\n \tForderung \tAdressat \r\n1  \tDie Präqualifikations-Bedingungen für Regelleistung sind im Hinblick auf die systemimmanenten Eigenschaften der Elektromobilität weiterzuentwickeln und sollten perspektivisch eine automatisierte Präqualifikation und dateneffiziente Nachweiserbringung ermöglichen.  \tÜNB`s  \r\n2  \tErgänzend zu den bestehenden gesetzlichen Vorgaben sollte ein anreizbasierter Ansatz zur freiwilligen Bereitstellung von Redispatch-Dienstleistungen aus dezentralen Anlagen eingeführt werden, für die keine verpflichtende Teilnahme am Redispatch 2.0 vorgesehen ist.  \tBMWK, \r\nBNetzA  \r\n3  \tDie bestehenden §14a-Regelungen im EnWG zu steuerbaren Verbrauchseinrichtungen sollten um die verpflichtende Steuerbarkeit am Netzanschluss ergänzt werden, wobei eine netzdienliche Steuerung durch eine zeitlich begrenzte vorab vereinbarte maximale Leistungsvorgabe (i. d. R. mit ausreichender Vorlaufzeit) umgesetzt werden sollte.  \tBMWK  \r\n4  \tZur Vermeidung von Doppelbelastungen für den aus dem Netz entnommenen und wieder zurückgespeisten Strom sollten bidirektionale Ladeeinrichtung im deutschen \r\nOrdnungsrahmen als Speichereinheit definiert und damit stationären Stromspeichern (insbesondere Pumpspeichern und Batteriespeichern) gleichgesetzt werden.  \tBMWK  \r\n5  \tSowohl im BSI-Stufenmodell als auch in den IT-technischen Anforderungen der \r\nPräqualifikations-Bedingungen sollte sichergestellt werden, dass die zukünftig vorhandene iMSys-Infrastruktur für eine Erbringung von Systemdienstleistungen vollumfänglich genutzt werden kann.  \tBMWK, \r\nBSI  \r\n \r\nUse Case Primärregelleistung \r\nTechnisch gesehen können Elektrofahrzeuge bereits heute ihre Flexibilitätspotenziale als Regelreserve nutzen. \r\nAllerdings erlauben die Präqualifikations-Bedingungen der deutschen Übertragungsnetzbetreiber derzeit noch keine \r\nTeilnahme mobiler Batteriespeicher am Regelleistungsmarkt. Mit Abschluss der aktuell laufenden Überarbeitung der PQ-Bedingungen sollte dies ab dem Jahr 2022 jedoch möglich sein. Längerfristig wird für eine effiziente Bereitstellung von Regelleistung aus Elektrofahrzeugen und anderen kleinteiligen dezentralen Anlagen die Schaffung automatisierter PQ-Prozesse notwendig sein, da mit den aktuell weitgehend manuellen Prozessen die Präqualifikation einer sehr großen Anzahl an Anlagen von den Marktteilnehmern operativ nicht abgewickelt werden kann. Zusätzlich müssen perspektivisch Verfahren zur Nachweiserbringung entwickelt werden, die zu einer signifikanten Reduzierung der vorzuhaltenden und auszutauschenden Datenmengen führen. \r\nUse Case Redispatch \r\nAuch wenn durch die Regelungen des „Redispatch 2.0“ ab Oktober 2021 deutlich mehr Anlagen in den RedispatchProzess einbezogen werden, bleiben die Flexibilitätspotenziale von Elektrofahrzeugen und anderen kleinteiligen Anlagen im aktuellen Regulierungsrahmen meist für das Engpassmanagement ungenutzt. Daher sollte ergänzend zu den bestehenden gesetzlichen Vorgaben ein anreizbasierter Ansatz für die freiwillige und unbürokratische Bereitstellung von Redispatch-Dienstleistungen aus jenen dezentralen Erzeugungsanlagen, Speichersystemen und Verbrauchern eingeführt werden, für die keine verpflichtende Teilnahme am kostenbasierten Redispatch 2.0 vorgesehen ist. Durch ein solches ergänzendes anreizbasiertes System würden nicht nur das zum Engpassmanagement verfügbare Flexibilitätspotenzial erweitert werden, sondern es könnte auch die im Clean Energy Package vorgesehene aktive Rolle der Verbraucherinnen und Verbraucher auf das Engpassmanagement ausgedehnt werden. \r\nUse Case lokale Netzdienstleistungen \r\nNachdem der Referentenentwurf zum Steuerbare-Verbrauchseinrichtung-Gesetzes Anfang des Jahres 2021 kurzfristig zurückgezogen wurde, sind die bisherigen §14a EnWG-Regelungen zu steuerbaren Verbrauchseinrichtungen in der Niederspannung weiterhin gültig. Bei der somit noch anstehenden Novellierung der gesetzlichen Regelungen zur Erbringung lokaler Netzdienstleistungen sollte daher u. a. berücksichtigt werden, dass zur netzdienlichen Steuerung durch die Verteilnetzbetreiber ergänzend zur direkten Steuerung von Einzelanlagen die Möglichkeit zur Vorgabe einer zeitlich begrenzten und im Vorhinein vereinbarten maximalen Leistung (positiv oder negativ) am Netzanschlusspunkt verpflichtend vorgesehen wird. Zeitpunkt und Umfang der möglichen Leistungsvorgabe sind dabei transparent und nachvollziehbar sowie mit einer insbesondere für das Bilanzkreismanagement sowie die Vermarktung der noch verbleibenden Flexibilität ausreichenden Vorlaufzeit an die Marktteilnehmer zu kommunizieren. Zusätzlich muss sichergestellt werden, dass bei einem akuten Engpassfall die Leistungsvorgabe auch ad hoc erfolgen kann. Dabei sollten die gesetzlichen Änderungen durch eine Roadmap begleitet werden, damit die betroffenen Akteure frühzeitig Planungssicherheit erhalten und die notwendige Akzeptanz bei den Kundinnen und Kunden geschaffen werden kann. \r\nUse Case übergreifende Aspekte \r\nBidirektionale Ladestationen bzw. Elektrofahrzeuge müssen für den aus dem öffentlichen Netz bezogenen Strom auch dann die vollen Steuern, Abgaben und Umlagen sowie Netzentgelte entrichten, wenn dieser zu einem späteren Zeitpunkt als Systemdienstleistung wieder in das Netz zurückgespeist wird. Zur Vermeidung der damit zusammenhängenden Doppelbelastungen sollten Ladeeinrichtung für Elektrofahrzeuge im deutschen Ordnungsrahmen als Speichereinheit definiert und damit stationären Stromspeichern gleichgesetzt werden. \r\nAuch wenn der flächendeckende Rollout intelligenter Messsysteme (iMSys) bereits begonnen hat, bestehen in Bezug auf deren konkrete Nutzung für die Erbringung von Systemdienstleistungen noch regulatorische und organisatorische Unsicherheiten. Neben der notwendigen Berücksichtigung von Primärregelleistung (FCR) als Energieanwendungsfall im BSI-Stufenmodell sind insbesondere die IT-technischen Anforderungen der PQBedingungen so weiterzuentwickeln, dass künftig die vorhandene iMSys-Infrastruktur für eine Erbringung von Regelreserve vollumfänglich genutzt werden kann und kein zusätzlicher IT-technischer Aufwand notwendig ist. Unabhängig davon muss sichergestellt werden, dass bis Abschluss des iMSys-Rollout die zur Nachweiserbringung benötigten Daten mit bereits vorhandenen Messgeräten und Kommunikationskanälen bereitgestellt werden können. \r\n7.3 \tPositionspapier zum Use Case Intraday-Handel (V2G) \r\n \r\nUm den energiewirtschaftlichen Mehrwert von zukünftig Millionen einzelner mobiler Stromspeicher auch tatsächlich in vollem Umfang nutzbar machen zu können, muss neben der technischen Weiterentwicklung der Elektrofahrzeuge und der Ladeinfrastruktur vor allem auch der regulatorische Rahmen an die Anforderungen der neuen Flexibilitätsoptionen angepasst werden. Innerhalb des BDL-Projekts werden daher die regulatorischen Hürden für eine praktische Umsetzung der einzelnen energiewirtschaftlichen Anwendungsfälle des bidirektionalen Lademanagements aufgezeigt und mögliche Lösungsansätze zur Beseitigung dieser Hürden ausgearbeitet. Nachdem \r\nEnde 2020 ein erstes Positionspapier zu Vehicle-to-Home-Anwendungen vorgelegt wurde und 2021 der \r\nAnwendungsfall Vehicle-to-Grid behandelt wurde, werden in diesem Positionspapier die Zwischenspeicherung von Energie in bidirektional ladenden Elektrofahrzeugen zur Optimierung des Ladevorgangs am Intraday-Markt, die regulatorischen Hürden und Lösungsansätze für Anwendungen aus dem Bereich Vehicle-to-Intraday betrachtet. An ausgewählten Stellen nimmt das Positionspapier zudem Bezug auf den Referentenentwurf für das Gesetz zu Sofortmaßnahmen für einen beschleunigten Ausbau der erneuerbaren Energien und weiteren Maßnahmen im Stromsektor. \r\n \tForderung \tAdressat \r\n1  \tHohe Integrationspotenziale durch Vehicle-to-Intraday – Die Optimierung der \r\nLadeflexibilität am Intraday-Markt kann zu einer gesamthaften Optimierung der \r\nLadevorgänge beitragen. Die Rollen zur Umsetzung des Intraday Use Case sowie der Rahmen für die technologische, prozessuale und wirtschaftliche Machbarkeit lassen sich hinreichend klar beschreiben.  \tBMWK  \r\nBNetzA  \r\nÜNB/VNB \r\nAggregatoren  \r\n2  \tGesamthafte STAU-Befreiung – Die wirtschaftliche Darstellbarkeit zur Nutzung von Ladeflexibilitäten wird nur dann möglich sein, wenn die Befreiung der zwischengespeicherten Energiemengen gesamthaft gedacht und umgesetzt wird. \r\nInsofern sind mindestens Netzentgelte, Konzessionsabgabe, StromNEV- und AbLaVUmlage in die Befreiung mitaufzunehmen, um das Potenzial bidirektionaler \r\nElektrofahrzeuge erschließen zu können. Auf Basis eines technologieorientierten Ansatzes sind zudem Speicherverluste von Elektromobilen in die Befreiungstatbestände zu integrieren.  \tBMWK  \r\nBnetzA  \r\n3  \tVerbesserung der Rechtssicherheit – Die im EnuG-RefE vorgeschlagenen Änderungen zur Ausweitung der Befreiungstatbestände zielen nur auf den Ladepunkt ab. Daher ist die Erweiterung der Befreiungstatbestände auf Elektroautos notwendig, um Fahrzeughalter ohne eigenen Ladepunkt direkt zu berücksichtigen. Hierfür sollte der gesamtgesellschaftliche Nutzen größer als der Umsetzungsaufwand sein. Zudem ist die im Koalitionsvertrag angekündigte Legaldefinition von Speichern als eigene Säule des Energiesystems möglichst zeitnah umzusetzen.  \tBMWK \r\nBnetzA  \r\n4  \tBeschleunigung SMGW-Rollout – Es sind Maßnahmen zu treffen, um den schleppenden Rollout des SMGW zu beschleunigen und Steuerung rechtssicher zu ermöglichen. Dazu gehören zeitnah eine neue Markterklärung und eine Ausgestaltung des rechtlichen Rahmens gemäß EnWG §14a fürs Steuern durch die BnetzA. Zudem würde ein vereinfachtes Verfahren für Software-Updates von Smart Meter Gateways ohne separate Genehmigung durch die Landeseichbehörden und eine Vereinfachung der sicheren Lieferkette den SMGW-Rollout unterstützen.  \tBMWK  \r\nBNetzA  \r\nBSI  \r\n5  \tEtablierung stimmiger Mess- und Steuerungskonzepte – Für diese bedarf es mehrerer Anpassungen der geltenden regulatorischen Vorgaben sowie Standardisierungen. Dazu gehören:  \r\n-\tdie Ermöglichung gezielter Weiterentwicklung von Tarifanwendungsfällen,  \r\n-\tdie Einbettung der erarbeiteten Lösungen in internationale Standards,  \r\n-\tdie Ermöglichung von Steuerkonzepten unter Einbeziehung des SMGWs,  \r\n-\tdie Etablierung eines interoperablen HAN-Protokolls und  \r\n-\tdie Festlegung eines Investitions- und Bestandsschutzes für SMGW der Stufe 3  \tBMWK  \r\nBNetzA  \r\nBSI  \r\nVNB  \r\nMSB  \r\n \r\n \r\n\r\n \r\n8 Literatur \r\nAWATT-01 21 \taWATTar: Tarif HOURLY - Endbericht zum Vorhaben FKZ UM 11 96 107. In: https://www.awattar.de/tariffs/hourly. (Abruf am 2021-06-06); Berlin: aWATTar Deutschland GmbH, 2021. \r\nBDEW-01 20 \tBDEW-Strompreisbestandteile Januar 2020 - Haushalte und Industrie. Berlin: BDEW Bundesverband der Energie- und Wasserwirtschaft e.V., 2020. \r\nBDEW-08 13 \tBDEW/VKU/GEODE-Leitfaden - Abwicklung von Standardlastprofilen Gas. Berlin: BDEW, \r\nVKU, GEODE, 2013 \r\nBDL-01 22 \tZwischenspeicherung von Energie in bidirektional ladenden Elektrofahrzeugen zur Optimierung des Ladevorgangs am Intraday-Markt. München: Forschungsprojekt „Bidirektionales Lademanagement – BDL“, 2022. \r\nBET-02 18 \tZander, Wolfgang et al.: Gutachten Digitalisierung der Energiewende Topthema 2: Regulierung, Flexibilisierung und Sektorkopplung. Aachen, Berlin: B E T Büro für Energiewirtschaft und technische Planung GmbH, 2018. \r\nBLU-02 22 \tBlume, Yannic et al.: Effects of variable grid fees on distribution grids with optimized bidirectional battery electric vehicles . In: 6th Grid Service Markets Symposium (GSM); Luzern: Hochschule Luzern, 2022. \r\nBMVI-01 17 \tBMVI: Mobilität in Deutschland - MiD Ergebnisbericht. In: https://www.bmvi.de/SharedDocs/DE/Artikel/G/mobilitaet-in-deutschland.html. (Abruf am 2020-04-01); Bonn: Bundesministerium für Verkehr und digitale Infrastruktur, 2017. \r\nBMW-01 20 \tBMW Group et al.: Positionspapier - Bidirektionales Lademanagement im Kontext von Vehicle-to-Home (V2H) (Eigenverbrauchserhöhung). München: BMW Group, 2020. \r\nBNETZA-02 22 \tBundesnetzagentur: Monitoringbericht 2021. Bonn: Bundesnetzagentur für Elektrizität, Gas, Telekommunikation, Post und Eisenbahnen, 2022. \r\nBNETZA-03 21 \tNetzentwicklungsplan \tStrom \t2035, \tVersion \t2021 \t- \tZweiter \tEntwurf \tder \r\nÜbertragungsnetzbetreiber. Berlin: Übertragungsnetzbetreiber, 2021. \r\nBNETZA-08 18 \tGenehmigung des Szenariorahmens 2019-2030. Bonn: Bundesnetzagentur für Elektrizität, Gas, Telekommunikation, Post und Eisenbahnen, 2018. \r\nBNETZA-103 15 \tBericht der Bundesnetzagentur zur Netzentgeltsystematik Elektrizität. Bonn: Bundesnetzagentur für Elektrizität, Gas, Telekommunikation, Post und Eisenbahnen (BNetzA), 2015. \r\nBNETZA-30 18 \tMonitoringbericht. Bonn: Bundesnetzagentur für Elektrizität, Gas, Telekommunikation, Post und Eisenbahnen, 2018. \r\nBNG-02 22 \tVeröffentlichungspflichten Strom nach § 23 c EnWG. In https://www.bayernwerknetz.de/de/bayernwerk-netzgmbh/netzinformation/veroeffentlichungspflichten/strom/netzstrukturmerkmale.html. \r\n(Abruf am 2022-12-20); Regensburg: Bayernwerk Netz GmbH, 2021. \r\nBOE-01 20 \tFelix, Böing: Cross-sector assessment of CO2 abatement measures and their impact on the transmission grid. Dissertation. Herausgegeben durch die TU München, geprüft von Wagner, Ulrich: München, 2020. \r\nDENA-19 12 \tdena-Verteilnetzstudie - Ausbau- und Innovationsbedarf der Stromverteilnetze in Deutschland bis 2030. Berlin: Deutsche Energie-Agentur, 2012. \r\nDESTATIS-08 15 \tErgebnisse ohne Grenzen: der Zensus-Atlas in: www.zensus2011.de (Abruf am 23.11.2015). \r\nWiesbaden: Statistische Ämter des Bundes und der Länder, 2015 \r\nDIE-08 21 \tGesetz für den Ausbau erneuerbarer Energien (Erneuerbare- Energien-Gesetz - EEG 2021). Berlin: Bundesregierung Deutschland, 2021. \r\nDIW-01 23 \tSchill, Wolf-Peter: Ampel-Monitor Energiewende #5: Eine Million Elektrofahrzeuge, \r\nZulassungsrekord \tim \tDezember. \tIn \r\nhttps://www.diw.de/de/diw_01.c.862674.de/nachrichten/ampelmonitor_energiewende__5__eine_million_elektrofahrzeuge__zulassungsrekord_im_deze\r\n\r\n\tmber.html. (Abruf am 2023-2-13); Berlin: Deutsches Institut für Wirtschaftsforschung e.V. (DIW Berlin), 2023. \r\nELS-01 14 \tHagspiel, Simon et al.: Cost-optimal power system extension under flow-based market coupling in: science direct energy. Amsterdam: Elsevier, 2014 \r\nENTSOE-02 20 \tDay-ahead Prices. In: https://transparency.entsoe.eu/transmissiondomain/r2/dayAheadPrices/show. (Abruf am 2020-08-31); Brussels: ENTSO-E, 2020. \r\nEWI-02 19 \tJeddi, Samir et al.: Netzentgeltsystematik in Deutschland – Status-Quo, Alternativen und europäische Erfahrungen. In: Zeitschrift für Energiewirtschaft 43/2019. Wiesbaden, Köln: \r\nUniversität zu Köln, Energiewirtschaftliches Institut (EWI), 2019. \r\nFAT-01 21 \tFattler, Steffen: Economic and Environmental Assessment  of Electric Vehicle Charging Strategies. Dissertation. Herausgegeben durch die TU München, geprüft von Wagner, Ulrich und Wietschel, Martin: München, 2021. \r\nFFE-01 19 \tMüller, Mathias et al.: Regionales Flexibilitäts-Potenzial dezentraler Anlagen - Modellierung und Bewertung des regionalen Flexibilitäts-Potenzials von dezentralen Flexibilitäts-Typen im Verteilnetz. Berlin: Conexio GmbH, 2019. \r\nFFE-03 23 \tMüller, Mathias et al: Netzintegration bidirektionaler Elektrofahrzeuge. In: Tagung Zukünftige Stromnetze. München: Forschungsstelle für Energiewirtschaft e. V., 2023. \r\nFFE-07 21 \tSchulze, Yannic et al.: Was ist Netzdienlichkeit?. In: et - Energiewirtschaftliche Tagesfragen 3/2021. München: Forschungsstelle für Energiewirtschaft (FFE e.V.), 2021. \r\nFFE-08 22 \tSchulze, Yannic et al.: Netzbelastungen durch optimal am Spotmarkt vermarktete bidirektionale Elektrofahrzeuge. In: Zukünftige Stromnetze; München: Forschungsstelle für Energiewirtschaft e. V., 2022. \r\nFFE-11 20 \tFaller, Sebastian et al.: Bidirektionales Laden: Von der Last zur Lösung!. In: Entergiewirtschaftliche Tagesfragen 1/2 2020. München: Forschungsstelle für \r\nEnergiewirtschaft e. V. (FfE), 2020. \r\nFFE-116 20 \tKern, Timo et al.: Integrating Bidirectionally Chargeable Electric Vehicles into the Electricity Markets. In: Energies 2020, 13(21), 5812; Basel: Forschungsstelle für Energiewirtschaft, 2020. \r\nFFE-118 20 \tWeiß, Andreas et al.: Spitzenlastkappung durch uni- und bidirektionales Laden von Elektrofahrzeugen und Analyse der resultierenden Netzbelastung in Verteilnetzen. In: Forschung im Ingenieurwesen, Volume 85(2). 469-476. Berlin: Springer Nature, 2021. https://doi.org/10.1007/s10010-020-00424-z. \r\nFFE-142 19 \tEbner, Michael et al.: Kurzstudie Elektromobilität - Modellierung für die Szenarienentwicklung des Netzentwicklungsplans. München: Forschungsstelle für Energiewirtschaft, 2019. \r\nFFE-16 22 \tDossow, Patrick et al.: Profitability of V2X Under Uncertainty: Relevant Influencing Factors and Implications for Future Business Models. In: Energy Reports (Special Chapter of ICEEEP Proceedings). München: FfE, 2022. \r\nFFE-163 20 \tOstermann, Adrian et al.: Bidirectional Charging Management – Developing a measurement concept for pilot operation in Germany. In: NEIS 2020 Conference on Sustainable Energy Supply and Energy Storage Systems; München: Forschungsstelle für Energiewirtschaft e. V., Technical University of Munich, 2020. \r\nFFE-19 19 \tConrad, Jochen et al.: Modelling Load Profiles of Heat Pumps. In: Energies Special Issue \"Energy Efficiency in Plants and Buildings\" Volume 12 Issue 4. Basel: MDPI, 2019. \r\nFFE-196 20 \tJetter, Fabian: Photovoltaik-Ausbauszenarien 2050: Dachflächenanalyse für SchleswigHolstein (unveröffentlichter Projektbericht). München: Forschungsstelle für Energiewirtschaft, 2020. \r\nFFE-20 22 \tWohlschlager, Daniela et al.: Comparative environmental impact assessment of ICT for smart charging of electric vehicles in Germany. München: FfE, 2022. \r\nFFE-24 21 \tGuminski, Andrej et al.: eXtremOS Summary Report - Modeling Kit and Scenarios for Pathways Towards a Climate Neutral Europe. Munich: FfE, 2021. \r\n\r\nFFE-26 22 \tKern, Timo et al.: Modeling and Evaluating Bidirectionally Chargeable Electric Vehicles in the Future European Energy System. In: Energy Reports ICACER 2022 conference proceedings. Amsterdam: FfE München, 2022. \r\nFFE-28 22 \tKigle, Stephan et al.: Greenhouse Gas Abatement in EUROPE—A Scenario-Based, BottomUp Analysis Showing the Effect of Deep Emission Mitigation on the European Energy \r\nSystem. \tIn: \tEnergies \t2022, \t15, \t1334. \tBasel: \tMDPI, \t2022. https://doi.org/10.3390/en15041334. \r\nFFE-31 22 \tOstermann, Adrian, Haug, Theodor, Engwerth, Veronika, Regener, Vincenz, Hahne, \r\nHelena: Project Bidirectional Charge Management - Insights and Evaluation of the Field Trial. In: Antriebe und Energiesysteme von morgen 2022; München: Forschungsstelle für Energiewirtschaft e. V., 2022. \r\nFFE-33 22 \tMüller, Mathias; Blume, Yannic; Reinhard, Janis: Impact of behind-the-meter optimised bidirectional electric vehicles on the distribution grid load. In: Energy 255, 124537. \r\nMünchen: \tForschungsstelle \tfür \tEnergiewirtschaft \te.V. \t(FfE), \t2022. \tDOI: https://doi.org/10.1016/j.energy.2022.124537 \r\nFFE-35 22 \tBereitstellung von Systemdienstleistungen aus Elektrofahrzeugen mit bidirektionalem Lademanagement - Ein BDL-Positionspapier zu Vehicle-to-Grid-Anwendungen. Ohne Ort: Bidirektionales Lademanagement – BDL, 2022. \r\nFFE-45 17 \tKöppl, Simon; Samweber, Florian; Bruckmeier, Andreas; Böing, Felix; Hinterstocker, Michael; Kleinertz, Britta; Konetschny, Claudia; Müller, Mathias; Schmid, Tobias; Zeiselmair, Andreas: Projekt MONA 2030: Grundlage für die Bewertung von \r\nNetzoptimierenden Maßnahmen  - Teilbericht Basisdaten. München: Forschungsstelle für \r\nEnergiewirtschaft e.V. (FfE), 2017 \r\nFFE-47 22 \tGerman \tElectricity \tPrices \ton \tthe \tEPEX \tSpot \tExchange \tin \t2021. \tIn \r\nhttps://www.ffe.de/en/publications/german-electricity-prices-on-the-epex-spotexchange-in-2021/. (Abruf am 2022); München: FfE München, 2022. \r\nFFE-50 21 \tGreif, Simon et al.: Potential of air-source heat pumps complying with sound immission limits in the German building stock. In: ETG Congress 2021; Frankfurt am Main: VDE, 2021. \r\nFFE-55 21 \tSchulze, Yannic et al.: Anforderungen an aktuelle Verteilnetze und deren zukünftige Versorgungsaufgabe. In: 12. Internationale Energiewirtschaftstagung; Wien: TU Wien, 2021. \r\nFFE-56 15 \tMichael, Hinterstocker; Benedikt, Eberl; Von Roon, Serafin: Weiterentwicklung des Standardlastprofilverfahrens Gas. München: Forschungsgesellschaft für Energiewirtschaft mbH, 2015 \r\nFFE-56 22 \tSpringmann, Elisabeth: Performance evaluation of German smart meter infrastructure for load management through grid operators. In: Energy Informatics 5 (Suppl 1), 18. München: \r\nFfE, 2022. DOI: https://doi.org/10.1186/s42162-022-00204-9. \r\nFFE-61 20 \tMüller, M.; Biedenbach, F.; Reinhard, J. Development of an Integrated Simulation Model for Load and Mobility Profiles of Private Households. Energies 2020, 13, 3843. \r\nFFE-64 18 \tBogensperger, Alexander; Estermann, Thomas; Samweber, Florian; Köppl, Simon; Müller, Mathias; Zeiselmair, Andreas, Wohlschlager, Daniela: Smart Meter - Umfeld, Technik, Mehrwert. München: Forschungsstelle für Energiewirtschaft e.V., 2018. \r\nFFE-66 22 \tHaug, Theodor: Analysis of the Intraday Use Case in the Field Trial of the Bidirectional Charging Management Project. In: E-Mobility Integration Symposium 2022. München: \r\nForschungsstelle für Energiewirtschaft e.V. (FfE), 2022. \r\nFFE-70 22 \tDossow, Patrick: Profitability of V2X under uncertainty: Relevant influencing factors and implications for future business models. In: Energy Reports 8, 449-455, 2022. Munich: FfE, 2022. \r\nFFE-71 22 \tKern, Timo; Wendlinger, Christian: Added Value of Providing Transmission Grid Congestion Management via Bidirectionally Chargeable Electric Vehicles. München: \r\nForschungsstelle für Energiewirtschaft (FfE), 2022. DOI: 10.1109/EEM54602.2022.9921051. \r\n\r\nFFE-72 22 \tMüller, Mathias: Avoiding low-voltage grid overloads through curative grid operator intervention with focus on electric vehicles. In: 6th E-Mobility Power System Integration Symposium. The Hague: FfE, 2022. \r\nFFE-73 21 \tKern, Timo et al.: Peak Shaving – a cost-benefit analysis for different industries. In: \r\nInternationale Energiewirtschaftstagung an der TU Wien 12/2021. München: \r\nForschungsstelle für Energiewirtschaft e.V. (FfE), 2021. \r\nFFE-73 22 \tOstermann, Adrian: Analysis of the peak shaving potential of bidirectionally chargeable electric vehicles in a field trial. In: E-Mobility Power System Integration Symposium 6th. The Hague: FfE, 2022. \r\nFFE-75 22 \tZiemsky, Valerie et al.: Beitragsreihe: Use-Case- und Geschäftsmodellentwicklung an der FfE. In https://www.ffe.de/veroeffentlichungen/beitragsreihe-use-case-undgeschaeftsmodellentwicklung-an-der-ffe/. (Abruf am 2022-12); München: FfE, 2022. \r\nHERTZ-01 22 \tSzenariorahmen zum Netzentwicklungsplan Strom 2037 mit Ausblick 2045, Version 2023 - Entwurf der Übertragungsnetzbetreiber. Berlin, Dortmund, Bayreuth, Stuttgart: 50Hertz Transmission GmbH, 2022. \r\nIFE-01 03 \tHellwig, Mark: Entwicklung und Anwendung parametrisierter Standard-Lastprofile - \r\nDissertation. München: Lehrstuhl für Energiewirtschaft und Anwendungstechnik (IfE), TU \r\nMünchen, 2003 \r\nINFAS-01 18 \tNobis, Claudia et al.: Mobilität in Deutschland – MiD Ergebnisbericht. Bonn: infas, DLR, IVT und infas 360, 2018. \r\nISE-01 22 \tWirth, H.: Aktuelle Fakten zur Photovoltaik in Deutschland. Freiburg: Fraunhofer-Institut für Solare Energiesysteme, 2022. \r\nJC-01 20 \tConrad, Jochen: Modellierung und Bewertung von Maßnahmen  zur kosteneffizienten CO2-Verminderung  im Sektor private Haushalte. Dissertation. Herausgegeben durch Technische Universität München - Lehrstuhl für Energiewirtschaft und Anwendungstechnik, geprüft von Wagner, Ulrich und Auer, Thomas: München, 2020. \r\nJET-01 16 \tJetter, Fabian; Bosch, Stephan; Schmid, Tobias: Analyse des PV-Potenzials von Wohngebäuden anhand siedlungsgenetischer Merkmale. In: AGIT - Journal für \r\nAngewandte Geoinformatik. Berlin: Universität Salzburg, 2016 \r\nJOOSS-01 21 \tJooß, Niklas: Optimierte Spitzenlastkappung bidirektionaler Elektrofahrzeuge in Gewerbebetrieben und Analyse der resultierenden Verteilnetzbelastung - Optimised peak load shaving of bidirectional electric vehicles in commercial enterprises and analyses of the resulting distribution grid load. Masterarbeit. Herausgegeben durch die Technische Universität München - Fakultät für Maschinenwesen, betreut durch Prof. Dr. Hamacher, Thomas und Dr.-Ing. Kuhn, Philipp: München, 2021. \r\nKBA-04 21 \tBestand an Pkw nach Segmenten und Modellreihen am 1.1.2021 gegenüber 1.1.2020: https://www.kba.de/DE/Statistik/Fahrzeuge/Bestand/Segmente/segmente_node.html; Flensburg: Kraftfahrt-Bundesamt, 2021. \r\nKER-01 21 \tKern, Timo et al.: Revenue opportunities by integrating combined vehicle-to-home and vehicle-to-grid applications in smart homes. In: Applied Energy online. München: Forschungsstelle für Energiewirtschaft, 2021. \r\nKERN-02 22 \tT. Kern: Assessment of the Added Value of Bidirectionally Chargeable Electric Vehicles for the User and the Energy System. Herausgegeben durch TU München (TUM), geprüft von Wagner, Ulrich und Haas, Reinhard: München, 2023. \r\nKIT-04 19 \tLehmann, Nico et al.: Definition von Flexibilität in einem zellulär geprägten Energiesystem. In: Zukünftige Stromnetze; Karlsruhe: Karlsruher Institut für Technologie (KIT), 2019. \r\nKOA-01 21 \tMehr Fortschritt wagen (Koalitionsvertrag). Ausgefertigt am 2021-12-7; Berlin: SPD, Bündnis 90/Die Grünen und FDP, 2021. \r\nKUL-01 14 \tVan Den Bergh, Kenneth; Delarue, Erik; D'haeseleer, William: DC power flow in unit commitment models in: TME Working Paper - Energy and Environment. Belgium: KU \r\nLeuven Energy Institute, 2014 \r\n\r\nMÜL-02 22 \tM. Müller: Netzintegration dezentraler Flexibilitätsoptionen mit Fokus auf ausgewählte \r\nAnwendungsfälle für bidirektionale Elektrofahrzeuge. Herausgegeben durch TU München (TUM), geprüft von Wagner, Ulrich und Witzmann, Rolf: München, 2023. \r\nhttps://mediatum.ub.tum.de/1686443  \r\n\r\nNAZ-01 21 \tNazar, Yasmin: Development and Analysis of Business Models for Bidirectional Charging of Electric Vehicles Considering Relevant Criteria and Perspectives. Masterarbeit. Herausgegeben durch die Technical University of Munich, betreut durch die Forschungsgesellschaft für Energiewirtschaft mbH: München, 2021. \r\nNLL-01 20 \tWindt, Alexander et al.: Ladeinfrastruktur nach 2025/2030: Szenarien für den Markthochlauf. Berlin: Nationale Leitstelle Ladeinfrastruktur, 2020. \r\nNREL-01 20 \tBorlaug, Brennan et al.: Levelized cost of charging electric vehicles in the United States. In: Joule 4 (7) (2020), pp. 1470-1485. Golden, CO, USA: National Renewable Energy Laboratory, 2020. \r\nOCAD-01 14 \tJones, Peter et al.: Caring for the future: The systemic design of flourishing enterprises. Toronto: OCAD University, 2014. \r\nOSM-03 15 \tOpenStreetMap (OSM) - Die freie Wiki-Weltkarte. Veröffentlicht unter der freien CC-BY-\r\nSA-Lizenz durch OpenStreetMap und Mitwirkende. http://www.openstreetmap.org/, 2015 \r\nSCHM-01 18 \tSchmid, Tobias: Dynamische und kleinräumige Modellierung der aktuellen und zukünftigen Energienachfrage und Stromerzeugung aus Erneuerbaren Energien. \r\nDissertation. Herausgegeben durch Technische Universität München, geprüft von Prof. \r\nWagner, Ulrich und Prof. Kolbe, Thomas H.: München, 2018. \r\nSCHMIDT-01 22 \tSchmidt, Stefan: Entwicklung einer Methode zur Bewertung nachhaltiger Geschäftsmodelle in der Energiewirtschaft und Anwendung im Bereich Elektromobilität. \r\nMasterarbeit. Herausgegeben durch Technische Universität München - Forschungesellschaft für Energiewirtschaft mbH, betreut durch Prof. Dr. Hamacher, Thomas, Prof. Dr.-Ing. Mauch, Wolfgang, M.Sc. Dossow, Patrick: München, 2022. \r\nSHN-01 21 \tDau, Matthias et al.: Regionalisierte Photovoltaik-Ausbauszenarien für Schleswig-Holstein. In: Energiewirtschaftliche Tagesfragen Online Sommerspecial. Quickborn: SchleswigHolstein Netz AG, 2021. \r\nSOW-01 22 \tFeste Einspeisevergütungen in Cent/kWh gemäß EEG 2021 und EEG 2017. Berlin: Bundesverband Solarwirtschaft, 2022. \r\nTUB-02 19 \tPohl, Johanna et al.: How LCA contributes to the environmental assessment of higher order effects of ICT application: A review of different approaches. In: Journal of Cleaner Production 219 (2019). Berlin: Technische Universität Berlin, 2018. \r\nTUM-06 20 \tKnoke, Thomas: Use and misuse of the net present value in environmental studies. In: Ecological Economics Volume 174, August 2020, 106664. Munich: Institute of Forest Management, TUM School of Life Sciences Weihenstephan, Technical University of Munich, 2020. \r\nUBA-14 17 \tKemmler, Andreas et al.: Datenbasis zur Bewertung von Energieeffizienzmaßnahmen in der Zeitreihe 2005 – 2014 - Endbericht. Dessau-Roßlau: Umweltbundesamt für Mensch und Umwelt, 2017. \r\nUCL-01 11 \tEkins, Paul; Kesicki, Fabian; Smith, Andrew: Marginal Abatement Cost Curves - A call for caution. London: University College London Energy Institute, 2011. \r\nUOTOR-01 21 \tChicco, Davide et al.: The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation. In: PeerJ Computer Science 7:e623. Toronto: University of Toronto, 2021. https://doi.org/10.7717/peerj-cs.623. \r\nUOV-02 19 \tLaitinen, Erkki K.: Discounted Cash Flow (DCF) as a Measure of Startup Financial Success. In: Theoretical Economics Letters 9, 2997-3020. Vaasa: The School of Accounting and Finance, University of Vaasa, 2019. \r\nVACH-01 22 \tVachenauer, Veronika: Analyse des Ansteckverhaltens von Elektrofahrzeugnutzern auf die resultierende Netzbelastung. Forschungspraxis. Herausgegeben durch die Technische Universität München, betreut durch M.Sc. Müller, Mathias: München, 2022. \r\nVDEW-01 99 \tVDEW et al.: Repräsentative VDEW-Lastprofile. Cottbus: VDEW, 1999. \r\nVIP-01 12 \tWermuth, Manfred: Kraftfahrzeugverkehr in Deutschland 2010 (KiD 2010) - Schlussbericht. \r\nBraunschweig: Verkehrsforschung und Infrastrukturplanung GmbH, 2012 \r\nVW-02 21 \tConvenient, networked and sustainable: new solutions for charging electric Volkswagen models. Wolfsburg: Volkswagen, 2021. \r\n  \r\n9 Veröffentlichungen \r\nIn den folgenden Tabellen sind die im Rahmen des BDL-Projekts an der FfE entstanden Veröffentlichungen, Dissertationen und Abschlussarbeiten aufgeführt. \r\nTabelle 2: Übersicht der im Projekt entstanden wissenschaftlichen Veröffentlichungen \r\n \r\n\t\r\n \tVeröffentlichung \tZitierschlüssel \r\n1  \tHinterstocker, Michael et al.: Bidirectional Charging Management – Field Trial and Measurement Concept for Assessment of Novel Charging Strategies. München: Forschungsstelle für Energiewirtschaft e.V. (FfE), 2019. \tFFE-95 19 \r\n2 \tFaller, Sebastian et al.: Bidirektionales Laden: Von der Last zur Lösung!. In: Energiewirtschaftliche Tagesfragen 1/2 2020. München: Forschungsstelle für Energiewirtschaft e. V. (FfE), 2020. \tFFE-11 20 \r\n4 \tA. Ostermann, M. Mueller and S. Faller, \"Bidirectional Charging Management – Developing a measurement concept for pilot operation in Germany,\" NEIS 2020; Conference on Sustainable Energy Supply and Energy \r\nStorage Systems, Hamburg, Deutschland, 2020, pp. 1-6. \tFFE-163 20 \r\n5 \tMüller, Mathias et al.: Future grid load with bidirectional electric vehicles at home. Berlin: International ETG \r\nCongress 2021. VDE, 2021 \tFFE-44 21 \r\n6 \tKern, T.; Dossow, P.; von Roon, S. Integrating Bidirectionally Chargeable Electric Vehicles into the Electricity \r\nMarkets. Energies 2020, 13, 5812. DOI: https://doi.org/10.3390/en13215812 \tFFE-116 20 \r\n7 \tSchulze, Yannic et al.: Anforderungen an aktuelle Verteilnetze und deren zukünftige Versorgungsaufgabe. In: \r\n12. Internationale Energiewirtschaftstagung; Wien: TU Wien, 2021. \tFFE-55 21 \r\n8 \tSchulze, Yannic et al.: Was ist Netzdienlichkeit? In: et - Energiewirtschaftliche Tagesfragen 3/2021. München: Forschungsstelle für Energiewirtschaft (FFE e.V.), 2021. \tFFE-07 21 \r\n9 \tOstermann, Adrian, Fabel, Yann, Ouan, Kim, Koo, Hyein: Forecasting Charging Point Occupancy Using \r\nSupervised Learning Algorithms. In: Energies 2022, 15, 3409; München: Forschungsstelle für Energiewirtschaft e. V. (FfE), 2022. \tFFE-32 22 \r\n10 \tKern, Timo et al.: Revenue opportunities by integrating combined vehicle-to-home and vehicle-to-grid applications in smart homes. In: Applied Energy online. München: Forschungsstelle für Energiewirtschaft, 2021. DOI: https://doi.org/10.1016/j.apenergy.2021.118187 \tKER-01 21 \r\n11 \tKern, Timo et al.: Peak Shaving – a cost-benefit analysis for different industries. In: Internationale \r\nEnergiewirtschaftstagung an der TU Wien 12/2021. München: Forschungsstelle für Energiewirtschaft e.V. (FfE), \tFFE-73 21 \r\n12 \tMüller, Mathias; Blume, Yannic; Reinhard, Janis: Impact of behind-the-meter optimised bidirectional electric vehicles on the distribution grid load. In: Energy 255, 124537. München: Forschungsstelle für Energiewirtschaft e.V. (FfE), 2022. DOI: https://doi.org/10.1016/j.energy.2022.124537 \tFFE-33 22 \r\n13 \tSpringmann, Elisabeth et al.: Bidirektionale Elektrofahrzeuge im Energiesystem – so geht intelligentes Lademanagement. In: Energiewirtschaftliche Tagesfragen Oktober 2021. München: Forschungsstelle für Energiewirtschaft e.V., 2021. \tFFE-52 21 \r\n14 \tKern, Timo et al.: Modeling and Evaluating Bidirectionally Chargeable Electric Vehicles in the Future European Energy System. In: Energy Reports ICACER 2022 conference proceedings. Amsterdam: FfE München, 2022. DOI: https://doi.org/10.1016/j.egyr.2022.10.277 \tFFE-26 22 \r\n15 \tOstermann, Adrian et al: Project Bidirectional Charge Management - Insights and Evaluation of the Field Trial. In: Antriebe und Energiesysteme von morgen 2022; München: Forschungsstelle für Energiewirtschaft e. V., 2022. \tFFE-31 22 \r\n16 \tSchulze, Yannic et al.: Netzbelastungen durch optimal am Spotmarkt vermarktete bidirektionale Elektrofahrzeuge. In: Zukünfitge Stromnetze; Berlin: Conexio GmbH, 2022. \tFFE-08 22  \r\n17 \tDossow, Patrick: Profitability of V2X under uncertainty: Relevant influencing factors and implications for future business models. In: Energy Reports 8, 449-455, 2022. Munich: FfE, 2022. \tFFE-70 22 \r\n \t \r\n\t\r\n18 \tWohlschlager, Daniela et al.: Comparative environmental impact assessment of ICT for smart charging of electric vehicles in Germany. München: FfE, 2022. \tFFE-20 22 \r\n19 \tKern, Timo; Wendlinger, Christian: Added Value of Providing Transmission Grid Congestion Management via Bidirectionally Chargeable Electric Vehicles. München: Forschungsstelle für Energiewirtschaft (FfE), 2022. DOI: 10.1109/EEM54602.2022.9921051 \tFFE-71 22P \r\n20 \tSpringmann, Elisabeth: Performance evaluation of German smart meter infrastructure for load management through grid operators. In: Energy Informatics 5 (Suppl 1), 18. München: FfE, 2022. DOI: https://doi.org/10.1186/s42162-022-00204-9. \tFFE-56 22 \r\n21 \tBlume, Yannic et al.: Effects of variable grid fees on distribution grids with optimized bidirectional battery electric vehicles. In: 6th Grid Service Markets Symposium (GSM); Luzern: Hochschule Luzern, 2022. \tBLU-02 22 \r\n22 \tMüller, Mathias: Avoiding low-voltage grid overloads through curative grid operator intervention with focus on electric vehicles. In: 6th E-Mobility Power System Integration Symposium. The Hague: FfE, 2022. \tFFE-72 22 \r\n23 \tHaug, Theodor: Analysis of the Intraday Use Case in the Field Trial of the Bidirectional Charging Management. In: 6th E-Mobility Power System Integration Symposium. The Hague: FfE, 2022. \tFFE-66 22 \r\n24 \tOstermann, Adrian: Analysis of the peak shaving potential of bidirectionally chargeable electric vehicles in a field trial. In: 6th E-Mobility Power System Integration Symposium. The Hague: FfE, 2022. \tFFE-73 22 \r\n25 \tMüller, Mathias et al: Netzintegration bidirektionaler Elektrofahrzeuge. In: Tagung Zukünftige Stromnetze. München: Forschungsstelle für Energiewirtschaft e. V., 2023. \tFFE-03 23 \r\n \r\n \r\nTabelle 3: Übersicht der im Projekt entstanden Dissertationen \r\n \r\n\t\t\r\n \tVeröffentlichung \tZitierschlüssel \r\n1  \tFattler, Steffen: Economic and Environmental Assessment of Electric Vehicle Charging Strategies. Dissertation. Herausgegeben durch die TU München, geprüft von Wagner, Ulrich und Wietschel, Martin: München, 2021. \tFAT-01 21 \r\n2 \tM. Müller: Netzintegration dezentraler Flexibilitätsoptionen mit Fokus auf ausgewählte Anwendungsfälle für bidirektionale Elektrofahrzeuge. Herausgegeben durch TU München (TUM), geprüft von Wagner, Ulrich und Witzmann, Rolf: München, 2023. https://mediatum.ub.tum.de/1686443 \tMÜL-02 22 \r\n3 \tT. Kern: Assessment of the Added Value of Bidirectionally Chargeable Electric Vehicles for the User and the Energy System. Herausgegeben durch TU München (TUM), geprüft von Wagner, Ulrich und Haas, Reinhard: München, 2023. \tKERN-02 22 \r\n \r\nTabelle 4: Übersicht der im Projekt entstanden Abschlussarbeiten \r\n \r\n\t\r\n \tVeröffentlichung \tZitierschlüssel \r\n1  \tZimmermann, Fabian: Bidirektionales Laden von Elektrofahrzeugen - Modellbasierte \r\nWirtschaftlichkeitsbewertung netzbezogener Anwendungsfälle. Masterarbeit. Herausgegeben durch Technische Universität München, betreut durch die Forschungsgesellschaft für Energiewirtschaft mbH, München, 2020. \tZIM-01 20 \r\n2 \tEnglberger, Sabine: Optimized Prosumer Households with Bidirectional Electric Vehicles: a Techno-Economic \r\nAnalysis of Self-Consumption, Battery Utilization, and Distribution Grid Effects. Herausgegeben durch \r\nTechnische Universtiät Müchen (TUM), betreut durch Forschungsstelle für Energiewirtschaft, München, 2020. \tENGLB-01 20 \r\n3 \tMorlock, Elena Sophie: Entwicklung eines techno-ökonomischen Bewertungsmodells für Vehicle-to-HomeSysteme - Analyse der Erlöspotenziale von bidirektionalen Elektrofahrzeugen durch Eigenverbrauchserhöhung sowie durch tarifoptimiertes Laden und Entladen anhand eines Optimierungsmodells in MATLAB. Masterarbeit. Herausgegeben durch die Technische Universität Berlin, betreut durch die Forschungsgesellschaft für Energiewirtschaft. Berlin, 2020. \tMORL-01 20 \r\n4 \tMunz, Ian: Mehrwert der intelligenten Messsysteme für die Elektromobilität – Überblick über den Stand des Rollouts sowie vorhandene Projekte und Lösungen im Bereich der Elektromobilität in Europa - Bachelorthesis. Herausgegeben durch die Hochschule Albstadt-Sigmaringen - Fakultät Business Science and Management, \r\nbetreut durch die Forschungsstelle für Energiewirtschaft e. V.: Sigmaringen, München 2020 \tMUNZ-01 20 \r\n5 \tSchmidt-Achert, Tapio: Statistical Modelling of German Traffic Behavior for the Evaluation of Charging \r\nStrategies of Electric Vehicles . Masterarbeit. Herausgegeben durch Technische Universität München, betreut durch Mauch, Wolfgang: München, 2020 \tSAC-01 20 \r\n6 \tNazar, Yasmin: Development and Analysis of Business Models for Bidirectional Charging of Electric Vehicles Considering Relevant Criteria and Perspectives. Masterarbeit. Herausgegeben durch die Technical University of Munich, betreut durch die Forschungsgesellschaft für Energiewirtschaft mbH: München, 2021. \tNAZ-01 21 \r\n7 \tRieping, Carl: Analysis of the Economic Benefits of Bidirectionally Chargeable Electric Vehicles for the Energy System of the Future, Masterarbeit. Herausgegeben durch die Technical University of Munich, betreut durch die Forschungsgesellschaft für Energiewirtschaft mbH: München, 2021. \tRIEP-01 21 \r\n8 \tMüllritter, Tizian: Sustainability Analysis of Bidirectional Charging Infrastructure within Vehicle-to-Grid - \r\nAnalysis and Evaluation of the Use Case \"CO2-optimized charging\" & Comparison to Unidirectional Charging. \r\nMasterarbeit. Herausgegeben durch die School of Life Science Weihenstephan of the Technical University of Munich, betreut durch die Forschungsstelle für Energiewirtschaft: München, 2021 \tMÜLL-01 21 \r\n9 \tBürgel, Natalie: Chancen und Risiken variabler Netzentgelte für bidirektionale Elektrofahrzeuge für die Verteilnetze. Masterarbeit. Herausgegeben durch die Hochschule Konstanz - Fakultät für Maschinenbau, betreut durch Prof. Schubert, Gunnar: Konstanz, 2021. \tBÜRGE-01 21 \r\n10 \tJooß, Niklas: Optimierte Spitzenlastkappung bidirektionaler Elektrofahrzeuge in Gewerbebetrieben und Analyse der resultierenden Verteilnetzbelastung - Optimised peak load shaving of bidirectional electric vehicles in commercial enterprises and analyses of the resulting distribution grid load. Masterarbeit. \r\nHerausgegeben durch die Technische Universität München - Fakultät für Maschinenwesen, betreut durch Prof. \r\nDr. Hamacher, Thomas und Dr.-Ing. Kuhn, Philipp: München, 2021.  \tJOOSS-01 21 \r\n11 \tSchmidt, Stefan: Entwicklung einer Methode zur Bewertung nachhaltiger Geschäftsmodelle in der \r\nEnergiewirtschaft und Anwendung im Bereich Elektromobilität. Masterarbeit. Herausgegeben durch Technische Universität München - Forschungesellschaft für Energiewirtschaft mbH, betreut durch Prof. Dr. \r\nHamacher, Thomas, Prof. Dr.-Ing. Mauch, Wolfgang, M.Sc. Dossow, Patrick: München, 2022. \tSCHMIDT-01 \r\n22 \r\n12 \tRodler, Simon: Spitzenglättung als Modell zur kurativen Netzengpassbehebung - eine Analyse der Auswirkungen auf verschiedene Stakeholder. Masterarbeit. Herausgegeben durch Technische Universität München: München, 2022. \tRODL-02 22 \r\n13 \tBasil Bukhari: Master's thesis: Peak Shaving with Electric Vehicles: a cost-benefit analysis. München: Technische Universität München, 2021. \tTUM-03 21 \r\n14 \tHahne, Helena: Bidirectional Charging of Electric Vehicles: An Evaluation of the Use Case Increase of PV SelfConsumption. Masterarbeit. Herausgegeben durch Technische Universität München: München, 2023. \tHAH-01 23P \r\n \r\n"},"recipientGroups":[{"recipients":{"parliament":[],"federalGovernment":[{"department":{"title":"Bundesministerium für Wirtschaft und Klimaschutz (BMWK) (20. WP)","shortTitle":"BMWK (20. WP)","url":"https://www.bmwk.de/Navigation/DE/Home/home.html","electionPeriod":20}}]},"sendingDate":"2024-03-11"}]},{"regulatoryProjectNumber":"RV0004186","regulatoryProjectTitle":"Abschaffung Doppelbelastung V2G ","pdfUrl":"https://www.lobbyregister.bundestag.de/media/04/c5/304415/Stellungnahme-Gutachten-SG2406210083.pdf","pdfPageCount":122,"text":{"copyrightAcknowledgement":"Die grundlegenden Stellungnahmen und Gutachten können urheberrechtlich geschützte Werke enthalten. Eine Nutzung ist nur im urheberrechtlich zulässigen Rahmen erlaubt.","text":" \r\n→ Bitte zitieren als:  \r\nAgora Energiewende und Forschungsstelle für Energiewirtschaft e. V. (2023): Haushaltsnahe Flexibilitäten nutzen. Wie Elektrofahrzeuge, Wärmepumpen und Co. die Stromkosten für alle senken können. \r\nStudie \r\nHaushaltsnahe Flexibilitäten nutzen. \r\nWie Elektrofahrzeuge, Wärmepumpen und Co. die Stromkosten für alle  senken können. \r\nIm Auftrag von \r\nAgora Energiewende \r\nAnna-Louisa-Karsch-Straße 2 | 10178 Berlin\r\nT +49 (0)30 700 14 35-000 www.agora-energiewende.de info@agora-energiewende.de\r\nIn Kooperation mit \tProjektleitung FfE:\r\nForschungsstelle für Energiewirtschaft e. V. (FfE)  \tDr.-Ing. Simon Köppl | skoeppl@ffe.de\r\nAm Blütenanger 71 | 80995 München \tDr.-Ing. Mathias Müller | mmueller@ffe.de\r\nwww.ffe.de info@ffe.de\tDr.-Ing. Serafin von Roon | sroon@ffe.de\r\nProjektleitung Mareike Herrndorff mareike.herrndorff@agora-energiewende.de Prof. Dr. Katrin Schaber (externe Projektleitung) katrin.schaber@agora-energiewende.de\r\nAutorinnen und Autoren\r\nPhilipp Godron, Mareike Herrndorff, Simon Müller, Prof. Dr. Katrin Schaber, Moritz Zackariat (alle Agora Energiewende); Niklas Jooß, Dr.-Ing. Simon Köppl, Dr.-Ing. Mathias Müller, Janis Reinhard, Dr.-Ing. Serafin von Roon,  Andreas Weiß (alle FfE)\r\nDie Verantwortung für die Inhalte der Kapitel 3 bis 5, mit Ausnahme von Abschnitt 5.1.2, liegt ausschließlich bei FfE. Agora Energiewende hat die Zusammenfassung, den Grundlagenteil (Kapitel 2), den Abschnitt 5.1.2 und das Umsetzungskapitel (Kapitel 6) verfasst.\r\nDanksagung \r\nErst das Engagement vieler weiterer Kolleginnen und Kollegen hat diese Studie möglich gemacht. Für die tatkräftige Unterstützung bedanken möchten wir uns daher bei: Nikola Bock, Alexander Dusolt, Mathias Fengler, Janne Görlach, Janna Hoppe, Urs Karcher, Susanne Liebsch, Maxi Matzanke, Dr. Jahel Mielke, Frauke Thies, Anja Werner, Alexandra Steinhardt (alle Agora Energiewende) und Andreas Jahn (RAP).\r\nDanksagung an den Begleitkreis\r\nWir danken den Mitgliedern des Begleitkreises für ihren Beitrag zu den Diskussionen. Die Ergebnisse und  Schlussfolgerungen stellen jedoch nicht notwendigerweise die Meinung der Mitglieder des Begleitkreises dar.  Die Verantwortung hierfür liegt ausschließlich bei Agora Energiewende und den beteiligten Instituten (FfE).  Im Begleitkreis waren vertreten:\r\n→ Viessmann Climate Solutions SE\r\n→ EPEX Spot SE\r\n→ Tibber Deutschland GmbH → Sonnen GmbH\r\n→ The Mobility House GmbH\r\n→ Bundesverband der Energie- und Wasserwirtschaft e. V.\r\n→ Consolinno Energy GmbH\r\n→ TransnetBW GmbH\r\n→ Power Plus Communications AG\r\n→ Schleswig-Holstein Netz AG\r\n→ WEMAG Netz GmbH\r\n→ SWM Infrastruktur GmbH & Co. KG\r\n→ Techem GmbH\r\n→ Easy Smart Grid GmbH \r\n \r\nVorwort\r\nLiebe Leserin, lieber Leser, \r\nim zukünftigen Stromsystem spielen Wind- und  Solarkraftwerke eine zentrale Rolle. Doch nur gemeinsam mit einer ausreichenden Systemflexibilität kann ihre schwankende Erzeugung einen wachsenden Strombedarf zuverlässig decken.\r\nBefeuert durch die Elektrifizierung von Wärme und \r\nVerkehr werden in den kommenden Jahren viele Millionen Wärmepumpen, Heimspeicher und Elektrofahrzeuge ins Konzert des deutschen Stromnetzes einstimmen. Sie alle eint, dass sie ihren Strombedarf kurzfristig anpassen, sie also Flexibilität bereitstellen können. Das Potenzial ist hoch: Bereits Ende dieses Jahrzehnts wird ihre Leistung die heutige Jahreshöchstlast bei Weitem überschreiten. \r\nDie Berechnungen in dieser Studie zeigen: Haushaltsnahe Flexibilitäten können Angebot und Nach frage sehr effizient aufeinander abstimmen. Sie senken so nicht nur Emissionen, sondern reduzieren gleichzeitig den staatlichen Förderbedarf und letztlich die Strompreise für alle.\r\nDamit dies gelingt, müssen geeignete Preissignale die Haushalte erreichen. Genau hier liegt der Beitrag dieser Studie. Sie prüft unterschiedliche Tarifmodelle und betrachtet die Auswirkungen auf das Gesamtsystem, die Stromnetze und die Kosten für Haushalte. Dabei behält sie stets die praktische Umsetzbarkeit für Netzbetreiber und Kund:innen fest im Blick.\r\nIch wünsche eine angenehme Lektüre! \r\nSimon Müller \r\nDirektor Deutschland, Agora Energiewende \r\n \r\n \r\nE-Autos, Wärmepumpen und Heimspeicher können 2035 jährlich 100 Terawattstunden Stromnachfrage flexibilisieren und dadurch im Stromsystem 4,8 Milliarden Euro einsparen. Die Strommenge entspricht 10 Prozent des Gesamtstromverbrauchs. Durch eine kurzfristige und automatisierte Anpassung  ihres Betriebs können Millionen dieser haushaltsnahen Flexibilitäten zur kostengünstigen Integration  Erneuerbarer Energien ins Stromsystem beitragen. Ohne eine Reform der Stromtarife könnten  haushaltsnahe Flexibilitäten jedoch die Belastung der Stromnetze deutlich erhöhen.\r\n \r\nDynamische Stromtarife aktivieren haushaltsnahe Flexibilitäten und reduzieren gleichzeitig den Ausbaubedarf der Stromnetze. Diese Tarife kombinieren dynamische Strompreise und dynamische Netzentgelte. Der Strompreis-Anteil zeigt an, ob Strom gerade knapp oder im Überfluss vorhanden ist. Der Netzentgelt-Anteil spiegelt die lokale Netzauslastung: günstige Entgelte bei freiem Netz, hohe Entgelte bei starker Auslastung. Dynamische Netzentgelte vermeiden damit Belastungsspitzen im Netz; der  erforderliche Netzausbau wird so mit dem bisherigen Tempo machbar.\r\n \r\nDie Digitalisierung der Verteilnetze ermöglicht eine zügige Einführung dynamischer Stromtarife. Die wachsende Zahl an Smart Metern erlaubt die zeitlich differenzierte Abrechnung des Stromverbrauchs, zudem entwickeln Verteilnetzbetreiber aktuell ohnehin ein umfassendes System zur Netzbelastungsmessung. Die Bundesnetzagentur könnte es Kund:innen daher zügig ermöglichen, dynamische Netzentgelte zu nutzen, indem sie entsprechende Rahmenbedingungen für die Netzbetreiber schafft.\r\n \r\nVerbraucher:innen sparen bei der Stromrechnung und können die Energiewende aktiv mitgestalten. Durch eine automatisierte Anpassung ihres Verbrauchs können immer mehr Haushalte ihre eigenen Stromkosten beeinflussen. Haushalte mit dynamischen Tarifen sparen perspektivisch 600 Euro im Jahr und tragen gleichzeitig zum Gelingen der Energiewende bei. Auch Kund:innen ohne Möglichkeit der Lastverschiebung profitieren von insgesamt niedrigeren Strompreisen und besser ausgelasteten Netzen.\r\nStudienergebnisse auf einen Blick  \r\n \r\nInhalt\t\r\n1 \tZusammenfassung und Kernergebnisse der Studie \t9\r\n\t1.1 \tZusammenfassung \t9\r\n1.1.1 \tHaushaltsnahe Flexibilitäten (Elektrofahrzeuge, Wärmepumpen und Heimspeicher) bieten erhebliche Flexibilitätspotenziale \t9\r\n1.1.2 Diese Studie untersucht die Auswirkungen von vier verschiedenen Stromtarifstrukturen auf die Betriebsweise haushaltsnaher Flexibilitäten \t10\r\n1.1.3 Dynamische Stromtarife haben vier zentrale Vorteile für Stromsystem, N etzbetreiber und Kund:innen \t11\r\n1.1.4 Bundesnetzagentur und Netzbetreiber sind die entscheidenden Akteure, um Kund:innen den Zugang zu dynamischen Stromtarifen zu ermöglichen  \t12\r\n\t1.2 \tStudienergebnisse und Handlungsoptionen \t12\r\n1.2.1 Dynamische Stromtarife können haushaltsnahe Flexibilitäten in erheblichem Umfang  aktivieren. \t12\r\n1.2.2 Dynamische Stromtarife können Flexibilität weitaus günstiger bereitstellen als flexible Erzeugungsanlagen \t12\r\n1.2.3 Dynamische Netzentgelte sind ein sehr effizientes Mittel zur Reduktion der  Belastungen im Niederspannungsnetz \t13\r\n1.2.4 Von der Aktivierung haushaltsnaher F lexibilität profitieren alle Kund:innen  \t15\r\n1.2.5 Durch die Kombination dynamischer Netzentgelte mit Eingriffsmöglichkeiten im Notfall gewinnen Netzbetreiber Zeit zur Umsetzung des Netzausbaus \t17\r\n1.2.6 Die Einführung dynamischer Netzentgelte wird durch jüngst eingeleitete Maßnahmen zur Messung und Steuerung im Niederspannungsnetz erleichtert \t18\r\n1.2.7 Handlungsempfehlungen  \t18\r\n2 \tFlexibilitätsbedarf als Ausgangslage \t22\r\n\t2.1 \tDie Rolle neuer elektrischer Lasten und lastseitiger Flexibilität \t22\r\n\t2.1.1 Hochlauf der lastseitigen Flexibilität  \t23\r\n\t2.1.2 Der Wert der lastseitigen Flexibilität \t24\r\n\t2.2 \tAktuelle Rahmenbedingungen und gegenwärtige Hemmnisse für die \r\n\tNutzung von Flexibilität \t27\r\n2.2.1 Vergütung für die Bereitstellung  haushaltnaher Flexibilität \t28 2.2.2 Rolle des Netzbetreibereingriffs nach § 14a EnWG zur  \r\n\tEngpassbehebung \t33\r\n \r\n2.2.3 Neue Anforderung an die  Mess-  und Steuerbarkeit \r\n2.2.4 Gegenwärtige Hemmnisse für die Nutzung von haushaltsnaher \r\nFlexibilität  \t35\r\n37\r\n\t2.3 \tAnforderungen an eine „optimale“ Einbindung der Flexibilität \t37\r\n3 \tUntersuchte Szenarien und Betrachtungsjahre \t39\r\n\t3.1 \tKonstanter Strompreis (Szenario „lowFlex“) \t40\r\n\t3.2 \tDynamischer Beschaffungspreis (Szenario „Flex“) \t40\r\n3.3 \tDynamischer Beschaffungspreis mit variablen Netzentgelten  (Szenarien „Flex-zeitvarNe“ und „Flex-dynNe“) \t41\r\n3.4 \tKurativer Netzbetreibereingriff nach § 14a EnWG  (Szenario-Zusatz „§ 14a“) \t44\r\n\t3.5 \tBetrachtungsjahre \t45\r\n4 \tModellierung der Auswirkungen einer Integration von haushaltsnaher Flexibilität \t46\r\n\t4.1 \tDatenbasis \t46\r\n4.1.1 Modellierung des gesamtdeutschen Niederspannungsnetzes  \t46\r\n4.1.2 Räumliche Zuordnung der haushaltsnahen Flexibilitäten im Niederspannungsnetz \t49\r\n\t4.2 \tModellierung  \t51\r\n4.2.1 Finanzielle Optimierung der Verbraucher \t51\r\n4.2.2 Lastflusssimulation zur Bestimmung der Netzausbaubedarfe \t52\r\n4.2.3 Variable Netzentgelte im Rahmen  der Modellierung \t54\r\n4.2.4 Kurativer Netzbetreibereingriff nach § 14a EnWG \t57\r\n5 \tErgebnisse \t59\r\n\t5.1 \tEinordnung der Netzmodellierungsergebnisse in das Gesamtsystem \t59\r\n\t5.1.1 Einfluss der haushaltsnahen Flexibilität auf die Netzausbaukosten  \t59\r\n5.1.2 Einordnung der Netzausbaukosten in das Gesamtsystem  \r\n\t(Agora Energiewende) \t61\r\n5.1.3 Verschobene Energiemengen durch die Nutzung haushaltsnaher \r\n\tFlexibilitäten \t63\r\n\t5.2 \tNetzbelastungen  \t67\r\n\t5.2.1 Netzbelastung nach Zeitpunkt \t67\r\n\t5.2.2 Netzbelastung nach Betriebsmitteln \t69\r\n\t5.2.3 Verursacher der Netzbelastung \t72\r\n\t5.3 \tNotwendige Verstärkungsmaßnahmen \t74\r\n5.3.1 Aufschlüsselung der Ausbaukosten nach Betriebsmitteln und \r\n\tGebietskategorien \t74\r\n\t5.3.2 Einordnung des erforderlichen Leitungszubaus \t77\r\n\r\n5.3.3 Einordnung des erforderlichen Transformatorausbaus \r\n5.3.4 Auswirkungen veränderter Netzentgeltspreizungen \t79 82\r\n5.3.5 Der Einfluss ausgewählter Annahmen auf den Netzausbau \t83\r\n5.3.6 Exkurs: Einfluss von regelbaren Ortsnetztransformatoren auf den Netzausbaubedarf \t85\r\n\t5.4 \tEinfluss des kurativen Netzbetreibereingriffs nach § 14a EnWG  \t88\r\n5.4.1 Auswirkungen des Netzbetreibereingriffs nach § 14a EnWG auf die Netzbelastung \t88\r\n5.4.2 Rückwirkungen auf die Verbraucher:innen im Fall des Minimalausbaus in Verbindung mit dem Netzbetreibereingriff  nach § 14a EnWG \t89\r\n5.4.3 Mögliche Ausbauverzögerung im Fall des Minimalausbaus in Verbindung mit dem Netzbetreibereingriff nach § 14a EnWG \t93\r\n\t5.5 \tAuswirkungen der Flexibilisierung auf Verbraucher:innen \t95\r\n\t6 \tPraktische Aspekte der Umsetzung \t97\r\n\t7 \tAnhang \t100\r\n\t7.1 \tWeitergehende Informationen zur Datenbasis \t100\r\n7.1.1 \tCharakterisierung der Typnetze für das gesamtdeutsche Niederspannungsnetz \t100\r\n7.1.2 Räumliche Zuordnung der Photovoltaikanlagen und haushaltsnahen Flexibilitäten \t103\r\n\t7.2 \tWeitergehende Informationen zur Modellierung \t108\r\n7.2.1 Finanzielle Optimierung der Verbraucher:  Lastprofile und Betriebsweise \t108\r\n7.2.2 Annahmen und Ablauf der Lastflusssimulation \t111\r\n\t8 \tLiteratur \t114\r\n \r\n1 \tZusammenfassung und Kernergebnisse der Studie\r\n \r\n \r\n1.1 \tZusammenfassung\r\n1.1.1 \tHaushaltsnahe Flexibilitäten (Elektrofahrzeuge, Wärmepumpen und Heimspeicher) bieten erhebliche Flexibilitätspotenziale\r\nMit dem weiteren Ausbau von Wind- und Solarenergie steigt der Bedarf an Flexibilität deutlich. Flexibilität gehörte auch in der Vergangenheit zu den wesentlichen Erfordernissen eines effizienten und sicheren Stromsystems. Traditionell ging es dabei um die Anpassung an Schwankungen des Stromverbrauchs, vor allem zwischen Winter und Sommer beziehungsweise Tag und Nacht. In einem Stromsystem auf Basis von Windkraft und Photovoltaik müssen zusätzlich große Erzeugungsschwankungen ausgeglichen werden. Bereits heute machen Erneuerbare Energien einen Großteil der Stromerzeugung aus (55 Prozent im ersten Halbjahr 2023); bis 2035 strebt Deutschland eine weitestgehend klimaneutrale Stromversorgung an. Wind- und Solarenergie werden dann die vorherrschenden Energiequellen sein. Dadurch erhöht sich der Flexibilitätsbedarf deutlich.\r\nHaushaltsnahe Flexibilitäten (Elektrofahrzeuge, \r\nWärmepumpen und Heimspeicher) bieten sehr große Flexibilitätspotenziale. Im Szenario Klimaneutrales Stromsystem 2035 schafft die Elektrifizierung von Mobilität und Gebäudewärme eine erhebliche, zusätzliche Stromnachfrage, die weitaus flexibler ist als der bisherige Stromverbrauch. Die erwartete Gesamtleistung (435 GW) haushaltsnaher Flexibilitäten ist mehr als 5-mal größer als die Jahreshöchstlast 2022 und die Gesamtspeichergröße (4,5 TWh) ist circa 110-mal größer als der aktuelle Bestand an Großspeichern (Abbildung A). Die Gesamtleistung übersteigt außerdem die Leistung der klimaneutralen Gaskraftwerke im Jahr 2035 (61 GW) um Faktor 7 und auch die für 2035 erwartete Handelskapazität mit Nachbarn im europäischen Stromnetz (38 GW). In \r\n \r\n \r\nEntwicklung der haushaltsnahen flexiblen Verbrauchseinrichtungen\t→ Abb. A\r\n \r\nAgora Energiewende (2023) basierend auf der Studie Klimaneutrales Deutschland 2035. * Anzahl Personenkraftwagen und leichte Nutzfahrzeuge bzw. Anzahl an Wohngebäuden. ** Pumpspeicher und Großbatterien.\r\n \r\nprivaten Haushalten entsteht also in großem Umfang die Möglichkeit, Strom stärker dann zu verbrauchen, wenn er günstig vorhanden ist.\r\nEine modernisierte Tarifstruktur ist der Schlüssel, um das Potenzial haushaltsnaher Flexibilitäten zu heben. Fast alle Kund:innen können heute nur einen konstanten Stromtarif nutzen. Diese starren Tarife machen es zwar finanziell attraktiv, Solarstrom vom eigenen Dach möglichst selbst zu nutzen. Es fehlt aber der Anreiz für eine systemdienliche Lastverschiebung. Das Potenzial haushaltsnaher Flexibilitäten kann auf diesem Weg nicht ausgeschöpft werden. Ab dem Jahr 2025 erhalten Kund:innen mehr Möglichkeiten: Lieferanten müssen dann auch sogenannte dynamische Tarife anbieten. Der Strompreis reagiert dann beispielsweise in jeder Viertelstunde auf die aktuelle Lage im Stromsystem: hohe Preise in Stunden der Knappheit, billiger Strom, wenn viel davon vorhanden ist. Solche Tarife können haushaltsnahe Flexibilitäten aktivieren. \r\nHaushaltsnahe Flexibilitäten können das lokale Stromnetz belasten, vor allem wenn zu viele Verbraucher:innen gleichzeitig und unabgestimmt ihren Strombezug erhöhen. Elektrofahrzeuge und Wärmepumpen erhöhen den Gesamtverbrauch und die Leistungsspitzen im Niederspannungsnetz. Dynamische Tarife können zusätzlich dazu führen, dass diese neuen Lasten zu Zeiten günstiger Preise alle gleichzeitig ihren Verbrauch stark erhöhen. Die Netzbelastung und damit der Ausbaubedarf der Niederspannungsnetze kann so teils erheblich ansteigen. \r\nEine Reform der Netzentgelte erlaubt es den haushaltsnahen Flexibilitäten, netzschonend auf günstige Preise zu reagieren. Der Anteil der Netzentgelte am Haushaltsstrompreis ist erheblich: von 2012 bis 2021 waren es im Schnitt rund 25 Prozent . In Deutschland können Verbraucher:innen nur konstante Netzentgelte nutzen; anders als in vielen anderen europäischen Ländern. Denn ähnlich wie Stromtarife können auch Netzentgelte dynamisch ausgestaltet werden. Ihre Höhe bildet dann die Netzbelastung ab: Ein „volles“ Netz übersetzt sich in hohe Entgelte, ist noch viel „Platz“, ist die Netznutzung besonders günstig. \r\nDynamische Stromtarife  kombinieren dynamische Beschaffungsstrompreise und dynamische Netzentgelte. Sie ermöglichen den optimierten Einsatz haushaltsnaher Flexibilitäten. Dynamische Stromtarife spiegeln beides wider: die Verfügbarkeit von Strom und die Auslastung des (lokalen) Netzes. So können sie an der Strombörse Angebot und Nachfrage ausgleichen, ohne dabei Belastungsspitzen im Netz zu verursachen. Diese Studie modelliert mögliche Umsetzungen dynamischer Stromtarife und nimmt dabei insbesondere die Netzbelastung und den daraus resultierenden Netzausbau in den Blick. \r\n1.1.2 Diese Studie untersucht die Auswirkungen von vier verschiedenen Stromtarifstrukturen auf die Betriebsweise haushaltsnaher Flexibilitäten\r\nDie Modellierung geht davon aus, dass jeder teilnehmende Haushalt seine Stromkosten minimiert. Auf dieser Basis betrachtet sie: 1) die bereitgestellte Flexibilität, 2) die Belastung für das Stromnetz und 3) ökonomische Auswirkungen für das  Gesamtsystem. \r\n→ 1)  Anhand des jeweiligen Preisszenarios (siehe unten) wird das optimierte Verhalten der Haushalte berechnet. Ergebnis sind viertelstunden- und haushaltsscharfe Lastkurven und die Menge der damit gehobenen Flexibilität. \r\n→  2)  Diese bilden wiederum die Basis für eine Lastflusssimulation der deutschen Niederspannungsnetze. Mithilfe von Typnetzen wird der Netzausbaubedarf für die vier Szenarien quantifiziert. \r\n→  3)  Die resultierenden Netzkosten werden mit den Kosten alternativer, erzeugungsseitiger Flexibilitätsbereitstellung verglichen. Dazu wird auf \r\ndie Ergebnisse der Strommarktmodellierung der Studie Klimaneutrales Stromsystem 2035 zurückgegriffen. \r\nNeben dem Zieljahr 2035 betrachtet die Studie das Jahr 2029, da dann mindestens 50 Prozent der Pflichteinbaufälle für Smart Meter abgedeckt und das dynamische Steuern gemäß § 14a EnWG umgesetzt sein müssen. \r\nDiese Studie konzentriert sich auf die Analyse unterschiedlicher Tarifmodelle mit einem Schwerpunkt auf dynamischen Stromtarifen. Ein effizientes System zum Heben haushaltsnaher Flexibilitäten muss, erstens, eine hohe Anzahl an Kund:innen in der Niederspannung erreichen und, zweitens, Marktmanipulationen möglichst ausschließen. Da lokale Flexibilitätsmärkte strukturelle Probleme in Bezug auf Marktmanipulationen aufweisen, sogenanntes Increase-Decrease-Gaming, wurden sie in dieser Studie nicht analysiert.\r\nDie vier Tarifmodelle unterscheiden sich darin, wie stark sie den aktuellen Börsenstrompreis beziehungsweise die Netzauslastung berücksichtigen (Tabelle Z1):\r\nDiese vier Hauptszenarien werden um Sensitivitäten ergänzt, um beispielsweise das Zusammenwirken der Tarifmodelle mit Netzengpassmanagement nach § 14a EnWG zu bewerten.\r\n1.1.3 \tDynamische Stromtarife haben vier zentrale Vorteile für Stromsystem,  Netzbetreiber und Kund:innen\r\nWie in Kapitel 5 detaillierter ausgeführt, bieten dynamische Stromtarife eine Reihe von Vorteilen. Die vier zentralen Vorteile lassen sich wie folgt zusammenfassen. Dynamische Stromtarife\r\n→ aktivieren haushaltsnahe Flexibilitäten in erheblichem Umfang: Im Jahr 2035 können so über 100 Terawattstunden Last bedarfsgerecht verschoben werden. Dies entspricht mehr als zehn Prozent des jährlichen Gesamtstromverbrauchs \r\n– und etwa der Hälfte des Stromverbrauchs der Haushalte – und übertrifft bisherige Erwartungen zu den verfügbaren lastseitigen Flexibilitäts- potenzialen.\r\n→ reduzieren Brennstoffeinsatz bei flexiblen Erzeugungsanlagen: Im Jahr 2035 können so 20 Terawattstunden Stromerzeugung in klimaneutralen Gaskraftwerken und Kosten von 5,4 Milliarden Euro vermieden werden. Da die zusätzlichen Netzausbaukosten für die Nutzung von haushaltsnahen Flexibilitäten jährlich lediglich 0,6 Milliarden Euro betragen, ergibt sich eine Gesamteinsparung von 4,8 Milliarden Euro.\r\n \r\nZusammensetzung der dynamischen Stromtarife je Szenario\t→ Tabelle Z1\r\nSzenario\tBeschaff ungspreis\tNetzentgelte\tZeitfenster der Netzentgelte\r\nlowFlex\tkonstant\tkonstant\t–\r\nFlex\tdynamisch*\tkonstant\t–\r\nFlex-zeitvarNe\tdynamisch*\tzeitvariabel\tstatisch\r\nFlex-dynNe\tdynamisch*\tzeitvariabel\tdynamisch\r\nFfE (2023). * dynamischer Beschaff ungspreis = direkte Weitergabe des Börsenstrompreises. Dafür werden Dispatch-Preise aus der Studie Klimaneutrales Stromsystem 2035 verwendet, welche als Repräsentant der kurzfristigen Börsenstrompreise eingesetzt werden.\r\n→ entlasten das Niederspannungsnetz und senken den damit verbundenen Ausbaubedarf: Die flexibilitätsbedingten Mehrkosten für den Netzausbau bis zum Jahr 2035 können von 10,5 Milliarden Euro auf 5,8 Milliarden Euro annähernd halbiert  werden. Die Gesamtkosten für den Netzausbau im Niederspannungsnetz zur Integration von  33 Millionen Elektrofahrzeugen, 9 Millionen Wärmepumpen und 53 Gigawatt Heimspeicher  belaufen sich dann auf 12,8 Milliarden Euro bis zum Jahr 2035. \r\n→ sparen Geld bei der Stromrechnung: Die Gesamtkosten für die Stromerzeugung sinken durch die geringere Nutzung teurer Wasserstoffkraftwerke. Der durchschnittliche Strompreis (Beschaffungskostenanteil) ist für flexible Kunden rund 5 ct/kWh geringer. Auch Kundinnen, die keine Flexibilitäten nutzen, sparen 1 ct/kWh. Durch eine effizientere Netzauslastung sinken auch die Netzkosten pro Kilowattstunde.\r\n1.1.4 \tBundesnetzagentur und Netzbetreiber sind die entscheidenden Akteure, um Kund:innen den Zugang zu dynamischen Stromtarifen zu ermöglichen \r\nDie Bundesnetzagentur trägt die Umsetzungsverantwortung für dynamische Netzentgelte. Die Einführung dynamischer Netzentgelte ist mit der jüngsten Novellierung des Energiewirtschaftsgesetzes Aufgabe der Bundesnetzagentur. Bestehende regulatorische Prozesse bieten eine gute Grundlage, um die Einführung dynamischer Netzentgelte voranzutreiben.\r\nDie Verteilnetzbetreiber sind wesentlicher Akteur bei der Identifikation und Implementierung der wesentlichen Prozessschritte. Zwar stellt die Einführung eines dynamischen Netzentgeltsystems eine komplexe Aufgabe dar. Der Beitrag zu einer effizienten Ausgestaltung des klimaneutralen Stromsystems ist es jedoch wert.\r\n1.2 \tStudienergebnisse und  Handlungsoptionen\r\n1.2.1 Dynamische Stromtarife können haushaltsnahe Flexibilitäten in erheblichem Umfang  aktivieren.\r\nDurch preisliche Anreize kann das Potenzial der haushaltsnahen Flexibilität umfassend aktiviert werden. In den Szenarien „Flex“ und „Flex-dynNe“ werden im Jahr 2035 über 100 Terawattstunden Last bedarfsgerecht verschoben. Dies entspricht mehr als zehn Prozent des jährlichen Gesamtstromverbrauchs – und etwa der Hälfte des Stromverbrauchs der Haushalte – und übertrifft bisherige Erwartungen zu den verfügbaren lastseitigen Flexibilitätspotenzialen.\r\nAm stärksten fällt die Verbrauchsverschiebung bei den Elektrofahrzeugen aus. Die gebäudescharfe Analyse zeigt, dass der individuelle wirtschaftliche Vorteil für Haushalte mit Elektrofahrzeugen, Wärmepumpen oder Batterieheimspeichern gegeben ist. Das führt dazu, dass diese Haushalte in erheblichem Umfang ihr Verbrauchsverhalten – in der Regel automatisiert – an den Preis anpassen. Eine herausragende Rolle spielen Elektrofahrzeuge, die durch variable Ladezeitpunkte und bidirektionales Laden mehr als die Hälfte der haushaltsnahen Flexibilität bereitstellen (Abbildung B).\r\n1.2.2 Dynamische Stromtarife können Flexibilität weitaus günstiger bereitstellen als flexible Erzeugungsanlagen\r\nDie Nutzung der lastnahen Flexibilität ist um den Faktor neun günstiger als erzeugungsseitige Alternativen. Wird die Flexibilität der Elektrofahrzeuge, Wärmepumpen und Heimspeicher intelligent genutzt, kann der erzeugungsseitige Bedarf an Flexibilität durch Gaskraftwerke und Großbatterien stark reduziert werden. Das spart jährlich große Summen an Brennstoffkosten für Erdgas und klimaneutralen Wasserstoff: Im Jahr 2035 belaufen sich die jährlichen Einsparungen – vornehmlich infolge der um rund 20 Terawattstunden niedrigeren Stromerzeugung aus wasserstoffbetriebenen Gaskraftwerken –   auf rund 5,4 Milliarden Euro (Abbildung C). Dem stehen deutlich geringere Mehrkosten für den Netzausbau und -betrieb bei der Nutzung der lastseitigen Flexibilität gegenüber: So können allein im Jahr 2035 4,8 Milliarden Euro eingespart werden. \r\n \r\nSummenlastgang der flexiblen Verbrauchseinrichtungen im Jahr 2035 \t→ Abb. B gemittelt auf einen Tag\r\n \r\nFfE (2023)\r\n1.2.3 Dynamische Netzentgelte sind ein sehr effizientes Mittel zur Reduktion der  Belastungen im Niederspannungsnetz\r\nTarife nur auf Basis dynamischer Beschaffungsstrompreise erhöhen Lastspitzen zu Niedrigpreis-Zeiten und verursachen zusätzlichen Verteilnetzausbau. In den haushaltsnahen Niederspannungsnetzen entsteht bis zum Jahr 2035 auch ohne dynamische Tarife durch den zusätzlichen Strombedarf von Elektromobilität und Wärmepumpen ein Investitionsbedarf in Höhe von sieben Milliarden Euro (Abbildung D). Reagieren die neuen Verbraucher ausschließlich auf den Börsenstrompreis, wird ihr Strombezug stärker synchronisiert – mit Zusatzbelastungen für das Niederspannungsnetz. Der Investitionsbedarf erhöht sich bis zum Jahr 2035 um 10,5 auf insgesamt 17,5 Milliarden Euro (Szenario \r\n \r\nAnnuitätischer Kostenvergleich der Optionen zur Flexibilitätsbereitstellung\t→ Abb. C\r\n \r\nAgora Energiewende (2023). Annuitätische Investitionskosten, reale Werte. 1) Wärmepumpen, Elektrofahrzeuge und Batterie-Heimspeicher in haushaltsnahen und gewerblichen Niederspannungsnetzen. 2) annuitätische Betrachtung.\r\n \r\nNetzausbaukosten bis zum Jahr 2035* \t→ Abb. D\r\n \r\n \r\n„Flex”). Die Aktivierung der Flexibilitäten erfordert in diesem Szenario also eine starke Ertüchtigung der Netze und zieht deutlich höhere Netzausbaukosten nach sich.\r\nDynamische Tarife unter Einbeziehung dynamischer Netzentgelte halbieren die Netzausbaukosten, die durch Flexibilitäts-Aktivierung entstehen. Werden die Flexibilisierungsanreize aus dynamischen Strompreisen um dynamische Netzentgelte (Szenario „Flex-dynNe“) erweitert, können die Niederspannungsnetze deutlich entlastet werden. Die flexibilitätsbedingten Mehrkosten für den Netzausbau können von 10,5 Milliarden Euro auf 5,8 Milliarden Euro annähernd halbiert werden. Die Beschränkung auf simple zeitvariable Netzentgelte mit statischen Zeitfenstern (Szenario „Flex-zeitvarNe“), leistet keinen Beitrag zur Reduktion der Netzausbaukosten. Diese Tarife sind langfristig also nicht geeignet, um Flexibilität netzschonend zu heben.\r\nFür die erhebliche Netzentlastung wird das marktliche Flexibilitätspotenzial um lediglich zehn Prozent reduziert. Dynamische Netzentgelte hemmen den marktlichen Flexibilitätseinsatz zu Zeiten (sehr) hoher Netzauslastung. Diese punktuellen Anpassungen zur Netzentlastung verändern den Flexibilitätseinsatz nur geringfügig: 90 Prozent der Flexibilität stehen weiterhin dem Strommarkt zur Verfügung.\r\n1.2.4 Von der Aktivierung haushaltsnaher  Flexibilität profitieren alle Kund:innen \r\n \r\nDurchschnittliche Beschaffungspreise von Kund:innen mit und ohne Flexibilität \t→ Abb. E im Jahr 2035\r\n \r\nEs wirkt sich für alle Kund:innen positiv auf die Stromkosten aus, wenn haushaltsnahe Flexibilitäten durch die Weitergabe der dynamischen Beschaffungsstrompreise aktiviert werden. Der Beschaffungspreis macht im Mittel der vergangenen zehn Jahre rund ein Viertel des Haushaltsstrompreises aus.  Wie oben beschrieben ist der Einsatz dezentraler Flexibilitäten günstiger als eine Bereitstellung von Flexibilität durch Gaskraftwerke. Dieser Effekt schlägt sich in geringeren Stromkosten für alle Kund:innen nieder: Im Szenario mit den dyna- \r\nmischen Beschaffungsstrompreisen („Flex“) sind sie für Kund:innen, die keine Flexibilität einsetzen, um einen Cent, beziehungsweise zehn Prozent, niedriger als im Szenario ohne Anreize für Flexibilität („lowFlex“). Da Kunden mit flexiblen Verbrauchsanlagen zusätzlich Niedrigpreiszeitfenster besser nutzen können, profitieren diese doppelt (siehe Abbildung E): Ihr durchschnittlicher Beschaffungspreis sinkt um 4,9 Cent und damit annähernd um die Hälfte. Auch mit dynamischen Netzentgelten und damit leicht angepasstem Flexibilitätseinsatz bleibt die Einsparung von etwa der Hälfte der Beschaffungskosten bestehen.\r\nBei Einführung dynamischer Netzentgelte profitieren Kund:innen zusätzlich von geringeren Netzentgelten. Die Analyse zeigt, dass das Verteilnetz bei Anwendung dynamischer Netzentgelte effizienter genutzt und dadurch weniger stark ausgebaut werden muss. Die verringerten Netzkosten schlagen sich in durchschnittlich geringeren Netzentgelten nieder. Flexible Kund:innen reduzieren ihr durchschnittliches Netzentgelt weiter, indem sie verstärkt zu Zeiten günstiger Netzentgelte Strom beziehen. Im Jahr 2035 zahlen sie um elf Prozent geringere Netzentgelte pro Kilowattstunde im Vergleich zu flexfreien Haushalten (Abbildung F).4 \r\nFlexible Kund:innen erreichen im Gesamtpaket \r\nEinsparungen in Höhe von fast 600 Euro pro Jahr.5 Nimmt man vereinfacht an, dass die durchschnittlichen Netzentgelte für Haushaltskund:innen im Jahr 2035 genauso hoch sind wie im Jahr 2022, ergäben sich als Gegenleistung für die Flexibilitätsbereitstellung Einsparungen von etwa 75 Euro an Netzentgelten und rund 415 Euro beim Beschaffungsanteil der \r\n \r\n4\t40 Prozent der heute flexiblen Kund:innen profitieren aufgrund der Einwilligung zur temporären Abschaltung durch ihren Netzbetreiber nach § 14a EnWG von höheren Netzentgeltermäßigungen (der Netzentgeltrabatt für den Haushalt insgesamt beträgt im verwendetem Fallbeispiel 25 Prozent). Der Rabatt dient dem Schadensausgleich dieser Abschaltungen und ist daher nicht unmittelbar mit dynamischen Netzentgelten, die Nutzungseinbußen bei den Verbraucher:innen verhindern, vergleichbar. Das Gesamtpaket der möglichen Einsparungen in Verbindung mit dem dynamischen Börsenstrompreis ist auch für diese Gruppe sehr attraktiv.\r\n5\tgemäß dem verwendeten Fallbeispiel inklusive Mehrwertsteuer, siehe Abbildung F inklusive Mehrwertsteuer\r\nAuswirkung dynamischer \t→ Abb. F\r\nNetzentgelte auf Kund:innen mit Flexiblität\r\n \r\nAgora Energiewende (2023). Anmerkungen: Basierend auf einem \r\nVerbrauch von 3.500 kWh/a für Haushaltsstrom und 5.000 kWh/a für \r\nWärmepumpe; Netzentgelte heute: durchschnittliches Netzentgelt für \r\nHaushaltskunden 2022 gem. BDEW-Strompreisanalyse Juli 2022, Netzentgelte dynamisch: durchschnittliches Netzentgelt gem. dieser Studie auf Basis des Netzentgeltes 2022, Nettopreise.\r\nStromkosten zuzüglich der Mehrwertsteuer. Wenngleich ihre relativen Netzentgelte geringer ausfallen, zahlen flexible Kund:innen absolut höhere Netzentgelte. Durch ihren deutlich höheren Strombezug leisten sie damit insgesamt einen größeren Gesamtbeitrag zur Finanzierung der Netze als Kund:innen ohne Elektrofahrzeug, Wärmepumpe oder Heimspeicher. Diese Entwicklung entspricht damit dem Verursacherprinzip. \r\nWer mitmachen will, sollte über einen Smart  Meter und ein Steuerungssystem verfügen. Mithilfe des Smart Meters können die schwankenden  Preise kleinteilig gemessen und abgerechnet werden. Um die tagtägliche finanzielle Optimierung müssen sich Kund:innen nicht selbst kümmern. Wie heute schon für die Strombeschaffung, werden Dienst-\r\nleiter (vermutlich Aggregatoren) diese Aufgabe für die Kund:innen übernehmen. Weiter zunehmen wird in dem Zusammenhang auch der Einsatz von sogenannten Home Energy Management Systems (HEMs). Dabei handelt es sich um das digitale Bindeglied zwischen Aggregator, Kundenanlagen und Smart Meter als Übergabepunkt zum Netzbetreiber. Das HEMs stellt sicher, dass die Wünsche der Kund:innen beim Optimieren der Flexibilität berücksichtigt und Lastverschiebungen durch entsprechende Steuerungssignale bei den Kund:innen umgesetzt werden.\r\n1.2.5 Durch die Kombination dynamischer Netzentgelte mit Eingriffsmöglichkeiten im Notfall gewinnen Netzbetreiber Zeit zur Umsetzung des Netzausbaus\r\nDie Einführung dynamischer Netzentgelte begrenzt den notwendigen Netzausbau auf eine bereits in der Vergangenheit implementierte Größenordnung. Die identifizierte Ausbaugeschwindigkeit der Niederspannungsnetze ist vergleichbar mit den Investitionen der jüngeren Vergangenheit.6 Bis zum Jahr 2029 müssen die Leitungslängen um ein Achtel und bis zum Jahr 2035 um dann insgesamt ein Viertel gegenüber heute erweitert werden (Abbildung G). Zudem \r\n \r\n6 \tDas Ausbautempo hat zuletzt bereits zugenommen, insbesondere getrieben durch den Ausbau der Photovoltaik.\r\nmuss bis zum Jahr 2035 knapp jeder vierte Ortsnetztransformator ausgetauscht werden. Der Ausbaubedarf der Ortsnetztransformatoren, welche die Schnittstelle zur Mittelspannung darstellen, fällt bei dynamischen Netzentgelten (Szenario „Flex-dynNe“) sogar geringer aus als ohne Nutzung der Flexibilität (Szenario „lowFlex“). Das bedeutet, dass dynamische Netzentgelte die Mehrbelastung aufgrund von Flexibilitätsnutzung in der Niederspannung so gut aussteuern, dass die Überlastung nicht in die Mittelspannung ausstrahlt. \r\n \r\nAusbaubedarf an Leitungen verglichen mit dem historischen Ausbautrend\t→ Abb. G\r\n \r\nFfE (2023). Anmerkung: * haushaltsnahe Niederspannungsnetze. ** Annahme: 56 Prozent der fortgeschriebenen historischen Ausbaumaßnahmen finden in haushaltsnahen Niederspannungsnetzen statt. Das entspricht dem heutigen Anteil der haushaltsnahen Netze an der Gesamtleitungslänge in der Niederspannung.\r\nDer Netzausbau ist weiterhin insbesondere in ländlichen und vorstädtischen Regionen notwendig. In allen betrachteten Szenarien entstehen 80 bis 90 Prozent des gesamten Netzausbaubedarfs in ländlichen und vorstädtischen Regionen. Dort liegen aufgrund der Besiedlungsstruktur tendenziell längere Leitungen vor, die schneller überlastet sind. Zukünftig rücken aber auch die städtischen Netze in den Fokus: Bei hoher Dichte an flexibel ladenden Elek- \r\ntrofahrzeugen kommen hier vor allem die Ortnetztransformatoren an ihre Grenzen. Durch dynamische Netzentgelte werden diese wirkungsvoll entlastet und müssen daher weniger oft ausgebaut werden. So können komplexe und teure Baustellen im urbanen Raum reduziert werden.\r\nTreiber für den Netzausbau in der Niederspannung ist nicht mehr ausschließlich der Zuwachs an Photovoltaikanlagen. Mit Nutzung der Flexibilität nimmt die verbrauchsbedingte Netzbelastung durch Wärmepumpen und Elektromobilität zu. Lokale Erzeugungsüberschüsse aus der Photovoltaik werden in Zukunft durch mehr und mehr Heimspeicher gut integriert. Unabhängig von der Flexibilitätsnutzung treiben stattdessen Wärmepumpen den Netzausbau. Mit zunehmender Flexibilisierung bilden die Elektrofahrzeuge die häufigste Ursache für Netzausbaubedarf, weil sie ihre hohe Bezugsleistung in der Regel flexibler einsetzen können als beispielsweise Wärmepumpen. Trotz größerer Rückspeisemengen aus bidirektionalen Fahrzeugen und Heimspeichern bestimmt meist der Lastfall den Netzausbau.\r\nDas Notfallinstrument der Leistungsreduktion nach \r\n§ 14a EnWG ist ein wirkungsvolles Instrument, um Verzögerungen im Netzausbau zu überbrücken. In besonders stark belasteten Netzen ist ein zügiger Ausbau notwendig. Bei Ausbauverzögerungen müssten andernfalls sehr lange und häufige Leistungsreduktionen nach § 14a EnWG erfolgen. Um das zu vermeiden, müssen diese Netze prioritär ausgebaut werden. In weniger stark belasteten Netzen kann das Instrument der Leistungsreduktion als Überbrückung das Netz wirksam und mit nur geringfügigen Einbußen für Kund:innen entlasten. So können beispielsweise im Falle von Personalknappheiten oder Lieferengpässen Ressourcen fokussiert eingesetzt werden.\r\n1.2.6 Die Einführung dynamischer Netzentgelte wird durch jüngst eingeleitete Maßnahmen zur Messung und Steuerung im Niederspannungsnetz erleichtert\r\nBereits laufende regulatorische Anpassungen bilden eine geeignete Grundlage zur Einführung dynamischer Netzentgelte durch die Verteilnetzbetreiber. Durch die Anpassung des § 14a EnWG müssen Verteilnetzbetreiber ab dem Jahr 2029 im Rahmen des Netzengpassmanagements dynamisch steuern können. Das setzt voraus, dass eine Auslastungsprognose beispielsweise auf Ebene der Ortsnetztransformatoren vorliegt. Damit wird die Grundlage für die Ermittlung dynamischer Netzentgelte geschaffen. Darüber hinaus beschleunigt der im Gesetz zum Neustart der Digitalisierung der Energiewende beschlossene Rollout-Fahrplan die Verbreitung der notwendigen Smart Meter. Abbildung H gibt einen Überblick über zusätzliche Prozessanforderungen und eine Einschätzung zum Grad der erforderlichen Weiterentwicklung.\r\nDie Einführung von dynamischen Netzentgelten könnte durch einen Zwischenschritt über zeitvariable Netzentgelte mit statischen Zeitfenstern vorbereitet werden. Der zunehmende Hochlauf der flexiblen Verbrauchsanlagen sollte dabei bestmöglich genutzt werden. Zeitvariable Netzentgelte mit statischen Zeitfenstern reichen langfristig nicht aus, um Netzengpässe wirkungsvoll zu verringern. In einer Übergangsphase können sie jedoch helfen, die Attraktivität der Flexibilitätsvermarktung zu erhöhen und erforderliche Prozessanpassungen schrittweise zu entwickeln und umzusetzen. Das Zielbild ist jedoch klar: Erst dynamische Netzentgelte stellen eine wirkmächtige Maßnahme dar, um den Herausforderungen im Verteilnetz der Zukunft gerecht zu werden. Daher sollte bis spätestens zum Jahr 2030 eine umfassende Umstellung auf ein solches System abgeschlossen sein.\r\n1.2.7 Handlungsempfehlungen \r\nHandlungs- und Umsetzungsempfehlungen. Die genannten Vorteile zeigen, dass dynamische Netzentgelte einen systemischen Nutzen und damit auch einen Nutzen für die Stromkund:innen haben. Bei der Umsetzung sind Bundesnetzagentur und Verteilnetzbetreiber gefordert. \r\na) D ie Bundesnetzagentur trägt die Umsetzungsverantwortung für dynamische Netzentgelte. Die \r\n \r\nNotwendige Prozessbausteine inklusive bereits erzielter Fortschritte \t→ Abb. H\r\n \r\nund zusätzlichem Weiterentwicklungsbedarf\r\n \r\nSteuerung der haushalts-\r\nErstellen der Netzentgeltermittlung nahen Verbrauchsanlagen Auslastungsprognose und -abrechnung  bei den Kund:innen\r\nAuslastungsprognose ist für \tNetzentgeltabrechnung \tOptimierung des Verbrauchs dynamisches Steuern nach \tschon heute automatisiert\tund Steuerung der Verbrauchs§ 14a EnWG bis spätestens \tund massendatentauglich \tgeräte: bereits heute über Home \r\n2029 zu etablieren\t→ Anpassung an neue \tEnergy Systems (HEMs) technisch Anforderungen möglich\tmöglich HEMs steuerbar sind.\r\nFahrpläne der flexfreien \tZur Verbrauchsermittlung der \tFahrplantreue: Erfüllung des Verbraucher:innen liegen \tflexiblen Kund:innen Smart \tFahrplans der steuerbaren dem Netzbetreiber bereits \tMeter erforderlich → beschleu-\tVerbrauchseinrichtungen \r\nheute vor\tnigter Rollout gemäß GNDEW* \tkann schon heute von HEMs bereits gestartet\tsichergestellt werden\r\nVersand der Fahrpläne der \tNetzentgeltstufe muss aus der \tStandardisierung erforderlich, flexiblen Verbraucher:innen \tAuslastungsprognose abgeleitet\tdamit Steuerung aller erfordert umfangreiche \tund über bestehende Services\tneuen Geräte durch HEMs Prozesserweiterung\t(bspw. Webservices) veröffentlicht\tumsetzbar ist\r\nund in Prozesse eingebunden werden\r\nAgora Energiewende (2023)\r\n \r\nEinführung dynamischer Netzentgelte ist mit der jüngsten Novellierung des Energiewirtschaftsgesetzes Aufgabe der Bundesnetzagentur. Folgende Aspekte erscheinen besonders relevant:\r\n•\tVersorgungssicherheit und Verursachergerechtigkeit: Das in der Strombinnenmarkt-Verordnung ausgegebene Ziel, Flexibilisierung im Zusammenhang mit der Versorgungssicherheit in den Blick zu nehmen, ist auch für die Regulierungsbehörde handlungsleitend. Gleichzeitig ist auch in einem Preissystem mit dynamischen Netzentgelten eine weitgehend verursachergerechte Kostenverteilung anzustreben.\r\n•\tWeiterentwicklung des Preisanreizes zur Netzdienlichkeit. Die hohe Bedeutung, die flexible Verbrauchsanlagen für das Netz spielen, hat die Bundesnetzagentur seit Langem erkannt. Ein wichtiger Schritt in Richtung dynamischer Netzentgelte ist die von der Bundesnetzagentur geplante Anpassung des § 14 a EnWG. Sie führt mit Beginn des Jahres 2029 das dynamische Steuern verpflichtend ein. Basis wird zum Beispiel die Auslastungsprognose des Ortsnetztransformators sein. Die Festlegung zum § 14a EnWG vom 27.11.2023 zeigt, dass die Bundesnetzagentur einer netzschonenderen Einbindung von steuerbaren Verbrauchsanlagen hohe Bedeutung beimisst. In konsequenter Weiterentwicklung sollte aber der Preisanreiz durch dynamische Netzentgelte ex ante etwaige Netzengpässe verhindern, anstatt, wie heute, als Entschädigung für etwaige Verbrauchseinschränkungen zu fungieren. \r\n•\tKopplung von dynamischen Stromtarifen an dynamische Netzentgelte. Dynamische Stromtarife sollten im Paket mit dynamischen Netzentgelten angeboten werden. Andernfalls besteht durch ein einseitig marktbasiertes Signal die Gefahr, dass die Aktivierung der Flexibilität Netzkosten sehr stark erhöht. Insgesamt entsteht ein Preisanreizsystem, an dem sich alle Kund:innen beteiligen können, die einen Smart \r\nMeter haben. Smart Meter gewinnen weiter an Attraktivität, weil Kund:innen neben den niedrigeren Beschaffungskosten auch vom Netzentgeltrabatt profitieren. Die Einführung des dynamischen Netzentgelts hat den Vorteil, dass Mehrfachmessungen nicht mehr erforderlich sind, da dieser Tarif für den gesamten Stromverbrauch angewendet werden kann. Aktuell wird, beispielsweise bei der Installation einer Wärmepumpe, oft ein zusätzlicher Zähler installiert, um den Netzentgeltrabatt gemäß § 14a EnWG nutzen zu können.\r\n•\tFlächendeckende Einführung im Jahr 2030. Die Einführung dynamischer Netzentgelte in Zusammenhang mit dynamischen Tarifen sollte bis spätestens zum Jahr 2030 abgeschlossen sein. Dabei können als erster Zwischenschritt zeitvariable Netzentgelte mit statischen Zeitfenstern eingesetzt werden, die dann verfeinert und dynamisiert werden. Das erlaubt es, möglichst viele Verbrauchsanlagen unmittelbar in das neue System zu integrieren. Zudem bleibt der negative Effekt etwaiger Ausgestaltungsfehler geringer und sie lassen sich leichter korrigieren. Die Bundesnetzagentur sollte Anreize schaffen, dass erste Verteilnetzbetreiber dynamische Netzentgelte zu Beginn des Jahres 2027 einführen. In diesen Netzen würden dann, mit Einführung der dynamischen Netzentgelte, die nicht pauschalen Preismodule nach § 14a EnWG abgelöst. Der Lerneffekt aller Beteiligten führt somit zu einer resilienteren Umsetzung in der Breite.\r\n•\tSicherstellung eines ausgewogenen Verhältnisses der Preissignale für Beschaffung und Netzdienlichkeit. Die in der Studie angewandte Ausgestaltung der dynamischen Netzentgelte zeigt, dass bei ausgewogenem Zusammenspiel der Preissignale für Beschaffung und Netz das Ziel eines möglichst geringen Netzausbaus bei gleichzeitiger Aktivierung der Flexibilität erreicht werden kann. \r\n•\tAuslastungsprognose des Ortsnetztransformators zur Kalibrierung geeignet. Zur Kalibrierung ist die – in der vorliegenden Analyse unterstellte – Auslastungsprognose des Ortsnetztransformators geeignet (wobei nicht analysiert wurde, inwiefern dies auch für weitere Ausgestaltungsformen gilt). Das Erstellen einer derartigen Prognose wird bereits für das dynamische Steuern nach § 14 a EnWG erforderlich und erlaubt eine ausreichend genaue Engpassvorhersage für das Niederspannungsnetz.\r\nb)  Die Verteilnetzbetreiber sind wesentlicher  Akteur bei der Identifikation und Implementierung wichtiger Prozessschritte. Sie erstellen Auslastungsprognosen, leiten Preise ab und verknüpfen diese mit den entsprechenden Kund:innen. Zudem verarbeiten sie Fahrplanmeldungen und rechnen deutlich kleinere Zeitfenster mit unterschiedlichen Preisen ab als bisher. Hilfreich ist dabei, dass die meisten Markt- und Abrechnungsprozesse bereits massendatentauglich automatisiert wurden. Weitere Prozessschritte werden im Zuge der Digitalisierung der Verteilnetze in naher Zukunft implementiert. Was bleibt, ist immer noch aufwendig. Der Beitrag zu einer effizienten Ausgestaltung des klimaneutralen Stromsystems ist es jedoch wert.\r\n \r\n \r\nStudienergebnisse auf einen Blick  \t → Abb. I\r\n \r\n \r\n2 \tFlexibilitätsbedarf als Ausgangslage\r\n \r\n \r\nBis 2035 strebt Deutschland einen klimaneutralen Stromsektor an.  Wind- und Solarenergie werden dann die dominanten Energiequellen sein. Bereits heute stellen diese fluktuierenden Ressourcen den größten Teil der Stromerzeugung   (52 Prozent im ersten Halbjahr 2023). Bislang werden die Erzeugungsschwankungen aus den Erneuerbaren-EnergienAnlagen insbesondere durch regelbare, meist fossile, Kraftwerke und im Austausch mit den Nachbarländern ausgeglichen. Mit dem weiteren Ausbau an Wind und Solarenergie steigt der Bedarf an Flexibilität in Deutschland und auch in Europa deutlich an. \r\nMit „Flexibilität“ ist die Reaktion des Stromversorgungssystems auf Schwankungen in Last und Erzeugung gemeint. Sie ist schon immer Teil des Stromsystems. In der Vergangenheit ging es allerdings primär darum, \r\nNachfrageschwankungen durch flexible, steuerbare Erzeugung auszugleichen. Mit zunehmenden Anteilen von Wind- und Solarenergie rückt der Ausgleich von Erzeugungsschwankungen stärker in den Fokus, und damit folgende Fragestellungen: Wie kann hohe Wind- und Solarstromerzeugung gut genutzt werden? Und: Wie bedienen wir in Zeiten geringer Wind- und Solarverfügbarkeit die Stromnachfrage? Sowohl Nachfrage als auch regelbare Erzeugung werden sich mehr und mehr der Verfügbarkeit der Erneuerbaren Energien anpassen. Die Flexibilität auf der Nachfrageseite, also aufseiten des Stromverbrauchs, wird dabei zunehmend zu einer wichtigen Säule. Erhebliche Flexibilitätspotenziale bieten insbesondere sogenannte „neue“ Nachfrager wie Elektroautos, Wärmepumpen und Batterie-Heimspeicher, als auch die Stromnachfrage aufgrund der Elektrifizierung von Industrieprozessen (siehe Abschnitt 2.1). \r\nDabei kann Flexibilität verschiedene zeitliche \r\nAus prägungen haben: Energiemengen können um Sekunden, Stunden oder über ganze Jahreszeiten verschoben werden. Im Fokus dieser Studie liegt die Flexibilität, die im Zeitbereich von Stunden bis Tage bewegt werden kann. Ihr Bedarf wird deutlich steigen, Anreize zur Lastverschiebung innerhalb dieses Zeitsegments sind aber unzureichend (siehe Abschnitt 2.2.4). Kurzfristigere Flexibilität im Sekunlden- bis Minutenbereich wird über Regelleistung bereitgestellt und die notwendigen Energiemengen sind deutlich kleiner. Für den Ausgleich über Jahreszeiten sind der Erzeugungsmix von Wind- und Solarenergie entscheidend, ebenso weitere Infrastrukturmaßnamen, wie Netzausbau und Wasserstoffinfrastruktur.\r\nFlexibilität hat darüber hinaus auch eine geographische \r\nKomponente: Sie kann eher lokal für die Reduktion der Netzbelastung oder Regionen-übergreifend für den Ausgleich nationaler Ungleichgewichte eingesetzt werden. \r\nIn diesem zweiten Kapitel werden im Folgenden die Potenziale zur lastseitigen Flexibilität bewertet und eingeordnet. Es folgt eine Beschreibung der derzeitigen Rahmenbedingungen und der daraus resultierenden Hemmnisse, um Anforderungen an einen Regulierungsrahmen abzuleiten, der Hemmnisse reduziert und Anreize zur systemdienlichen Bereitstellung von Flexibilität bietet. Kapitel 3 bis 5 stellen den Kernbereich der quantitativen Analyse dar. Sie erläutern die modellierten Szenarien zur Motivierung flexibler Nachfrager über dynamische Strompreis- und Netzentgeltsignale (Kapitel 3), die sowie Eingangsparameter und Funktionsweise der Modellierung (Kapitel 4). Kapitel 5 zeigt und analysiert die Ergebnisse und Kapitel 6 schließt mit einem Blick auf die praktischen Aspekte der Umsetzung.\r\n2.1 \tDie Rolle neuer elektrischer Lasten und lastseitiger Flexibilität\r\nDie Bereitstellung von Flexibilität kann durch flexible \r\nKraftwerke, Speicher, Netzausbau oder auch durch Lastverschiebung erfolgen. Auf der Kraftwerksseite spielen thermische, regelbare Kraftwerke eine zentrale Rolle. Alle Szenarien einer klimaneutralen Stromversorgung in Deutschland beinhalten die \r\nNutzung von Gaskraftwerken mit klimaneutralen Brennstoffen für die Deckung der Spitzenlast und zur Absicherung der Versorgungssicherheit. Die voraussichtlich begrenzte Verfügbarkeit und hohen Erzeugungskosten klimaneutraler Brennstoffe (Wasserstoff, Ammoniak etc.) werden jedoch relativ hohe Betriebskosten zur Folge haben. Als Speicher gewinnen stationäre Großbatterien durch stark fallende Kosten an Attraktivität. Schließlich kann der länderübergreifende Ausbau des Stromnetzes einige Schwankungen reduzieren und ebenfalls zur Versorgungssicherheit beitragen. Diese mit Großanlagen bereitgestellte Flexibilität wird typischerweise über den Strommarkt gesteuert und damit für den nationalen Ausgleich von Schwankungen eingesetzt. \r\n2.1.1 \tHochlauf der lastseitigen Flexibilität \r\nNeben der Veränderung der Erzeugungsstruktur verändert sich auch der Stromverbrauch grundlegend. Elektrifizierung stellt für einen Großteil des Energiebedarfs die technisch und wirtschaftlich effizienteste Lösung zur Dekarbonisierung dar. So werden beispielsweise im Verkehrssektor insbesondere im Pkw-Bereich Elektrofahrzeuge vorherrschen und Wärmepumpen als Heiztechnik weitverbreitet sein. \r\nElektrofahrzeuge verfügen über Speicher und auch \r\nHeizkreisläufe haben in vielen Fällen thermische Speicher, die einen flexiblen Einsatz und damit eine flexible Stromnachfrage der Wärmepumpen ermöglichen. Zudem werden durch Heimspeicheranlagen, die in Verbindung mit Photovoltaikanlagen zum Einsatz kommen, weitere Speicherkapazitäten hinzugefügt. Diesen Anlagen ist gemein, dass sie sich in Haushalten befinden und heute kaum systemischen Anreizen zur Verschiebung der Last ausgesetzt sind.\r\nWärmepumpen und Elektromobilität machen im Jahr 2035 insgesamt 18 Prozent 10 der Stromnachfrage aus und stehen zusammen mit Heimspeicheranlagen im Fokus der Studie, da sie enorme Flexibilitätspotenziale aufweisen. Abbildung 1 zeigt die Gesamt-\r\n \r\n \r\nEntwicklung der haushaltsnahen flexiblen Verbrauchseinrichtungen\t→ Abb. 1\r\n \r\nAgora Energiewende (2023) basierend auf der Studie Klimaneutrales Deutschland 2035. * Anzahl Personenkraftwagen und leichte Nutzfahrzeuge bzw. Anzahl an Wohngebäuden. ** Pumpspeicher und Großbatterien.\r\n10 \tAgora Energiewende & Prognos AG & Consentec GmbH Consulting (2022): Klimaneutrales Stromsystem 2035 /AGORA 22a/. Der Wert bezieht sich auf Wärmepumpen inklusive Großwärmepumpen und Elektromobilität exklusive Schwerlasttransport.\r\nleistung und Speichervolumina dieser haushaltsnahen  Flexibilitäten im Jahr 2035. Das tatsächlich verschiebbare Lastpotenzial ist dabei aufgrund der primären Nutzung zum Heizen oder Autofahren, aber auch aufgrund von Netzengpässen geringer und wird im Folgenden genauer analysiert. \r\nNicht Teil der Studie ist die Lastverschiebung der konventionellen Stromnachfrage, also dem klassischem Haushaltsverbrauch, denn hier ist im Vergleich ein geringes Verschiebungspotenzial zu erwarten: Zum einen haben beispielsweise Haushaltsgeräte deutlich geringere Verbräuche und zum anderen sind die bestehenden Geräte nur sehr schwer automatisiert steuerbar. Auch im Bereich von Industrie und Gewerbe bringt die Elektrifizierung erhebliches Lastverschiebungspotenzial mit sich, getrieben durch den zunehmenden Einsatz von Wärmepumpen oder Elektrodenkesseln zur Bereitstellung industrieller Wärme.  Auch diese Flexibilität ist jedoch nicht Teil der vorliegenden Analyse.\r\n2.1.2 Der Wert der lastseitigen Flexibilität\r\nWie viel die Lastverschiebung zur Bereitstellung der benötigten Flexibilität beitragen kann, zeigt die Studie Klimaneutrales Stromsystem 2035.  Im Zuge der umfassenden Modellierung des deutschen Stromsektors wurden die verschiedenen technischen Optionen zur Flexibilitätsbereitstellung auf nationaler Ebene – wie Kraftwerkszubau, Lastverschiebung und Speicherausbau – für das Jahr 2035 bewertet. \r\nAbbildung 2 vergleicht die Stromerzeugung und \r\n-nachfrage an Beispieltagen im Jahr 2035 für zwei Szenarien: Ein Szenario mit hoher Flexibilisierung der Last und ein Szenario mit geringer Lastflexibilisierung („Flex“- und „lowFlex“-Szenario).\r\nIn beiden Szenarien dient Erdgas beziehungsweise Wasserstoff in Stunden geringer Wind- und Solarverfügbarkeit als flexible Erzeugung. Mit hoher Flexibilisierung der Last wird zudem der Verbrauch in diesen Knappheitsstunden reduziert, während ohne Flexibilisierung die Residuallast höher bleibt und mehr aus den regelbaren Kraftwerken bereitgestellt werden muss. Bei hoher Erzeugung aus Wind- und Solarenergie, zum Beispiel in den Mittagsstunden, kann der flexible Verbrauch erhöht und Überschüsse können wirtschaftlich genutzt werden. Im Gegensatz wird im Falle von geringerer Flexibilisierung erneuerbare Stromerzeugung abgeregelt.\r\nDer Anreiz für die Lastverschiebung ist hier immer der Börsenstrompreis : Bei geringen Preisen – und hoher Verfügbarkeit der Erneuerbaren Energien – wird viel verbraucht; bei hohen Strompreisen – und geringer Wind- und Solarstromerzeugung – wird wenig verbraucht. \r\nFür die Bewertung der lastseitigen Flexibilität wurde die Anreizstruktur für Verbraucher zwischen den Szenarien variiert. Während im Falle geringer Flexibilisierung alle großen Verbraucher, wie industrielle Power-to-Heat-Anlagen oder Elektrolyseure gegenüber dem kurzfristigen Börsenstrompreis optimieren, wird im Falle hoher Flexibilisierung angenommen, dass auch die haushaltsnahen Verbraucher wie Wärmepumpen und Elektrofahrzeuge ihren Strombezug auf Basis des Börsenstrompreises optimieren.  \r\nDer oben beschriebene Mehrwert hoher Flexibilisierung ist also den haushaltsnahen Flexibilitäten zuzuschreiben. Wenn die Flexibilität dieser kleinteiligen, verteilten Assets genutzt werden kann, hat das für die systemische Ebene deutliche Vorteile.\r\n \r\nStromerzeugung und -nachfrage an einem Winterwerktag im Jahr 2035\t→ Abb.2\r\nGeringe Flexibilisierung\r\nStromerzeugung [GWh/h]\r\n200  \r\n \r\n[h]\tHohe Flexibilisierung\r\n \r\n[h]\r\n \r\nAgora Energiewende (2023) basierend auf der Studie Klimaneutrales Deutschland 2035.\r\n \r\nIm Folgenden werden die Effekte monetär bewertet, um den volkswirtschaftlichen Vorteil zu beziffern:\r\nDurch die Lastverschiebung wird die Stromerzeugung aus Gas- und Wasserstoffkraftwerken um gut 20 Terawattstunden, also deutlich, reduziert. Wie in Tabelle 1 dargestellt, belaufen sich die eingesparten Brennstoffkosten für Erdgas und Wasserstoff auf 3,9 Milliarden Euro im Jahr 2035 und machen den größten Posten der Mehrkosten bei geringerer  Flexibilisierung aus. Auch die benötigte Kraftwerksleistung sinkt, da die maximale Restlast (Residuallast) um gut sieben Gigawatt reduziert wird. Damit können 6,2 Milliarden Euro Investition in Spitzenlastkraftwerke gespart werden, beziehungsweise 0,66 Milliarden Euro in annuitätischer Betrachtung inklusive Fixkosten. Außerdem werden die im „lowFlex“-Szenario angenommenen stationären Großbatteriespeicher durch die Lastflexibilisierung ersetzt und der Stromexport wird durch die Last flexibilisierung reduziert. \r\n \r\nAlternative Flexibilitätskosten im Fall der ungenutzten haushaltsnahen \t→ Tabelle 1 Flexibilität im Jahr 2035\r\nFlexibilitätserbringung durch\tStromerzeugung und installierte Leistung 1)\tKosten 2) im Jahr 2035 bei geringer Flexibilisierung [Mrd. Euro]\r\nZusätzliche Stromerzeugung aus Wasserstoff \r\n(Annahmen: mittlerer Wirkungsgrad 47 Prozent  3), Wasserstoff preis 100 Euro/MWh)\t15,3 TWh \t3,3\r\nZusätzliche Stromerzeugung aus Erdgas\r\n(Annahmen: mittlerer Wirkungsgrad 49 Prozent 3), Gaspreis 35 Euro/MWh, CO₂-Preis 125 Euro/t)\t5,1 TWh \t0,6 \r\nZusätzliche Kraftwerksleistung Wasserstoff \r\n(Annahmen: Investitionskosten 875 Euro/kW, \r\nFixkosten: 18 Euro/kW  4) )\t5,5 GW\t0,5 \r\nZusätzliche Kraftwerksleistung Erdgas\r\n(Annahmen: Investitionskosten 700 Euro/kW, Fixkosten 12 Euro/kW  4) )\t1,85 GW\t0,1\r\nGroßspeicher\r\n(Annahmen: Investitionskosten 300 Euro/kWh, \r\nFixkosten 5 Euro/kWh)\t28 GWh \t0,9\r\nReduktion des Exports\t31 TWh\tExport korreliert mit  geringen \r\nStrompreisen, daher ist der  monetäre Wert gering. \r\n\t\tSumme: 5,4\r\n \r\nAgora Energiewende (2023) basierend auf der Studie Klimaneutrales Stromsystem 2035. 1) Vergleich der Szenarien mit hoher und geringer Flexibilisierung der Studie Klimaneutrales Stromsystem 2035. 2) reale Werte, annuitätische Kosten mit 6 Prozent Zins und 20 Jahren Abschreibungsdauer (Zeilen 4 bis 6). 3) Unter Berücksichtigung eines gemischten Einsatzes von Gas-und-Dampfk raftwerken (55  Prozent Wirkungsgrad) und Gasturbinen (35  Prozent Wirkungsgrad). Reduktion der Wirkungsgrade bei Wasserstoff feuerung nach ETN global (2022): Hydrogen Deployment in centralized power generation. A techno-economic case study /ETN 22/. 4) Kostenannahmen nach Lazard (2021): Lazard’s levelized costs of energy  analysis –  Version 15.0 /LAZ 21/, Erhöhung bei Wasserstoff feuerung nach ETN global (2022): Hydrogen Deployment in centralized power generation.  A techno-economic case study /ETN 22/.\r\nInsgesamt können jährlich 5,4 Milliarden Euro an Kosten durch die Nutzung der haushaltsnahen Flexibilität eingespart werden; oder anders formuliert: Die Erbringung der Flexibilität mit Kraftwerken und Großspeichern im Jahr 2035 kostet 5,4 Milliarden Euro. Diese Opportunitätskosten dienen uns im Folgenden als Vergleichswert für die Kosten, die anfallen, um haushaltsnahe Flexibilität nutzbar zu machen. \r\nTabelle 1 zeigt detailliert die einzelnen Kostenbestandteile. In Abbildung 3 werden neben den  Kosten mit den Basisannahmen auch verschiedene Sensitivitäten gezeigt. Es wurden die Brennstoffpreise, Zinsannahmen und Höhe der Investitionskosten variiert, um Unsicherheiten Rechnung zu tragen. Gerade die Preisrisiken bei Erdgas und Wasserstoff führen zu potenziell deutlich höheren systemischen Mehrkosten.\r\nDie hier berechneten Kosten beziehen sich auf das Jahr 2035. Aber auch in den Jahren zuvor ist schon mit systemischen Mehrkosten zu rechnen, sollten die lastseitigen Flexibilitäten nicht nutzbar gemacht werden. Am stärksten ins Gewicht fallen die Brennstoffkosten für Erdgas und Wasserstoff. Für Wasserstoff sind für die frühen 2030er-Jahre noch höhere Preise anzunehmen. Gleichzeitig wird insgesamt weniger Flexibilität benötigt werden, und damit wird der Effekt der Lastflexibilisierung geringer sein. In einer groben Schätzung kann man davon ausgehen, dass sich beide Trends aufheben und damit auch bereits in den Jahren vor 2035 mit ähnlich hohen Mehrkosten durch höheren Brennstoffverbrauch zu rechnen ist.\r\n2.2 Aktuelle Rahmenbedingungen und gegenwärtige Hemmnisse für die \r\nNutzung von Flexibilität\r\n \r\nAlternative Flexibilitätskosten im Fall der ungenutzten haushaltsnahen \t→ Abb. 3\r\nFlexibilität im Jahr 2035 inklusive Sensitivitätsbetrachtungen\r\n \r\nAgora Energiewende (2023) basierend auf der Studie Klimaneutrales Deutschland 2035. Anmerkung: Annuitätische Kosten, reale Werte. 1) gering: 35 €/MWh, hoch: 70 €/MWh, sehr hoch: 150 €/MWh; CO₂-Preis: 125 €/t (gering und hoch), 200 €/t (sehr hoch). 2) gering: 70 €/MWh, hoch: 120 €/MWh, sehr hoch: 140 €/MWh. 3) gering: 450 €/kW, hoch: 900 €/kW. 4) gering: 500 €/kW, hoch: 1.000 €/kW. 5) gering: 200 €/kW, hoch: 400 €/kW).\r\nInwieweit die Flexibilität von Geräten, wie Wärmepumpen, Heimspeicher oder Elektroautos, für das Gesamtsystem gewinnbringend eingesetzt werden  \r\nkann, hängt sehr stark von den Rahmenbedingungen ab. Im Folgenden werden die wesentlichen Rahmenbedingungen kurz vorgestellt und mit Blick auf etwaige Hemmnisse zur Nutzung der Flexibilität, die von ihnen ausgeht, eingeordnet. \r\n2.2.1 Vergütung für die Bereitstellung  haushaltnaher Flexibilität\r\nDie oben gezeigten Simulationen basieren auf der \r\nAnnahme, dass Verbraucher, die über haushaltsnahe Flexibilitäten verfügen, ihre Flexibilität zur Verfügung stellen, sobald es sich finanziell für sie lohnt. Daher braucht es in einem Stromsystem, in dem ein solches Verhalten gewünscht ist, entsprechende preisliche Anreize.\r\nDie Strompreise für Endkund:innen setzen sich aus dem Beschaffungspreis an der Börse inklusive Vertriebsmarge, Netzentgelten und weiteren Umlagen zusammen.  Nimmt man einmal die Mittelwerte der Strompreise für Haushaltskunden der Jahre 2012 bis 2021 in den Blick, machen Beschaffung und Vertrieb rund 25 Prozent des Strompreises aus, Netzentgelte ebenfalls rund 25 Prozent und Umlagen und Steuern die verbleibenden 50 Prozent.  Der Strompreis ist für den weit überwiegenden Teil der Haushalte für das ganze Jahr konstant und schafft somit keine preislichen Anreize zu Lastverschiebung. \r\nUm die Flexibilität nutzbar zu machen, muss bei den Haushalten die Information über den Flexibilitätsbedarf zur Verfügung stehen und am besten über einen preislichen Anreiz, der den Mehrwert dieser Flexibilität im Gesamtsystem widerspiegelt, vergütet werden. Gleichzeitig muss eine Rückkopplung stattfinden und der Preis muss reagieren können, wenn ausreichend Flexibilität angeboten wird – also beispielsweise wieder steigen, wenn aller Überschussstrom verbraucht ist. Ein idealer Preisanreiz für die Nutzung haushaltsnaher Flexibilitäten spiegelt den nationalen und lokalen Flexibilitätsbedarf und -wert zu jedem Zeitpunkt wider. Dazu gehört auch, dass die Preisentstehung transparent ist. Je besser das Preissignal das Gesamtsystem abbildet umso eher kann Flexibilität systemdienlich, also volkswirtschaftlich optimal, genutzt werden. \r\nUm Preissignale an die Kund:innen weiterzugeben, kommen verschiedene Möglichkeiten in Betracht: Der Preisanreiz kann zum einen über die Weitergabe des Börsenstrompreises erreicht werden (siehe Abschnitt 2.2.1.1). Zum anderen können den Haushalten auch Anreize zum Ausgleich lokaler Engpässe oder Überschüsse weitergegeben werden. Dazu stehen verschiedenen Optionen zur Schaffung lokaler Anreize zur Diskussion, welche in Abschnitt 2.2.1.3 eingeordnet werden. Im Rahmen dieser Studie wird dabei konkret die Variante der variablen Netzentgelte (siehe Abschnitt 2.2.1.4) in Verbindung mit der Weitergabe des dynamischen Börsenstrompreises analysiert. \r\n2.2.1.1 \t Dynamische Börsenstromtarife\r\nDynamische Börsenstromtarife geben den Kund:innen, die sich für einen solchen Vertrag mit ihrem Stromlieferanten entschieden haben, den aktuellen stündlichen oder viertelstündlichen Börsenstrompreis weiter. In Zeiten, in denen im Verhältnis zur Nachfrage viel Strom aus Erneuerbaren Energien im Angebot ist, ist der Preis an der Börse günstig. Mit dynamischen Stromtarifen können Kund:innen, die ihren Verbrauch in diese Zeiten verlegen, hiervon wirtschaftlich profitieren. Andersherum können sie ihren Verbrauch in Zeiten reduzieren, in denen Strom aus Erneuerbaren Energien im Vergleich zur Nachfrage eher knapp und Strom damit teuer ist. Das hilft dem Gesamtsystem, weil Stromangebot und -nachfrage effizient zusammengebracht werden. \r\nStromtarife, die die Entwicklung des Börsenstrompreises an die Kund:innen weitergeben, gibt es heute schon. Mit Ausnahme von Großverbrauchern werden diese jedoch kaum genutzt. Das liegt zum einen daran, dass Kund:innen heute noch keine substanziellen Verbrauchsbestandteile haben, die sie zeitlich verschieben können, um von den Marktpreisschwankungen zu profitieren. Zum Zweiten müssen Zähler vorhanden sein, die den Verbrauch zeitlich eng getaktet, zum Beispiel viertelstündlich, messen, sodass eine entsprechende Abrechnung von kürzeren Zeiträumen erfolgen kann. Beide Voraussetzungen werden in Zukunft häufiger gegeben sein. Durch den vermehrten Einbau von Heimspeichern, Wärmepumpen und der Ladeinfrastruktur für Elektrofahrzeuge kann das Verbrauchsverhalten flexibler werden und die zunehmende Verbreitung von Smart Metern sorgt dafür, dass auch im haushaltsnahen Bereich der Verbrauch kleinteiliger gemessen und entsprechend abgerechnet werden kann.\r\nDie Agora-Studie Klimaneutrales Stromsystem 2035 zeigt, dass die am Strompreis orientierte, also „marktdienliche“ Nutzung von Lastverschiebung deutliche Vorteile für das Gesamtsystem und damit auch für die Stromverbraucher hat. Im Abschnitt 5.5 dieser Studie sind die finanziellen Vorteile, die in dem Fall für die Verbraucher entstehen, dargestellt.\r\nEine anstehende Novellierung des Energiewirtschaftsrechts  sieht vor, dass dynamische Börsenstrompreise ab 1. Januar 2025 von allen Lieferanten angeboten werden müssen.\r\nAktuell besteht zwar theoretisch die Möglichkeit, dass Verbraucher unter Einsatz ihres Flexibilitätspotenzials von den schwankenden Börsenstrompreisen profitieren, jedoch sind die Hürden, um diese nutzen zu können, meist noch zu hoch. Zum einen ist häufig noch nicht genug Flexibilitätspotenzial vorhanden, weil es beispielsweise kein Elektroauto oder keine Wärmepumpe im Haushalt gibt. Gleichzeitig gibt es kaum entsprechende Produkte für die Kund:innen am Markt und es mangelt noch an der notwendigen Digitalisierung. Dies wird sich in Zukunft ändern, wie auch diese Studienergebnisse zeigen. Selbst wenn die im letzten Winter gesehenen täglichen Preissprünge von über 100 Euro pro Megawattstunde bereits heute schon Anreiz genug sind, Flexibilität zum finanziellen Vorteil einzusetzen, ist davon auszugehen, dass es künftig zu systematischeren großen Preissprüngen beim Börsenstrompreis kommt. Damit führen \r\ndie geänderten Vorzeichen bei der Digitalisierung künftig dazu, dass das Einsetzen von haushaltsnahen Flexibilitäten verlässlicher lukrativ wird.\r\nDie Rolle der finanziellen Optimierung der Flexibilitäten der Kund:innen wird dabei künftig vermutlich ein Dienstleister, in der Regel ein Aggregator, übernehmen, der die Bewirtschaftung der Flexibilitäten übernimmt und steuert, um die korrekten Mengen für die Kund:innen zu beschaffen und damit das Prognoserisiko zu minimieren.\r\n2.2.1.2 \t Dynamischer Börsenstrompreis und seine Grenzen im aktuellen Marktdesign Der beschriebene Nutzen einer effizienten Strompreisbildung mithilfe von dynamischen Stromtarifen, die allein die Erzeugungskosten reflektieren stößt in der Praxis jedoch häufig an seine Grenzen, wenn Engpässe im Netz nicht berücksichtigt werden. \r\nWenn beispielsweise aufgrund eines hohen Windenergieangebots in Norddeutschland der Strompreis deutschlandweit sinkt, wird unter Umständen zusätzlicher industrieller Verbrauch in Süddeutschland angereizt, der aber bei Kapazitätsbeschränkungen im Übertragungsnetz nicht immer durch den günstigen Windstrom gedeckt werden kann. Stattdessen entstehen häufig sogar Mehrkosten für Redispatch, indem stattdessen teure Gaskraftwerke im Süden den Strom produzieren müssen. In einem zunehmend dekarbonisierten Stromsystem verschärft sich das Problem, wenn statt Erdgas teurerer Wasserstoff in den Kraftwerken als Brennstoff eingesetzt wird.\r\nEine dynamische Weitergabe der Börsenstrompreise kann auch dann zu Problemen führen, wenn viele  Verbraucher gleichzeitig von dessen Absenkung profitieren möchten. Wie beschrieben werden haushaltnahe Flexibilitäten in Zukunft stark anwachsen und sind zunehmend für den Ausbau der Verteilnetze verantwortlich. Reagieren viele dieser Verbraucher dann gleichzeitig auf ein bestimmtes Preissignal, kommt das Netz an seine Grenzen, denn es ist nicht für den Maximalbezug aller Haushalte ausgelegt.  Daher ist es wichtig, dass ein Preissignal nicht zu einer zu starken Gleichzeitigkeit führt. \r\n2.2.1.3 \tMögliche Instrumente zur Schaffung  lokaler Anreize im Stromsektor Um einen effizienten Marktpreis unter Berücksichtigung der im vorigen Kapitel beschriebenen lokalen Gegebenheiten zu finden, müsste diese Limitation des Netzes entweder durch Netzausbau ausgeräumt oder bei der Preisbildung berücksichtigt werden.\r\nAufgrund der verschiedenen Ziele, zu deren  Erreichung Flexibilität einen Beitrag leisten kann, wird in der deutschen Diskussion oft zwischen „netzdienlich“ oder „marktdienlich“ unterschieden. Werden die neuen Verbraucher wie Wärmepumpen oder Elektromobile dazu eingesetzt, die Last den Möglichkeiten des Netzes anzupassen, also zusätzliche Lastspitzen zu vermeiden und Lasttäler aufzufüllen, wird durch die Nutzung der Flexibilität das lokale Netz entlastet. Diese Nutzung der Flexibilität wird „netzdienlich“ genannt. Alternativ kann der Strommarkt als bestimmende Größe für die Nutzung der Flexibilität definiert werden. So gehen beispielsweise die Bundesnetzagentur und der Netzentwicklungsplan 2023   von „marktdienlicher“ Nutzung der Flexibilität aus: Last wird entsprechend dem Börsenstrompreis verschoben und leistet so einen wichtigen Beitrag zur Versorgungssicherheit. \r\nDie Unterscheidung ist im Zuge des Unbundlings und mit der zunehmenden Dezentralisierung des Stromsektors entstanden, bringt aber, wie oben gezeigt, Widersprüche mit sich. Durch lokale Anreize im Stromsektor kann der vermeintliche Zielkonflikt durch einen aus Systemsicht insgesamt optimalen Betrieb aufgelöst werden. Dazu soll diese Studie einen Beitrag leisten, indem die Frage adressiert wird, wie haushaltsnahe, lastseitige Flexibilität unter Berücksichtigung der Verteilnetze für das gesamte Energiesystem sinnvoll genutzt werden kann. \r\nUm dem Problem zu begegnen, kann die Preisbildung beispielsweise direkt am Großhandelsmarkt über eine Gebotszonenteilung erfolgen. Eine Alternative dazu, bei der die Netzsituation des Übertragungsnetzes mit abgebildet wird, sind nodale Preise.  Näher beschrieben und im Zusammenhang der Studie eingeordnet, werden im Folgenden die in Abbildung 4 angegebenen Instrumente, die die Engpasssituation auf Verteilnetzebene lösen können und die die Nachfrageseite berühren.\r\na) L okale Flex-Märkte\r\nLokale Flex-Märkte sind Plattformen oder Systeme, die es Anbietern von Flexibilität –  direkt oder mithilfe von Dienstleistern – ermöglichen, ihre Flexibilität anzubieten und für deren Bereitstellung einen Gegenwert zu erhalten. Diese Flexibilität kann dann vom Verteilnetzbetreiber netzengpassentlastend eingesetzt werden. Dafür ist es erforderlich, dass der Standort angegeben wird, um die Wirksamkeit auf die Netzentlastung einschätzen zu können. Neben der reinen Vermarktung der Flexibilitäten am Spotmarkt können hierbei Zusatzerlöse erwirtschaftet werden. Das Konzept der Flexibilitätsmärkte geht fließend in den Redispatch 3.0 über, in dem über lokale Flex-Märkte auch Übertragungsnetzengpässe behoben werden sollen und der den verpflichtenden und kostenbasierten Redispatch 2.0 ergänzen soll.\r\nVerschiedene Pilotprojekte unter anderem im Rahmen des BMWi-Förderprogramms Schaufenster intelligente Energie (SINTEG) haben sich mit der Entwicklung von Konzepten für Märkte und Plattformen für lokale Flexibilität beschäftigt. Darunter sind auch Projekte, die das Ziel verfolgen auch kleinteiligere \r\nFormen der Flexibilitäten (beispielsweise die von Elektrofahrzeugen) für das Vermeiden von Netzengpässen einzusetzen. Ein Großteil der Projekte fokussierte sich hierbei auf das Engpassmanagement in der Mittelspannung. Die Flexibilitätsbereitstellung erfolgt dabei freiwillig. \r\nEines der Hauptprobleme von lokalen Flex- Märkten ist, dass strategische Bieterverhalten (sogenanntes \r\nMögliche Instrumente zur Schaffung lokaler Anreize im Stromsektor\t→ Abb. 4\r\n \r\nNeon Neue Energieökonomik (2023)\r\nIncrease-Decrease Gaming) nicht ausgeschlossen werden kann. Strategisches Bieten kann dazu führen, dass Engpässe verstärkt werden, Windfall Profits und Implikationen für Terminmärkte entstehen und unerwünschte Investitionsanreize gesetzt werden. \r\nJe nach Konzept gibt es weitere Umsetzungshürden. Dazu zählen unter anderem, dass es neuer Registrierungs- und Zertifizierungsprozesse braucht, mithilfe derer sich die Mitmachenden als geeignet und zuverlässig einstufen lassen können. Die Kosten für die Vergütung der dezentralen Flexi bilität und die Transaktionskosten sind unklar, beide beeinflussen die Teilnahmebereitschaft und damit das Effizienzsteigerungspotenzial.  Darüber hinaus müssen sich die Bilanzierungsregelungen ändern und das bedarf einer abgestimmten Nutzungsreihenfolge des klassischen Redispatchs und den Flex-Märkten.  Letztlich braucht es neue IT-Plattformen, auf der Flex-Handel durchgeführt werden kann, und die damit einhergehenden sicheren Kommunikationswege.\r\nEs besteht die Gefahr, dass aufgrund der Freiwilligkeit und der Hürden einer Teilnahme am System nicht genug Flexibilitäten aktiviert werden können, um Netzengpässe in Verteilnetzen wirkungsvoll zu reduzieren und Netzausbau dauerhaft zu vermeiden. \r\nInsgesamt kann festgehalten werden, dass in Pilotprojekten bereits Erfolge im Aktivieren von Flexibilitäten nachgewiesen werden konnten. Bis zur erfolgreichen Einführung sind jedoch noch viele praktische Fragen zu lösen, sodass eine Umsetzung beispielsweise bis zum Jahr 2030 unwahrscheinlich erscheint. Es ist auch noch offen, wie hoch die Wirksamkeit ist, da häufig der Kosten- und Nutzeneffekt nicht beziffert wurde oder Projekte nur partielle Flexibilitäten betrachten.\r\nb)\tNetzanschlussentgelte\r\nAuch regional differenzierte Baukostenzuschüsse können den netzseitigen Aufwand signalisieren, der mit dem Anschluss eines Verbrauchers einhergeht, und damit sicherstellen, dass Nachfrage an den richtigen Stellen im Netz angereizt wird. Der Baukostenzuschuss, der den Aufwand der Anbindung widerspiegelt, ist in bestimmten Fällen schon heute Teil des einmaligen Anschlusspreises, den der Netzbetreiber vom Kundinnen und Kunden erhebt.\r\nEr eignet sich auf der Lastseite, die in dieser Studie adressiert wird, aufgrund seiner Höhe eher wenig dafür, für haushaltsnahe Verbraucher eine Lenkungs wirkung zu entfalten. Eher ist diese aufseiten der Einspeisung gegeben.  \r\nc)\tNetzentgelte\r\nNetzentgelte zahlen bereits heute alle Verbraucher:innen. Sie werden vom jeweiligen Verteilnetzbetreiber vor Ort erhoben und in der Regel vom Stromlieferanten der Kundin oder des Kunden im Rahmen der Energieabrechnung erhoben. Die Netzentgelte für Stromverbraucher im Haushaltsbereich bestehen aus einem verbrauchsabhängigem Arbeitspreis und meist einem jährlichen Grundpreis und machten im ersten Halbjahr 2023 bei hohen Energiepreisen rund 20 Prozent des Strompreises aus.  Bei sinkenden Strompreisen steigt der Anteil der Netzentgelte auf etwa 25  bis 30 Prozent.\r\nDa der Netzbetrieb mit einem Gebietsmonopol einhergeht, werden die Netzentgelte von der Bundesnetzagentur geprüft. Dabei gilt vereinfacht gesagt die Regel, dass die Einnahmen aus den Netzentgelten die Kosten und einen festgelegten Gewinnaufschlag decken dürfen. Dabei werden von der Bundesnetzagentur die Kosten regelmäßig kritisch geprüft und Instrumente eingesetzt, um die Effizienz zu erhöhen.\r\nTheoretisch haben die Verteilnetzbetreiber das beste \r\nVerständnis für den aktuellen Zustand ihres Netzes – die entsprechende Messtechnik vorausgesetzt – und wissen, welche Anforderungen erfüllt werden müssen, um die Kosten des Netzbetriebs zu decken. Aus diesem Grund sind sie in der besten Position, passgenaue lokale Preisanreize festzulegen. Die Netzentgelte können daher einen Anreiz schaffen, den Großhandelsstrommarkt sinnvoll zu ergänzen und die Herausforderungen in den Netzen in ein sinnvolles lokales Preissignal umzusetzen.  Welche Formen von Netzentgelten dabei denkbar sind, wird im Abschnitt 2.2.1.4 erläutert.\r\nEin weiterer großer Vorteil ergibt sich mit Blick auf die Umsetzung. Netzentgelte werden bereits heute in verschiedenen Ausprägungen für verschiedene Kundengruppen erhoben und zwischen den Marktakteuren abgerechnet. Der Prozess der Abrechnung, aber auch der davorliegenden Marktkommunikation ist bereits hochautomatisiert und abgesichert. Seit deutlich mehr als zehn Jahren wird dies täglich im breiten Markt der Energieversorgung demonstriert.\r\nAlle hiergenannten Instrumente haben gemeinsam, dass sie über finanzielle Vorteile Anreize schaffen wollen, so dass Flexibilität nicht nur „marktdienlich“, sondern auch „netzdienlich“ eingesetzt wird. Ob das Instrument zum eigenen Vorteil genutzt wird oder nicht, ist dabei den Verbrauchern freigestellt und damit freiwillig.\r\n2.2.1.4 \t Zeitlich variable Netzentgelte Unter variablen Netzentgelten werden Netzentgelte verstanden, die sich in Abhängigkeit von Einflussfaktoren zeitlich ändern. \r\nDamit Netzentgelte einen Beitrag zur Berücksichtigung der Netzauslastung in der Preisbildung leisten können, müssen sie in der Lage sein, die Netzauslastung vor Ort adäquat widerzuspiegeln. Dafür gibt es die Möglichkeit, die Netzentgeltänderung anhand von erwartbaren Netzbelastungen vorzunehmen, beispielsweise indem eine immer wieder auftretende Engpasssituation in einer Abendstunde aufgrund von hoher Gleichzeitigkeit in der Abnahme von Strom mit höheren Netzentgelten belegt wird. Denkbar ist auch, dass Echtzeitmessungen den Status der Absenkung oder Erhöhung von Netzentgelten auslösen. Die Änderungen der Netzentgelte kann dann beispielsweise für bestimmte Zeiten, bestimmte Netzebenen und / oder bestimmte Regionen gelten.\r\nDie in dieser Studie verwendeten Formen der variablen Netzentgelte sind in Abschnitt 3.3 beschrieben.\r\nDer Flexibilitätsbedarf auf Niederspannungsebene wird, wie oben beschrieben, in den nächsten Jahren ansteigen. Der Ausbau der Elektromobilität und der vermehrte Einsatz von Wärmepumpen führen zu höherem Strombezug der einzelnen Gebäude. Ob das umliegende Verteilnetz davon überlastet wird, hängt davon ab, ob die Bezugsspitzen der verschiedenen Verbraucher im Netz gleichzeitig oder eher nacheinander auftreten. Durch variable Netzentgelte, wird ein Anreiz geschaffen, die Gleichzeitigkeit zu reduzieren und somit das Netz zu entlasten – ein Grund, warum in vielen Ländern variable Netzentgelte bereits zum Einsatz kommen. \r\nAus dem ACER-Netzentgeltreport (2023)  geht hervor, dass aktuell 21 der 27 EU-Mitgliedstaaten variable Netzentgelte im Verteilnetz einsetzen. In dem Bericht schlussfolgert die europäische Agentur für die Zusammenarbeit der Energieregulierer ACER, dass Netzentgelte auch die langfristigen Grenzkosten widerspiegeln sollen, die sich ergeben, wenn zusätzlicher Netzausbaubedarf durch Verbrauchsspitzen entsteht. ACER empfiehlt dabei, variable Netzentgelte für alle Verbraucher mit entsprechenden Zählern einzuführen. Sie schlägt vor, dass nationale Regulierer die Auswirkung von zeitvariablen Entgelten auf die Spitzenlast untersuchen sollen.\r\nSo hat Dänemark in einem vor Kurzem veröffentlichtem Bericht   gezeigt, dass die dänische Form der variablen Netzentgelte Wirkung zeigt. In Dänemark gibt es täglich drei unterschiedlich hohe Netzentgelte, deren Zeitfester vorher festgelegt wurden, dabei gelten unterschiedliche Preise für Sommer und Winter. Das teuerste Preisfenster liegt jeweils in den frühen Abendstunden, wenn hohe Gleichzeitigkeiten auftreten, weil die Menschen nach Hause kommen und der Verbrauch ansteigt. Innerhalb von drei Jahren konnte erreicht werden, dass zehn Prozent des Verbrauches, der sonst innerhalb dieser Spitzenlastzeit aufgetreten ist, in lastärmere Zeiten verschoben werden konnte.\r\n2.2.2  Rolle des Netzbetreibereingriffs nach  § 14a EnWG zur Engpassbehebung\r\nMit dem zunehmenden Hochlauf von Wärmepumpen und Elektrofahrzeugen in einem Energiesystem, welches derzeit keine Anreize bietet, flexible Verbräuche netzentlastend zu verschieben, nimmt der Druck auf die Verteilnetze zu. Um im Notfall eine Überlastung des Netzes zu verhindern, möchte die Bundesnetzagentur die Verteilnetzbetreiber ab dem Jahr 2024 ermächtigen, in einem solchen Fall netzentlastend eingreifen zu dürfen.\r\nHierbei steht der § 14a des EnWG im Mittelpunkt, unter dem diese Neuregelungen gefasst werden sollen. Der Paragraf befasst sich seit dem Jahr 2009 mit der netzorientierten Steuerung von steuerbaren Verbrauchseinrichtungen.  Als steuerbare Verbrauchseinrichtungen, die unter die Regelungen des § 14a des EnWG fallen, gelten insbesondere Wärmepumpen, nicht öffentlich zugängliche Ladepunkte für Elektromobile, Anlagen zur Erzeugung von Kälte oder zur Speicherung elektrischer Energie und Nachtstromspeicherheizungen. Voraussetzung ist, dass sie an das Niederspannungsnetz angeschlossen sind. Alle verbindet, dass sie meist eine bestimmte Zeit auf einen Strombezug verzichten können und damit in Grenzen flexibel sind. Ein Elektromobil kann beispielsweise, wenn der Speicher nahezu voll ist und keine lange Fahrt ansteht, auch eine oder zwei Stunden früher oder später laden. \r\nAuch die rechtliche Verankerung zeigt, dass der Einfluss der lastseitigen Flexibilitäten auf das Netz, die eben meist auch steuerbare Verbrauchseinrichtungen nach § 14a EnWG sind, groß ist. \r\nNetzbetreiber haben schon lange die Möglichkeit, Verbrauchern, deren Strombezug kurzzeitig unterbrechbar ist, ein reduziertes Netzentgelt nach § 14a EnWG anzubieten. Voraussetzung ist, dass diese im Gegenzug einer kurzzeitigen Unterbrechung zustimmen. Die jeweilige Verbrauchseinheit muss dafür mit einer separaten Messung versehen sein, damit nur für diesen Stromverbrauch das reduzierte Netzentgelt abgerechnet werden kann und weil dort das Steuersignal des Netzbetreibers für die Unterbrechung ankommt. Lastspitzen im Netz können so schon heute mithilfe von flexiblen Verbrauchern vermieden werden, beispielsweise indem eine Wärmepumpe in einer erfahrungsgemäß verbrauchsintensiven Stunde am Abend vom Netzbetreiber für ein bis zwei Stunden im Bezug unterbrochen wird. In der Regel erfolgt die Steuerung heute analog über im Stromnetz übertragene Rundsteuersignale. \r\nDurch die zunehmende Elektrifizierung gewinnt die Frage einer effizienten Netzauslastung an Bedeutung. Weiterhin müssen, um eine bessere Netzauslastung zu erreichen, hohe Gleichzeitigkeiten im Verbrauchsverhalten vermieden werden. Doch die Zeitpunkte, in denen eine hohe Gleichzeitigkeit eine Lastspitze verursacht, die möglicherweise zum Engpass führen kann, lassen sich immer schwerer vorhersagen. Ein weiteres Problem, dem mit dem Netzengpass management begegnet werden kann, ist, dass es bei dem zunehmenden Hochlauf an haushaltsnahen  Lasten zunehmend zur Ablehnung von Netzanschlussbegehren kommt. Künftig soll daher der Netzanschluss für eine solche Verbrauchseinrichtung nicht mehr mit der Begründung eines möglichen Engpasses verwehrt werden.\r\nDie intelligente Einbindung der steuerbaren Verbrauchseinrichtungen wird daher immer wichtiger. Insbesondere vor dem Hintergrund, dass in einem künftigen Energiesystem viel mehr dieser flexiblen Verbrauchseinrichtungen vorhanden sein werden. \r\nAus diesem Grund befinden sich die Regelungen zum \r\n§ 14a EnWG derzeit in der Überarbeitung durch die Bundesnetzagentur. Im November 2022 hat die Bundesnetzagentur ein Festlegungsverfahren hierzu eröffnet. In einem Eckpunktepapier vom 24. November 2022  hat sie präsentiert, wie sie sich das Zielmodell in der Umsetzung vorstellt. Demnach sollen alle steuerbaren Verbrauchseinrichtungen verpflichtet werden, im Falle eines drohenden Netzengpasses zu dessen Vermeidung beizutragen.\r\nDie Koordination dessen übernimmt der Netzbetreiber; dafür muss er Zugriff auf die Verbraucheinrichtung bekommen, indem er entweder den ganzen Netzanschlusspunkt steuern kann oder die einzelne steuerbare Verbrauchseinheit (zum Beispiel über die separate Messung der Wärmepumpe).\r\nDer Netzbetreiber soll bis zum 1. Januar 2029 statisch steuern dürfen. Das heißt, dass er aufgrund einer rechnerisch ermittelten möglichen Netzengpasssituation eine Steuerung beispielsweise über eine Zeitschaltuhr vornehmen darf. Spätestens ab 1. Januar 2029 soll er jedoch dynamisch, das heißt anhand von Echtzeitmessungen über das Auslösen der Steuerung entscheiden. Daher muss der Netzbetreiber eine Echtzeitmessung entweder am Leitungsstrang oder am Transformator vornehmen, um die Netzbelastung festzustellen. Um bewerten zu können, welche steuerbaren Verbraucheinrichtungen im Falle eines Engpasses unterbrochen werden müssen, bedarf es außerdem einer Zuordnung der jeweiligen Verbrauchseinrichtungen zu dem jeweiligen Betriebsmittel, welches die Engpasssituation anzeigt.\r\nIm Gegenzug soll den betroffenen Verbrauchern auch weiterhin eine finanzielle Vergütung in Form einer Netzentgeltentlastung zustehen. \r\nIm Juni 2023 hat die Bundesnetzagentur näher definiert, wie sie sich die netzorientierte Steuerung nach § 14a EnWG vorstellt    und konkretisiert, dass im Falle einer drohenden Überlastung der Betriebsmittel im Netz, der Netzbetreiber unter Auflagen verpflichtet ist, den Leistungsbezug aus dem Netz dieser steuerbaren Einheiten zu auf 4,2 Kilowatt pro steuerbare Verbrauchseinrichtung zu reduzieren. Die Bundesnetzagentur hat zudem einen Entwurf   vorgelegt, wie dieser Einsatz belohnt werden soll. So können betroffene Verbraucher künftig entweder eine pauschale Netzentgeltreduzierung ergänzt um zeitvariable Netzentgelte erhalten  oder wie bisher eine Prozentuale Netzentgeltreduzierung des Arbeitspreises erhalten . Die Berechnung des pauschalen Bonus ist festgelegt, wobei die Netzbetreiber die zeitvariablen Netzentgelte innerhalb vorgegebener Grenzen selbst festlegen können.\r\nDer Festlegungsentwurf der Bundesnetzagentur sieht zum Schutz der Verbraucher vor, dass die Leistungsreduktion nach § 14a EnWG nur ein Notfallinstrument ist und die Netzbetreiber verpflichtet sind, die Engpasssituationen zu beheben, indem sie das Netz ausbauen.\r\n2.2.3 Neue Anforderung an die  Mess- u nd Steuerbarkeit\r\nDie intelligente Einbindung von Flexibilitäten und ein effizienter und möglichst kostengünstiger Netzausbau erfordern ein höheres Maß an Digitalisierung als bisher. Zwar sind bereits viele Prozesse im Energiemarkt hoch digitalisiert. Die Digitalisierung im Niederspannungsnetz und bei den Zählern der Kund:innen vor Ort steht dem jedoch bislang nach. \r\n2.2.3.1 \tSmart Meter\r\nIntelligente Messsysteme, sogenannte Smart Meter, stellen einen wichtigen Baustein für das Gelingen der Energiewende dar. Sie ermöglichen es, den Verbrauch in Echtzeit zu erfassen und zu übermitteln. \r\nDas hat Vorteile, weil Lieferanten und Netzbetreiber den Stromverbrauch ihrer Kund:innen besser einschätzen und prognostizieren können. Gleiches gilt neben dem Stromverbrauch auch für die Stromeinspeisung. Insgesamt helfen Smart Meter damit, beispielsweise Netzbelastungen besser erkennen oder vorhersehen zu können und tragen so zur Netzstabilität bei. Stromkund:innen profitieren darüber hinaus von Smart Metern, weil sie eine automatisierte Abrechnung und eine bessere Kostenkontrolle ermöglichen.\r\nEin intelligentes Messsystem besteht aus einer modernen Messeinrichtung, die sukzessive alle konventionellen Zähler ablöst, in Verbindung mit einem Smart-Meter-Gateway. Letzteres fungiert dabei als Kommunikationselement zwischen dem neuen Zähler und dem Messstellenbetreiber.\r\nBis Ende des Jahres 2021 waren in Deutschland rund 133.000 Smart Meter, das entspricht 0,3 Prozent aller Stromzähler, installiert. Damit liegt Deutschland im europäischen Vergleich weit hinten. Bei den meisten Stromkund:innen wird der Stromverbrauch jährlich gemessen und abgerechnet. Von den knapp 52 Millionen installierten Stromzählern in Deutschland sind 30 Millionen analoge Zähler (nach dem Ferraris-Prinzip), welche manuell abgelesen werden.  Auch wenn es bereits einige elektronische und digitale Stromzähler gibt (zusammen rund 20 Millionen Stück), so ist davon nur ein geringer Teil mit Kommunikationstechnik ausgestattet und bietet somit keine Möglichkeit, Messwerte nach Bedarf an berechtigte Marktteilnehmer zu übersenden.\r\nMit dem Messstellenbetriebsgesetz wurden im Herbst 2016 die Rahmenbedingungen für den Einsatz von intelligenten Messsystemen in Deutschland festgelegt. Mit dem Gesetz zum Neustart der Digitalisierung der Energiewende , welches im April 2023 beschlossen wurde, wurde der Rechtsrahmen für den Smart-Meter-Rollout noch einmal überarbeitet. Demnach sollen bis Ende des Jahres 2028 50 Prozent und bis Ende des Jahres 2030 95 Prozent der auszustattenden Haushalte, sogenannte Pflichteinbaufälle, mit Smart Metern ausgestattet sein. Im Gesetz sind Fälle, in denen ein Smart Meter eingebaut werden muss, definiert. Steuerbare Verbrauchseinrichtungen zählen unter anderem zu den Pflichteinbaufällen. Darüber hinaus können Verbraucher:innen auf eigenen Wunsch einen Smart Meter vom Messstellenbetreiber einbauen lassen.\r\nSmart Meter sind eine wichtige Voraussetzung, wenn variable Netzentgelte und/oder dynamische Börsenstrompreise abgerechnet werden sollen, da sie im Gegensatz zu konventionellen Zählern Verbrauchs- und Erzeugungswerte im 15-Minuten-Takt messen und bedarfsgerecht an berechtigte Marktteilnehmer kommunizieren können. Neben der Abrechnung eignen sich diese Messdaten damit auch für die im Hintergrund notwendige Bilanzierung. Zudem können sie ein Preissignal an die Verbraucher übermitteln, wonach diese ihre flexiblen Lasten gewinnbringend einsetzen können.\r\nMit Blick auf das Netzengpassmanagement nach \r\n§ 14a EnWG bieten Smart Meter zudem die Möglichkeit, dass Netzbetreiber die Steuerung der Leistungsreduzierung über einen standardisierten Kanal vornehmen können, was zusätzliche Geräte, die hierfür derzeit eingesetzt werden, überflüssig macht. Aktuell wird die Steuerung meist per Rundsteuertechnik, einer einfachen, analogen Übertragungstechnik, umgesetzt. Diese erlaubt das Senden von Steuerungssignalen an die Verbraucher, aber ermöglicht keine Rückmeldung. Für ein System, in dem die lastseitigen Flexibilitäten einen wichtigen Beitrag zur Versorgungssicherheit leisten, sind die Funktionalitäten der Rundsteuertechnik daher unzureichend. \r\n2.2.3.2 \tDigitalisierung des Verteilnetzes\r\nDie zunehmenden Anforderungen, die durch den Zuwachs neuer Verbrauchsanlagen entstehen, führen dazu, dass die bisherigen Erfahrungswerte, auf die beim Bau und Betrieb von Verteilnetzen aufgesetzt werden konnte, nicht mehr passen.\r\nInsbesondere in den unteren Spannungsebenen im Netz, der Mittel- und Niederspannung, kommt derzeit noch wenig Mess-, Überwachungs- und Kommunikationstechnik zum Einsatz. Das muss sich ändern, wenn Netzbelastungssituationen immer schwerer einzuschätzen sind und es erforderlich ist, beim Netzausbau zu priorisieren.\r\nDurch den Einsatz von Automatisierungstechnologien können Netzbetreiber Prozesse wie Lastmanagement, Fehlererkennung und -behebung sowie die Integration neuer Energieerzeuger und -verbraucher optimieren. Um besser zu verstehen, wo Engpasssituationen auftreten könnten, helfen Smart Meter, die Echtzeitdaten über den Energieverbrauch liefern und über die Netzbelastung übermitteln können. Zusätzlich ist Mess- und Überwachungstechnik an Betriebsmitteln, wie etwa Ortsnetztransformatoren, notwendig. Fortschritte in der Datenanalyse ermöglichen es, große Mengen an Netzdaten zu verarbeiten und Muster zu identifizieren. Das kann helfen, Engpässe zu verhindern, Lasten besser zu verteilen und Wartungsarbeiten zu planen.\r\n2.2.4  Gegenwärtige Hemmnisse für die Nutzung von haushaltsnaher Flexibilität \r\nBisher wurde im Stromsektor die Flexibilität auf Übertragungsnetzebene bereitgestellt, indem konventionelle Kraftwerke durch ihre Reaktion auf den Börsenstrompreis zum Ausgleich von Last und Erzeugung beitragen: Ein hoher Preis zeigt hohe \r\nNachfrage bei geringem Angebot aus Erneuerbaren Energien an und reizt Stromerzeugung an, während geringe oder negative Preise Strom-Überschuss anzeigen, welcher dann durch Speicherkraftwerke aufgenommen werden kann.  \r\nMit der sich verändernden Erzeugungs- und Lastsituation in den niedrigen Spannungsebenen wird die Einbindung und Koordination der Flexibilität auf Verteilnetzebene notwendig, um das dort vorhandene Flexibilitätspotenzial zu heben und gleichzeitig lokalen Engpässen auch lokal begegnen zu können. Dabei muss insbesondere für die Nutzung der haushaltsnahen Flexibilität die Einbindung auf der niedrigsten Spannungsebene, die Niederspannungsebene, erfolgen.  Verbildlicht muss die Einbindung nicht mehr nur auf Autobahnniveau, sondern auch bis in kleine Anwohnerstraßen hinein funktionieren. Dafür fehlen heute die Rahmenbedingungen. \r\nSo wird auch heute die Flexibilität von beispielsweise Elektroautos und Wärmepumpen kaum genutzt. Dabei sind diese Verbrauchseinheiten in gewissem Maße „Eh-da“-Anlagen, da sie ja primär für andere Zwecke angeschafft werden. Der potenzielle Wert dieser Flexibilität steigt aber: Im dekarbonisierten Stromsystem nimmt der Bedarf an Flexibilität deutlich zu und wie oben gezeigt, kann die Nutzung der haushaltsnahen Flexibilität erhebliche Kosten auf Systemebene einsparen.\r\nHeute fehlen dafür die Preisanreize. Zudem befindet sich die Mess- und Steuerbarkeit erst im Aufbau. Und schließlich zeigen die obigen Vorüberlegungen, dass die Nutzung der Flexibilität zu erhöhten Gleichzeitigkeiten und damit zu erhöhtem Netzausbaubedarf führen kann. Den Einsparungen durch Nutzung haushaltsnaher Flexibilitäten stehen also Kosten gegenüber, die bisher nicht bekannt sind und auch von der Ausgestaltung der Preisanreize abhängig  sein werden.\r\n2.3 Anforderungen an eine „optimale“ Einbindung der Flexibilität\r\nFür die Einbindung der haushaltsnahen Flexibilität ist also im ersten Schritt zu prüfen, ob der Nutzen größer ist als die Kosten. Welche Infrastrukturausbauten und weitere Maßnahmen sind notwendig, um aus der Niederspannungsebene heraus zum Ausgleich des gesamten Stromsystems beizutragen? Wie kann eine möglichst volkswirtschaftlich optimale Einbindung aussehen? \r\nAls mögliche Anreizstruktur für Flexibilität bewertet diese Studie variable Netzentgelte in Kombination mit dynamischen Stromtarifen, sowie kuratives Engpassmanagement durch Leistungsreduktion. Im dynamischen Stromtarif wird das Preissignal vom Großhandelsstrommarkt weitergegeben. Hierbei kann es sich in Zukunft prinzipiell auch um regional differenziertere Börsenstrompreise handeln. Auf der hier betrachteten Niederspannungsebene eignen sich variable Netzentgelte am besten als Anreizstruktur. Im Gegensatz zu lokalen Flexibilitätsmärkten, werden hierbei bestehende Strukturen genutzt und zudem besteht kein Risiko für strategisches Bieterverhalten. Schließlich können variable Netzentgelte auch in Niederspannungsnetzen angewandt werden, in denen für Flexibilitätsmärkte keine ausreichende \r\nLiquidität vorhanden ist.\r\nVon besonderem Interesse ist hierbei das Zusammenwirken der beiden Preissignale: dem Börsenstrompreis in den dynamischen Tarifen und dem variablen Netzentgelt. Der für den Verbraucher relevante Preis ist die Summe dieser beiden Elemente zu jedem Zeitpunkt. Soll das variable Netzentgelt das Verteilnetz beispielsweise in einem Zeitpunkt geringer Börsenstrompreise effektiv entlasten, muss das Preissignal aus den Netzentgelten das Börsenstrompreissignal überschreiten. Nur so kann dem Börsenpreis-Anreiz zum Mehrverbrauch entgegengewirkt werden. Unter Annahme eines solchen zusammengesetzten Verbraucherpreises können die systemischen Effekte für verschiedene Ausprägungen bewertet werden. Wie kann das Verteilnetz am besten entlastet werden und wie kann zugleich trotzdem möglichst viel Flexibilität für den Markt zur Verfügung gestellt werden? \r\n \r\n3 \t Untersuchte Szenarien und Betrachtungsjahre\r\n \r\nIm Rahmen dieser Studie soll der Einfluss von  haus halts nahen Flexibilitäten, die an das Niederspannungsnetz angeschlossen sind, in Deutschland untersucht werden. Als Ausgangsbasis für die Anzahl flexibler Verbraucher dient die Studie Klimaneutrales Stromsystem 2035 (KNS2035). Dabei wird eine jeweils typische Dimensionierung der Verbrauchsanlagen, wie zum Beispiel die Batteriespeichergröße oder Wärmepumpenleistung, angenommen. Zudem wird davon ausgegangen, dass 25 Prozent der Elektrofahrzeuge und damit ein wesentlicher Anteil zukünftig bidirektional betrieben werden können. Bidirektionale Elektrofahrzeuge können wie Heimspeicher Strom zwischenspeichern und zu einem späteren Zeitpunkt entladen.\r\nJe nach Stromtarif werden die flexiblen Verbraucher unterschiedlich betrieben. Die Studie unterscheidet grundlegend zwischen zwei Arten von Stromtarifstrukturen. Einerseits einem Tarif mit konstanten Strompreisbestandteilen und andererseits Tarifen mit variablem Beschaffungspreis. Eine Übersicht der verwendeten Tarifstrukturen in den jeweiligen Szenarien findet sich in Tabelle 2.\r\nDer Tarif mit konstanten Bestandteilen entspricht aktuell den typischen Haushaltsstromtarifen. Die Börsenstrompreise werden nicht direkt an die Kund:innen weitergegeben, somit besteht für diese kein Anreiz etwaige vorhandene Flexibilitäten systemdienlich einzusetzen. Dieses Szenario wird in dieser Studie als „lowFlex“ bezeichnet und bildet die Referenz.\r\nWie in Kapitel 2 erläutert, kann es sinnvoll sein, Flexi bilitäten im größeren Umfang gewinnbringend für das Energiesystem einzusetzen. Als Anreiz in allen „Flex”-Szenarien  dient ein Tarif mit variablen Beschaffungspreisen. Hierbei werden die Börsenstrompreise, die auf der Studie Klimaneutrales Stromsystem 2035 basieren, direkt an die Kund:innen weitergegeben: Strom ist tendenziell immer dann günstig, wenn viel Wind- beziehungsweise Solarstrom vorhanden ist, und bei geringerer Erneuerbaren-Einspeisung teurer. \r\n \r\nZusammensetzung der dynamischen Stromtarife je Szenario\t→ Tabelle 2\r\nSzenario\tBeschaff ungspreis\tNetzentgelte\tZeitfenster der Netzentgelte\r\nlowFlex\tkonstant\tkonstant\t–\r\nFlex\tdynamisch*\tkonstant\t–\r\nFlex-zeitvarNe\tdynamisch*\tzeitvariabel\tstatisch\r\nFlex-dynNe\tdynamisch*\tzeitvariabel\tdynamisch\r\nFfE (2023). * dynamischer Beschaff ungspreis = direkte Weitergabe des Börsenstrompreises. Dafür werden Dispatch-Preise aus der Studie Klimaneutrales Stromsystem 2035 verwendet, welche als Repräsentant der kurzfristigen Börsenstrompreise eingesetzt werden.\r\nZusätzlich können die Flexibilitäten auch netzdienlich eingesetzt werden. Als Anreizsystem dienen in dieser Studie zwei Varianten von variablen Netzentgelten. Die Zeitfenster mit hohen beziehungsweise niedrigen Netzentgelten werden im Szenario „Flex-zeitvarNe“ statisch und im Szenario „FlexdynNe“ dynamisch je nach Auslastung des Netzes festgelegt.\r\n3.1 \t Konstanter Strompreis  \r\n(Szenario „lowFlex“)\r\nIm Szenario „lowFlex“ mit konstanten Strompreisen werden die flexiblen Verbrauchseinrichtungen rein bedarfsorientiert betrieben. Wenn eine Photovoltaikanlage vorhanden ist, wird die Betriebsweise der Flexibilitäten zudem auf die Stromerzeugung der Photovoltaikanlage angepasst, um den Eigenverbrauch zu erhöhen den Betrieb der Anlage damit finanziell zu optimieren. Zu diesem Zweck speichern Heimspeicher und bidirektionale Elektrofahrzeuge überschüssigen Photovoltaikstrom zwischen und entladen diesen zu einem späteren Zeitpunkt, um Haushaltslasten zu versorgen. Die Flexibilität der Verbrauchsanlagen  wird nur im geringen Maß genutzt. Dieses Szenario beschreibt die aktuelle Tarifstruktur der Haushalte. \r\n3.2  Dynamischer Beschaffungspreis (Szenario „Flex“)\r\nIm Szenario „Flex“ wird von einem Anreizsystem durch Weitergabe des dynamischen Börsenstrompreises an Haushaltskund:innen ausgegangen (siehe Abschnitt 2.2). In Zukunft werden voraussichtlich nicht alle Verbraucher:innen dynamische Stromtarife in Anspruch nehmen, aus Sorge vor schwankenden Preisen und im Vergleich zum gewohnten Festpreis unter Umständen zumindest zeitweise teureren Strombezugskosten. Dynamische Beschaffungsstromtarife bieten jedoch die Chance, von günstigen Strompreisen am Markt wirtschaftlich zu profitieren. Diese Chance bietet sich insbesondere Haushalten, die flexible Verbrauchseinrichtungen besitzen. Die Szenario-Annahme ist daher, dass nur Kund:innen mit flexiblen Verbrauchseinrichtungen einen solchen Stromtarif wählen.\r\nIn Anlehnung an die Studie Klimaneutrales Stromsystem 2035 und an die Diskussionen mit Expert:innen aus dem Begleitkreis zu dieser Studie, wurden die in Tabelle 3 aufgeführten Teilnahmequoten der Flexibilitäten festgelegt. Hieraus ergibt sich die Anzahl der Haushalte. \r\nEs wird angenommen, dass 25 Prozent der Elektrofahrzeuge bidirektional be- und entladen werden können. Neben der Zwischenspeicherung von Photovoltaikstrom ist der Arbitragehandel, welcher auf die Maximierung der Erlöse der Verbraucher:innen abzielt, ein weiterer Anwendungsfall des bidirektionalen Ladens. Hierbei werden Unterschiede in den Börsenstrompreisen genutzt, es wird also bei niedrigen Börsenpreisen Strom eingekauft und bei hohen Preisen wieder verkauft. In diesem Szenario wird angenommen, dass im Jahr 2029 75 Prozent und in 2035 100 Prozent der  bidirektionalen Elektrofahrzeuge am Arbitragehandel teilnehmen, um ihre Erlöse zu maximieren. Befindet sich zusätzlich auch ein Heimspeicher am jeweiligen Hausanschluss, so nimmt auch dieser am Arbitragehandel teil. Abbildung 5 verdeutlicht die aus diesen Betriebsweisen resultierende Lastveränderung. In der \r\nAbbildung  5 sind beispielhafte Lastgänge für einen Haushalt mit einem Elektrofahrzeug dargestellt. Im linken Teil der Abbildung  5 lädt das Elektrofahrzeug die benötigte Energie in den Mittagsstunden zu günstigen Börsenstrompreisen. Beim Arbitragehandel wird zu dieser Zeit mehr Energie geladen, die anschließend in den Abendstunden zu hohen Strompreisen in das Netz eingespeist wird. Zusätzlich wird nachts, zu günstigen Preisen, wieder nachgeladen.\r\n \r\n \r\nTeilnahmequoten für dynamische Stromtarife\t→ Tabelle 3\r\nFlexible Verbrauchseinheit\t2029\t2035\r\nElektrofahrzeug (25 % bidi.)\t56 %\t75 %\r\nWärmepumpen\t80 %\t85 %\r\nHeimspeichersysteme\t38 %\t65 %\r\nSumme der Haushalte\t26 %\t52 %\r\nFfE (2023)\r\nEntnahme und Rückgabe von Strom ins Netz bei gesteuertem und \t→ Abb. 5 bidirektionalem Laden mit dynamischem Beschaffungsstrompreis\r\n \r\n \r\nFfE (2023)\r\nUm eine eichrechtskonforme Abrechnung der Flexibilitäten mit dynamischen Tarifen zu ermöglichen, bedarf es eines Smart Meters (siehe Abschnitt 2.2). Da nach dem Gesetz zum Neustart der Digitalisierung der Energiewende die Anzahl der installierten Smart Meter die angenommene Anzahl an Haushalten mit dynamischen Preisen übertrifft, wurden keine weiteren Einschränkungen aufgrund fehlender Mess- und Abrechenbarkeit im Szenario angenommen.\r\n3.3  Dynamischer Beschaffungspreis mit variablen Netzentgelten (Szenarien \r\n„Flex-zeitvarNe“ und „Flex-dynNe“)\r\nNeben der in Abschnitt 3.2 dargestellten, am Bör3senstrompreis orientierten Betriebsweise können flexible Verbraucher zusätzlich zu netzdienlichem Verhalten angereizt werden, um dazu beizutragen, potenzielle Netzüberlastungen zu vermeiden. Eine Möglichkeit der Umsetzung bieten variable Netzentgelte (siehe Abschnitt 2.2). Das Konzept variabler Netzentgelte soll dazu anreizen, Lasten aus Zeitfenstern mit hoher Netzauslastung in Zeitfenster mit geringerer Auslastung zu verschieben. Variable Netzentgelte sind damit eine präventive Maßnahme zur Entlastung der Netze. Sie werden in dieser Studie in zwei Ausprägungen betrachtet: zum einen zeitvariable Netzentgelte mit statischen Zeitfenstern (Szenario „Flex-zeitvarNe“) und zum anderen mit dynamisch-adaptiven Zeitfenstern (Szenario  „Flex-dynNe“).\r\nNetzentgelte mit statischen Zeitfenstern werden übergeordnet für jeweils ländliche und städtische Netzgebiete festgelegt, wohingegen Netzentgelte mit dynamischen Zeitfenstern individuell auf der Ebene des jeweiligen, von einem spezifischen Ortsnetztransformator versorgten Niederspannungsnetzes bestimmt werden. In beiden Fällen werden in Hochpreiszeitfenstern die Netzentgelte erhöht und in Niederpreiszeitfenstern reduziert. Die Anreizhöhe der Netzentgelte ist in Verbindung mit den dynamischen Börsenstrompreistarifen zu bestimmen, um eine ausreichende Wirkung zu gewährleisten. So muss beispielsweise das erhöhte Netzentgelt den Preisrückgang im Börsenstrompreistarif (über-)kompensieren, um effektiv Last zu verschieben. In den Szenarien mit variablen Netzentgelten wird davon ausgegangen, dass diese für alle Haushalte gelten, die auch einen dynamischen Börsenstrompreistarif wählen. Somit ergeben sich die gleichen Teilnahmequoten wie in Tabelle 3. In Abbildung 6 ist die Bestimmung der Netzentgeltzeitfenster schematisch dargestellt. Eine detailliertere Beschreibung der angenommenen Ausgestaltung und Modellierung der variablen Netzentgelte findet sich in Abschnitt 4.2.3.\r\nZeitvariable Netzentgelte mit statischen Zeitfenstern \r\n(Szenario „Flex-zeitvarNe“)\r\nDie Zeitfenster mit hohen beziehungsweise niedrigen Netzentgelten werden bei den zeitvariablen Netzentgelten mit statischen Zeitfenstern vordefiniert. Als Basis hierfür dienen typische Auslastungen von Ortsnetztransformatoren, die beispielsweise anhand von historischen oder prognostizierten Daten bestimmt werden können. In Zeiten einer hohen prognostizierten lastbedingten Netzauslastung wird das Netzentgelt erhöht, bei hohen einspeisebedingten Auslastungen wird es reduziert. In der linken Grafik in Abbildung 6 ist die Bestimmung der Netzentgelt-Zeitfenster schematisch dargestellt. Übersteigt die erwartete Transformatorleistung einen vorgegeben Schwellenwert, wird das Netzentgelt erhöht. Das erhöhte Netzentgelt bleibt so lange auf diesem Niveau, bis der Schwellwert entsprechend der typischen Auslastungskurve erneut unterschritten wurde. Die Preiszeitreihe variiert zwischen verschiedenen T agen (Werktag, Wochenende/ Feiertag), Regionen und den Jahreszeiten.\r\n \r\nSchematische Darstellung zur Ermittlung zeitvariabler Netzentgelte\t→ Abb. 6\r\n \r\nPraktisch würde dieser Prozess mit der netzgebietsübergreifenden Lastprognose der Netzbetreiber beginnen, auf dessen Basis die Netzentgelte mit statischen Zeitfenstern definiert werden (beispielsweise hohes Netzentgelt wegen hoher prognostizierter Last von 17 bis 19 Uhr) und den Verbraucher:innen als Zeitreihen zur Verfügung stehen. Analog zum schon bestehenden Prinzip der Hochlastzeitfenster (nach § 19 (2) StromNEV) können sich dann die Flexibilitäten entsprechend dieser Preiszeitreihen optimieren, wobei keine Rückmeldung des angepassten Fahrplans an den Netzbetreiber erfolgt. Flexibilitäten optimieren sich ohne Rückkopplung somit unter Umständen über den gesamten vordefinierten Zeitraum entsprechend der erhöhten Netzentgelte, obwohl sich die tatsächliche Netzbelastung bereits wieder auf einem stabilen Niveau befindet.\r\nZeitvariable Netzentgelte mit dynamisch-adaptiven \r\nZeitfenstern (Szenario „Flex-dynNe“) Bei der alternativen Methode werden die Hoch- und Tiefpreiszeitfenster jeweils basierend auf der prognostizierten Last je Ortsnetztransformator bestimmt. In einem ersten Schritt werden die Zeitfenster anhand der prognostizierten Transformatorauslastung ohne Berücksichtigung der Option variabler Netzentgelte bestimmt. Anschließend werden in einem iterativen, also sich nach und nach annäherndem, Prozess die Netzentgeltzeitfenster angepasst. Basierend auf der prognostizierten Netzauslastung werden die Fahrpläne der Flexibilitäten nacheinander neu optimiert und an den Netzbetreiber gemeldet (Check-in-System).  Der Netzbetreiber kann nach jeder Meldung die Auslastungsprognose und die Netzentgelte daraufhin anpassen. Somit variiert das Netzentgelt leicht zwischen den einzelnen Haushalten und die Prognose kann nach jeder Optimierung angepasst werden, um eine möglichst genaue Abbildung der Residuallast für die Berechnung variabler Netzentgelte zu erhalten. \r\nDie Bestimmung der Netzentgelte ist schematisch auf der rechten Seite in Abbildung 6 dargestellt. Überschreitet die prognostizierte Transformatorleistung einen festgelegten Schwellenwert, wird das Netzentgelt erhöht. Sobald eine Überlastung prognostiziert wird, erfolgt eine weitere Erhöhung. Bei einer hohen negativen Auslastung wird das Netzentgelt reduziert, um den Verbrauch der Flexibilitäten anzureizen und die erzeugte Energie direkt im Netz zu verbrauchen. \r\nIn beiden Szenarien ist zudem ein dynamischer Börsenstrompreis, wie in Abschnitt 3.2 beschrieben, hinterlegt. Die Preisunterschiede der variablen Netzentgelte und der Börsenstrompreise stehen somit in direkter Konkurrenz zueinander. Um eine Überlastung zu vermeiden, müssen die Netzentgeltsprünge groß genug gewählt werden, um die Preisunterschiede der Börsenpreise überlagern zu können.\r\nIn Abbildung 7 wird der Lastgang des in Abbildung 5 illustrierten Beispiels aufgegriffen und der exemplarische Haushalt mit Elektrofahrzeug reagiert zusätzlich zum Börsenstrompreis auf zeitvariable Netzentgelte. Weil viele flexible Verbrauchseinheiten vom günstigen Börsenstrompreis in einer sonnigen Mittagsstunde profitieren möchten, ist das Netz in der Mittagszeit stark ausgelastet. Die Netzentgelte werden daher zu dessen Entlastung erhöht. Übersteigen die erhöhten Netzentgelte die Preisvorteile des günstigen Börsenstrompreises, wird der Ladevorgang von der Mittagszeit in die Morgenstunden verschoben (linke Seite). Beim bidirektionalen Laden wird der Entladevorgang gegenüber der reinen Optimierung am Börsenstrompreis (vgl. Abbildung 5) ebenfalls angepasst. Das Elektrofahrzeug speist in Zeiten mit höheren Netzentgelten in das Netz ein und sorgt somit für eine Entlastung.\r\nIn der Umsetzung würden sich Kund:innen einen Vertragspartner (beispielsweise einen Energielieferanten und/oder Aggregator ) suchen, der als Dienstleister ihre Flexibilitäten vermarktet. Dieser Vertragspartner kann dann aus beiden Preissignalen (Beschaffungspreis und Netzentgelt) ableiten, wann es sinnvoll ist, das Verschiebepotenzial der  Kund:innen zu nutzen und es entsprechend einsetzen. Die hierdurch angestrebte finanzielle Optimierung wird dann im Rahmen der Energieabrechnung an die Kund:innen weitergegeben.\r\nUm das Preissignal für das dynamische Netzentgelt zu erzeugen, beginnt der Verteilnetzbetreiber den Prozess mit der vortäglichen Prognose pro Ortsnetz, um potenzielle Überlastungen zu identifizieren. Die Prognose wird durch aktuelle Messdaten aus den Ortsnetz-\r\nEntnahme und Rückgabe von Strom ins Netz bei gesteuertem und bidirektionalem\t→ Abb. 7 Laden mit dynamischem Beschaffungsstrompreis und dynamischen Netzentgelten\r\nGesteuertes Laden mit Preisoptimierung\r\n \r\n\t6:00\t12:00\t18:00\r\nBörsenstrompreis und dynamisches Netzentgelt [ct/kWh]\r\n \tBidirektionales Laden mit Arbitragehandel\r\n \r\n\t6:00\t12:00\t18:00\r\nBörsenstrompreis und dynamisches Netzentgelt [ct/kWh]\r\n \r\n \r\nFfE (2023)\r\ntransformatoren ergänzt, wodurch dem Verteilnetzbetreiber kurzfristig ein genaues Bild der Netzbelastung vorliegt. Auf Basis möglicher prognostizierter Transformatorüberlastungen werden dann dynamisch die Netzentgeltzeitfenster festlegt und an berechtige Marktakteure (beispielsweise Energielieferanten und / oder Aggregatoren) übermittelt. Diese können ihre zu vermarktende Flexibilität daraufhin dem Netzbetreiber anbieten, woraufhin die Prognose des Netzbetreibers dann wieder dynamisch angepasst wird.\r\n3.4  Kurativer Netzbetreibereingriff nach § 14a EnWG (Szenario-Zusatz „§ 14a“)\r\nEine weitere Methode zur Vermeidung von Netzengpässen stellt die Leistungsreduktion von steuerbaren Verbrauchseinrichtungen durch den Netzbetreiber d\t-\r\nten Szenarien ist, dass es sich hier nicht um einen  preisinduzierten Anreiz zur Lasterhöhung oder -verringerung durch die Kund:innen handelt, sondern um einen direkten Eingriff in den Verbrauch durch den Netzbetreiber. Dieser Eingriff erfolgt kurativ, das heißt es handelt sich um eine „heilende“ Maßnahme, um kurzfristig einen drohenden Netzengpass zu verhindern. \r\nDie Annahmen für die § 14a-Eingriffe im Rahmen dieser Studie orientieren sich am Festlegungsentwurf der Beschlusskammer 6 zur netzorientierten Steuerung von steuerbaren Verbrauchseinrichtungen und Netzanschlüssen nach § 14a EnWG aus dem Juni 2023. Der Vorschlag zielt primär darauf ab, dass der Netzbetreiber den netzwirksamen Leistungsbezug von steuerbaren Verbrauchseinrichtungen in drohenden Netzengpasssituationen reduzieren darf. Die Reduktion der steuerbaren Verbrauchseinrichtung erfolgt nur so weit, dass weiterhin eine Mindestbezugsleistung von 4,2 Kilowatt zur Verfügung steht. Befinden sich mehrere steuerbare Verbrauchseinrichtungen an einem Hausanschluss, werden die Mindestbezugsleistungen der steuerbaren Verbrauchseinrichtungen addiert. Diese Form der Steuerung durch den Netzbetreiber darf nur im notwendigen Umfang durchgeführt werden, das heißt nur solange ein Betriebsmittel im Netz überlastet ist. \r\nDie Reduktion der netzwirksamen Bezugsleistung kann entweder durch direkte Steuerung der steuerbaren Verbrauchseinrichtung oder durch ein Home Energy Management System (HEMS)   am Hausanschluss sichergestellt werden. Letzteres ermöglicht beispielsweise den optimierten Eigenverbrauch von Strom aus der Photovoltaikanlage und der im Fall einer Abregelung optimierten Verteilung der dem Hausanschluss zur Verfügung stehenden Leistung auf die in das HEMS inkludierten steuerbaren Verbrauchseinrichtungen.\r\nDer klassische Haushaltsverbrauch fällt nicht unter die Kategorie der steuerbaren Verbrauchseinrichtungen und ist nicht von der Reduktion betroffen. Es wird hierbei, entsprechend dem vorliegenden Vorschlag der Bundesnetzagentur angenommen, dass alle steuerbaren Verbrauchseinrichtungen im Netzgebiet die gleiche Entlastungswirkung haben, um eine Diskriminierung einzelner Verbrauchseinrichtungen zu verhindern. \r\nNeben den oben genannten vier Hauptszenarien wird der Einfluss des kurativen Netzbetreibereingriffes nach § 14a EnWG auf die Szenarien „Flex“ und „FlexdynNe“ untersucht.\r\n3.5 Betrachtungsjahre\r\nIm Rahmen der Studie werden die Jahre 2029 und 2035 betrachtet. Die Wahl der Stützjahre ergibt sich aus mehreren Schlüsselfaktoren. \r\nDeutschland hat während seiner G7-Präsidentschaft erfolgreich dafür geworben, dass die G7-Länder bis 2035 einen überwiegend dekarbonisierten Stromsektor anstreben. Zudem ist im Koalitionsvertrag der aktuellen Regierungskoalition verankert, dass bis zum Jahr 2030 80 Prozent des Stromverbrauchs aus erneuerbaren Quellen stammen soll. Diese Ziele stellen entscheidende Weichenstellungen dar. Die Integration neuer flexibler Verbraucher und erneuerbarer Erzeugungsanlagen ist hierbei von zentraler Bedeutung und stellt hohe Anforderungen an den Ausbau der Stromnetze.\r\nDas Jahr 2035 bildet ein wichtiges Etappenziel auf dem Weg zur Klimaneutralität. Um den zeitlichen Verlauf des benötigten Netzausbaus zu analysieren, wird das Jahr 2029 als Zwischenschritt gewählt. Bis dahin sollten zudem zwei wichtige Eckpunkte der Digitalisierung weiter fortgeschritten sein.\r\nErstens bildet die Zielvorgabe der Bundesregierung, bis Ende 2028 eine Rollout-Quote für Smart Meter von 50 Prozent zu erreichen, die Grundlage für die Einführung dynamischer Stromtarife. Diese ermöglicht es, Verbraucher:innen ihre Flexibilität gewinnbringend zu veräußern, indem sie ihren Stromverbrauch an Preisschwankungen anpassen. Damit tragen sie zur Flexibilität des Stromsystems bei.\r\nZweitens ist das Jahr 2029 auch deshalb ausgewählt worden, weil die Verteilnetzbetreiber bis spätestens im Jahr 2029 in der Lage sein müssen, ihr Niederspannungsnetz dynamisch zu steuern.  Das erfordert die Verfügbarkeit von Echtzeitdaten über die Belastung einzelner Netzabschnitte und schafft die Voraussetzung für die Umsetzung dynamischer Netzentgelte.\r\nInsgesamt werden die Betrachtungsjahre 2029 und 2035 in dieser Studie ausgewählt, um den Übergang zu einem klimaneutralen, effizienten und flexiblen Stromsystem abzubilden. Sie ermöglichen eine gründliche Analyse der Auswirkungen auf die Niederspannungsnetze und berücksichtigen die technologischen Fortschritte sowie die Notwendigkeit, die Niederspannungsnetze an diese Anforderungen anzupassen.\r\n \r\n4  Modellierung der Auswirkungen einer Integration von haushaltsnaher Flexibilität\r\n \r\nUm die Nutzung der haushaltsnahen Flexibilitäten und deren Auswirkung auf das Verteilnetz in den in Kapitel 3 beschriebenen Szenarien zu bewerten, wird eine detaillierte Datengrundlage geschaffen und ein Verteilnetzmodell eingesetzt. Zunächst wird das deutsche Niederspannungsnetz in Form von Typnetzen charakterisiert und die flexiblen Verbrauchseinrichtungen werden räumlich zugeordnet. Daraus resultiert eine gebäudescharfe Datenbasis, auf welcher die Verhaltensweise der haushaltsnahen Flexibilitäten modelliert und der daraus resultierende notwendige Netzausbaubedarf in Deutschland ermittelt werden kann. \r\n4.1 \t Datenbasis\r\nDie geschaffene Datenbasis besteht aus den beiden Bestandteilen Verteilnetz und flexible Verbrauchseinheiten. Zur Berechnung der Lastflüsse im Verteilnetz wurden zunächst zwölf repräsentative Niederspannungs-Typnetze erstellt und jedes Wohngebäude in Deutschland einem dieser Typnetze zugeordnet. Aus dieser Zuordnung ergibt sich, wie oft jedes Typnetz in Deutschland vorkommt, was die Hochrechnung der Typnetze auf ganz Deutschland ermöglicht. Die in Kapitel 2 beschriebenen Hochlaufzahlen für die flexiblen Verbrauchseinheiten, also die Elektrofahrzeuge, Wärmepumpen und Heimspeicher, wurden ebenfalls den Wohngebäuden und somit auch den Typnetzen zugeordnet. So kann jedes Typnetz mit typischen Gebäuden und den typischen Ausstattungen dieser Gebäude mit flexiblen Verbrauchseinheiten bestückt werden, so sodass schließlich die Auswirkungen der  Flexibilitäten aufs Netz bewertet werden können.\r\n4.1.1 \tModellierung des gesamtdeutschen Niederspannungsnetzes \r\nDas Verteilnetz in Deutschland gliedert sich in Hoch-, Mittel-, und Niederspannung, wobei das Niederspannungsnetz die meisten Leitungskilometer umfasst. \r\nAuch die hier im Fokus stehenden haushaltsnahen  Flexibilitäten sind ausschließlich an der Niederspannung angeschlossen, weshalb das Niederspannungsnetz detailliert analysiert wird. Ergänzt wird diese Analyse durch eine Abschätzung der Auswirkungen auf die Mittelspannung (Abschnitt 5.2.2). Die Hochspannungsebene ist für diese Studie nicht relevant, da hier die Überlastungseffekte aus der Einspeisung von Erneuerbaren Energien dominieren und im Verhältnis dazu wenige relevante Rückwirkungen von haushaltsnahen Lasten aus der Niederspannung zu erwarten sind.\r\nDas deutsche Niederspannungsverteilnetz erstreckt sich über rund 1,27 Millionen Kilometer, es wird von über 880 Verteilnetzbetreibern bewirtschaftet und ist klassisch auf die Stromversorgung von Endabnehmer:innen ausgelegt.  Die Struktur der Netze ist durch diverse regionale Faktoren, wie beispielsweise der historischen Bebauung, geprägt und versorgt eine individuelle Menge an Gebäuden. Jedoch weisen Niederspannungsnetze auch überregional Gemeinsamkeiten auf, wodurch die Clusterung respektive die näherungsweise Darstellung durch Repräsentanten möglich wird.\r\nTypnetze. Um die Auswirkungen der haushaltsnahen Flexibilitäten auf gesamtdeutscher Ebene zu bewerten, ist es notwendig, auch die Charakteristik des gesamtdeutschen Niederspannungsnetzes abzubilden. Da reale Netzdaten nicht flächendeckend zur Verfügung stehen, wurden charakteristische Typnetze für die Simulation gewählt. Ein Typnetz entspricht dabei der charakteristischen Abbildung eines Niederspannungs-Ortsnetzes, weswegen im Ergebnisteil nur noch der Begriff des Ortsnetzes verwendet wird. Allgemein zielen Typnetze weniger darauf ab den exakten Netzzustand zu bestimmen, sondern in Hochrechnung eine spezifische Menge an Netztopologien möglichst gut zu repräsentieren. Sie \r\n \r\n→ Aufbau des Niederspannungsnetzes  \r\nDie Gesamtheit des deutschen Niederspannungsnetzes besteht aus vielen einzelnen Niederspannungsnetzen die über Ortsnetztransformatoren an die nächsthöhere Spannungsebene, die Mittelspannung, angeschlossen sind. Von diesen Niederspannungs-Ortsnetzen gibt es rund 900.000 in Deutschland, die von den rund 880 Verteilnetzbetreibern betrieben werden. Ein Ortsnetz versorgt zum Beispiel einen Ortsteil oder eine kleinere ländliche Siedlung (Versorgung von 1 bis zu über 300 Hausanschlüssen). Der Großteil der deutschen Niederspannungsnetze wird als Strahlennetze oder als physikalisch gleichzusetzende, offene Ringnetze betrieben. Die Straßenzüge werden hierbei ausgehend vom Ortsnetztransformator jeweils über einen individuellen Netzstrang versorgt. Ein Netzstrang besteht aus einer oder mehreren parallel verlegten Leitungen beziehungsweise Kabeln, welche den Straßenzug und über Abzweigungen die Gebäude an das Versorgungssystem anbinden (siehe Abbildung 8). Überlastungen im \r\nNetz können in verschiedenen Betriebsmitteln auftreten: Einzelne Leitungen können überlastet sein, die Spannung an individuellen Knotenpunkten kann die erlaubten Spannungsbereiche verlassen oder die Summe der durch die Verbraucher bezogenen Last überlastet den Ortsnetztransformator.\r\n\tSchematischer Aufbau eines Ortsnetzes in der Niederspannung \t→ Abb. 8\r\n\t \t\r\n\tFfE (2023)\t\r\nstellen besonders für den Vergleich von Szenarien ein praktikables Werkzeug dar.  Die zwölf in dieser Studie analysierten Typnetze wurden mittels einer \r\nLiteraturanalyse und eines Clusterprozesses in Hinblick auf gleiche Merkmale, wie beispielsweise der im Netzgebiet dominierenden Verbraucher, gebildet. Die ausgewählten Typnetze wurden in ihrer Ausprägung durch reale Netzdaten bestätigt. Gebäudezuordnung. Damit die Entwicklung in den jeweiligen Typnetzen auf Deutschland hochgerechnet werden kann, wurden zunächst regionale Gebietskategorien definiert. Diese gliedern Deutschland auf Gemeindeebene in den städtischen, vorstädtischen und ländlichen Raum. Zusätzlich wurden aus einer Gebäudeklassifizierung 44 des deutschen Gebäudebestandes (rund 34 Millionen Gebäude) sämtliche Wohngebäude (rund 19 Millionen Gebäude) extrahiert und charakterisiert. Anhand von mittleren Abständen zwischen den Gebäuden, deren Anzahl an Wohneinheiten und den Gebietskategorien wurde jedem Gebäude ein spezifisches Typnetz zugeordnet und die Typnetze wurden über die Gebäude regional vertei dieser Klassifizierung und die Charakteristiken der Typnetze sind detailliert im Anhang 7.1 beschrieben. \r\nHochrechnung auf Deutschland. Aus der Kopplung der Gebäude zu den Typnetzen erfolgte die Hochrechnung in den jeweiligen Gebietskategorien. Daraus resultieren rund 550.000 individuelle Niederspannungsnetze (Ortsnetze). Die Methodik bildet somit rund 60 Prozent der 900.000 Niederspannungsnetze in Deutschland ab, welche die Wohngebäude (56 Prozent aller Gebäude) versorgen.45 \r\nAuch die berechnete Gesamtnetzlänge mit rund \r\n715.000 Kilometer liegt somit in einer realistischen Größenordnung und deckt rund 55 Prozent der 1.300.000 Kilometer realer Niederspannungsnetze, einschließlich gewerblicher Verteilnetze, ab.46 Abbildung 9 zeigt Deutschland eingeteilt in die drei Gebietskategorien. Die darin verortete Anzahl an Gebäuden und hochgerechnete Anzahl an Ortsnetzen ist darunter gelistet. Trotz eindeutiger Flächenunterschiede resultiert in den Gebietskategorien eine ähnliche Größenordnung hinsichtlich der Gebäudeanzahl. Dies bestätigt die mit zunehmender Urbanisierung erwartbar höhere Flächenverdichtung. Gleichzeitig treten deutliche Unterschiede in der \r\n \r\n \r\nRäumliche Unterteilung der Gebietskategorien\t→ Abb. 9\r\n \r\nAnzahl kalkulierter Netztopologien auf. Das ist auf  \r\ndie geringere Anzahl an Hausanschlüssen beziehungsweise größere Ballung der städtischen Gebäude zurückzuführen.\r\nDurch die angewandte Methodik konnte der Bestand an Wohngebäuden in Deutschland abgebildet und dieser charakteristischen Typnetzen zugeordnet werden. Dies ermöglicht die repräsentative Abbildung aller deutschen Niederspannungsnetze, die primär Wohngebäude versorgen. Die genaue Charakteristik der Typnetze ist detailliert im Anhang 7.1 beschrieben. Die Unterteilung Deutschlands in die Gebietskategorien ländlicher, vorstädtischer und städtischer Raum ermöglicht die regionale Einordnung der Auswirkungen haushaltsnaher Flexibilitäten. \r\n4.1.2  Räumliche Zuordnung der haushaltsnahen Flexibilitäten im Niederspannungsnetz\r\nNeben der Kopplung von Wohngebäuden und Typnetzen wurden auch haushaltsnahe Flexibilitäten regionalisiert und den Wohngebäuden räumlich zugeordnet. Ausgangslage für die Verteilung der flexiblen Verbrauchsanlagen stellen die in Kapitel 2 dargestellten Hochlaufzahlen der Studie Klimaneutrales Stromsystem 2035 dar. In diesem Schritt werden die \r\nAssets Gebäude-Photovoltaikanlagen, elektrische Heimspeichersysteme, Wärmepumpen und Elektrofahrzeuge den Wohngebäuden zugeordnet. Die sich aus erneuter Hochrechnung auf Deutschland ergebenden Gesamtkennzahlen werden in Tabelle 4 mit den Ausgangsdaten aus der Studie Klimaneutrales Stromsystem 2035 verglichen.\r\nPhotovoltaikanlagen wurden auf den gesamten Gebäudebestand in Deutschland (einschließlich Nichtwohngebäude) verteilt. Das zentrale Kriterium für die Verteilung und Dimensionierung der Anlagen war hierbei das verfügbare Photovoltaik-Dachflächenpotenzial. Zu kleine und zu große Dächer   wurden ausgeschlossen, um den Hochlauf bis in die Stützjahre 2029/2035 primär auf Ein- und Zweifamilienhäusern zu priorisieren, welche in der Realität aufgrund eindeutiger Eigentumsverhältnisse Prozessual einfacher zu erschließen sind. Bei den PhotovoltaikDachanlagen wurde rund ein Drittel der verteilten \r\nAnlagen Nichtwohngebäuden zugeordnet. Da der Fokus der Studie auf haushaltsnaher Flexibilität liegt, bleibt dieser Anteil unberücksichtigt. \r\nAuf Basis der Photovoltaikverteilung erfolgte die Zuordnung elektrischer Heimspeichersysteme. Diese wurden stufenweise priorisiert auf Ein-/Zweifamilienhäuser, kleine Mehrfamilienhäuser und zu einem geringen Anteil auf Nichtwohngebäude mit Photovoltaik-Anlagen verteilt (Details siehe Anhang 7.1.2 und Anhang 7.2.1). Bei diesem Asset resultiert gegenüber der Gesamtleistung aus der Studie Klimaneutrales Stromsystem 2035 eine geringfügige Abweichung, welche auf die Verteilung und die hinterlegte Logik zur Dimensionierung der Heimspeichersysteme, auf Basis der jeweiligen Photovoltaikanlagen-Größe, zurückzuführen ist. \r\nFür die Wärmepumpen wird zwischen Großwärmepumpen und Wärmepumpen für einzelne Gebäude unterschieden. Großwärmepumpen werden anders betrieben als individuelle Anlagen und dienen auch zum Teil der Versorgung von Gewerbe und Industrie. Hier sind daher die Wärmepumpen für einzelne Gebäude relevant. Der Anteil der Wärmepumpen für Wohngebäude wird anhand des Wärmebedarfs berechnet. Der in den Stützjahren durch Wärmepumpen gedeckte Wärmebedarf laut der Studie Klimaneutrales Stromsystem 2035 wird auf Basis der Gebäudeanzahl auf kleinräumige Regionen verteilt. Jedes Gebäude in diesen Regionen wird hinsichtlich seiner Eignung zur Wärmeversorgung mit einer Wärmepumpe bewertet. Auf Basis der Bewertung werden in den Regionen infolge so lange Wärmepumpen auf geeignete Wohngebäude verteilt, bis der zugehörige regionale Wärmebedarf gedeckt ist (Details siehe Anhang 7.1.2 und Anhang 7.2.2). Auch bei diesem Asset resultiert eine Abweichung gegenüber der zugrundeliegenden Studie, welche auf zusätzliche Rahmenbedingungen bei der räumlichen Zuordnung zurückzuführen ist. Diese führen zu einer insgesamt leicht größeren Anzahl an Wärmepumpen, was aufgrund des übergeordnet identischen Wärmebedarfs jedoch vernachlässigbar ist. \r\nDie Verteilung der Elektrofahrzeuge erfolgte in einem mehrstufigen Verfahren. Kleintransporter/Vans, gewerblich genutzte Fahrzeuge und private Fahrzeuge ohne private Lademöglichkeit wurden ausgeschlossen. Diese machen zusammen 28 Prozent aller Fahrzeuge aus. Private Fahrzeuge mit Lademöglichkeit zu Hause werden priorisiert entsprechend verschiedener Kriterien den Gebäuden zugeordnet. Hier werden beispielsweise zunächst Gebäude priorisiert, welche in Regionen mit einem im Bundesvergleich hohen Einkommen liegen, eine große Wohnung oder bereits Affinität zur Energiewende durch eine eigene Photovoltaikanlage aufweisen. Nach Erschließung dieser Gebäude, gewinnen dann weichere Faktoren, wie zum Beispiel eine private Parkgarage, bei der Zuordnung der Elektrofahrzeuge an Bedeutung. Die priorisierte Zuordnung erfolgt so lange, bis die für die Stützjahre erwartete Gesamtanzahl der Elektrofahrzeuge verteilt ist. Diese Logik fand auch im Netzentwicklungsplan 2021–2035 Anwendung.  Jedem Fahrzeug steht ein individueller Ladepunkt mit elf Kilowatt Anschlussleistung zur Verfügung, eine Mehrfachbelegung wurde nicht abgebildet. Die Aufschlüsselung und Verteilung der Fahrzeugklassen erfolgten ebenfalls nach den beschriebenen Kriterien, wonach beispielsweise Gebäuden in Regionen mit hohem Einkommen tendenziell ein Oberklasse-Fahrzeug zugeordnet wird (Details siehe Anhang 7.1.2 und Anhang 7.2.1). Die Abweichung bei der hier berücksichtigten Anzahl der Elektrofahrzeuge gegenüber der zugrundeliegenden Studie resultiert aus den getroffenen Annahmen, wonach 14 Prozent der Fahrzeuge aufgrund einer gewerblichen Nutzung und weitere 14 Prozent aufgrund der fehlenden privaten Lademöglichkeit ausgeschlossen wurden. Letztere decken ihren Ladebedarf an Schnellladeinfrastruktur, wodurch sie im Kontext der Erbringung von Flexibilität nur einen marginalen Beitrag leisten.\r\nDie in dieser Studie betrachteten Anzahlen und Leistungswerte der Flexibilitäten Photovoltaikanlagen sind in Tabelle 4 dargestellt. Die hierbei auffällig kleineren Gesamtzahlen bei Photovoltaikanlagen und Elektrofahrzeugen gegenüber der zugrundeliegenden Studie Klimaneutrales Stromsystem 2035 sind vorrangig auf den Fokus der Studien auf haushaltsnahe Flexibilitäten zurückzuführen. Flexibilitätspotenziale in Gewerbe, der Industrie und Gewerbegebäuden zugeordnete Flexibilitäten werden im Rahmen dieser Studie nicht berücksichtigt. \r\n \r\nVergleich der in dieser Studie betrachteten haushaltsnahen, flexiblen \t→ Tabelle 4\r\nVerbraucher mit den Ausgangswerten aller flexiblen Verbraucher gemäß der \r\nStudie Klimaneutrales Stromsystem 2035 (KNS2035)\r\n\t2022\t2029\t\t2035\r\n\tKNS2035\tdavon in dieser Studie\tKNS2035\tdavon in dieser Studie\tKNS2035\tdavon in dieser Studie\r\nPhotovoltaik-Dachanlagen [GW]\t39\t26\t103\t64\t142\t87\r\nHeimspeichersysteme [GW]\t2\t3\t22\t26\t51\t53\r\nWärmepumpen [Mio.]\t2\t2\t6\t6\t9\t9\r\nElektrofahrzeuge [Mio.] (exkl. Nutzfahrzeuge)\t1\t1\t16\t11\t33\t21\r\nFfE (2023)\r\nInsgesamt zeigt sich bei der räumlichen Zuordnung der flexiblen Verbrauchseinrichtungen zu Wohngebäuden gegenüber den zugrundeliegenden Hochlauf-\r\nzahlen der Studie Klimaneutrales Stromsystem 2035 ein konsistentes Bild. Die modellierten Typnetze, Wohngebäude und Flexibilitäten bilden eine fundierte Datenbasis zur Bewertung der Auswirkungen haushaltsnaher Flexibilitäten im Verteilnetz.\r\n4.2 Modellierung \r\nMit der geschaffenen Datenbasis werden die in Kapitel 3 definierten Szenarien in einem Verteilnetzmodell simuliert. So kann die Netzbelastung und der resultierende Netzausbaubedarf durch die Nutzung haushaltsnaher Flexibilität bewertet werden. \r\nDie 12 Typnetze werden mittels Monte-Carlo-Verfahren  mit passenden Gebäuden, inklusive flexibler Verbrauchseinheiten, bestückt. Es werden 20 zufällige Gebäudeverteilungen je Typnetz gezogen und schließlich simuliert. Pro Szenario werden somit 240 Netzausprägungen berücksichtigt. Die Menge aus der die Gebäude zufällig, aber reproduzierbar, je Typnetz gezogen werden, ergibt sich aus der oben beschriebenen Kopplung der Typnetze und der Gebäuden: Jedem Typnetz ist eine Menge passender Gebäude zugeordnet. Die Simulation erfolgt über ein gesamtes Jahr in einer Zeitschrittweite von 15 Minuten, sodass auch saisonale Effekte, wie beispielsweise unterschiedlich hohe Wärmebedarfe, berücksichtigt werden.\r\nDer Simulationsablauf umfasst die Schritte: Initialisierung und Datenimport, preisliche Optimierung der flexiblen Verbrauchseinheiten entsprechend der Preissignale des jeweiligen Szenarios, Lastflussrechnung inklusive Blindleistungsregelung   und schließlich Auswertung und Identifikation notwendiger Netzausbaumaßnahmen. ,   Die Hochrechnung der Ergebnisse für die Typnetze auf die Gebietskategorien und somit auf ganz Deutschland erfolgt anschließend anhand der kalkulierten Häufigkeit der Typnetze, die sich aus der Gebäudezuordnung ergibt.\r\n4.2.1 Finanzielle Optimierung der Verbraucher\r\nWie eingangs beschrieben, wird angenommen, dass ein Teil der Verbraucher mit flexiblen Verbrauchseinrichtungen auf dynamische Preissignale reagiert (siehe Tabelle 3). Sofern ein Haushalt mehrere flexible Verbrauchseinheiten hat, wie beispielsweise einen elektrischen Heimspeicher sowie ein Elektrofahrzeug, wird hier zudem angenommen, dass die Optimierung der Assets je Hausanschluss (Netzanschlusspunkt) über eine automatisierte Steuerung, wie beispielsweise ein  Home Energy Management System erfolgt, um potenzielle Kostenersparnisse zu maximieren. \r\nFür die Optimierung wird je Hausanschluss als Ausgangspunkt die Residuallast bestehend aus ursprünglichem Haushaltslastgang und, sofern vorhanden Photovoltaikerzeugung gebildet. Der Einsatz der Flexibilitäten, wie beispielsweise das Laden von Elektrofahrzeugen, wird unter Berücksichtigung diverser Randbedingungen in ein mathematisches Optimierungsproblem übersetzt, das die Kosten für den Haushalt minimiert.  Als Randbedingungen gehen die zu deckende Heizlast, die Mobilitätsbedarfe sowie Stromnachfrage der Haushalte ein, aber auch die technischen Parameter, wie beispielsweise Speichergrößen sowie Wirkungsgrade der einzelnen Assets. Im Resultat ergibt sich eine neue, kostenoptimierte Residuallast pro Hausanschluss. Die in der Optimierung relevanten Komponenten, Energie- und Informationsflüsse sind in Abbildung 10 vereinfacht dargestellt.  Die Charakteristika der individuellen Flexibilitäten sind detailliert im Anhang 7.2 beschrieben.\r\nÜbersicht der finanziellen Optimierung am Hausanschluss \t→ Abb. 10\r\n \r\nFfE (2023)\r\nDie verwendeten Stromtarife setzen sich zusammen aus dem Beschaffungsstrompreis zuzüglich der weiteren Strompreisbestandteile: Netzentgelte, Steuern, Abgaben und Umlagen. Je nach Szenario (siehe Kapitel 3) handelt es sich beim Beschaffungsstrompreis um einen konstanten Wert („lowFlex”) oder den dynamischen Börsenstrompreis („Flex”-Szenarien). Auch die Netzentgelte fallen je nach Szenario variabel oder konstant aus. Der dynamische Börsenstrompreis basiert auf modellierten Dispatch-Preisen aus der Studie Klimaneutrales Stromsystem 2035.  Diese Dispatch-Preise werden in einem Strommarktmodell in stündlicher Auflösung berechnet und können als Repräsentant der kurzfristigen Börsenstrompreise (Day-Ahead-Spotmarkt) interpretiert werden. Die Börsenstrompreise sind in Abbildung 11 dargestellt. Mit steigendem Photovoltaikausbau sinken die Großhandelsstrompreise zur Mittagszeit in den Sommermonaten. Durch die erhöhte Stromnachfrage in den Wintermonaten, beispielsweise durch eine hohe Anzahl an Wärmepumpen, steigt das Preisniveau an kalten Wintertagen. Dies zeigt sich besonders in der ersten Februarwoche, in der die Großhandelsstrompreise ihr Jahresmaximum erreichen. Diese Woche ist im Wetterjahr 2012 mit einer Durchschnittstemperatur von -10 Grad Celsius besonders kalt ausgefallen.\r\nFür die weiteren Strompreisbestandteile der Haushalte wurden die Werte für das Jahr 2022 der BDEWStrompreisanalyse   verwendet.\r\n4.2.2  Lastflusssimulation zur Bestimmung der Netzausbaubedarfe\r\nDie Bewertung der aus den Szenarien resultierenden Auswirkungen auf die Niederspannungsnetze erfolgte mit einer statischen Lastflussrechnung.  Diese ermöglicht die Bewertung der Netzbelastung und dient \r\nStündliche Börsenstrompreise für die Jahre 2029 und 2035\t→ Abb. 11\r\n \r\nAgora Energiewende (2023) basierend auf der Studie Klimaneutrales Deutschland 2035. Anmerkung: *Die dargestellten Preise basieren auf einem \r\nDispatch-Modell. Die stündlichen Dispatch-Preise werden als Repräsentant des Spotmarktpreises, also des kurzfristigen Börsenpreises für Strom, \r\nverwendet.\r\nsomit als Grundlage für die Identifikation potenzieller Netzausbaubedarfe. \r\nEine der wichtigen Größen in der Lastflussrechnung ist die Blindleistung. Blindleistung kann im Gegensatz zur Wirkleistung zwar nicht direkt in \r\nArbeit umgewandelt werden, wird abe\t-\r\nrechterhaltung der Spannung und des Stromflusses und somit insgesamt für die Netzstabilität benötigt Gerade in überlasteten Netzen besteht hoher Blindleistungsbedar wird – abweichend vom Status quo – in dieser Stu davon ausgegangen, dass sich Photovoltaikanlagen, Heimspeichersysteme und Elektrofahrzeuge mittels spannungsabhängiger Blindleistungsbereitstellung beteiligen. Sämtliche dieser Komponenten basieren auf Umrichtern mit Leistungselektronik, die technisch in der Lage sind, zusätzlich zur Wirkleistung Blindleistung bereitzustellen. Während dies in höheren Spannungsebenen für Erzeugungsanlagen bereits etabliert wurde, ist es in der Niederspannung nur bei Photovoltaikanlagen verpflichtend. Verteilnetzbetreiber und Wissenschaft empfehlen eine entsprechende Anpassung der sich derzeit in Überarbeitung befindenden technischen Anschlussregeln für Anlagen im Niederspannungsnetz VDE-AR-N \r\n4105. ,  ,   \r\nZur Gewährleistung eines intakten Netzbetriebs ist insgesamt die Vermeidung von Netzengpässen notwendig. Für die Definition, ob die netztechnischen Grenzwerte eingehalten werden, respektive ob ein Netzgebiet überlastet ist, wurden die folgenden drei Kriterien verwendet: \r\n→ Transformatorauslastung > 100 Prozent,\r\n→ Leitungsauslastung > 100 Prozent, → Spannung außerhalb des Bereichs von 94 bis 106 Prozent.\r\nIm Fall der Verletzung dieser Kriterien müssen mittelfristig Maßnahmen ergriffen werden, um die Netzstabilität zu garantieren. Der Netzausbau ist hierbei das klassische Werkzeug der Verteilnetzbetreiber, wobei dieser mit hohen infrastrukturellen Kosten einhergeht. In dieser Studie werden verschiedene Maßnahmen zum Netzengpassmanagement bewertet, um Netzausbau temporär oder dauerhaft zu vermeiden. Als Referenz zur Bewertung dieser Maßnahmen dienen der klassische Netzausbau und die damit verbundenen Netzausbaukosten. Zur Berechnung dieses je Szenario notwendigen Netzausbaus werden für sämtliche Zeitschritte des simulierten Jahres die Überschreitungen der oben genannten Grenzwerte protokolliert und in einem sich schrittweise annähernden Verfahren durch das Verlegen paralleler Leitungsabschnitte, behoben. Im Anschluss wird der Ortsnetztransformator, im Fall einer Überlastung, durch ein Modell in der nächsthöheren Leistungsklasse ausgetauscht, sodass sämtliche kritische Netzzustände beseitigt werden. Der methodische Ablauf des Netzausbaus und die für Netzausbaumaßnahmen angenommenen Kosten sind detailliert im Anhang 7.2.2 beschrieben.\r\nEine potenzielle Option zur Reduktion des Netzausbaubedarfs stellt die netzdienliche Optimierung der Flexibilitäten dar. Als finanziellen Anreiz zur netzdienlichen Betriebsweise von Flex Assets wird in dieser Studie die variable Reduktion und Erhöhung der Netzentgelte analysiert. \r\n4.2.3  Variable Netzentgelte im Rahmen  der Modellierung\r\nWie bereits in Abschnitt 3.3 beschrieben, werden in dieser Studie zwei Ausgestaltungsformen von variablen Netzentgelten betrachtet. Da sich die variablen Netzentgelte in ihrer Höhe an der Verteilnetzauslastung orientieren, bedarf es zur Bestimmung ihrer Höhe der oben beschriebene Lastflusssimulation \r\n(siehe Abschnitt 4.2.2). Die daraus resultierenden Netzentgelte nehmen wiederum Einfluss auf die finanzielle Optimierung beim Verbraucher (siehe Abschnitt 4.2.1). Im Folgenden werden die dafür notwendigen Modellierungsschritte je Szenario beschrieben: Als Ausgangsbasis für die Berechnung der variablen Netzentgelte wurde das durchschnittliche Netzentgelt aus dem Jahr 2022 verwendet, welches bei 8,08 Cent pro Kilowattstunde lag. \r\nZeitvariable Netzentgelte mit statischen Zeitfenstern \r\n(Szenario „Flex-zeitvarNe”)\r\nDie erste Variante der Ausgestaltung variabler Netzentgelte entspricht einem generalistischen, Netzgebiet-übergreifenden Ansatz. Zur Bestimmung der Netzentgeltzeitfenster wurde das betrachtete Jahr hierbei in sechs Typtage unterteilt. Diese wurden anhand der Jahreszeit (Sommer, Winter oder Übergangszeit) und der Tagesart (Werktag oder Wochenende/Feiertag) klassifiziert. Für den jeweiligen Typtag wurde für das betrachtete Netzgebiet ein mittlerer Transformatorlastgang basierend auf Simulationsdaten mit dynamischen Börsenstrompreisen, aber fixen Netzentgelten ermittelt (Szenario „Flex”). Basierend auf diesen Transformatorlastgängen wurden je Typtag die Preisfenster für die Netzentgelte festgelegt. Übersteigt die Transformatorlast an dem jeweiligen Typtag die Grenze von 70 Prozent der Maximallast aller Typtage, wurde für diese Zeit ein Hochpreiszeitfenster festgelegt. Wenn konträr einspeiseseitig -70 Prozent der Maximallast unterschritten wurden, wurde für diese Zeit ein Tiefpreisfenster festgelegt.\r\nIn den Hochpreiszeiten wurde das Netzentgelt von 8,08 Cent pro Kilowattstunde auf 16,16 Cent pro Kilowattstunde verdoppelt, um die Netzauslastung zu reduzieren. In den Tiefpreiszeiten wurde hingegen kein Netzentgelt berechnet, um den Verbrauch anzuregen, indem die eingespeiste Energie lokal verbraucht wird. Für die restlichen Zeitschritte wurde das Netzentgelt der Ausgangssituation angenommen. Hieraus resultiert eine Netzentgeltzeitreihe je Typtag, die anschließend zu einer Jahrespreiszeitreihe zusammengefügt wurde. Zusätzlich wurde berücksichtigt, dass Verteilnetzbetreiber häufig entweder eher ländliche oder städtische Gebiete versorgen, weshalb jeweils eine Preiszeitreihe für die eher ländlich bis vorstäd-\r\nSchematische Darstellung der Bestimmung der zeitvariablen Netzentgelte \t→ Abb. 12 mit statischen Zeitfenstern\r\n \r\nFfE (2023)\r\ntisch geprägten (Typnetz 1 bis 6 siehe Anhang 7.1.1) und vorstädtisch bis städtisch geprägten Netze (Typnetze 7 bis 12 siehe Anhang 7.1.1) erstellt wurde. In Abbildung 12 ist die schematische Bestimmung der Netzentgeltzeitfenster dargestellt. Die Zeitfenster werden in dem hier vorgestellten Modell für ein Jahr im Voraus von den Verteilnetzbetreibern festgelegt.\r\nZeitvariable Netzentgelte mit dynamischen Zeitfenstern (Szenario „Flex-dynNe”) Die zweite Variante der zeitvariablen Netzentgelte entspricht einem lokalen, auf die jeweilige Netzsituation angepassten Ansatz, wobei die Hoch- und Tiefpreiszeitfenster jeweils kurzfristiger, basierend auf der tatsächlich prognostizierten Residuallast am Ortsnetztransformator, bestimmt werden. Dazu werden in einem ersten Schritt die Hoch- und Tiefpreiszeitfenster anhand der prognostizierten Transformatorauslastung so festgelegt, als würden sich die Haushalte ohne variable Netzentgelte, also nur anhand des dynamischen Börsenstrompreises finanziell optimieren (Szenario „Flex”). Die daraus resultierende, prognostizierte Belastung je Zeitschritt definiert die dynamischen Hoch- und Tiefpreiszeitfenster und bestimmt somit die Höhe des Netzentgeltes (Hoch-, Basis- oder Tiefpreis) (siehe Abbildung 13). Anschließend wurden die Haushalte inklusive der sich ergebenen variablen Netzentgelten neu optimiert und die Prognose der Transformatorauslastung und damit die Hoch- und Tieflastzeitfenster nach jeder Optimierung eines Gebäudes angepasst (Check-in-\r\nSystem), um eine möglichst genaue Abbildung der \r\nTransformatorbelastung für die Berechnung variabler Netzentgelte zu erhalten und im Nebeneffekt Gleichzeitigkeiten durch Einführung variabler Netzentgelte zu vermeiden. \r\nIm implementierten Modell werden zwei Grenzwerte für die Transformatorauslastung definiert – 70 und 100 Prozent –, bei denen die Netzentgelte angepasst werden. Wie Abbildung 13 zeigt, ergeben sich insgesamt fünf Bereiche, da diese Grenzwerte sowohl im Last- als auch im Einspeisefall erreicht werden können. Der erste Bereich ist der Normalbereich, in dem die Auslastung des Ortsnetztransformators nicht im kritischen Bereich liegt. In diesem Bereich gelten die üblichen Netzentgelte. In den kritischen Bereichen, wenn die \r\nAuslastung über dem definierten Grenzwert von \r\n70 Prozent liegt, wurde das Netzentgelt im Lastfall \r\nSchematische Darstellung der Bestimmung der dynamischen Netzentgelte in \t→ Abb. 13 Abhängigkeit der Ortsnetztransformatorauslastung \r\n \r\nFfE (2023)\r\ngegenüber der Ausgangssituation von 8,08 Cent pro Kilowattstunde auf 16,16 Cent pro Kilowattstunde verdoppelt und im Einspeisefall auf 0 Cent pro Kilowattstunde festgesetzt. Dadurch ist der Anreiz in beiden Fällen – sowohl bei zu hoher Last als auch bei Einspeisung – gleich groß. Diese Anpassung dient dazu die Transformatorauslastung in den unkritischen Bereich zurückzuführen.\r\nIm Falle einer prognostizierten Transformatorüberlastung wurde das Netzentgelt im Lastfall erneut um denselben Wert auf 24,24 Cent pro Kilowattstunde erhöht und erreicht somit im Beispiel das Dreifache des Ursprungswerts. Analog dazu wurde im Einspeisefall das Netzentgelt weiter reduziert und dient als Anreiz für zusätzlichen Bezug, wodurch das Netzentgelt insgesamt negativ wird und -8,08 Cent pro Kilowattstunde  beträgt. Dadurch wurde für jede bezogene Kilowattstunde das ursprüngliche Netzentgelt erstattet. Dieser Anreiz für Bezug fördert einen lokalen Verbrauch und soll den Netzausbau vermei\r\nIm hier modellierten, vereinfachten Modell erfolgt eine einmalige Optimierung anhand der dynamischen Preise und dynamischen Netzentgelte und anschließende Meldung des Fahrplans der Flexibilitätsoptionen für jeden Hausanschluss. Innerhalb eines Ortnetzes wird dieser Prozess für alle beteiligten Hausanschlüsse schrittweise durchgeführt. Durch die nach jedem Schritt erneut durchgeführte Berechnung der variablen Netzentgelte variieren diese geringfügig von Hausanschluss zu Hausanschluss. Der Prozess zur Bestimmung der Netzentgelte ist in Abbildung 14 dargestellt.\r\nInsgesamt beschreibt dieser Ansatz ein mögliches zukünftiges Energiesystem, in dem Marktteilnehmer (beispielsweise Aggregatoren), welche die Optimierung der Flexibilitäten anhand des Gesamtpreisanreizes aus Börsenstrompreis und dynamischen Netzentgelt unter Berücksichtigung der Kund:innenwünsche übernehmen und mit den Verteilnetzbetreibern im Austausch stehen. Denkbar wäre die Durchführung des skizzierten, sich schrittweise annähernden Prozesses am Vortrag, in dem die Transformatorauslastung anhand von Fahrplänen der Flexibilitätsoptionen unter Einbezug der Day-Ahead-Strompreise prognostiziert wird und damit die Netzentgelthöhe bestimmt. So ist es möglich, Netzzustände genauer vorherzusagen und mithilfe eines adaptiven Netzentgeltes für einen Ausgleich zu sorgen. \r\nProzess zur Bestimmung dynamischer Netzentgelte\t→ Abb. 14\r\n \r\nFfE (2023)\r\n4.2.4  Kurativer Netzbetreibereingriff  nach § 14a EnWG\r\nNeben dem Schaffen von Anreizen zur Netzentlastung über variable Netzentgelte, wurde auch der kurative Netzbetreibereingriff nach EnWG § 14a in der Modellierung integriert, welcher ein direktes Werkzeug zur Netzengpassbehebung darstellt. Dieser in Abschnitt 3.4 beschriebenen Entwürfe von § 14a EnWG des Netzbetreibereingriffs werden derzeit von der Bundesnetzagentur ausgestaltet und ist ein Werkzeug welches ausschließlich den Netzbetreibern zur Verfügung steht. In der Modellierung wurde für steuerbare Verbrauchseinrichtungen die im Entwurf festgelegte Leistungsreduktion angewandt, sobald ein Netzengpass bevorstand (Details siehe Abschnitt 7.2.2). Den steuerbaren Verbrauchseinrichtungen steht dabei jedoch zu jedem Zeitpunkt noch eine Mindestbezugsleistung zur Verfügung. Hierbei wurden nur Elektrofahrzeuge und Wärmepumpen als steuerbare Verbrauchseinrichtungen angenommen und somit auch nur deren Mindestbezugsleistung berücksichtigt. Heimspeicher, deren Hauptzweck darin besteht, den Eigenverbrauch der \r\nPhotovoltaikanlage zu erhöhen und nicht Strom aus dem Netz zu beziehen, wurden bei der Berechnung der Mindestbezugsleistung nicht berücksichtigt. \r\nDer Ablauf des Netzbetreibereingriffes innerhalb der Simulation ist in Abbildung 15 dargestellt. Wird während der Lastflussrechnung eine lastseitige Betriebsmittelüberlastung festgestellt, wird ein Netzbetreibereingriff vorgenommen. Hierbei wird die netzwirksame Leistung in drei Stufen – analog zum Einspeisemanagement bei Erneuerbare- EnergienAnlagen – auf 60 Prozent, 30 Prozent oder 0 Prozent der installierten Leistung der steuerbaren Verbrauchseinrichtung abzüglich der Mindestbezugsleistung reduziert. Die Reduktion beginnt mit der ersten Stufe und wird bei Bedarf schrittweise erhöht. Die Reduktion wird im Fall der Netzüberlastung diskriminierungsfrei auf sämtliche steuerbare Verbrauchseinrichtungen im jeweiligen Niederspannungs-Ortsnetz angewandt und entspricht somit einer Steuerung bezogen auf die Auslastung des jeweils versorgenden Ortsnetztransformators. Eine Reduktion individueller Stränge oder Hausanschlüsse wurde im Rahmen der Modellierung nicht berücksichtigt, da eine so feingranulare Steuerung als schwer umsetzbar eingeschätzt wird. \r\nAblauf des kurativen Netzbetreibereingriffes in der Modellierung \t→ Abb. 15\r\n \r\nFfE (2023) basierend auf TUM: Müller (2023) /MÜL-02 22/.\r\nIm Fall des Netzengpasses wird unter Berücksichtigung der Leistungslimitierung nun eine erneute Optimierung für einen Zeitraum von 48 Stunden durchgeführt. Diese erneute Optimierung ist notwendig, da durch die Leistungslimitierung Lasten in spätere Zeitschritte verschoben werden. Die Speicherfüllstände der elektrischen und thermischen Speicher müssen nach der erneuten Optimierung im letzten Zeitschritt mit den Speicherfüllständen der Referenzsimulation übereinstimmen. Dies gewährleistet, dass die resultierenden Jahresverbräuche der Verbraucher nach der Lastverschiebung konsistent zum Ausgangszustand sind. Um bei langandauernden Eingriffen eine zu starke Abkühlung der Häuser mit Wärmepumpe zu vermeiden, wird der Netzbetreibereingriff abgebrochen, sobald mehr als 18 Prozent des täglichen Wärmebedarfs nicht mehr gedeckt werden können. Das entspricht in etwa einer Absenkung der Raumtemperatur von drei Grad Celisus.  \r\n5 \tErgebnisse\r\nDie Nutzung von haushaltsnaher Flexibilität schafft an vielen Stellen Vorteile für das Energiesystem (siehe Abschnitt 2.1.2), kann aber mit zusätzlichen Belastungen für die Stromnetze verbunden sein. Im folgenden Abschnitt werden die Ergebnisse der Netzmodellierung vorgestellt, die zeigen, wie das Niederspannungsnetz in den verschiedenen Szenarien beansprucht wird und welcher Ausbaubedarf sich hieraus ergibt. In einer Gesamtbetrachtung werden diese Ergebnisse im Folgenden den Vorteilen einer Nutzung der Flexibilitätspotenziale gegenübergestellt. Im Anschluss werden die Modellierungsergebnisse im Detail ausgewertet und die gewonnenen Erkenntnisse dargestellt.\r\n5.1 \t Einordnung der Netzmodellierungsergebnisse in das Gesamtsystem\r\nEin künftiges Energiesystem erfordert in hohem \r\nMaße Flexibilität, um die variable Erzeugung von Windkraft und Solarenergie auszugleichen und Versorgungssicherheit zu gewährleisten. Wie die Modellierungsergebnisse zeigen, bringt die Nutzung haushaltsnaher Flexibilität erhöhte Netzausbaukosten mit sich, die in Abschnitt 5.1.1 beschrieben werden. Dem stehen allerdings vermiedene Kosten entgegen, die andere Formen der Flexibilitätsbereitstellung mit sich bringen würden (siehe Abschnitt 5.1.2). \r\nWie in Kapitel 2 beschrieben, reicht es aufgrund von lokalen Engpässen im Netz nicht aus, lediglich Erzeugung und Bedarf auf nationaler Ebene zeitlich in Gleichklang zu bringen, um das System volkswirtschaftlich optimal zu betreiben. Vielmehr sind zur Vermeidung ansonsten auftretender Netzengpässe darüber hinaus lokale Anreize erforderlich. Der Vorteil nachfrageseitiger Flexibilität liegt darin, dass diese sowohl einen Beitrag zur effizienten Marktpreisfindung als auch für eine gute Netzauslastung erbringen kann. In Abschnitt 5.1.3 wird dargestellt, inwieweit die jeweiligen Szenarien dazu beitragen, Last systemdienlich zu verschieben. \r\nDie Analyse zeigt: Das Nutzen der vorhandenen haushaltsnahen Flexibilitäten lohnt sich in der gesamtwirtschaftlichen Betrachtung – trotz des damit einhergehenden höheren Netzausbaus. Wird nur wenig dieser Flexibilität genutzt (Szenario „lowFlex“), muss die Flexibilitätsbereitstellung im Wesentlichen von deutlich teureren Gaskraftwerken übernommen werden. Wird auf der anderen Seite zu viel Flexibilität auf der Nachfrageseite angereizt (Szenario „Flex“) kommt es zu unverhältnismäßig hohen Netzausbaubedarfen. Als ideal erweist sich daher eine Weiterentwicklung des „Flex“-Szenarios um zeitvariable Netzentgelte mit dynamischen Zeitfenstern (Szenario „FlexdynNe“), womit es gelingt, sowohl die Signale des Börsenstrompreises als auch die jeweilige Netzsituation vor Ort zu vereinen. Insgesamt können so jährliche Kosten von mehr als fünf Milliarden Euro eingespart werden. \r\n5.1.1 \t Einfluss der haushaltsnahen Flexibilität auf die Netzausbaukosten \r\nIn den kommenden Jahren wird durch die Elektrifizierung des Wärme- und Mobilitätssektors ein starker Anstieg an Wärmepumpen und Elektrofahrzeugen in den Niederspannungsnetzen erwartet. Hinzu kommt ein hoher Zubau an Photovoltaikanlagen und elektrischen Heimspeichersystemen. Damit diese Komponenten in die Niederspannungsnetze integriert werden können und es nicht zu Überlastungen von Betriebsmitteln kommt, müssen die Niederspannungsnetze erheblich ausgebaut werden.\r\nDas Volumen des erforderlichen Netzausbaus zur Beseitigung von Netzengpässen hängt maßgeblich vom Ausmaß und den Anreizen zu markt- beziehungsweise netzdienlicher Flexibilitätsbereitstellung durch diese „neuen Verbraucher“ ab. Um den erforderlichen Netzausbau  – und die entsprechenden Kosten  – zu quantifizieren, wurden die Lastflüsse im Niederspannungsnetz für Szenarien mit unterschiedlichen Flexibilitätsanreizen für die Betrachtungsjahre 2029 \r\nNetzausbaukosten bis zum Jahr 2035*\t→ Abb. 16\r\n \r\nFfE (2023). Anmerkung: * kumuliert bis zum Jahr 2035, reale Werte. \r\nund 2035 simuliert (zu den Details der Szenarien und Modellierung siehe Kapitel 3 und  4). Bei Identifikation von Netzüberlastungen respektive Netzausbaubedarf, wurde das jeweilige Ortsnetz ausgebaut, um die Netzengpässe dadurch vollständig zu beheben. Die \r\nKosten unterscheiden sich nach Art des Netzausbaus (Verlegen von Kabeln oder Transformatorausbau). Dabei wurden die inflationsbedingten Preissteigerungen der letzten Jahre berücksichtigt, es wurde aber keine Fortschreibung der zukünftigen Preissteigerungen vorgenommen (siehe Abschnitt 7.2.2).\r\nIn den betrachteten Niederspannungs-Ortsnetzen  \r\n(Details siehe Abschnitt 4.1) kommt es im Szenario „lowFlex“, in dem die Flexibilität nur in geringem Umfang genutzt wird, bis zum Jahr 2035 in 31 Prozent der Netze zu Ausbaubedarf. Die Investitionskosten für den Ausbau belaufen sich bis zum Jahr 2035 auf rund 7 Milliarden Euro. Das Anreizen der Flexibilitäten durch Börsenpreissignale (Szenario „Flex“) erhöht den Ausbaubedarf in den Niederspannungsnetzen bis zum Jahr 2035 um 150 Prozent auf 17,5 Milliarden Euro, da es bei hoher Erneuerbaren-Einspeisung und folglich niedrigen Börsenstrompreisen zu erheblichen Nachfrageerhöhungen kommt (zum Kostenvergleich siehe Abbildung 16).\r\nZeitvariable Netzentgelte (Szenario „Flex-zeitvarNe“), die anhand von statischen Zeitfenstern mit Hoch- und Tiefpreisen basierend auf Typtageslastgängen gebildet werden, haben keinen positiven Effekt auf die Ausbaukosten. Das liegt daran, dass es bei einer hohen Durchdringung von Flexibilitäten, die neben zeitvariablen Netzentgelten mit statischen Zeitfenster auch über einen dynamischen Beschaffungsstrompreis angereizt werden, zu sehr unterschiedlichen Zeitpunkten zu Überlastungen kommen kann. Ein zeitvariables Netzentgelt mit einem auf Durchschnittswerten basierenden, lange im Voraus festgelegten Zeitfenster bildet die jeweilige Netzbelastung durch flexible Verbrauchseinrichtungen, die auf den tagesaktuellen, volatilen Beschaffungsstrompreis reagieren, nicht treffend genug ab und vermeidet damit Überlastungen nicht zuverlässig.\r\nDynamische Netzentgelte (Szenario „Flex-dynNe“), die sich an der jeweiligen Transformatorauslastung orientieren, haben einen substanziellen netzdienlichen Einfluss, da sie besonders starken Ausschlägen der Börsenstrompreise bei drohender Netzüberlastung wirksam begegnen können. Die Ausbaukosten verringern sich in diesem Szenario gegenüber dem Szenario „Flex“ bis zum Jahr 2035 um 27 Prozent auf 12,8 Milliarden Euro. Dynamische Netzentgelte helfen Last- und Einspeisungsspitzen zu reduzieren und haben somit vor allem auf den Ausbaubedarf der Ortsnetztransformatoren einen positiven Einfluss, mindern aber auch den Ausbaubedarf aufgrund von Leitungsüberlastungen und Spannungsbandverletzungen.  \r\nAllein der Hochlauf von flexiblen Verbrauchern führt bis zum Jahr 2035 zu Netzausbaukosten in Höhe von 7,0 Milliarden Euro (Szenario „lowFlex“). Das Nutzen der haushaltsnahen Flexibilitäten führt zu einer signifikant erhöhten Belastung der Niederspannungsnetze. Die erforderlichen Netzausbaukosten steigen infolge dessen um 10,5 Milliarden Euro auf 17,5 Milliarden Euro (Szenario „Flex“). Dynamische Netzentgelte, deren Höhe sich an der jeweiligen Transformatorauslastung orientiert, reduzieren diese Zusatzkosten um beinahe die Hälfte auf 5,8 Milliarden Euro, wodurch Netzausbaukosten in Höhe von 12,8 Milliarden Euro resultieren (Szenario „Flex-dynNe“). Zeitvariable Netzentgelte, die anhand von statischen \r\nZeitfenstern gebildet werden (Szenario „Flex-zeitvarNe“), verringern im von Windenergie und Photovoltaik dominierten klimaneutralen Stromsystem 2035 die Netzauslastung nicht und bringen damit auch keine Kostenersparnisse beim Verteilnetzausbau.\r\n5.1.2  Einordnung der Netzausbaukosten in das \r\nGesamtsystem (Agora Energiewende)\r\nDer Vergleich zwischen den Szenarien zeigt, dass die Nutzung der haushaltsnahen Flexibilität die \r\nInvestitionskosten für Netzausbau um insgesamt 5,8 bis 10,5 Millarden Euro bis zum Jahr 2035 erhöht. Gleichzeitig können durch die systemweite Nutzung der Flexibilität von Elektrofahrzeugen, Wärmepumpen und Heimspeichern Brennstoffkosten und weitere Kosten eingespart werden (siehe Abschnitt 2.1.2). \r\nFür die systemische Gesamtkostenbetrachtung, werden alle Invesitionskosten, und damit auch die Netzausbaukosten, annuitätisch betrachtet. So kann für das Zieljahr 2035 ein volkswirtschaftlicher Vergleich erfolgen.\r\nAbbildung 16 zeigt die „Übernacht”-Investitionskosten, also die kumulierten Ausbaukosten der Netze ohne Verzinsung, die für den Ausbau bis ins Jahr 2035 erforderlich sind, um sie engpassfrei zu betreiben. Bei dem angestellten Vergleich der jährlichen Kosten, wird – anders als in der vereinfachten Darstellung in Abbildung 16 – berücksichtigt, dass die Investitionen nicht in einem Jahr getätigt werden und die Infrastruktur  über mehrere Jahrzehnte genutzt werden kann. Dazu wird eine Nutzungsdauer von 40 Jahren und eine Verzinsung von fünf Prozent   für die Netzinvestitionen angenommen. \r\nZudem müssen neben den oben genannten Netzausbaukosten weitere Kosten berücksichtigt werden. Das sind einerseits die Kosten, die durch die Nutzung von der Flexibilität von Elektrofahrzeugen, \r\nWärmepumpen und Heimspeichern außerhalb von Wohngebäuden entstehen. Durch die Fokussierung auf die Wohngebäude sind ein Teil der flexiblen Verbrauchseinheiten nicht in der Modellierung berücksichtigt (siehe Abschnitt 4.1.2). In Summe wird ein knappes Viertel zusätzlicher Anschlussleistung von flexiblen Verbrauchseinheiten nicht abgebildet. Dabei handelt es sich vor allem um Elektrofahrzeuge, die beispielsweise auch am Arbeitsplatz geladen werden, sowie um gewerblich genutzte Wärmepumpen. Entsprechend werden die zusätzlichen Investitionen in Netzausbau für Gewerbegebiete auf knapp 25 Prozent der Netzausbaukosten für Wohngebäude abgeschätzt.\r\nZudem sind zusätzlich anfallende Kosten für den Betrieb der Niederspannungsnetze zu berücksichtigen. Diese Betriebskosten werden mit 20 Prozent der annuitätischen Investitionskosten angenommen.65 Sie umfassen die Wartung zusätzlicher Betriebsmittel aber auch den digitalisierteren Betrieb der Verteilnetze, der für die Einführung der dynamischen Netzentgelte notwendig ist. Der zweite Aspekt ist dabei nur schwer von den bereits stattfindenden Veränderungen abzugrenzen, denn der Smart-Meter-Rollout und die Anforderungen für den kurativen Netzbetreibereingriff nach § 14a EnWG beinhalten bereits viele der notwendigen Bausteine (siehe Kapitel 6 zur Umsetzung). \r\n \r\n65 Laut Consentec und frontier Economics (2019) /CONSFR2019/ betragen die konventionellen Betriebskosten eines durch Elektromobilität überlasteten Niederspannungsnetzes sechs bis neun Prozent der Kapitalkosten. Für die Umsetzung des dynamischen Netzentgeltes wird eine Verdopplung der bisherigen Betriebskosten angenommen. \r\nDa durch die dynamischen Netzentgelte keine zusätzlichen Ortsnetztransformatoren zwischen Nieder- und Mittelspannung für die Nutzung der haushaltsnahen Flexibilität ausgebaut werden müssen (siehe Abschnitt 5.1.3), ist anzunehmen, dass im Szenario „Flex-dynNE“ kein Netzausbedarf auf Mittelspannungsebene aufgrund der Flexibilisierung anfällt. Der Netzausbaubedarf sinkt mit den dynamischen Netzentgelten gegenüber dem Szenario „Flex“, aufgrund der reduzierten Spitzenlast der einzelnen Ortsnetztransformatoren. Die  gleichzeitig auf Mittelspannungsebene anfallende Leistung fällt damit ebenfalls deutlich geringer aus.\r\n \r\nAnnuitätischer Kostenvergleich der Optionen zur Flexibilitätsbereitstellung\t→ Abb. 17\r\n \r\nAgora Energiewende (2023). Annuitätische Investitionskosten, reale Werte. 1) Wärmepumpen, Elektrofahrzeuge und Batterie-Heimspeicher in haushaltsnahen und gewerblichen Niederspannungsnetzen. 2) annuitätische Betrachtung. 3)  40 Jahre Nutzungsdauer.\r\nAbbildung 17 zeigt deutlich, dass das Nutzen haus haltsnaher Flexibilität deutlich kostengünstiger ist, als die Flexibilitätsbereitstellung durch Gaskraftwerke und Großbatteriespeicher (siehe Abschnitt 2.1.2).  \r\nDurch das Einsparen insbesondere von Brennstoffkosten können jährlich knapp fünf Milliarden Euro gespart werden. Die Abbildung zeigt auch, dass unter  Berücksichtigung möglicher Kostenveränderungen, wie beispielsweise höhere Tiefbaukosten, der Netzausbau weiterhin volkswirtschaftlich sinnvoll ist. Auch geringere Wasserstoffpreise, wie in den Sensitivitäten der alternativen Flexibilitätskosten berechnet, verändern das Ergebnis nicht grundlegend. \r\nDas volkswirtschaftlich insgesamt günstigere System spiegelt sich außerdem in geringeren Börsenstrompreisen wider und so profitiert auch jeder und jede einzelne Verbraucher:in von den geringeren Beschaffungskosten (siehe Abschnitt 5.5).\r\nDer finanzielle Vorteil der Nutzung der haushaltsnahen Flexibilität übersteigt die damit einhergehenden zusätzlichen Netzausbaukosten fast um das Zehnfache. Auf Basis eines angepassten Verteilnetzes kann das Potenzial der haushaltsnahen Flexibilität ausgeschöpft werden. Die Investition in die Netzinfrastruktur  ermöglicht laufende Einsparungen von Brennstoffkosten und reduziert damit auch Abhängigkeiten in der Beschaffung und Preisrisiken. \r\n5.1.3  Verschobene Energiemengen durch die Nutzung haushaltsnaher Flexibilitäten\r\nWie in den vorhergehenden Abschnitten gezeigt, ermöglicht der Netzausbau die Flexibilisierung der haushaltsnahen Lasten, was auf nationaler Ebene im erheblichen Umfang Brennstoffkosten einspart. Diese Kostenersparnis kann sich entfalten, wenn das erhebliche Potenzial der zunehmenden haushaltsnahen Flexibilitäten genutzt wird, indem es dem Markt zugänglich gemacht werden kann (siehe Kapitel 2). Konkret richten sich die Verbraucher:innen dabei mit ihrer Nachfrage teilweise nach dem Börsenstrompreis und verschieben damit ihre Last aus Zeiten mit geringem Erneuerbare-Energien-Angebot in Zeiten mit hoher Stromverfügbarkeit und damit niedrigen Preisen. Im Folgenden wird dargestellt, welche Lastverschiebung hierdurch in den verschiedenen Szenarien realisiert werden kann.\r\nAbbildung 18 zeigt den viertelstündlichen, aufsummierten Bezug und die Rückgabe von Strom der verschiedenen flexiblen Verbrauchsanlagen ins Netz gemittelt über das gesamte Jahr für die Szenarien „lowFlex“ und „Flex“. Im Szenario „lowFlex“, indem sich die Verbrauchsanlagen überwiegend rein bedarfsorientiert verhalten, dominieren die Wärmepumpen die Schwankungen im Verbrauch. Diese nutzen die höhere Außentemperatur am Nachmittag, um effizienter zu arbeiten (siehe Abschnitt 7.2.1). Am Abend geben in diesem Szenario Heimspeicher eingespeicherte Energie im Rahmen der Eigenverbrauchsoptimierung zurück und führen insgesamt zu einer leichten Bezugsreduktion.  Durch die Optimierung der Assets auf den Börsenpreis (Szenario „Flex“) steigt der Verbrauch mittags deutlich an, da die Preise dort im Mittel niedrig sind. Der Verbrauch der Wärmepumpen ändert sich dabei kaum, weil sich diese auch hier vorrangig an der Außentemperatur orientieren. Heimspeicher und Elektrofahrzeuge speisen zu Zeiten mit hohen Preisen ins Netz ein. Durch den Stromhandel der Elektrofahrzeuge und Heimspeicher erhöhen diese den Energieaustausch mit dem Netz, in beide Richtungen (Bezug und Einspeisung) deutlich.\r\nDurch Vergleich der viertelstündlichen Verbräuche der flexiblen Verbrauchseinheiten in den verschiedenen Szenarien wird die Gesamtmenge an verschobener Energie je Richtung beziehungsweise Vorzeichen  berechnet. Dazu werden die zwei Zeitreihen (Szenario „lowFlex“ und „Flex“) der flexiblen Verbrauchsanlagen in Summe an der Schnittstelle zur Mittelspannung verwendet, um die für den Strommarkt verfügbare Flexibilität für die verschiedenen Szenarien zu bewerten. Die Lastgänge je Typnetzkonstellation werden dann auf Deutschland hochaggregiert. \r\nInsgesamt werden durch die Weitergabe der Börsenstrompreise an die haushaltsnahen flexiblen Verbraucher (Szenario „Flex“) im Vergleich zum Szenario „lowFlex“ mehr als 100 Terawattstunden Last erhöht und entsprechend auch wieder reduziert (siehe Abbildung 19). Diese rund 100 Terawattstunden Flexibi-\r\nSummenlastgang der flexiblen Verbrauchseinrichtungen im Jahr 2035 \t→ Abb. 18 gemittelt auf einen Tag\r\n \r\nFfE (2023)\r\nlität entsprechen mit Blick auf das Jahr 2035 mehr als zehn Prozent des Gesamtstrombedarfs aller Verbraucher:innen.  Im Detail ist außerdem zu beobachten, dass in diesem Szenario 121 Terawattstunden Lasterhöhung und nur 107 Terawattstunden Lastreduktion stattfinden – es wird also mehr Energie aus dem Mittelspannungsnetz bezogen als zurückgespeist. \r\nGrund dafür sind höhere Verluste im Netz durch die Ein- und Ausspeichervorgänge der Elektrofahrzeuge und Heimspei\r\nEnergiemengen, die haushaltsnahe Flexibilitäten im Jahr 2035 dem Markt \t→ Abb. 19 zur Verfügung stellen können\r\n \r\nFfE (2023). Anmerkung: Im Vergleich zur Tabelle 5 sind hier die Netzverluste berücksichtigt, die sich am Transformator ergeben.\r\nWird nun zusätzlich durch das dynamische Netzentgelt (Szenario „Flex-dynNe“) die Flexibilität netzschonender genutzt, reduziert sich das Flexibilitätspotenzial, verglichen mit der maximalen Flexibilität im Szenario „Flex“, nur geringfügig: Es finden 109 Terawattstunden Lasterhöhung und 98 Terawattstunden Lastreduktion statt. Die auf der Mittelspannungsebene verfügbare Flexibilität wird also geringfügig reduziert: Es werden weniger als zehn Prozent der verfügbaren Flexibilität zugunsten netzdienlicher Flexibilität für die Niederspannung verschoben, während der Großteil der Flexibilität weiterhin marktdienlichen Nutzen spendet. Das erlaubt die Schlussfolgerung, dass trotz der erbrachten Netzentlastung ein erheblicher Teil der verschobenen Energie zusätzlichen Mehrwert für die Marktpreisfindung liefert.\r\nAuch die Einführung von zeitvariablen Netzentgelten \r\n(Szenario „Flex-zeitvarNe“) hat zur Folge, dass ein Teil der Flexibilität als Reaktion auf das Netzentgelt verschoben wird. Da diese Variante des Netzentgelts aber nicht ausreichend differenzierte Signale für die lokale Netzentlastung enthält, werden die Niederspannungsnetze nicht entlastet und es besteht weiterhin hoher Netzausbaubedarf. \r\nDen Hauptbeitrag zur Verschiebung der Last auf \r\nBasis dynamischer Netzentgelte und damit die größte Rückwirkung auf den Strommarkt leisten die Elektrofahrzeuge\r\nVerfügbarkeit haben Heimspeicher einen geringeren Anteil an der Verschiebemenge, da deren installierte Leistung und Kapazität gegenüber den Elektrofahrzeugen deutlich geringer ist. Der Energiebezug der Wärmepumpen wird im Vergleich zu dem der Elektrofahrzeuge, trotz ebenfalls hoher installierter Leistung, nur in geringem Maße verschoben, was auf drei Punkte zurückzuführen ist. Erstens weisen die Gebäude in der Übergangszeit einen deutlich geringeren Wärmebedarf auf – im Sommer stellen die Wärmepumpen lediglich Trinkwarmwasser bereit. Zweitens optimiert sich die Wärmepumpe zusätzlich auf den effizientesten Betriebspunkt, der das Heizen in wärmeren Stunden des Tages bevorzugt. Somit laufen die Wärmepumpen zumeist bereits zur mittäglichen Tiefpreiszeit. Drittens kann an kalten Wintertagen der Bezug zeitlich kaum verschoben werden: Die Wärmepumpen sind dann fast rund um \r\nBeitrag der jeweiligen flexiblen Verbrauchseinrichtungen zur Flexibilitäts-\t→ Tabelle 5 erbringung im Jahr 2035 in Terawattstunden (Lasterhöhung/Lastreduktion)\r\nSzenario im \r\nVergleich zu \r\n„lowFlex“\tWärmepumpen\tElektrofahrzeuge\tHeimspeicher\tAlle* \r\n\tLasterhöhung\tLastreduktion\tLasterhöhung\tLastreduktion\tLasterhöhung\tLastreduktion\tLasterhöhung\tLastreduktion\r\nFlex\t5,6 \t5,5\t79,4\t71,6\t26,6\t24,1\t108,6\t98,2\r\nFlex-dynNe\t5,3\t5,2\t73,9\t66,6\t22,4\t20,3\t 98,6\t 89,2\r\nFfE (2023). * Die Summe fällt etwas niedriger aus als die Einzelsummen, da sich die Leistungen untereinander kompensieren können, wenn sich durch die dynamischen Tarife die Leistung einer Komponente erhöht und eine andere reduziert (im Vergleich zum Szenario \"lowFlex\").\r\ndie Uhr in Betrieb sind, um den hohen Wärmebedarf zu decken.\r\nDie hier ausgewiesenen Flexibilitätspotenziale sind \r\nErgebnis der Bottom-up-Modellierung und stellen Maximalwerte dar, da von einer ideal funktionierenden Kostenoptimierung je Hausanschluss ausgegangen wird und Speicher vereinfacht abgebildet wurden. So können durch Teillastverluste oder Mindestladeleistungen etwas höhere Verluste auftreten. Größeren Einfluss hat aber die Anzahl der Ladezyklen, die im Modell nicht beschränkt werden, weswegen das Modellergebnis auch einen erheblichen Anstieg der Ladezyklen zeigt. Die Ladezyklen für Elektrofahrzeuge werden vom Szenario „lowFlex“ zum Szenario „Flex“ fast verdreifacht. In der Praxis werden die Ladezyklen von Elektrofahrzeugen und auch Heimspeichern wahrscheinlich eingeschränkt, um der Batteriealterung vorzubeugen. Nimmt man überschlägig an, dass nur die Hälfte der verdreifachten Ladezyklen zugelassen werden und dabei dann nur die Hälfte des Flexibilitätspotenzials der Elektrofahrzeuge zur Verfügung steht, so wäre immer noch ausreichend Flexibilität für den Markt verfügbar. \r\nEs lässt sich also schlussfolgern, dass die potenzielle Flexibilität für den Markt in relevanter Größenordnung   vorhanden ist. Wie bereits gezeigt wurde, geht dies mit einem erhöhten Ausbaubedarf in den Niederspannungsnetzen und somit auch höheren Ausbaukosten einher. Abbildung 20 stellt diese beiden Aspekte der Flexibilisierung in Relation zueinander. Hierbei wird noch einmal deutlich, dass durch die dynamischen Netzentgelte die Ausbaukosten gegenüber dem Szenario „Flex“ deutlich reduziert werden können, bei nur geringfügiger Reduktion der marktdienlich verschobenen Energiemenge. \r\n \r\nGegenüberstellung der verschieb-\t→ Abb. 20 baren Energiemenge und der dazugehörigen Netzausbaukosten im Jahr 2035\r\n \r\nFfE (2023). Anmerkung: *kumuliert bis ins Jahr 2035, reale Werte. \r\n**verschobene Energiemenge gegenüber dem Szenario „lowFlex“. \r\nIn einem Anreizsystem, das die Fluktuation der Börsenstrompreise an flexible Kund:innen weitergibt, würden im Jahr 2035 100 Terawattstunden oder über zehn Prozent des Gesamtstromverbrauchs durch Lastanpassungen der haushaltsnahen Flexibilitäten Elektroauto, Photovoltaik-Heimspeichersystem und Wärmepumpe verschoben werden. In Zeiten mit viel Strom aus Erneuerbaren Energien kann eine Erhöhung der Stromnachfrage über einen günstigeren Preis angereizt werden, während sich die Nachfrage in Knappheitssituationen verringern würde. Die verschobenen Energiemengen sind damit ausreichend, um die oben genannten Brennstoffeinsparungen zu realisieren. Die hier vorgeschlagene Ausgestaltung der Netzentgelte ermöglicht eine sehr effiziente Reduktion der Netzbelastung. Das Niederspannungsnetz kann deutlich entlastet werden während der Einsatz marktdienlicher Flexibilität nur um etwa 10 Terawattstunden oder knapp zehn Prozent reduziert wird. Den größten Anteil an der Lastverschiebung haben Elektrofahrzeuge.\r\n5.2 Netzbelastungen \r\nDie im vorhergehenden Abschnitt dargestellten Netzausbaubedarfe wurden auf Grundlage der Netzmodellierung ermittelt. Dafür wurden die Netzbelastung in den einzelnen Szenarien berechnet und die daraus resultierenden notwendigen Verstärkungsmaßnahmen abgeleitet. Sofern in den Szenarien Netzausbaubedarf resultierte, wurden die Netze mit dem Ziel  der vollständigen Beseitigung von Netzengpässen ausgebaut. Die folgenden Abschnitte geben Aufschluss darüber, wann die Netzbelastung auftritt (Abschnitt 5.2.1), welche Betriebsmittel überlastet sind (Abschnitt 5.2.2) und welcher Verbrauchsanlagentyp diese Überlastung verursacht (Abschnitt 5.2.3).\r\nInsgesamt zeigen die Ergebnisse, dass die Netzbelastung aufgrund der zunehmenden Verbrauchseinheiten, wie Wärmepumpen, Elektromobilität und Heimspeicher, massiv zunehmen wird. Wird die Flexibilität nur in geringem Umfang genutzt (Szenario „lowFlex“), sind Wärmepumpen die hauptsächlichen Treiber für Netzbelastungen. In den flexibilitätsanreizenden Szenarien werden sie von den Elektrofahrzeugen abgelöst, weil diese durch höhere Anschlussleistungen und durch die angereizte Optimierung auf einen dynamischen Strompreis hohe Gleichzeitigkeiten und damit eine hohe Gesamtnetzbelastung aufweisen werden. Dynamische Netzentgelte können helfen, diese Nachteile deutlich zu reduzieren, indem sie in jedem vierten der Niederspannungsnetze sämtliche Engpässe verhindern. \r\n5.2.1 Netzbelastung nach Zeitpunkt\r\nUm die Wirksamkeit der verschiedenen Szenarien mit Blick auf deren Einfluss auf die Netzbelastung aufzuzeigen, bietet sich ein Blick auf den Zeitpunkt des Auftretens an.\r\nDabei zeigt sich, dass der Zuwachs an Wärmepumpen, Elektrofahrzeugen und Photovoltaikanlagen in Verbindung mit Heimspeichern selbst dann schon zu einer deutlichen Überlastung des Verteilnetzes führt, wenn noch keine Flexibilitätsanreize gesetzt werden. In diesem Fall (Szenario „lowFlex“) treten sowohl im Jahr 2029, als auch im Jahr 2035 die Überlastungen hauptsächlich abends während der Wintermonate auf, wie in Abbildung 21 zu sehen ist. Hierbei sticht besonders die erste Februarwoche hervor, die im betrachteten Wetterjahr 2012 mit einer Durchschnittstemperatur von -10 Grad Celsius besonders kalt war. Zu diesem Zeitpunkt ist der Heizwärmebedarf besonders hoch und zudem fallen die hohen Strombezüge der Wärmepumpen mit der abendlichen Ladespitze der Elektrofahrzeuge zusammen. Mit fortschreitendem Ausbau der Elektromobilität und Wärmepumpen vom Jahr 2029 bis ins Jahr 2035 steigt somit auch die Netzbelastung. Das Netz ist dann aufgrund der hohen \r\nGleichzeitigkeit der Verbraucher überlastet. Die Überlastungen in den sommerlichen Mittagsstunden sind auf die Einspeisung aus Photovoltaik-Dachanlagen zurückzuführen. \r\nIm Szenario „Flex“ sind die Zeitpunkte der Überlastung stark abhängig von den Spreads der Börsenstrompreise. Wie in Kapitel 3 beschrieben, werden Großhandelsstrompreise in den Sommermonaten stark von der Photovoltaikerzeugung beeinflusst.  Es kommt zu niedrigen Preisen in den Mittagsstun-\r\nAnteil der Netzüberlastungen im Jahresverlauf in viertelstündlicher Auflösung\t→ Abb. 21\r\n \r\nFfE (2023)\r\nden. Mit steigendem Anteil Erneuerbarer Energien im Jahr 2035 steigen auch die Börsenpreisspreads. Die resultierenden, geringen Preise führen zu einer hohen, gleichzeitigen Ladeleistung der Elektrofahrzeuge und zur Überlastung der Netze. In den Abend- und Morgenstunden werden wiederum höhere Börsenstrompreise erreicht und die bidirektionalen Elektrofahrzeuge sowie Heimspeicher, die hiervon profitieren wollen, speisen in das Netz ein. Dies führt in einem Teil der Netze zu einspeisebedingten Überlastungen. Allerdings liegen auch in den Szenarien mit Flexibilitätsanreizen die Zeitpunkte mit den meisten überlasteten Netzen hauptsächlich in den Wintermonaten. \r\nDie Einführung von Flexibilitätsanreizen in Verbindung mit dynamischen Netzentgelten hat zur Folge, dass punktuell extreme Netzüberlastungen reduziert werden können. Das zeigt sich im Jahr 2035 vornehmlich in den Abend- und Morgenstunden. Netzüberlastungen können wirkungsvoll reduziert werden, weil in Belastungssituationen der hohen Gleichzeitigkeit, die bei der reinen Weitergabe des Börsenstrompreises gegeben ist, durch höhere Netzentgelte entgegengewirkt wird. \r\n5.2.2  Netzbelastung nach Betriebsmitteln\r\nmittel überlastet sind, wie lang und oft das der Fall ist und auf welches Problem das zurückzuführen ist: Überlastung in Bezugs- oder Einspeiserichtung,  sowie Spannungsbandverletzung, Leitungsüberlastung oder Transformatorüberlastung.\r\nAbbildung 22 zeigt den Anteil der überlasteten Ortsnetze69 für das Jahr 2035 und die Anteile der jeweils belasteten Betriebsmittel.\r\nBereits bei geringer Flexibilisierung (Szenario „lowFlex“) sind 31 Prozent der Netze überlastet und benötigen Netzausbau. Das heißt, in fast jedem dritten Niederspannungsortsnetz ist mindestens ein Betriebsmittel überlastet. Durch die marktliche \r\n \r\n \r\nAnteil überlasteter Betriebsmittel im Jahr 2035\t→ Abb. 22\r\nAnteil überlasteter Betriebsmittel [%]\r\n80\r\n62\t \t\r\n60\t \t\t51\t\r\n50\r\n40\t \t47\r\n \t\t \t\t\r\n31\t \t \t\t\t \t\t\r\n30\t \t \t \t\t25\r\n \t \t 23\t22\t23 21\r\n20\r\n10\t \t\t\t\t\t\t\t\r\n\t\t \t \t\t\t \t \t \t\t \t8,6\t\t \t \t\r\n0\t \t \t \t2,8\r\n\t0,3\t1,4\t\t \t \t \t4,8\r\n \t \t \t0\t \t \t\t3,6\t2,4\r\n0,6\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\r\n\t \r\ngesamt\tLeitungen*\r\nrichtungsunabhängig\t\tTransformator\t \tSpannung am HA**\r\nlastbedingt\t\tTransformator\t  Spannung am HA**\r\neinspeisebedingt\t\r\n \r\nFfE (2023). Anmerkung: *thermische Überlastung bezogen auf die Länge aller modellierten Leitungen. **Hausanschlüsse (HA) mit einspeisebedingter oder lastbedingter Spannungsbandverletzung.\r\n69 Die Gesamtheit des deutschen Niederspannungsnetzes, betrieben von den rund 880 Verteilnetzbetreibern, besteht aus vielen einzelnen Ortsnetzen (rund 550.000 Stück, in denen sich primär Haushalte und deren Flexibilitäten befinden), die über Ortsnetztransformatoren an die nächsthöhere Spannungsebene angeschlossen sind. Letztgenannte stellen hier die Grundgesamtheit dar. \r\nFlexibilisierung (Szenario „Flex“) verdoppelt sich die \r\nAnzahl überlasteter Ortsnetze auf 62 Prozent. Die \r\nEinführung dynamischer Netzentgelte (Szenario „Flex-dynNe“) reduziert die Überlastung, sodass nur in knapp der Hälfte (47 Prozent) aller Ortsnetze Ausbaubedarf besteht. \r\nInsgesamt dominieren in allen Szenarien lastbedingte Engpässe, verursacht durch die zunehmende Elektrifizierung des Wärme- und des Mobilitätssektors. Unabhängig vom Szenario gehen die Überlastungen primär auf die Überlastungen der Ortsnetztransformatoren zurück, gefolgt von Spannungsproblemen und zuletzt einem geringen Anteil an thermisch überlasteten Leitungen. \r\nBesonders die lastbedingte Transformatorüberlastung steigt deutlich durch marktliche Anreize für die Flexibilitäten, und zwar von 25 Prozent der Betriebs mittel im Szenario „lowFlex“ auf 51 Prozent im Szenario „Flex“. Durch dynamische Netzentgelte kann die Erhöhung der Belastung der Ortsnetztransformatoren kompensiert werden. Die dynamischen Netzentgelte werden aus der prognostizierten Auslastung des Ortsnetztransformators ermittelt. Die Entgelte werden immer dann erhöht, wenn die Transformatorauslastung kritisch wird. Dies zeigt direkt Wirkung und so kann im Szenario „Flex-dynNe“ der Anteil überlasteter Ortsnetztransformatoren von 51 auf 23 Prozent gesenkt werden, womit sie sogar knapp unterhalb des Wertes von 25 Prozent des Szenarios „lowFlex“ liegen.\r\nDurch den hohen Strombezug sinkt entlang einer \r\nLeitung das Spannungsniveau. Analog zur Transformatorüberlastung in Lastrichtung treten in den drei Szenarien Unterschreitungen des für einen stabilen Netzbetrieb erforderlichen Spannungsbereichs auf. Ohne Flexibilitätsanreize (Szenario „lowFlex“) weisen rund 5 Prozent der 19 Millionen Wohngebäude zu geringe Spannungen auf. Durch Flexibilitätsanreize (Szenario „Flex“) steigen diese auf 22 Prozent. Die Dynamisierung der Netzentgelte hat erneut einen positiven Einfluss und reduziert den Anteil betroffener Hausanschlüsse auf 8,5 Prozent.\r\nDurch die Flexibilisierung nehmen auch einspeisebedingte Engpässe deutlich zu. Dies ist der Arbitrageaktivität der Elektrofahrzeuge und Hausspeicher zuzuschreiben, die in Zeiten hoher Börsenstrompreis Strom verkaufen. Zu Zeitpunkten mit hohem Strompreis nehmen einspeisebedingte Transformatorüberlastungen durch die Flexibilisierung zu. Entsprechend kommen auch in mehr Netzen kritisch hohe Spannungen vor, aber insgesamt sind Spannungsüberschreitungen selten. Im Szenario „lowFlex“ kommt es bei weniger als einem Prozent der Hausanschlüsse aufgrund von Photovoltaikeinspeisung zu Verletzungen der oberen Spannungsgrenze. Im Szenario „Flex“ sind 4 Prozent aller Hausanschlüsse betroffen, was durch dynamische Netzentgelte auf 2 Prozent reduziert wird. \r\nNegative Netzentgelte wirken sich positiv auf einspeisebedingte Überlastungen aus, die in den Szenarien mit Flexibilisierung primär in den Morgenstunden und Abendstunden auftreten. Zu diesen Zeiten sind die Börsenstrompreise häufig hoch. Bidirektionale Elektrofahrzeuge und Heimspeicher, die am Arbitragehandel teilnehmen, nutzen dies aus und speisen in das Stromnetz ein. Entstehen dadurch Überlastungen in den Niederspannungsnetzen, können diese durch negative Netzentgelte ausgeglichen werden, um Netzausbau zu vermeiden. Das negative Netzentgelt führt dazu, dass bei der Rückspeisung kein Netzentgelt erstattet wird, sondern für die Einspeisung entrichtet werden muss. Das kann zu kritischen Zeitpunkten die Einspeisung des Stroms unrentabel machen. \r\nAuch die thermische Überlastung von Leitungen, die durch Einspeisung oder Verbrauch hervorgerufen werden kann, ist selten. Im Szenario „lowFlex“, in dem kaum Flexibilitätsanreize gegeben sind, sind nur geringe Anteile aller Leitungen thermisch überlastet. Im Jahr 2035 betrifft dies 0,26 Prozent der gesamten betrachteten Leitungslänge inklusive der Hausanschlussleitungen. Durch das maximale Anreizen der Flexibilitäten im Szenario „Flex“ steigt der Anteil \r\nÜberlastungsdauer und Anteil betroffener Netze im Jahr 2035 inklusive der \t→ Abb. 23\r\nBetriebsmittel, die zur Überlastung führen\r\n \r\nFfE (2023). Lesebeispiel:  Im Szenario „Flex“ tritt in 62 Prozent 1) der Netze und durchschnittlich in 520 Stunden pro Jahr mindestens eine \r\nÜberlastungsart auf. Dabei kommt es in 51 Prozent 2) der Netze im Mittel in 363 Stunden pro Jahr an mindestens einem Hausanschluss zu \r\nlastbedingten Spannungsbandverletzungen.\r\nüberlasteter Leitungsmeter auf 2,8 Prozent und kann durch den Einsatz von dynamischen Netzentgelten (Szenario „Flex-dynNe“) halbiert werden. \r\nInsgesamt lässt sich feststellen, dass sich die dynamischen Netzentgelte – obwohl diese lediglich anhand der prognostizierten Ortsnetztransformatorauslastung bestimmt werden – auch positiv auf Leitungsüberlastungen und Spannungsbandverletzungen auswirken, jedoch ist der Effekt gering. \r\nIn vereinzelten Fällen kann es sogar zu einer Verstärkung der Überlastungen der Leitungen kommen (siehe Abschnitt 5.3): Wird eine Überlastung des Ortsnetztransformators über längere Zeit prognostiziert, wie dies zum Beispiel in Netzen mit hohem Wärmepumpenanteil in den Wintermonaten der Fall sein kann, stellt sich ein dauerhaft hohes Netzentgelt ein. Somit fehlt der Anreiz Lasten oder Einspeisung der Elektrofahrzeuge und Heimspeicher ins Netz aktiv zu verschieben und die Netzentgelte verlieren ihre Lenkungswirkung.\r\nDa es für die Beurteilung einer Überlastung wichtig ist, wie lange und wie häufig eine Überlastung auftritt, zeigt Abbildung 23 zusätzlich zu dem Anteil der betroffenen Netze beziehungsweise die überlasteten Betriebsmittel die durchschnittliche Dauer der Überlastung. \r\nEin Punkt weit oben rechts in der Abbildung 23 bedeutet, dass viele Ortsnetze entweder gesamt oder mit Blick auf das jeweilige Betriebsmittel im Durchschnitt lange überlastet sind, was für einen Netzausbau spricht. Eine kurze Überlastung kann unter Umständen auch über andere Maßnahmen wie beispielsweise der Spitzenlastkappung auf Erzeugungsseite oder durch Netzengpassmanagement auf Verbrauchsseite nach § 14a EnWG behoben werden. \r\nInsgesamt sind in dem Szenario mit der größten Flexibilitätsverschiebung (Szenario „Flex“) mehr als die Hälfte aller Ortsnetze überlastet und das im Durchschnitt über 500 Stunden im Jahr. Das sind im \r\nSchnitt rund 1 Stunde und 20 Minuten pro Tag. Im \r\nSzenario mit den geringsten Flexibilitätsanreizen \r\n(Szenario „lowFlex“) beträgt die durchschnittliche Überlastungsdauer der jeweiligen Betriebsmittel lediglich etwas über 100 Stunden pro Jahr. Im Szenario mit Flexibilisierung und dynamischen Netzentgelten (Szenario „Flex-dynNe”) sind insgesamt etwas weniger Netze überlastet, diese dann aber im Durchschnitt nach wie vor knapp 500 Stunden im Jahr. Die Reduktion der Überlastung durch dynamische Netzentgelte ist zum großen Teil auf die Entlastung der Ortsnetztransformatoren zurückzuführen. \r\nWie Abbildung 23 zeigt, treten sowohl einspeisebedingte als auch lastseitige Transformatorüberlastungen durch Anwendung von dynamischen Netzentgelten nur in wenigen Stunden im Jahr auf. Nach der angewandten Ausbaumethodik (siehe Anhang 7.2.2) werden die Ortsnetztransformatoren auch bei nur kurzer Überlastung verstärkt. Um in diesen Fällen einen Transformatortausch zu vermeiden und dennoch einen sicheren Netzbetrieb zu gewährleisten, könnte in diesen Zeitpunkten eine Leistungslimitierung der steuerbaren Verbrauchseinrichtungen im Rahmen des Engpassmanagements nach § 14a EnWG eine Überlastung vermeiden (siehe Abschnitt 3.4).\r\nAufgrund des hohen Anteils und der Dauer der Transformatorüberlastungen im Szenario „Flex“ ist davon auszugehen, dass sich die Flexibilisierung auch auf die Mittelspannung auswirkt. Da die Transformatorauslastung durch die dynamischen Netzentgelte deutlich reduziert wird, wirken sich die dynamischen Netzentgelte auch positiv auf die Belastung in der Mittelspannung aus. Es kommt dank der dynamischen Netzentgelte durch Flexibilisierung mutmaßlich zu keiner Mehrbelastung der Mittelspannung, denn die Transformatorbelastung und damit Auswirkung auf die Mittelspannung ist im Szenario „Flex-dynNE“ geringer als ohne Flexibilisierung („lowFlex“).\r\nZusammenfassend lässt sich feststellen, dass in den betrachteten Szenarien durch den starken Anstieg an Verbrauchern vor allem lastbedingte Engpässe wie untere Spannungsbandverletzungen und lastseitige Transformatorüberlastungen auftreten. Durch die zusätzliche Einspeisung durch bidirektionale Elektrofahrzeuge und Heimspeicher, die am Arbitragehandel teilnehmen, treten in den Szenarien mit Flexibilisierung auch einspeisebedingte Transformatorüberlastungen auf. Durch den Einsatz dynamischer Netzentgelte können dem entgegenwirkend vor allem Ortsnetztransformatoren entlastet werden, da diese als Eingangsgröße zur Bestimmung der Netzentgelte dienen. Die verbleibenden Transformatorüberlastungen treten hierbei nur in wenigen Stunden im Jahr auf. Zusätzlich werden auch obere Spannungsbandverletzungen deutlich reduziert, da diese häufig in Kombination mit einspeisebedingten Transformatorüberlastungen auftreten.\r\n5.2.3 Verursacher der Netzbelastung\r\nWie beschrieben, stellt der zunehmende Hochlauf der haushaltsnahen, potenziell flexiblen, Verbrauchseinrichtungen hohe Anforderungen an die Leistungsfähigkeit der Verteilnetze.\r\nIn Abbildung 23 sind die Anteile der einzelnen Komponenten an der gesamten auftretenden Last in den Zeitpunkten der Überlastungen dargestellt. Der ebenfalls dargestellte Anteil der überlasteten Zeit, in der Legende als „Überlastungsdauer“ bezeichnet, variiert über die Szenarien (siehe auch Abbildung 23) und ist auf die maximale Dauer der Überlastung, die im Szenario „Flex“ auftritt normiert. Ohne preisliche Anreize zur Lastverschiebung auf Basis des Börsenstrompreises (Szenario „lowFlex“) werden die Überlastungen hauptsächlich von den Wärmepumpen verursacht. Zu einer Überlastung kommt es vor allem an kalten Wintertagen (siehe auch Abbildung 18), wenn die Wärmepumpen alle gleichzeitig auf hoher Last laufen. In Summe liegt der Lastanteil der Wärmepumpen in den kritischen Zeitpunkten bei 70 Prozent. Elektrofahrzeuge machen hierbei nur etwa 14 Prozent der Gesamtlast aus. \r\nElektrofahrzeuge und Heimspeicher können auf \r\nFlexibilitätsanreize sehr gut reagieren. Das führt im \r\nSzenario „Flex“ zu einer hohen Gleichzeitigkeit beim Laden und Entladen und damit deutlich häufiger zur Überlastung als in dem Szenario ohne solche Anreize. Der Lastanteil der Elektrofahrzeuge steigt während der kritischen Zeitschritte auf 47 Prozent und der Heimspeicher von 1 Prozent auf 17 Prozent. \r\n \r\nAnteil der flexiblen Verbrauchsanlagen und der unflexiblen Haushaltsverbräuche\t→ Abb. 24 an der Gesamtlast und die Überlastungsdauer bei lastbedingten Überlastungen im Jahr 2035\r\nAnteil an Gesamtlast bei Überlastung \r\n(normiert auf Maximum, Szenario „Flex“) [%]\r\n100\r\n80\t \r\n60\r\n40\t\t\t47 %\t\t44 %\t\r\n\t70 %\t \r\n20\t \t\t26 %\t\t27 %\t\r\n0 lowFlex\t\tFlex\tFlex-dynNe\r\n \r\nFfE (2023). Lesebeispiel: Die prozentuale Überlastungsdauer beträgt im Szenario mit dynamischem Börsenpreis 100 Prozent1), da sie auf die maximale Überlastungsdauer normiert wurde. Mit dynamischen Netzentgelten wird sie um 25 Prozent auf 75 Prozent2) reduziert. In den verbleibenden Zeitpunkten mit Überlastung sind die Elektrofahrzeuge und Heimspeicher in geringerem Maß für die Überlastungen verantwortlich.\r\nDynamische Netzentgelte führen dazu, dass die Flexibilität der Elektrofahrzeuge und Heimspeicher netzschonender eingesetzt wird. Dadurch reduziert sich deren Anteil an Überlastungen gegenüber dem Szenario ohne dynamische Netzentgelte geringfügig. Im Gegenzug steigt dann der Anteil der unflexiblen Haushaltslast und der Wärmepumpen leicht. An sehr kalten Tagen reagieren die Wärmepumpen nur be- \r\ndingt auf die Netzentgelte, weil diese dauerhaft hoch sind und damit keine Lenkungswirkung mehr entfachen können. Da die Häuser aber geheizt werden sollen, ist die Möglichkeit zur Lastverschiebung über längere Zeiträume eingeschränkt.\r\nEinspeisebedingte Überlastungen sind in Abbildung  24 nicht dargestellt. Sie treten hauptsächlich in den flexiblen Szenarien auf und werden im Wesentlichen durch die Flexibilitäten, die am Arbitragehandel teilnehmen, hervorgerufen. Gut 50 Prozent der kritischen Einspeiseleistung entfällt hierbei auf bidirektionale Elektrofahrzeuge und gut 25 Prozent auf Heimspeicher. Die restliche Leistung entfällt auf die Photovoltaikanlagen. Durch den Einsatz dynamischer Netzentgelte können auch einspeisebedingte Überlastungen deutlich reduziert werden (siehe auch Abbildung 23). Die Anteile an der kritischen Einspeiseleistung verändern sich hierbei kaum.\r\nDie Verteilnetze sind im Jahr 2035 durch den Zuwachs an haushaltsnaher Last regelmäßig überlastet. In allen betrachteten Szenarien dominieren lastbedingte Engpässe. Ohne Nutzung der Flexibilität (Szenario „lowFlex“) sind Wärmepumpen die hauptsächlichen Treiber von Netzüberlastungen. In den flexibilitätsanreizenden Szenarien treiben hauptsächlich Elektrofahrzeuge die Überlastung in die Höhe. Neu dazu kommen einspeisebedingte Überlastungen durch die gleichzeitige Entladung von bidirektionalen Elektrofahrzeugen (Szenario „Flex“ und „Flex-dynNe“) und Heimspeichern bei hohen Börsenstrompreisen. Hierbei sind ebenfalls die Elektrofahrzeuge aufgrund ihrer hohen Leistung hauptsächlicher Treiber der Überlastung.\r\n5.3 Notwendige Verstärkungsmaßnahmen\r\nDamit die Netze in der Zukunft weiterhin engpassfrei betrieben werden können, bedarf es des Ausbaus von Leitungen und Ortsnetztransformatoren. Diese werden, sofern die Schwellwerte ihrer technischen Betriebsgrenzen überschritten werden, durch das Verlegen paralleler Leitungen oder durch den Austausch des Transformators mit einem mit höherer Nennleistung hinsichtlich der neuen Belastungssituation aufgerüstet. In den nachfolgenden Abschnitten werden die resultierenden Netzausbaukosten (Abschnitt 5.3.1 beleuchtet. Nach übergeordneter Aufschlüsselung der in den Szenarien auftretenden Netzausbaukosten je Gebietskategorie, erfolgt eine spezifische Einordnung der erforderlichen Kosten für Leitungs- und Transformatorausbau (Abschnitt 5.3.2 und 5.3.3). Es folgt eine Prüfung, ob andere Netzentgeltspreads, als die hier angenommenen, möglicherweise zusätzlich Netzausbaukosten vermeiden können, sowie ein Exkurs über den Einfluss regelbarer Ortsnetztransformatoren.\r\nDie Ergebnisse verdeutlichen, dass der Leitungsausbau den größten Kostenfaktor darstellt, welcher durch den Einsatz dynamischer Netzentgelte signifikant reduziert werden kann. Die Einführung dynamischer Netzentgelte kann damit einen deutlichen Beitrag dazu leisten, dass der Ausbau für die Verteilnetzbetreiber erreichbar ist. Durch die zusätzliche Einbindung der Flexibilitäten verschiebt sich die Belastung auf die Niederspannungsnetze zunehmend vom ländlichen in den städtischen Raum.\r\n5.3.1  Aufschlüsselung der Ausbaukosten nach Betriebsmitteln und Gebietskategorien\r\nZur Behebung der Spannungsbandprobleme und Leitungsüberlastungen (siehe Abschnitt 4.2.2) begdarf es des Ausbaus der Niederspannungsleitungen. Dieser macht einen Großteil der anfallenden Kosten aus. Die Ausbaumaßnahmen der Leitungen teilen sich einerseits in die Materialkosten für die Leitungen und andererseits in die Kosten für deren Verlegung auf, die vom Grabungsaufwand dominiert sind. Im Vergleich zu den Anschaffungs- und Installationskosten neuer Ortsnetztransformatoren ist der finanzielle Aufwand aufgrund der Grabungskosten deutlich höher. Dies hat zur Folge, dass die Kosten für die Leitungsverlegung in allen Szenarien am höchsten sind, wie Abbildung 25 entnommen werden kann. \r\nDurch die Flexibilisierung steigen die Kosten sowohl für die Leitungsverstärkung als auch für den Tausch von Ortsnetztransformatoren an. Im Szenario „Flex“ muss bis zum Jahr 2035 bei 51 Prozent der Niederspannungsortsnetze,71 also in mehr als 225.000 Ortsnetzen, die Trafokapazität erhöht werden, wodurch deren installierte Leistung gegenüber heute um 63 Prozent steigt (von 196 auf 320 Gigawatt). Die benötigte Transformatorleistung übersteigt dann in etwa 3,3 Prozent der Netze (rund 18.000 Stück) die angenommene maximale Leistungsklasse von 1.000 Kilowatt, sodass die Erweiterung nicht über einen schlichten Austausch des Transformators in der vorhandenen Station durchgeführt werden kann. Dies hat zur Folge, dass neue Transformatorstationen gebaut werden müssen, wodurch im Regelfall eine Netzneuplanung resultiert. Hierbei wird das Netz aufgeteilt und ein Teil der Stränge entsprechend \r\n \r\n71 \tDie Gesamtheit des deutschen Niederspannungsnetzes, betrieben von rund 880 Verteilnetzbetreibern, besteht aus vielen einzelnen Ortsnetzen (rund 550.000 Stück, in denen sich primär Haushalte und deren Flexibilitäten befinden), die über Ortsnetztransformatoren an die nächsthöhere Spannungsebene angeschlossen sind. Letztgenannte stellen hier die Grundgesamtheit dar.\r\nder lokalen Gegebenheiten über den neuen Ortsnetztransformator aus dem Mittelspannungsnetz versorgt, wodurch die Belastung im ursprünglichen Ortsnetz deutlich vermindert wird.\r\n \r\nNetzausbaukosten nach Betriebsmittel bis zum Jahr 2035*\t→ Abb. 25\r\n \r\nFfE (2023). Anmerkung: *kumuliert bis zum Jahr 2035, auf eine Nachkommastelle gerundet, reale Werte. \r\nDurch dynamische Netzentgelte können insbesondere die Investitionskosten für den Transformatortausch bis zum Jahr 2035 von 4,4 Milliarden Euro auf 1,9 Milliarden Euro gesenkt werden. Die Kosten für Ortsnetztransformatoren sind damit sogar um 100 Millionen Euro geringer als im Szenario mit dem geringsten Flexibilitätseinsatz (Szenario „lowFlex“). Das bedeutet, dass die dynamischen Netzentgelte die durch die marktliche Flexibilisierung erhöhte Transformatorauslastung wirkungsvoll kompensieren beziehungsweise sogar leicht überkompensieren. Außerdem ist in Szenario „Flex-dynNe“ im Gegensatz zum Szenario „Flex“ kein Bau von neuen Transformatorstationen nötig. Die dynamischen Netzentgelte wirken sich auch positiv auf den Bedarf an neuen Leitungen aus: Die Kosten für den Leitungsausbau reduzieren sich in Summe im Vergleich zum Szenario  \r\n„Flex“ um fast 13 Prozent von 12,5 Milliarden Euro  auf 10,9 Milliarden Euro.\r\nDer beschriebene Ausbaubedarf fällt dabei nicht in allen Ortsnetzen gleich aus. Um diesen Effekt zu veranschaulichen, werden im Folgenden die oben genannten Gesamtinvestitionen differenziert nach Gebietskategorien gezeigt. Abbildung 26 schlüsselt die Ausbaukosten für die untersuchten Gebietskategorien, auf, um zu verdeutlichen, wo am meisten in den Netzausbau investiert werden muss.\r\nIm Szenario „lowFlex“ fallen mehr als 50 Prozent der Ausbaukosten im ländlichen Raum an, gefolgt von den vorstädtischen Netzgebieten mit etwa 40 Prozent. Das ist auf die längeren Leitungsabschnitte in diesen Netzgebieten in Kombination mit einer hohen Anzahl an Verbrauchseinrichtungen und daraus resultierenden Spannungsbandverletzungen zurückzuführen. \r\n \r\nNetzausbaukosten je Gebietskategorie bis zum Jahr 2035*\t→ Abb. 26\r\n \r\nFfE (2023). Anmerkung: * kumuliert bis zum Jahr 2035, auf eine Nachkommastelle gerundet, reale Werte. \r\nDas Nutzen der haushaltsnahen Flexibilitäten führt im ländlichen und vorstädtischen Raum zu knapp einer Verdopplung der Netzausbaukosten im Szenario „Flex“. Beide Gebietskategorien tragen auch absolut betrachtet die höchsten Netzausbaukosten. Relativ resultiert durch das Nutzen der Flexibilität in städtischen Netzen eine besonders starke Erhöhung der Kosten. Das liegt daran, dass die städtischen Netze einen hohen Durchdringungsgrad von Elektrofahrzeugen aufweisen. Durch die börsenpreisoptimierte Ladestrategie kommt es zu hohen gleichzeitigen Ladeleistungen und die Ausbaukosten in den Städten erhöhen sich um den Faktor sechs von 600 Millionen Euro auf 3,6 Milliarden Euro bis zum Jahr 2035. Ergänzt man im Stromtarif die dynamischen Börsenpreise um dynamische Netzentgelte, wird das Netz entlastet und die Ausbaukosten werden deutlich reduziert – am stärksten wirkt sich dies in den städtischen Netzen mit einer Kostenreduktion  \r\num 44 Prozent aus. Diese Reduktion ist insbesondere durch einen geringeren Bedarf an neuen Ortsnetztransformatoren (siehe Abschnitt 5.3.3) zu erklären.\r\nDer Großteil der Ausbaukosten in den Niederspannungsnetzen bis zum Jahr 2035 entsteht durch die Verlegung von zusätzlichen Leitungen. Die Installationskosten sind hierbei im Vergleich zu Ortsnetztransformatoren aufgrund der notwendigen Tiefbauarbeiten deutlich höher. Bei flexibler Lastreaktion auf dynamische Stromtarife steigen die Netzausbaukosten für Leitungen und Ortsnetztransformatoren. Dynamische Netzentgelte, die ein Preissignal bei hoher Netzauslastung transportieren, wirken sich kostendämpfend auf den Netzausbaubedarf aus. Dies betrifft insbesondere den Transformatorausbau, der auf dem Niveau mit wenig genutzter Flexibilität (Szenario „lowFlex“) gehalten werden kann. \r\nIn sämtlichen Szenarien nimmt der Anteil der Kosten nach Gebietskategorie von ländlich über vorstädtisch zu städtisch ab. Die Ausbaukosten nehmen durch die Flexibilisierung in städtischen Netzen im Verhältnis am stärksten auf das Sechsfache zu. Die aufgrund der höheren Durchdringung von Elektromobilität steigende Netzbelastung, mit der sich städtische Regionen konfrontiert sehen, kann mithilfe von dynamischen Netzentgelten deutlich reduziert werden. \r\n5.3.2  Einordnung des erforderlichen  Leitungszubaus\r\nDas Verteilnetz muss in den nächsten Jahren deutlich erweitert werden, damit die neuen Verbraucher integriert werden können und deren Flexibilität genutzt werden kann. Wie oben festgestellt, reduzieren dynamische Netzentgelte den Netzausbaubedarf, insbesondere für Ortsnetztransformatoren, aber weniger für Leitungen.\r\nAbbildung 27 zeigt in der linken Grafik den Ausbaubedarf an Leitungslänge bis zum Jahr 2035 je Szenario, den es braucht, um Engpässe in diesem Bereich zu vermeiden. Die Länge aller Leitungen im Niederspannungsnetz beträgt heute 1,27 Millionen Kilometer, die Wohngebiete machen davon 715.000 Kilometer aus (siehe Abschnitt 4.1.1) . Bis ins Jahr 2035 ist, selbst wenn die haushaltsnahe Flexibilität kaum genutzt wird (Szenario „lowFlex“), eine Erweiterung um mindestens 10 Prozent notwendig. Um die Flexibilitäten im Szenario „Flex“ zu nutzen, müssen insgesamt rund 204.000 Kilometer beziehungsweise bei Umsetzung dynamischer Netzentgelte (Szenario „Flex-dynNe“) 175.000 Kilometer Leitungen zugebaut werden, was einer Erweiterung des Netzes um knapp 30 Prozent beziehungsweise 25 Prozent entspricht. In allen Szenarien entfällt ungefähr die Hälfte des Leitungsausbaubedarfes auf den ländlichen Raum, rund 40 Prozent wird in vorstädtischen Netzgebieten benötigt. \r\nNeben den reinen Leitungskilometern werden auch die Verlegungskilometer in Abbildung 27 ausgewiesen. Niederspannungsleitungen werden in der Regel unterirdisch verlegt, weswegen die Kosten des Tiefbaus einen erheblichen Teil der Ausbaukosten ausmachen. Da die Annahme jedoch ist, dass Leitungen parallel verlegt werden können, sind weniger Grabungsmeter als Leitungsmeter notwendig.  Auch hier zeigt sich, dass preisliche Anreize zur Lastverschiebung auf Basis des Börsenstrompreises den Ausbaubedarf erhöhen. \r\nder Bedarf an zusätzlichen Stromleitungen im Verteilnetz um den Faktor vier. Da in den städtischen Netzen deutlich höhere Grabungskosten (siehe Annahmen zu Grabungskosten im Anhang 7.2.2) anfallen, macht dies einen Großteil der städtischen Netzausbaukosten aus. \r\nDer entlastende Effekt der dynamischen Netzentgelte ist bei den Leitungen weniger stark ausgeprägt als bei den Ortsnetztransformatoren. Die Anzahl der überlasteten Netzstränge wird nur in geringem Umfang reduziert, wodurch weiterhin hohe Grabungskosten resultieren, wenngleich insgesamt weniger Leitungen parallel verlegt werden müssen. \r\nAusbaubedarf an Leitungs- und Verlegungslänge bis zum Jahr 2035\t→ Abb. 27\r\n \r\nFfE (2023)\r\nUm die Machbarkeit des Netzausbaus abzuschätzen, wird in Abbildung 28 der Ausbaubedarf für die Jahre 2029 und 2035 mit dem historischem Netzausbau verglichen.\r\nIn dieser Studie werden nur Niederspannungsnetze mit haushaltsnahen Flexibilitäten betrachtet, die rund 60 Prozent der Gesamtnetzlänge des deutschen Niederspannungsnetzes ausmachen. Die hier getroffene Annahme für die Ermittlung des Ausbautrends ist, dass sich der historische Ausbau  gleichmäßig auf alle Niederspannungsnetze verteilt.\r\nDas Niederspannungsnetz wurde seit dem Jahr 2010 im Durchschnitt pro Jahr um 13.700 Kilometer beziehungsweise um 1 Prozent der Netzlänge erweitert. In den letzten Jahren ist eine Ausbaubeschleunigung zu beobachten, seit dem Jahr 2017 sind es rund 20.000 Kilometer beziehungsweise 1,6 Prozent pro Jahr. Wie Abbildung  28 zeigt, ermöglicht diese Ausbaugeschwindigkeit das Erreichen des notwendigen Netzausbaus bis zum Jahr 2035 nur im Szenario „lowFlex“. Mit Flexibilisierung und dynamischen Netzentgelten (Szenario „Flex-dynNe) wird der notwendige Netzausbau um 20.000 Kilometer nur knapp nicht erreicht.\r\nOhne Flexibilisierung der Assets müssen zwei Drittel der benötigten Leitungen bis zum Jahr 2029 zugebaut werden. Dies entspricht einer Ausbaurate von fast 6.900 Kilometer pro Jahr beziehungsweise 1 Prozent der Netzlänge vom Jahr 2022 bis ins Jahr 2029 und erscheint damit im historischen Vergleich machbar. Im Szenario „Flex“ liegt die benötigte Ausbaurate bis ins Jahr 2029 bei etwa 10.400 Kilometer oder 1,4 Prozent pro Jahr. Mit Blick auf das Jahr 2035 steigt der Ausbaubedarf deutlich an. Verteilt man den sich dann ergebenden Ausbaubedarf gleichmäßig auf alle Jahre, steigt die benötigte Leitungslänge pro Jahr \r\nAusbaubedarf an Leitungen verglichen mit dem historischen Ausbautrend\t→ Abb. 28\r\n \r\nFfE (2023). Anmerkung: * haushaltsnahe Niederspannungsnetze. ** Annahme: 56 Prozent der fortgeschriebenen historischen Ausbaumaßnahmen finden in haushaltsnahen Niederspannungsnetzen statt. Das entspricht dem heutigen Anteil der haushaltsnahen Netze an der Gesamtlei-\r\ntungslänge in der Niederspannung.\r\nzwischen 2022 und 2035 auf fast 15.800 Kilometer oder 2,2 Prozent an. \r\nDurch dynamische Netzentgelte kann die benötigte \r\nAusbaugeschwindigkeit auf 12.900 Kilometer oder 1,8 Prozent pro Jahr reduziert werden. Allerdings erhöht sich der Ausbaubedarf bis ins Jahr 2029 leicht. Da die Bestimmung der dynamischen Netzentgelte auf der Transformatorauslastung basiert, kommt es in einzelnen Netzen bis zum Jahr 2029 durch die Verschiebung der Lasten nicht zu einer Reduktion, sondern zu einer Erhöhung der Leitungsauslastung und Spannungsbandverletzungen.\r\nDer Großteil des Bedarfes an Leitungsausbau fällt in den ländlichen und vorstädtischen Netzregionen an. Die erforderliche Ausbaugeschwindigkeit, um haushaltsnahe Flexibilität im vollen Umfang zu nutzen, übersteigt den historisch beobachteten Ausbau. Die Einführung von dynamischen Netzentgelten kann den notwendigen Ausbaubedarf um knapp 15 Prozent reduzieren. Damit erscheint der hier berechnete, zukunftsfähige Ausbau, gemessen an der Ausbaugeschwindigkeit seit 2017, machbar.  \r\n5.3.3  Einordnung des erforderlichen  Transformatorausbaus\r\nIn Deutschland gibt es rund 900.000 Niederspannungstransformatoren, von denen 550.000 Ortsnetztransformatoren in Netzen liegen, welche primär Haushalte und deren Verbrauchsanlagen versorgen, die \r\nFlexibilität bereitstellen können. Davon befinden sich \r\n22 Prozent der Ortsnetztransformatoren im ländlichen Raum, 35 Prozent im vorstädtischen und 43 Prozent im städtischen (siehe Abschnitt 4.1.1). Diese Ortsnetztransformatoren haben zusammen eine Kapazität von 196 Gigawatt. Wie in Abschnitt 5.2 gezeigt, sind davon je nach Szenario zwischen 23 bis 51 Prozent überlastet und müssen somit ausgebaut werden \r\nIm Szenario „lowFlex“ müssen bis ins Jahr 2035 \r\n135.700 Ortsnetztransformatoren, also ein Viertel \r\ndes betrachteten Bestands, ausgetauscht und dabei die Kapazität um 32,7 Gigawatt erhöht werden (siehe Abbildung 29). Der Ausbaubedarf besteht hier erneut vorrangig in ländlichen und vorstädtischen Regionen.\r\nDurch die rein marktorientierte Betriebsweise der haushaltsnahen Flexibilitäten im Szenario „Flex“ würde sich die Anzahl der auszutauschenden Ortsnetztransformatoren auf 280.800 Stück nahezu verdoppeln. Es kommt zu einer nahezu Vervierfachung der zugebauten Transformatorkapazität auf 124,4 Gigawatt. Somit müssen etwa 50 Prozent der Ortsnetztransformatoren ausgetauscht werden und die installierte Leistung muss um 63 Prozent erhöht werden. Besonders deutlich ist der erhöhte Austauschbedarf in den städtischen Netzen, da sich in dieser Region aufgrund der größeren Ballung, der dadurch geringeren Anzahl an Gebäuden je Netz und folglich der höheren Anzahl an Netzen, die meisten Ortsnetztransformatoren befinden. Hier sind über 100.000 Ortsnetztransformatoren ausbaubedürftig. Augrund des hohen Leistungsbedarfs müssen 1.700 neue Transformatorstationen in den städtischen Regionen gebaut werden. Besonders im städtischen Raum stellt die Errichtung neuer Transformatorstationen, sowie deren Anschlüsse, aufgrund der hohen Verdichtung und dem damit einhergehenden Platzmangel ein komplexes Unterfangen dar. In Bezug auf die Kapazität der Ortsnetztransformatoren wird jedoch mit 54,5 Giga watt ein Großteil im ländlichen Raum benötigt, da hier proportional mehr Verbraucher pro Ortsnetztransformator verortet sind. Die ländlichen Netze repräsentieren 21,6 Prozent der betrachteten Niederspannungsnetze und beinhalten überproportional viele flexible Verbraucher: 26 Prozent der Elektrofahrzeuge und 34 Prozent der Wärmepumpen.\r\n \r\nZugebaute Transformatorkapazität und Anzahl auszutauschender \t→ Abb. 29 Ortsnetztransformatoren bis zum Jahr 2035\r\n \r\nDynamische Netzentgelte (Szenario „Flex-dynNe”) reduzieren die Auslastung der Ortsnetztransformatoren deutlich. Es besteht damit kein zusätzlicher  \r\nBedarf an Ortsnetztransformatoren im Vergleich zu dem Szenario, in dem die Flexibilitätspotenziale nicht genutzt werden (Szenario „lowFlex“). Die benötigte Anzahl kann sogar um 9.000 reduziert werden. Insgesamt müssen 127.000 Ortsnetztransformatoren ausgetauscht werden, was einem Austausch von rund 10.500 Stück pro Jahr entspricht. Gegenüber dem Szenario „Flex“ kann vor allem in den städtischen \r\nGebieten die Anzahl der bis 2035 auszutauschender Ortsnetztransformatoren deutlich von über 100.000 auf 6.000 reduziert werden. Die Ortsnetztransformatoren, die ausgetauscht werden, sind zudem durch die dynamischen Netzentgelte nur leicht überlastet. Daher werden insgesamt nur 14,3 Gigawatt an zusätzlicher Transformatorkapazität benötigt. Bezogen auf die 127.000 auszutauschenden Ortsnetztransformatoren entspricht dies einer Erweiterung von durchschnittlich 110 Kilowatt pro Ortsnetztransformator. \r\nIn Abbildung 30 ist die Anzahl auszutauschender Ortsnetztransformatoren bis zum Jahr 2029 und 2035 dargestellt. \r\n \r\nAnzahl auszutauschender Ortsnetztransformatoren\t→ Abb. 30\r\n \r\nEs zeigt sich, dass im Gegensatz zum Ausbaubedarf der Leitungen der Ausbau der Ortsnetztransformatoren langsamer ansteigt. Im Szenario „lowFlex“ müssen rund zwei Drittel der Ortsnetztransformatoren erst ab dem Jahr 2029 verstärkt werden. Bei einer gleichmäßigen Verteilung des Ausbaubedarfes auf den kompletten Zeitraum müssen pro Jahr rund 10.500 Ortsnetztransformatoren (entspricht rund zwei Prozent) ersetzt werden. Durch das Nutzen der haushaltsnahen Flexibilitäten muss die Ausbaugeschwindigkeit der Ortsnetztransformatoren auf 21.600 Ortsnetztransformatoren pro Jahr mehr als verdoppelt werden. Das entspricht einem Austausch von rund vier Prozent aller Transformatoren im heutigen Bestand. Durch den Einsatz dynamischer Netzentgelte (Szenario „Flex-dynNe“) kann der Ausbaubedarf bis zum Jahr 2029 deutlich auf gerade einmal 3.000 Ortsnetztransformatoren reduziert werden. Bis zum Jahr 2035 muss im Fall ohne Flexibilisierung und im Fall der Flexibilisierung in Verbindung mit dynamischen Netzentgelten aufgrund der zunehmenden Anzahl an Verbrauchern in etwa die gleiche Größen- \r\nordnung an Ortsnetztransformatoren ausgetauscht werden (rund zwei Prozent des Bestands pro Jahr). \r\nEin Großteil der zugebauten Transformatorkapazität wird in den ländlichen und vorstädtischen Netzgebieten benötigt, da hier proportional mehr Verbraucher je Ortsnetztransformator angeschlossen sind. Im Szenario „Flex“ verteilt sich die Anzahl auszutauschender Ortsnetztransformatoren nahezu gleichmäßig auf die drei Gebietskategorien, obwohl die meisten Ortsnetztransformatoren in den städtischen Gebieten verortet sind. Mit dynamischen Netzentgelten kann die benötigte Austauschgeschwindigkeit der Ortsnetztransformatoren bis zum Jahr 2035 auf ein ähnliches Niveau wie ohne Flexibilisierung der haushaltsnahen Lasten gesenkt werden, bei zeitgleicher Halbierung der zusätzlich benötigten Transformatorkapazität. Gerade in Ballungsräumen kann das dazu beitragen, dass die teils schwierige Platzsuche für neue Transformatoren entfällt. Im Vergleich mit dem Szenario „Flex“ wird deutlich, dass die notwendige Ausbaugeschwindigkeit durch dynamische Netzentgelte signifikant verringert werden kann. Der Ausbaubedarf entspricht im Jahr 2035 dem Niveau des Jahres 2029 im Szenario „Flex“.\r\n5.3.4 Auswirkungen veränderter  Netzentgeltspreizungen\r\nDie Ausgestaltung der dynamischen Netzentgelte hat großen Einfluss auf deren Wirkung. In diesem Abschnitt wird untersucht, welche Rolle die Höhe der Netzentgeltspreizung spielt, denn um Netzengpässe zu vermeiden, müssen in kritischen Zeitpunkten die dynamischen Netzentgelte den Preissprüngen (Spreads) der Börsenstrompreise entgegenwirken.\r\nIn den bereits vorgestellten Ergebnissen wurde eine Spreizung zwischen den Entgeltstufen von 100 Prozent angenommen (siehe Abschnitt 4.2.3). Ab einer prognostizierten Transformatorauslastung wird somit das Netzentgelt von 8,08 Cent pro Kilowattstunde um 100 Prozent auf 16,16 Cent pro Kilowattstunde erhöht und bei einer prognostizierten Überlastung auf 24,24 Cent pro Kilowattstunde (siehe Abschnitt 4.2.3). \r\nDie Höhe der Preissprünge im Netzentgelt ist dabei \r\nfür das ganze Jahr gleich festgelegt. Gleichzeitig weist der in der Modellierung verwendete Börsenstrompreis Preisspreizungen von rund 10 Cent pro Kilowattstunde im Durchschnitt pro Tag auf, in Extremfällen aber auch Preisspreads im Tagesverlauf von bis zu 20 Cent pro Kilowattstunde. In der Basisannahme betragen die Netzentgeltsprünge also rund 80 Prozent des mittleren Tagesspreads im Börsenstrompreis im Jahr 2035. \r\nEs stellt sich die Frage, ob die Netzentgeltsprünge passend gewählt sind. Hierfür wurde die Simulation des Szenarios „Flex-dynNe“ mit abweichenden Netzentgeltspreizungen berechnet: Mit halb so hohen Netzentgeltsprüngen von dann 40 Prozent des mittleren Tagesspreads im Börsenstrompreis, mit doppelt und mit vierfach so hohem Entgeltsprüngen (160 Prozent und 320 Prozent des mittleren Tagesspreads im Börsenstrompreis). \r\nWie in Abbildung 31 zu erkennen ist, reduziert sich die benötigte Transformatorkapazität mit steigender Differenz in den Netzentgelten bis das Minimum von 6,24 Gigawatt bei 160 Prozent des mittleren Börsenstrompreisspreads erreicht ist. Bereits im Ausgangsszenario mit ein wird weniger Transformatorkapazität als im Szenario „lowFlex“ zugebaut (siehe Abschnitt 5.2.2). Eine geringere Netzentgeltspreizung (40 Prozent) ist nicht ausreichend, um die Transformatorauslastung wirksam zu reduzieren. Bei einer Netzentgeltdifferenz von 320 Prozent gegenüber dem mittleren Börsenstrompreisunterschied müssen im Vergleich zu 160 Prozent mit 7.700 Ortsnetztransformatoren (9,5 Prozent) deutlich mehr ausgebaut werden. Der Unterschied zur Basisannahme (80 Prozent) beträgt bei einer Spreizung von 320 Prozent bereits in der ersten Preisstufe 32,32 Cent pro Kilowattstunde und übersteigt somit alle Börsenpreissprünge. Dadurch ist das Netzentgelt immer das dominierende Preissignal. Dies kann bei dem verwendeten Ansatz in einzelnen Fällen zu einer Übersteuerung und einer Überlastung des Ortsnetztransformators führen. In den betrachteten Fällen ist diese Überlastung allerdings nur von kurzer Dauer und Intensität.\r\nDa die Netzentgelte auf Basis der Transformatorauslastung bestimmt werden, führt eine Erhöhung \r\nZugebaute Transformatorkapazität und Anzahl auszutauschender \t→ Abb. 31\r\nOrtsnetztransformatoren im Szenario „Flex-dyn“ mit verschiedenen \r\nNetzentgeltsprüngen bis zum Jahr 2035\r\n \r\nFfE (2023). Anmerkung: * Netzentgeltsprung je Belastungsstufe. Fällt bei Wechsel von Normallast zu mittlerer Belastungsstufe an sowie erneut bei Wechsel von mittlerer Belastungsstufe zur höchsten Belastungsstufe. Der Netzentgeltsprung beträgt im Basisfall 8,08 ct/kWh und liegt damit bei rund 80 Prozent des mittleren täglichen Börsenspreisspreads (10 ct/kWh). Lesebeispiel: Die beiden unteren Abbildungen, die identisch sind, zeigen die absolute Höhe des mittleren täglichen Börsenpreisspreads, welcher konstant ist, und der Höhe des Netzentgeltsprungs, der variiert und sich von links nach rechts erhöht. Die Abbildungen oben zeigen, dass der Aufwand für die Erhöhung der Transformatorkapazität (oben links) und die Anzahl der auszutauschenden Ortsnetztransformatoren (oben rechts) auf das Minimum reduziert wird, wenn dieses Verhältnis auf \r\n160 Prozent erhöht wird.\r\nder Spreads nicht zwangsläufig zur Reduktion von Leitungsüberlastungen oder Spannungsbandverletzungen. Abbildung 32 zeigt, dass der Ausbaubedarf an Leitungsmetern sich sogar von 155.000 Kilometern bei einem Netzentgeltspread von 40 Prozent auf 173.000 Kilo meter bei einem Netzentgeltspread von 320 Prozent erhöht. Dies resultiert in höheren Ausbaukosten für Leitungen.\r\nZusammenfassend lässt sich feststellen, dass die Netzentgeltsprünge in Größenordnung der zu erwartenden Preisunterschiede an der Strombörse gewählt werden müssen. Ist die Netzentgeltspreizung ähnlich groß wie die mittleren täglichen Preisspreads an der Strombörse, entfaltet das dynamische Netzentgelt seine größte Wirkung und die Netzbelastung kann deutlich reduziert werden. Das ist mit der Basisannahme (80 Prozent) gewährleistet. Ist diese Schwelle jedoch erreicht, können überproportional große Entgeltspreizungen (320 Prozent, also dreimal so hoch wie die täglichen Börsenpreisspreads) zu gegenläufigen Effekten führen und die Netzbelastung wieder geringfügig erhöhen.\r\n5.3.5 Der Einfluss ausgewählter Annahmen  auf den Netzausbau\r\nDie im Ergebnisteil ermittelten Netzausbaukosten fußen auf den getroffenen Annahmen zur Auslegung und dem Betrieb von Verteilnetzen, die im Rahmen der Studie genannt und beschrieben werden. Da einige \r\nAusbaubedarf an Leitungs- und Verlegungslänge im Szenario „Flex-dynNe“\t→ Abb. 32 mit verschiedenen Netzentgeltsprüngen bis zum Jahr 2035\r\n \r\nFfE (2023). Anmerkung: * Netzentgeltsprung je Belastungsstufe. Fällt bei Wechsel von Normallast zu mittlerer Belastungsstufe an sowie erneut bei Wechsel von mittlerer Belastungsstufe zur höchsten Belastungsstufe. Der Netzentgeltsprung beträgt im Basisfall 8,08 ct/kWh und liegt damit bei rund 80 Prozent des mittleren täglichen Börsenspreisspreads (10 ct/kWh). Lesebeispiel: Die beiden unteren Abbildungen, die identisch sind, zeigen die absolute Höhe des mittleren täglichen Börsenpreisspreads, welcher konstant ist, und der Höhe des Netzentgeltsprungs, der variiert und sich von links nach rechts erhöht. Die Abbildungen oben zeigen, dass der Aufwand für die Leitungskilometer (oben links) und die Verlegungskilometer (oben rechts) auf das Minimum reduziert werden können, wenn dieses Verhältnis auf 40 Prozent reduziert wird.\r\nausgewählte Annahmen eine erhebliche Auswirkung auf die daraus resultierenden Netzausbaukosten haben, werden diese im Folgenden noch einmal gemeinsam in den Blick genommen und die Auswirkung der hier getroffenen Annahmen wird quantifiziert.\r\na)\tGrößeres erlaubtes Spannungsband\r\nDas erlaubte Spannungsband beim Verbraucher beträgt gemäß der Norm EN 50160 +/- 10 Prozent der Nennspannung. Die Aufteilung von Spannungsgrenzwerten auf die Niederspannungs- und Mittelspannungsebene sowie die Umspannebene \r\nMittelspannung/Niederspannung erfolgt durch den Verteilnetzbetreiber. In der vorliegenden Studie wird die Umspannebene Mittelspannung/Niederspannung und die Niederspannungs-Ebene detailliert betrachtet und analog zu anderen Studien (beispielsweise der dena-Verteilnetzstudie (2012) ein Spannungsband von +/- 6 Prozent als zulässig erachtet. Dieser Wert teilt sich wie folgt auf: +/- 4 Prozent für die Niederspannungsebene und +/-2 Prozent für den Ortsnetztransformator. In der Literatur wird teilweise auch das Spannungsband gleichmäßig auf die Mittelspannungs- und Niederspannungsebene aufgeteilt, was zu einem erlaubten Bereich von +/- 5 Prozent führt. Aufgrund der expliziten Abbildung der Niederspannungsebene inklusive des Ortsnetztransformators in dieser Studie wurde der Wert +/-6 Prozent gewählt.\r\nb)\tKabel mit höherem Querschnitt\r\nIn der vorliegenden Studie wurde für den Ausbau ein Kabel mit einem hohen Querschnitt von 240 mm² verwendet (NAYY-J 4x240). Der Kabelquerschnitt hat erhebliche Auswirkungen auf die spezifischen Leitungskosten. In der vorliegenden Studie wurde für den Ausbau ein Kabel mit einem hohen Querschnitt von 240 mm² verwendet (NAYYJ 4x240). Da die Kabelkosten nicht ansatzweise in Relation zu den damit verbundenen Tiefbaukosten stehen, ist die Annahme eines größeren Querschnittes sinnvoll. Werden andere Kabel mit geringerem Querschnitt verwendet, führt dies zu höheren Verlegungskosten.\r\nc)\tMaximale Leistung des Ortsnetztransformators\r\nIn der vorliegenden Studie wurden überlastete Transformatoren durch Standardtransformatoren bis zu einer maximalen Leistung von 1.000 Kilowatt ersetzt (gemäß Planungs- und Betriebsgrundsätzen für städtische Verteilnetze, Leitfaden zur Ausrichtung der Netze an ihren zukünftigen Anforderungen von der Bergischen Universität Wuppertal, und Rückmeldung von Verteilnetzbetreibern). Falls dies nicht ausreichend war, wurde eine zusätzliche Station geplant. Es gibt auch Studien (vgl. beispielsweise Agora Verkehrswende (2019): Verteilnetzausbau für die Energiewende), die ausschließlich einen Standardtransformator mit 630 Kilowatt verwenden. Eine größere maximale Leistung bringt Vorteile mit sich, weil der Stationsneubau in einigen Fällen vermieden werden kann. Häufiger reicht ein Austausch in bestehender Station aus. Damit können Kosten für den Stationsbau vermieden werden und es entsteht zudem weniger Aufwand in der Planung, weil nicht erst verfügbare Flächen gefunden und entsprechende Leitungszugänge neu gelegt werden müssen. \r\nd)\tBlindleistungsregelung\r\nEs wurden die in Kapitel 4.2.2 ausführlich beschriebenen Blindleistungsregelungen in die Modellierung mit einbezogen. Dieses Verhalten kann seit der letzten Anpassung der technischen Anschlussregeln für Anlagen im Niederspannungsnetz VDE-AR-N 4105 und VDE-AR-N 4100 vom Verteilnetzbetreiber gefordert werden. Eine konservativere Annahme wäre es, keine Blindleistungsregelung durch Anlagen in der Niederspannung anzunehmen.\r\ne)\tAufteilung der Leistungskosten in Kabel  \r\nund Verlegung\r\nWerden die Leitungskosten entsprechend aufgeteilt, kann dem Umstand, dass Kabel in der Praxis parallel verlegt werden, begegnet werden. Die Tiefbaukosten fallen dann nur einmal an. In anderen Studien werden die Kosten als ein Element gesehen und somit entstehen bei parallelen Kabeln deutlich höhere Kosten.\r\nWürde man jeweils die oben genannten konservativeren Annahmen zugrunde legen, beliefen sich die Netzausbaukosten auf 28,4 Milliarden Euro statt der ausgewiesenen 17,5 Milliarden Euro Netzausbaukosten im Flex-Szenario und damit auf einen um 10,9 Milliarden Euro höheren Wert. Diese höheren \r\nNetzausbaukosten, welche unter konservativeren Annahmen zum Netzbetrieb und Netzausbau berechnet wurden, sind mit bisherigen Studienergebnissen vergleichbar (vgl. beispielsweise Agora Verkehrswende (2019): Verteilnetzausbau für die Energiewende). Zusätzlich hat die angewandte, gängige Methodik der – hier zwölf – Typnetze, deutlichen Einfluss auf die resultierenden Netzausbaukosten. Da die Stärke der deutschlandweit verlegten Niederspannungsleitungen nicht bekannt ist, wurden die verwendeten Typnetze mit relativ robusten typischen Leitungen \r\n(Aluminium-Kabel 4x150 mm² in der Verteilung und 4x50 mm² bei Hausanschlüssen) abgebildet. Durch die eher robusten Kabel kann es zu einer Unterschätzung des Netzausbaubedarfs kommen.\r\nInsgesamt wird deutlich, wie maßgeblich die Kosten des Verteilnetzausbaus von Entscheidungen in der technischen Umsetzung beeinflusst werden.\r\n5.3.6 Exkurs: Einfluss von regelbaren Ortsnetztransformatoren auf den Netzausbaubedarf\r\nUm Spannungsprobleme in den Griff zu bekommen  hat sich in den letzten Jahren der Tausch eines konventionellen gegen einen regelbaren Ortsnetztransformator (rONT) zu einem gängigen Vorgehen von Verteilnetzbetreibern etabliert – teils alternativ, teils zusätzlich zum klassischen Netzausbau durch Leitungsverlegung. Insbesondere wenn sowohl eine kritische Auslastung des Ortsnetztransformators als auch Spannungsbandverletzungen in einem Ortsnetz erwartet werden, kann ein regelbarer Ortsnetztransformator die günstigste Alternative zum konventionellen Netzausbau sein oder diesen ergänzen. \r\nEin regelbarer Ortsnetztransformator kann, im Gegensatz zu einem konventionellen Ortsnetztransformator, während des Betriebs das Übersetzungsverhältnis anpassen und dadurch die Spannung im Ortsnetz (auf der Niederspannungsseite) verändern. So kann der Überschreitung der zulässigen Spannungsgrenzen durch hohe Last beziehungsweise Einspeisung entgegengewirkt werden. Ein weiterer Vorteil eines regelbaren Ortsnetztransformator besteht darin, dass die Regelung im einfachsten Fall lokal und unabhängig von Informations- und Kommunikationstechnik oder Messdaten von Smart Metern stattfindet, die zusätzlichen Aufwand, Abhängigkeiten und Komplexität bedeuten. \r\nEin regelbarer Ortsnetztransformator ist in vielen Fällen ein sinnvolles Upgrade, welcher konventionellen Netzausbau vermindern kann. Aufgrund höherer Investitionskosten gegenüber einem konventionellen Ortsnetztransformator ist auch dessen Wahl stets von den lokalen Gegebenheiten abhängig und dessen Einbau ist –  beispielsweise im Fall wenig fluktuierender Spannung  – auch nicht zwangsläufig sinnvoll.\r\nUm den Einfluss eines regelbaren Ortsnetztransformators auf seine netzentlastende Wirkung beziehungsweise auf das Vermeiden von Netzausbaukosten abzuschätzen, wurden in allen Netzen, in denen im Szenario „Flex“ der Ortsnetztransformator getauscht werden muss und gleichzeitig ein Leitungsausbaubedarf aufgrund von Spannungsbandverletzungen besteht, der Ortsnetztransformator durch einen regelbaren Ortsnetztransformator ersetzt. Es wird angenommen, dass dadurch die Mittelspannungs- und Niederspannungsebene im Wesentlichen voneinander entkoppelt sind. Der zulässige Spannungsbereich kann deshalb in der Simulation von ± 6 auf ± 10 Prozent der Nennspannung erweitert werden, womit in beide Richtungen \r\n \r\nAusbaubedarf an Leitungs- und Verlegungslänge bis zum Jahr 2035 \t→ Abb. 33 mit und ohne regelbare Ortsnetztransformatoren (rONT)\r\n \r\n4 Prozent mehr Spannungsabweichung zulässig sind. \r\nDies hat zur Folge, dass die benötigten Leitungsmeter sowie die Verlegungslänge bis zum Jahr 2035 um rund 50 Prozent reduziert werden, wie\tAbbildung 33 dargestellt ist. Das kann besonders in Ballungsräumen, in denen die Leitungsverlegung mit hohen Aufwänden verbunden ist, interessant sein.\r\nVon den 280.000 zu tauschenden Ortsnetztransformatoren werden 222.000 durch einen regelbaren Ortsnetztransformator ersetzt. Bei Investitionskosten von 28.000 Euro  für einen regelbaren Ortsnetztransformator (zum Vergleich: die Kosten für einen konventionellen Ortsnetztransformator liegen bei rund 15.000 Euro) und gleichbleibenden Kostenannahmen für die übrigen Betriebsmittel belaufen sich die Ausbaukosten bis zum Jahr 2035 auf 14,1 Milliarden Euro. Dies entspricht einer deutlichen Kostenreduktion von etwa 20 Prozent gegenüber den Ausbaukosten ohne regelbare Ortsnetztransformatoren (siehe Abbildung 34).\r\n \r\nAusbaukosten bis zum Jahr 2035 mit und ohne regelbare \t→ Abb. 34\r\nOrtsnetztransformatoren (rONT)* \r\n \r\nEin flächendeckender Einsatz regelbarer Ortsnetztransformatoren kann die benötigten Leitungen und somit die Ausbaukosten bei uneingeschränkter Flexibilisierung (Szenario „Flex“) um 20 Prozent deutlich reduzieren. Die Reduzierung von Leitungsverlegungen kann insbesondere in Ballungsräumen, in denen hohe Grabungen besonders aufwendig und kostenintensiv sind, attraktiv sein. Auch in Netzen mit hoher fluktuierender Belastung, wie beispielsweise mit hoher Photovoltaikeinspeisung stellen regelbare Ortsnetztransformatoren ein sinnvolles Werkzeug zur Einhaltung der Spannungsgrenzwerte dar. Ein verpflichtender Einsatz von regelbaren Ortsnetztransformatoren ist jedoch nicht zu empfehlen, da diese aufgrund der deutlich  \r\nhöheren Investitionskosten gegenüber konventionellen Ortsnetztransformatoren in Netzen, in welchen die Vorteile der Regelbarkeit nicht  zur Geltung kommen, eine überdimensionierte Lösung darstellen.\r\n5.4  Einfluss des kurativen Netzbetreibereingriffs nach § 14a EnWG \r\nAls weiteres netzentlastendes Instrument steht die netzorientierte Steuerung im Rahmen des Netzengpassmanagements nach § 14a EnWG zur Verfügung. Diese stellt eine Notfallmaßnahme dar: Netzbetreiber begrenzen die Leistung von Verbrauchern mit steuerbaren Verbrauchseinrichtungen temporär, um eine Netzüberlastung zu vermeiden (siehe Abschnitt 2.2).\r\nIn diesem Abschnitt wird die Auswirkung eines Netzengpassmanagements nach § 14a EnWG in der von der Bundesnetzagentur vorgeschlagenen Form auf die verschiedenen Szenarien betrachtet. Netzausbau wird nur in dem Maß vorgenommen, das erforderlich ist, um die minimal ausgebauten Netze in Kombination mit Netzbetreibereingriffen engpassfrei betreiben zu können – ohne diese Eingriffe würden Überlastungen in erheblichem Umfang auftreten. \r\nDiese theoretische Analyse ist gleichzusetzen mit der \r\nBerücksichtigung des Netzbetreibereingriffs in der \r\nNetzausbauplanung (das Notfallinstrument wäre ein Planungsinstrument). Diese theoretische Betrachtung erlaubt es, die aus den Eingriffen resultierenden Einschränkungen für die Verbraucher zu quantifizieren und zu identifizieren. Zudem kann gezeigt werden, inwieweit Netzbetreiber mithilfe dieses Instruments gegenüber dem in den übrigen Abschnitten angenommenen Netzausbau-Standard, der das Ziel hat auftretende Engpässe komplett zu beheben, Zeit gewinnen können.\r\nEs wird deutlich, dass die die Netzbetreibereingriffe im Rahmen von § 14a EnWG teilweise erhebliche Einschränkungen für die Kund:innen mit sich bringen, wenn die Netze nur minimal ausgebaut werden. \r\nEin Ausbau auf den engpassfreien Zustand ohne \r\nNetzbetreibereingriffe, wie in den vorangegangenen \r\nAbschnitten dargestellt ist, sollte daher in jedem Fall angestrebt werden. Die Ergebnisse zeigen jedoch, dass die Netzbetreiber durch den Einsatz der Leistungslimitierung nach § 14a EnWG Zeit gewinnen könnten, um notwendige Netzausbaumaßnahmen umzusetzen; die Analyse hilft zudem, Netzausbaumaßnahmen dort zu priorisieren, wo andernfalls regelmäßige und länger anhaltende Eingriffe erforderlich wären. Die Beibehaltung des Engpassmanagements nach § 14a EnWG als dauerhaftes Notfallinstrument auch bei einem engpassfrei ausgebauten Netz ermöglicht es darüber hinaus auf unvorhergesehene Ereignisse zu reagieren\r\n5.4.1 Auswirkungen des Netzbetreibereingriffs nach § 14a EnWG auf die Netzbelastung\r\nGrundsätzlich ist zu bedenken, dass die hier angestellten Simulationen von einem optimal abgestimmten, fehlerfrei ablaufenden Systembetrieb aufseiten der Verbraucher und des Verteilnetzes ausgehen. Doch Abbildung 35 zeigt, dass durch die zusätzlichen Netzbetreibereingriffe selbst in diesem optimistischen Fall nicht alle Überlastungen behoben werden können.\r\nZum einen können, wenn das Netz nicht weiter ausgebaut wird, einspeisebedingte Überlastungen, wie obere Spannungsbandverletzungen oder Überlastung der Ortsnetztransformatoren bei Rückspeisung in die Mittelspannung, nicht vermieden werden. Das liegt darin begründet, dass die Eingriffe sich nur auf die Bezugslast auswirken und im Rahmen von § 14a EnWG keine Reduktion der Einspeiseleistung vorgesehen ist. Zum anderen treten weiterhin lastbedingte Überlastungen auf, da den steuerbaren Verbrauchseinrichtungen immer eine Mindestleitung zur Verfügung steht, die nicht reduziert werden kann (siehe Abschnitt 4.2.4). Dies ist vor allem bei einer hohen Anzahl an Verbrauchseinrichtungen, die preisorientiert gesteuert werden (Szenario „Flex“), der Fall. Des Weiteren wird in der Modellierung bei einer langen \r\nLeistungslimitierung der Wärmepumpen ab einer \r\nAbkühlung des Gebäudes um drei Grad Celsius der Netzbetreibereingriff unterbrochen, um eine nicht zumutbare Abkühlung der Gebäude zu vermeiden (siehe Abschnitt 4.2.4).\r\nAnteil überlasteter Betriebsmittel im Jahr 2035 mit und ohne \t→ Abb. 35\r\nNetzbetreibereingriff (nach § 14a EnWG)\r\n \r\nFfE (2023). Anmerkung: *thermische Überlastung bezogen auf Länge aller modellierten Leitungen. **Hausanschlüsse (HA) mit \r\neinspeisebedingter oder lastbedingter Spannungsbandverletzung.\r\nDa die Eingriffe im Rahmen des Netzengpassmanagements nach § 14a EnWG durch die Netzbetreiber die Netze nicht komplett entlasten können, besteht weiterhin Ausbaubedarf. Auch im Falle eines Maximalausbaus, wie in den oberen Abschnitten  berechnet, kann das Engpassmanagement nach  § 14a EnWG als Notfallinstrument seine Berechtigung haben, falls unerwartete Ereignisse auftreten.\r\n5.4.2  Rückwirkungen auf die Verbraucher:innen im Fall des Minimalausbaus in Verbindung  mit dem Netzbetreibereingriff nach  § 14a EnWG\r\nUnter der Annahme, dass das Netz nur minimal entsprechend der oben gezeigten Ergebnisse ausgebaut wird, ergeben sich maximale Rückwirkungen auf die Nutzer des Netzes.\r\nMit dem minimalen Netzausbau werden die Netze häufig nur unter wiederkehrender Verwendung der Netzbetreibereingriffe engpassfrei betrieben. Durch die Analyse der Rückwirkungen auf die Verbraucher lässt sich bewerten, ob die Verzögerung des Netzausbaus durch minimalen Ausbau und Netzbetreibereingriffe ein pragmatischer, längerfristig tragbarer Lösungsweg wäre. Es zeigt sich, dass es in Netzen teilweise zu sehr hohen Eingriffsdauern kommt und somit der Netzbetreibereingriff nach § 14a EnWG maximal als Zwischenlösung für zeitlich nicht umsetzbaren Netzausbau und als Notfallmaßnahme herangezogen werden sollte. \r\nInsgesamt betrachtet, kommt es in den meisten \r\nOrtsnetzen 75 nur in wenigen Stunden im Jahr zu \r\n \r\n75 \tDie Gesamtheit des deutschen Niederspannungsnetzes, betrieben von den rund 880 Verteilnetzbetreibern, besteht aus vielen einzelnen Teilnetzen (rund 550.000 Stück, in denen sich primär Haushalte und deren Flexibilitäten befinden), die über Ortsnetztransformatoren an die nächsthöhere Spannungsebene angeschlossen sind. Letztgenannte stellen hier die Grundgesamtheit dar.\r\n \r\nEinschränkungen der Verbraucher:innen durch Netzbetreibereingriffe \t→ Abb. 36 (nach § 14a EnWG) bei minimalem Netzausbau\r\n \r\nFfE (2023). Lesebeispiel: Im Szenario „Flex 14a“ im Jahr 2035 kommt es in 30 Prozent der Netze zu einer Einschränkungsdauer von bis zu \r\n50  Stunden pro Jahr und in 10 Prozent der Netze von 51–100 Stunden pro Jahr. Diese Eingriffsdauer bedeutet, dass der Netzbetreiber eine Leistungslimitierung angeordnet hat, die Verbraucher:innen diese Einschränkung aber nicht unbedingt wahrnehmen, weil beispielsweise das Elektrofahrzeug gerade nicht geladen werden muss.\r\nEingriffen. In den betroffenen Ortsnetzen sind es durchschnittlich 59 Stunden im Jahr 2029 und 100 Stunden im Jahr 2035. Kommen zusätzlich dynamische Netzentgelte zum Einsatz, können die durchschnittlichen Eingriffsdauern im Jahr 2029 auf 55 Stunden reduziert werden. Für das Jahr 2035 ergibt sich eine mittlere jährliche Eingriffsdauer von 117 Stunden. Hierbei ist zu beachten, dass mit  \r\ndynamischen Netzentgelten nur 47 Prozent anstatt 62 Prozent der Netze von den Eingriffen betroffen sind. Vor allem die Ortsnetze mit geringen Überlastungen können durch dynamische Netzentgelte entlastet werden. Die Mittelwerte geben jedoch keine Auskunft über Extremwerte, daher ist die Verteilung der Eingriffsdauer in Abbildung 36 dargestellt. In rund 1,2 Prozent der Ortsnetze kommt es zu Eingriffsdauern von mehr als 400 Stunden. Hierbei können Werte von bis zu 2.200 Stunden pro Jahr erreicht werden: In diesen Ortsnetzen ist ein schneller Ausbau unumgänglich.\r\n \r\nEffektive Einschränkungen der Verbraucher:innen durch Netzbetreibereingriffe \t→ Abb. 37 (nach § 14a EnWG) bei minimalem Netzausbau\r\nFlex 14a 2029 Anteil Hausanschlüsse [%]\r\n30  \r\n \r\nFlex 14a 2035\r\n \tFlex-dynNe 14a 2029\r\nAnteil Hausanschlüsse [%]\r\n30  \r\n \r\nFlex-dynNe 14a 2035\r\nAnteil Hausanschlüsse [%]\r\n\t\r\n\t\r\n\t\r\n\t\t\r\n\t\t\t\r\n\t\t\t\t\r\n30\r\n20\r\n10\r\n0\r\n\t60\t120\t180\t>240\r\nEingriffsdauer [h/a]\r\n \r\nFfE (2023). Lesebeispiel: Im Szenario „Flex 14a“ im Jahr 2035 kommt es bei ca. 25 Prozent der Hausanschlüsse (HA) zu effektiven Einschränkungen von bis zu 30 Stunden pro Jahr und bei ca. 10 Prozent der Hausanschlüsse von 31–60 Stunden pro Jahr. Den Verbraucher:innen steht in dieser Zeit nur eine reduzierte Leistung für die flexiblen Verbrauchseinheiten zur Verfügung.\r\nDabei wird nicht jeder Eingriff von den Netznutzern auch als solcher wahrgenommen,  da beispielsweise in den Zeitpunkten einer Abregelung das Elektrofahrzeug nicht geladen werden muss oder die Wärmepumpe nicht läuft (siehe Abschnitt 4.2.4).  \r\nSomit fällt die effektive Betroffenheit der Kund:innen geringer als die Eingriffsdauern aus, wie in Abbildung 37 dargestellt ist.\r\nEs wird deutlich, dass dynamische Netzentgelte in \r\nKombination mit dem Engpassmanagement nach \r\n§ 14a die Dauer der effektiven Einschränkung der Verbraucher:innen gegenüber dem reinen Engpassmanagement deutlich senken. \r\n \r\nMaximale tägliche Einschränkungen der Verbraucher:innen durch \t→ Abb. 38 Netzbetreibereingriffe im Rahmen des Netzengpassmanagements \r\n(nach § 14a EnWG) bei minimalem Netzausbau\r\n \r\nFfE (2023). Lesebeispiel: Im Szenario „Flex 14a“ im Jahr 2035 liegt die maximale tägliche Einschränkung der Verbraucher:innen bei ca. 16 Prozent der Hausanschlüsse zwischen 0 und 2 Stunden und bei ca. 23 Prozent der Hausanschlüsse zwischen 2 und 4 Stunden. Den Verbraucher:innen steht in dieser Zeit nur eine reduzierte Leistung für die flexiblen Verbrauchseinheiten zur Verfügung. \r\nDie dahinterliegenden Zahlen zeigen, dass die Kund:innen in den betroffenen Ortsnetzen im Szenario „Flex 14a“ im Durchschnitt zwischen 26 Stunden im Jahr 2029 und 49 Stunden im Jahr 2035 betroffen sind. Durch dynamische Netzentgelte reduziert sich  \r\ndie durchschnittliche Betroffenheit auf 16 (2029) beziehungsweise 30 Stunden (2035). Die maximale effektive Eingriffsdauer je betroffenem Hausanschluss liegt im Mittel über alle Hausanschlüsse bei rund zwei Stunden pro Tag. In stark ausgelasteten Ortsnetzen werden vereinzelt Eingriffsdauern bis zu 22 Stunden am Tag erreicht. Die Verteilung der maximalen Eingriffsdauern pro Tag ist in Abbildung 38 dargestellt. Es zeigt sich, dass durch dynamische Netzentgelte die maximal auftretende Eingriffsdauer an den betroffenen Hausanschlüssen meistens unterhalb von zwei Stunden liegt. Das unterstreicht nochmals den positiven Effekt der dynamischen Netzentgelte.\r\nDer Netzbetreibereingriff nach § 14a EnWG führt –  auch in Verbindung mit dynamischen Netzentgelten (Szenario „Flex-dynNe 14a“)  – zu häufigen und vereinzelt langen Einschränkungen für Netzkund:innen, was einen weiteren Netzausbau erforderlich macht. Dynamische Netzentgelte in Verbindung mit dem Engpassmanagement nach § 14a, können die Dauer der einschränkenden Eingriffe deutlich reduzieren. \r\n5.4.3 Mögliche Ausbauverzögerung im Fall des Minimalausbaus in Verbindung mit dem Netzbetreibereingriff nach § 14a EnWG\r\nGemäß dem aktuellen Entwurf für die Novellierung des § 14a EnWG ist vorgesehen, dass nach einer Leistungslimitierung durch den Netzbetreiber, das jeweilige Netz auf den engpassfreien Zustand ausgebaut werden muss. Die zeitliche Dringlichkeit des Netzausbaus ist jedoch nicht geregelt. Solang ermöglicht die Abregelung nach § 14a EnWG einen weiterhin stabilen Netzbetrieb sowie die Priorisierung des Netzausbaus auf jene Ortsnetze, welche trotz Netzbetreibereingriff nicht engpassfrei betrieben werden können.  \r\nDas Potenzial für die mögliche Reduktion des Ausbaubedarfes der Leitungen ist in Abbildung 39 und \r\n \r\n \r\nAuswirkungen des Netzbetreibereingriffes (nach § 14a EnWG) auf den \t→ Abb. 39\r\nAusbaubedarf an Leitungen bis zum Jahr 2029 und 2035\r\nLeitungslänge [Tsd. km]\r\n250  \r\n\t205\t114\r\n\t\t\t\t85\t\t168\t77\t\r\n\t\t\t\t\t\t\t\t\t\t\r\n\t\t126\t\t\t91\t\t84\t\t40\t91\r\n\t\t\t\t\t\t\t\t\t37\t\r\n\t\t\t\t29\t\t\t\t\t\t\r\n73\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t41\t\t\t\t\t44\t\r\n\t\t\t\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\t\t\t\t\r\n\t25\t\t\t\t\t\t\t\t\t\t\t\r\n\t48\t\t79\t\t\t50\t\t84\t\t\t47\t\r\n200\r\n150\r\n100 50\r\n0\r\n\tlowFlexFlex\tFlex 14aFlex-dynNe\tFlex-dynNe 14a\r\n\r\n \r\nFfE (2023)\r\nAuswirkungen des Netzbetreibereingriffes (nach § 14a EnWG) auf den \t→ Abb. 40 Ausbaubedarf an Ortsnetztransformatoren bis zum Jahr 2029 und 2035\r\n \r\n \r\nFfE (2023)\r\nfür den Austausch der Ortsnetztransformatoren in Abbildung 40 dargestellt.\r\nDie Ausbaugeschwindigkeit der Leitungen im Szenario „Flex“ könnte in dem Fall des Minimalausbaus in Verbindung mit dem Engpassmanagement nach § 14a EnWG theoretisch deutlich reduziert werden, allerdings mit teils hohen Unterbrechungen für die Verbraucher:innen. Bis zum Jahr 2035 müssten rund 44 Prozent der engpassbehafteten Leitungskilometer in jedem Fall ausgebaut werden, wodurch mehr als die Hälfte des erforderlichen Leitungsausbaus bei Ausbauverzögerungen mithilfe des Netzbetreibereingriffs nach § 14a EnWG abgefedert werden könnte. Der zusätzliche Einsatz von dynamischen Netzentgelten (Szenario „Flex-dynNe 14a“) führt zu keiner weiteren Reduktion des Ausbaubedarfes bis zum Jahr 2035. Allerdings wird der Bedarf bis 2029 leicht um rund 3.000 Kilometer reduziert.\r\nWürde also das Netzengpassmanagement nach § 14a  EnWG in der Netzausbauplanung berücksichtigt werden, erfolgt ein Minimalausbau. Das Ausbauniveau würde dann nicht wesentlich höher liegen \r\nals im Fall ohne das Anreizen von Flexibilitäten und damit auch unterhalb der historischen Ausbauraten (siehe Abschnitt 5.3.2).\r\nDie Anzahl auszutauschender Ortsnetztransformatoren kann im Szenario „Flex 14a“ durch die Leistungslimitierung durch den Netzbetreiber auf das gleiche Niveau wie im Szenario „lowFlex“ abgesenkt werden. Durch die Kombination von dynamischen Netzentgelten mit dem kurativen Netzbetreibereingriff (Szenario „Flex-dynNe 14a“) müssten theoretisch bis zum Jahr 2029 keine Ortsnetztransformatoren ausgetauscht werden und der an sich schon vergleichsweise geringe Bedarf an neuen Ortsnetztransformatoren bis zum Jahr 2035 kann hierbei leicht reduziert werden. Unter der Annahme des Minimalausbaus im Netz kann der Austausch an Ortsnetztransformatoren sowohl im Szenario „Flex 14a“ als auch im Szenario „Flex-dynNe“ (mit und ohne „14a“) signifikant verzögert und insgesamt auf dem Niveau ohne preisliche Anreize zur Lastverschiebung auf Basis des Börsenstrompreises gehalten werden. \r\nDie Analysen zeigen, dass, würde anstelle der Einführung dynamischer Netzentgelte nur das Netzengpassmanagement nach § 14a EnWG umgesetzt, der erforderliche Netzausbau auf dem Niveau des Szenarios verbliebe, das nur in geringem Maß das Nutzen von Lastflexibilitäten (Szenario „lowFlex“) vorsieht.\r\nWie im Abschnitt zuvor gezeigt, ist der hier angenommene Minimalausbau keine Alternative, da es weiterhin zu teilweise hohen Eingriffsdauern bei den Verbraucher:innen kommt. \r\nZusammenfassend lässt sich somit feststellen, dass das Instrument des Netzbetreibereingriffes nach § 14a EnWG Spielraum für eine zeitliche Verschiebung eines erheblichen Teils des Ausbaubedarfes eröffnet. Das Potenzial zur Verschiebung des Leitungsausbaus ist besonders groß. Das ermöglicht, dass der Fokus zuerst auf Netze mit hohem Ausbaubedarf gelegt werden kann, in denen es ansonsten zu hohen Eingriffsdauern kommen würde. In Kombination mit dynamischen Netzentgelten könnten die Einschränkungen auf Verbraucher:innen in den verbleibenden Netzen zusätzlich minimal gehalten werden und, der \r\nEinbau neuer Ortsnetztransformatoren bis zum Jahr 2029 könnte über das Jahr 2029 hinaus verschoben werden.\r\n5.5  Auswirkungen der Flexibilisierung auf Verbraucher:innen\r\nAusgehend von der Energiesystemstudie Klimaneutrales Stromsystem 2035 wurde im vorangegangenen Teil der Studie, der Fokus daraufgelegt, inwieweit haushaltsnahe Lasten flexibilisiert werden können und was das für den Ausbau der Niederspannungsnetze bedeutet. Dabei konnten deutliche Vorteile für das Gesamtsystem nachgewiesen werden, wenn Flexibilitätspotenziale in diesem Bereich genutzt werden.\r\n \r\nDurchschnittliche Beschaffungspreise von Kund:innen mit und ohne Flexibilität \t→ Abb. 41 im Jahr 2035\r\n \r\nWenn es um die Umsetzung von Handlungsvorschlägen geht, ist die Auswirkung auf die Verbraucher ein zentraler Punkt. Nachdem im Abschnitt 5.4.2 bereits die Verbrauchseingriffe des Netzbetreibermanagements nach § 14a EnWG betrachtet wurden, erfolgt im Folgenden eine Analyse zu den finanziellen Auswirkungen.\r\nTabelle 3 zeigt den Anteil der teilnehmenden flexiblen Verbrauchseinheiten an dynamischen Preissignalen. Das sind 26 Prozent der Haushalte im Jahr 2029 und 52 Prozent im Jahr 2035. Für diese Haushalte wird davon ausgegangen, dass die flexiblen Verbrauchseinheiten so gesteuert werden, dass minimale Stromkosten anfallen. Davon profitieren die Nutzer, während alle Mobilitäts-, Wärme- und Strombedarfe gedeckt werden.\r\nAbbildung 41 zeigt den durchschnittlichen Beschaffungspreis unflexibler und flexibler Verbraucher:innen. \r\nIm Szenario „Flex“ liegt der mittlere Spotpreis an der Strombörse 2035 bei 8,1 Cent pro Kilowattstunde (Studie Klimaneutrales Stromsystem 2035). Der Strombeschaffungspreis eines durchschnittlichen Verbrauchers mit flexiblen Verbrauchsanlagen liegt bei 5,53 Cent pro Kilowattstunde, während im Szenario „lowFlex“ der gleiche Verbraucher ohne dynamischen Stromtarif für die Strombeschaffung 10,4 Cent für eine Kilowattstunde bezahlen müsste. Ein herkömmlicher, nicht flexibler Haushalt bezahlt zum Vergleich etwa 9 Cent pro Kilowattstunde für die Beschaffung.\r\nIm Szenario, in dem die Flexibilität im Gesamtsystem nicht gehoben wird, ist der durchschnittliche Börsenstrompreis bereits an sich höher (9,2 Cent pro \r\nKilowattstunde statt 8,1 Cent pro Kilowattstunde) \r\n– das System ist teurer und das spiegelt sich in den Preisen wider. Das bedeutet, dass sogar die Haushalte ohne flexible Verbrauchseinheiten von der Nutzung der haushaltsnahen Flexibilität profitieren: Im Szenario „lowFlex“ bezahlen die nicht-flexiblen Haushalte 10 statt 9 Cent pro Kilowattstunde für die Beschaffung.  \r\nDarüber hinaus bringt die Einführung von dynamischen Netzentgelten, weitere Vorteile mit sich. Wie in den vorhergehenden Analysen beschrieben, reduziert die Einführung von dynamischen Netzentgelten die Kosten für den notwendigen Netzausbaubedarf beträchtlich. Auch eine Analyse der mittleren Auslastung der Ortsnetztransformatoren zeigt, dass im Szenario mit dynamischen Netzentgelten eine höhere Auslastung als in den anderen Szenarien auftritt. Dies bedeutet, dass die Infrastruktur besser ausgenutzt wird und sich damit das Kosten- und Nutzenverhältnis für die Kund:innen verbessert.\r\nDie Kund:innen mit flexiblen Verbrauchsanlagen, die beiden hier getroffenen Annahmen  durch das Ausnutzen von günstigen Netzentgeltzeitfenstern und das Entlasten der Netze durch gezielte Einspeisung der bidirektionalen Elektrofahrzeuge und Heimspeicher, mitwirken, können dabei das durchschnittliche Netzentgelt im Vergleich zum Netzentgelt der unflexiblen Haushalte um 11 Prozent reduzieren. Absolut betrachtet zahlen die Kund:innen mit flexiblen Verbrauchsanlagen aufgrund des deutlich höheren Energiebezugs in Summe fast 40 Prozent mehr Netzentgelt pro Jahr im Vergleich zu den Kund:innen ohne diese Flexibilität.\r\nDurch die Nutzung von Niedrigpreiszeitfenstern in dynamischen Tarifen können Kund:innen mit flexiblen Verbrauchsanlagen fast 50 Prozent des Beschaffungspreises einsparen. Durch die Nutzung der Flexibilität werden Börsenstrompreisspitzen vermieden, und es resultiert ein insgesamt geringerer mittlerer Börsenstrompreis, der auch Kund:innen ohne entsprechende Flexibilität zugutekommt. Durch die Flexibilisierung und das Nutzen günstiger \r\nNetzentgeltfenster kann sich das durchschnittliche Netzentgelt für einen flexiblen Haushalt zusätzlich deutlich reduzieren. Durch den erhöhten Energiebezug für Elektrofahrzeug, Wärmepumpe & Co. zahlt dieser Haushalt pro Jahr dennoch höhere Netzkosten als ein unflexibler Haushalt. \r\n \r\n6 Praktische Aspekte der Umsetzung\r\n \r\nDie in den vorangegangenen Kapiteln dargelegten Analysen haben den Mehrwert einer Kopplung von dynamischem Börsenstrompreis-Signal mit dynamischen Netzentgelten aufgezeigt: Die Einführung dynamischer Netzentgelte kann Netzausbaukosten im Verteilnetz deutlich reduzieren, ohne die Bereitstellung marktdienlicher haushaltsnaher Flexibilität maßgeblich einzuschränken. Gesamtsystemisch wird so erheblicher Nutzen generiert, indem der Bedarf an alternativen, deutlich teureren Flexibilitätsoptionen, insbesondere die Stromerzeugung aus Gaskraftwerken verringert werden kann. Es stellt sich jedoch die Frage, inwieweit es auch in  der Praxis umsetzbar ist, auf eine solche Netzentgeltsystematik umzusteigen. \r\nWie dynamische Netzentgelte umgesetzt werden könnten, ist bereits im Abschnitt 4.2.3 beschrieben. Im Folgenden wird der Prozess noch etwas detaillierter beleuchtet und mit Blick auf die bereits erfüllten und noch zu realisierenden Umsetzungsbausteine eingeordnet.  \r\na) Erstellen der Auslastungsprognose\r\nIm Zentrum für die Bestimmung der Netzentgelthöhe steht die Auslastungsprognose am Ortsnetztransformator. Um zunächst einmal genaue Kenntnisse über die Auslastung am Ortsnetztransformator zu erlangen, ist eine entsprechende Netzzustandsmessung an jedem Transformator inklusive einer sicheren Kommunikationsanbindung an die Leitstelle des Netzbetreibers erforderlich. Die Informationen über die Netzauslastung landen dort in einem entsprechenden Datenverarbeitungssystem, welches die Informationen bedarfsgerecht auswertet und abgeleitet aus Erfahrungswerten Prognosen erstellen kann. Da für das dynamische \r\nSteuern im Rahmen des Engpassmanagements nach \r\n§ 14a  EnWG, welches voraussichtlich ab dem Jahr 2029 verpflichtend wird, eine solche Ausstattung erforderlich ist, können diese Voraussetzungen dann als gegeben angenommen werden. \r\nDie Auslastungsprognose, auf deren Basis die Netzentgelte dynamisch bestimmt werden, wird auf Basis der Messwerte am Ortsnetztransformator (Erfahrungswerte), und der Prognosen des Verbrauchsverhalten der flexiblen und unflexiblen Verbraucher für den Folgetag erstellt. Die Prognose wird abgeleitet aus den Fahrplänen der unflexiblen Verbraucher, die der Netzbetreiber ohnehin im Rahmen der Bilanzierung prognostiziert. Hinzu kommt als neues Element, dass flexible Verbraucher mit ihren prognostizierten Fahrplänen die Auslastung maßgeblich beeinflussen. Die Erstellung und der Versand der Fahrpläne würden Dienstleister, beispielsweise Aggregatoren, für Kund:innen mit flexiblen Verbrauchseinrichtungen übernehmen. Deren Aufgabe ist es unter Berücksichtigung der Kundenwünsche eine finanzielle Optimierung für die Kundin oder den Kunden mit Blick auf den dynamischen Beschaffungsstrompreis und die dynamischen Netzentgelte vorzunehmen. Die Rolle eines solchen Dienstleisters ist im EnWG bereits angelegt.\r\nDamit klar ist, welcher Verbraucher welchen Engpass be- oder entlasten kann, ist die Zuordnung jedes Verbrauchers zu seinem zugehörigen Ortsnetztransformator erforderlich. Solche Lokations-IDs kommen heute schon zum Einsatz und dienen dem Zweck, die Verbindung so zu setzen, dass die IT-Systeme diese eindeutig zuordnen können. Der Netzbetreiber wird im Rahmen des dynamischen Steuerns nach § 14a  EnWG ohnehin eine Verbindung jedes Kunden und jeder Kundin zum zugehörigen Ortsnetztransformator benötigen. Die Neuerung bestünde lediglich darin, dass die ID auch über die Marktkommunikation an berechtigte Dritte – beispielsweise den Aggregator – gegeben werden kann, damit dieser die Zugehörigkeit kennen. \r\nb) N etzentgeltermittlung, Datenbereitstellung  und Abrechnung\r\nDem Netzbetreiber würde dann die neue Rolle zukommen, aus der Prognose die Netzentgeltstufen abzuleiten und die Fahrpläne der flexiblen Verbraucher mit entsprechenden Preisen zu versehen. Damit Dienstleister wissen, ob sie ihre Flexibilitätsoptionen einbringen wollen oder nicht, muss der Preis transparent einsehbar sein. Hier bieten sich Webservices an, wie es sie heute beispielsweise schon beim Redispatch 2.0 gibt.\r\nDie Abrechnung der verschiedenen Preise im Abrechnungssystem des Netzbetreibers bedarf einer Verbindung des Preises mit dem Fahrplan, der den Zuschlag im Rahmen des Check-in-Systems bekommen hat. Dies stellt eine machbare Erweiterung eines schon heute hochautomatisierten Prozesses dar. Sowohl die Abrechnung der Netzentgelte beim Netzbetreiber als auch deren Prüfung beim Lieferanten, der in der Regel die Gesamtrechnung an die Kundin oder den Kunden stellt, läuft prozessoral wie gehabt.\r\nDie Daten für die notwendige Bilanzierung aller Verbräuche würde weiterhin gemäß der Marktregeln für die Durchführung der Bilanzkreisabrechnung Strom (MaBiS) abgewickelt und wäre von den dynamischen Netzentgelten unberührt.  \r\nEin Smart Meter ist eine wichtige Voraussetzung für dynamische Netzentgelte, da nur mit einem solchen Zähler entsprechend kleine Zeitabschnitte gemessen und in der Folge abgerechnet und bilanziert werden können. Das Gerät bietet darüber hinaus alle wichtigen Marktkommunikationsfälle, wie beispielsweise den Versand der sogenannten Zählerstandsgangmessung, über eine sichere Kommunikationsanbindung.\r\nc)\tSteuerung der haushaltsnahen, flexiblen Lasten  bei den Kund:innen\r\nDa ein solches Preisanreizsystem erfordert, dass Kund:innen ständig auf schwankende Preise  reagieren müssen, ist ein hoher Automatisierungsgrad erforderlich, der eine entsprechende Digitalisierung voraussetzt.\r\nEs ist daher anzunehmen, dass sich perspektivisch mehr Home Energy Management Systeme (HEMS) durchsetzen werden. Diese können Kund:innen beziehungsweise deren Dienstleister in die Lage versetzen, genau auszutauschen, welchen Bedarf die Kundin oder der Kunde hat und welches Flexibilitätspotenzial verfügbar ist. Sie ermöglichen aber auch das wichtige Element der Steuerbarkeit der flexiblen Verbrauchsanlagen. Denn um den angemeldeten Fahrplan zu erfüllen, müssen die flexiblen Verbrauchsanlagen auch entsprechend gesteuert werden können, was über ein HEMS möglich ist. Hier ist beispielsweise denkbar, dass der Netzbetreiber das Signal für die Steuerung über einen bereits vorhanden sogenannten CLS-Kanal an den Smart Meter der Kund:innen schickt, der Smart Meter wiederum über eine Home Area Network-Schnittstelle das Signal an das HEMS weitergibt und dieses letztlich die Assets steuert.\r\nDa bei einer starken Verbreitung von HEMS die Systemanfälligkeit wächst, beispielsweise indem durch einen Angriff auf ein solches System die Steuerungsmöglichkeit für bestimmte Verbrauchseinrichtungen manipuliert wird, spricht viel dafür zu monitoren, welche HEMS in Deutschland in welcher Zahl zum Einsatz kommen, und eine abgeschwächte Zertifizierung der Systeme vorzuschreiben.\r\nd)\tEin möglicher Übergang hin zu dynamischen Netzentgelten\r\nDie aktuellen Anpassungen der Netzentgeltausgestaltung im Rahmen des § 14a EnWG sehen zeitvariable Netzentgelte mit statischen Zeitfenstern vor. Diese erweisen sich in der vorliegenden Analyse also als nicht ausreichend präzise, um die Ortsnetze zu entlasten, können aber ein wichtiger Schritt sein, um Prozesse und Geschäftsmodelle zu etablieren.\r\nIm Übergang von zeitvariablen Netzentgelten mit statischen Zeitfenstern, die basierend auf typischen Tagen und für größere Regionen bestimmt werden, zu lokalen auf Vortagesprognosen beruhenden dynamischen Netzentgelten sind folgende Schritte relevant. Zunächst sollte bei der Erstellung der Hoch- und Tieflastzeitfenster eine möglichst aktuelle Wetterprognose, anstatt der Annahme „typischer Tage“ berücksichtigt werden. Im nächsten Schritt sollten für die Lastprognose die Börsenstrompreise berücksichtigt werden, um so das Verbrauchsverhalten der flexiblen Verbraucher zu berücksichtigen. Diese Präzisierung der Netzentgelte würde bereits zu einer Teilentlastung der Netze führen, vermutlich selbst dann, wenn keine regionale Differenzierung innerhalb eines Netzgebiets stattfindet. Die lokale Differenzierung auf Ortsnetztransformator-Ebene ermöglicht dann schließlich ausreichend genaue Prognosen, und das im letzten Schritt einzuführende Check-in-System erlaubt es, Überreaktionen zu vermeiden.\r\nInsgesamt lässt sich festhalten, dass der Einführung dynamischer Netzentgelte keine unlösbaren technisch-administrativen Hürden entgegenstehen. Tatsächlich müssen die meisten der notwendigen Veränderungen zur Digitalisierung der Verteilnetze, durch die Implementierung des Netzengpassmanagements nach § 14a EnWG und des beschleunigten Smart-Meter-Rollouts, ohnehin auf den Weg  gebracht werden.\r\n \r\nNotwendige Prozessbausteine inklusive bereits erzielter Fortschritte \t→ Abb. 42\r\n \r\nund zusätzlichem Weiterentwicklungsbedarf\r\n \r\nErstellen der \r\nAuslastungsprognose\r\nAuslastungsprognose ist für dynamisches Steuern nach § 14a EnWG bis spätestens 2029 zu etablieren\r\nFahrpläne der flexfreien Verbraucher:innen liegen dem Netzbetreiber bereits heute vor\r\nVersand der Fahrpläne der flexiblen Verbraucher:innen erfordert umfangreiche Prozesserweiterung\r\nAgora Energiewende (2023)\r\nNetzentgeltermittlung und -abrechnung  \r\nNetzentgeltabrechnung schon heute automatisiert und massendatentauglich \r\n→ Anpassung an neue \r\nAnforderungen möglich\r\nZur Verbrauchsermittlung der flexiblen Kund:innen Smart Meter erforderlich → beschleunigter Rollout gemäß GNDEW* bereits gestartet\r\nNetzentgeltstufe muss aus der Auslastungsprognose abgeleitet und über bestehende Services (bspw. Webservices) veröffentlicht und in Prozesse eingebunden werden\r\nSteuerung der haushaltsnahen Verbrauchsanlagen bei den Kund:innen\r\nOptimierung des Verbrauchs und Steuerung der Verbrauchsgeräte: bereits heute über Home Energy Systems (HEMs) technisch möglich HEMs steuerbar sind.\r\nFahrplantreue: Erfüllung des \r\nFahrplans der steuerbaren Verbrauchseinrichtungen kann schon heute von HEMs sichergestellt werden\r\nStandardisierung erforderlich, damit Steuerung aller neuen Geräte durch HEMs umsetzbar ist\r\n \r\n7 \tAnhang\r\n7.1 \t Weitergehende Informationen  zur Datenbasis\r\nDie in der Studie geschaffene Datenbasis basiert auf diversen, etablierten Methoden zur Regionalisierung und Verschneidung verschiedenster Eingangsdaten. Nachfolgend werden die wissenschaftlichen Grundlagen zur Charakterisierung der Typnetze (Abschnitt 7.1.1) und der räumlichen Zuordnung der haushaltsnahen Flexibilitäten  (Abschnitt 7.1.2) erörtert.\r\n7.1.1 \t Charakterisierung der Typnetze für das gesamtdeutsche Niederspannungsnetz\r\nCluster für die Netztopologien. Für die Erstellung der Typnetze werden im ersten Schritt charakteristische Netztopologien, aus aktuellen Forschungsergebnissen aus dem Projekt „unIT-e² – Reallabor für verNETZte E-Mobilität“   abgeleitet. Dort wurden charakteristische Netzcluster des Niederspannungsverteilnetzes auf Basis einer MetaClusteranalyse erstellt. Dazu wurde der Stand der Forschung zu verschiedenen Ansätzen der Literatur zur Clusterung von Verteilnetzen evaluiert und es wurden 18 Meta-Cluster aus diversen Datenquellen anhand von drei Dimensionen identifiziert: \r\n→ durchschnittliche (Leitungs-)Länge zwischen einzelnen Netzverknüpfungspunkten beziehungsweise der angeschlossenen Gebäude als Maß der räumlichen Verdichtung\r\n→ durchschnittliche Anzahl von Wohn-/Gewerbeeinheiten pro Hausanschluss als Maß der Höhe der \r\nKubatur\r\n→ durchschnittliche Scheinleistung je Netzverknüpfungspunkt als Maß der darin angeschlossenen Komponenten respektive Versorgungsaufgabe\r\nDie letztgenannte Dimension kann im Rahmen dieser Studie nicht verwendet werden, da die Information über die Scheinleistung nicht aus öffentlich verfügbaren Daten abgeleitet werden konnte. In der Folge dieser methodischen Anpassung reduziert sich die Anzahl der Cluster auf 15, wovon die drei mit Fokus auf gewerblicher Nutzung ebenfalls ausgeschlossen werden. Aus den ursprünglich 18 identifizierten Clustern wurden somit in dieser auf Haushalte fokussierten Studie zwölf Cluster zur Charakterisierung des Verteilnetzes einbezogen.\r\nDie Zuordnung der zwölf charakteristischen Cluster zu den Gebietskategorien „städtisch“, „vorstädtisch“ und „ländlich“ erfolgt nicht trennscharf, sondern es wurde ein fließender Übergang zugelassen, welcher sich an der gegebenen Bebauungsstruktur orientiert. Nur eindeutig ländliche und eindeutig städtische Cluster werden in der Gebietskategorie des jeweils anderen Typs nicht zugelassen. Im vorstädtischen Raum wird als Bindeglied zwischen diesen beiden Gebietskategorie keine Beschränkung hinsichtlich der Zuordnung von Clustern vorgenommen (siehe Tabelle 6).\r\nErstellung der Typnetze. Die Typnetze sollen die Charakteristik der Meta-Cluster möglichst repräsentativ abbilden. Die in der Literatur als repräsentativ eingestuften Cluster wurden als Referenz definiert und daraus wurden Mittelwerte und Bandbreiten verschiedener netztopologischer Kenngrößen abgeleitet. Unter Berücksichtigung diverser Kriterien, wie beispielsweise der Repräsentativität einzelner Topologien für eine spezifische Region, wurden aus den Kennwerten neue, charakteristische Typnetze abgeleitet.  Für die Abbildung wurde das Ziel gesetzt, einerseits das mittlere Verteilnetz mit einer spezifischen Charakteristik repräsentativ abzubilden, andererseits auch topologisch extremere Ausprägungen respektive deren potenzielle Netzüberlastungs-\r\nZuordnung der charakteristischen Netztopologie-Cluster zu den \t→ Tabelle 6 Gebietskategorien\r\n \r\nFfE (2023)\r\nzustände in den Typnetzen zu berücksichtigen. Um dieses Ziel zu erreichen, wurde bei der Dimensionierung und Belegung der Stränge der Typnetztopologien die gesamte topologische Bandbreite der Referenznetze je Cluster berücksichtigt. Die Stranglängen der Typnetze wurden nach folgendem Schema erstellt:\r\n→ Für den ersten Strang des Typnetzes wurde das Maximum der mittleren Stranglängen der Referenznetze je Cluster kalkuliert, um die an langen Strängen auftretenden Spannungsbandverletzungen zu berücksichtigen.\r\n→ Für den zweiten Strang des Typnetzes wurde das Minimum der mittleren Stranglängen der Referenznetze je Cluster kalkuliert, um die minimal auftretenden Netzbelastungszustände zu berücksichtigen und zeitgleich den ersten Strang bilanziell auszugleichen.\r\n→ Für den dritten Strang des Typnetzes wurde der Mittelwert der mittleren Stranglängen der Referenznetze je Cluster kalkuliert, um die im Mittel auftretenden Netzbelastungszustände zu berücksichtigen.\r\n→ Für die Stranglänge aller folgenden Stränge wurde ein um den Mittelwert normalverteilter Wert kalkuliert.\r\nDie Netze wurden hierbei vereinfacht als Strahlennetze modelliert, da aus den Referenznetzen keine eindeutigen Regeln für die Modellierung von Maschen beziehungsweise auch für den Betrieb als Maschennetz abgeleitet werden konnten. \r\nAusgehend von den kalkulierten Strängen wurde die mittlere Anzahl an Hausanschlüssen (also Netzverknüpfungspunkten) berechnet und diese wurden zur Anbindung der Gebäude im Netz verortet. Die Verteilung der Hausanschlüsse auf die Stränge erfolgte nach dem äquivalenten Muster wie die Kalkulation der Stranglängen. \r\nDer Ortsnetztransformator beziehungsweise die Transformatorscheinleistung wurde aus den Referenznetzen berechnet und zur nächstgelegenen Standard-Transformatorgröße gerundet. In Testsimulationen, welche den Status quo der Komponenten abbilden, wurde geprüft, ob die Ortsnetztransformatoren ausreichend groß dimensioniert wurden. Im Fall einer unverhältnismäßig hohen Auslastung \r\nCharakteristik der Typnetze\t→ Tabelle 7\r\nNr.\tBezeichnung\tNetzlänge 1) [m]\tStränge\tHA 2)\tWE/HA 3)\tTrafo\r\n[kVA] 4)\r\n1\tverteilte Ein-/Zweifamilienhaus-Siedlung\t2.489\t6\t65\t1,17\t250\r\n2\tEin-/Zweifamilienhaus-Siedlung mittlerer Dichte\t2.570\t6\t103\t1,16\t400\r\n3\tStreusiedlung\t1.206\t4\t26\t1,01\t250\r\n4\tkompakte Ein-/Zweifamilienhaus-Siedlung\t2.002\t6\t94\t1,11\t400\r\n5\tverteilte Mehrfamilienhaus-Siedlung\t1.828\t6\t36\t4,62\t400\r\n6\tMehrfamilienhaus-Siedlung mittlerer Dichte\t1.805\t8\t46\t3,77\t800\r\n7\tverteiltes Ein-/Zweifamilienhaus, Mischgebiet\t954\t4\t25\t1,13\t400\r\n8\tEin-/Zweifamilienhaus, Mischgebiet mittlerer Dichte\t593\t4\t24\t1,29\t250\r\n9\tkompaktes Ein-/Zweifamilienhaus, Mischgebiet\t135\t2\t8\t1,13\t160\r\n10\tkompakte Mehrfamilienhaus-Siedlung\t1.233\t4\t40\t5,63\t400\r\n11\turbane Mehrfamilienhaus-Siedlung\t1.466\t6\t24\t9,32\t630\r\n12\tHochhaus-Siedlung\t1.042\t5\t10\t18,42\t400\r\nFfE (2023) 1) gesamte Länge aller Leitungen der Typnetze (abzüglich Hausanschlüsse). 2) HA = Hausanschlüsse/Netz verknüpfungspunkte (im jeweiligen Netzgebiet). 3) WE/HA = mittlere Anzahl an Wohneinheiten je Hausanschluss (im jeweiligen Netzgebiet). \r\n4) kVA = Kilovoltampere; äquivalent zu Kilowatt. \r\nwurde ein Ortsnetztransformator aus der nächsthöheren Leistungsklasse integriert. \r\nEs resultierten zwölf Typnetztopologien, welche sich charakteristisch eindeutig voneinander unterscheiden und den erwartbaren Mustern entsprechen. Nachfolgende Tabelle 7 verdeutlicht die topoplogische Vielfalt und individuelle Charakteristik der ausgewählten Typnetze. Detaillierte Steckbriefe zu jeder Typnetz-Topologie sowie die Knoten-Kantenmodelle der Topologien stehen öffentlich zur Verfügung. \r\nDie in der Tabelle als rein städtisch klassifizierten Typnetze (Nr. 10 – 12) versorgen in Relation zu rein ländlichen Typnetzen (Nr. 1 – 3) deutlich weniger Hausanschlüsse. Wie die Anzahl an Wohneinheiten je Hausanschluss verdeutlicht, ist an dieser geringeren Anzahl an Hausanschlüssen aufgrund der hohen Verdichtung im urbanen Raum, im Mittel jedoch  eine deutlich höhere Anzahl an Wohneinheiten  angebunden. Im Vergleich der absoluten Anzahl versorgter Wohneinheiten wird diese Verdichtung eindeutig. In den städtischen Typnetzen resultiert eine Bandbreite zwischen rund 184 bis 225 Wohneinheiten je Netzgebiet, gegenüber rund 26 bis 119 Wohneinheiten je ländlichem Netzgebiet. Auch in der Fläche decken die rein städtischen Netze somit ein kleineres Gebiet ab. Nachfolgende Abbildung 43 verdeutlicht dies. Die Stranglänge sowie deren Belegung mit Hausanschlüssen im ländlichen Raum (Nr. 1 – 3) zeigen größere Durchschnittswerte als im städtischen Raum (Nr. 10 – 12) auf. Des Weiteren wird die größere Heterogenität ländlicher Topologien (Nr. 1 – 3) deutlich, welche sich aus den größeren Bandbreiten der Stranglänge sowie deren Belegung mit Hausanschlüssen ableitet.\r\nGebäudezuordnung und Hochrechnung. Für die \r\nKalkulation der Häufigkeit der individuellen Typnetztopologien wurde der gesamte Gebäudebestand Deutschlands auf Basis verschiedener Regionsdaten analysiert. Auf Basis der im Projekt Wärmepumpen-Ampel   durchgeführten Klassifizierung wurden aus dem gesamten Gebäudebestand (rund 34 Millionen Gebäude) die als Wohngebäude \r\nAbgedeckte Bereiche der Charakteristik der Typnetztopologien\t→ Abb. 43\r\nStranglänge\r\n \r\n[m]\tAnzahl Hausanschlüsse pro Strang\r\n \r\n \r\nFfE (2023)\r\nklassifizierten Gebäude extrahiert.  Für die insgesamt 19,4 Millionen Wohngebäude wurde dann jeweils die Anzahl der Wohneinheiten und die mittlere Distanz zu den Nachbargebäuden berechnet. Die Anzahl der Wohneinheiten und Klassifizierung der Gebäude wurde aus dem FfE-Gebäudemodell herangezogen.83 Für jedes Gebäude wurden die Abstände der Gebäudemittelpunkte zu sämtlichen Nachbargebäuden in unmittelbarer Nähe (≤ 100 Meter) und in direkter Sichtweite (nicht durch andere Gebäude verdeckt) kalkuliert und gemittelt. Zusätzlich wurde für jedes Gebäude die jeweilige, regionalstatistische Raumtypologie  entsprechend der Klassifizierung des Bundesministeriums für Digitales und Verkehr ermittelt. Diese 17 siedlungsstrukturellen Raumtypologien wurden anschließend in die drei Gebietskategorien ländlich, vorstädtisch und städtisch zusammengefasst. Abbildung 43 zeigt die Definitionsräume der weiteren Parameter für diese Zuordnung. Es wird deutlich, dass die Belegung über die berechneten Parameter nicht direkt möglich ist, da mehrere Cluster einen ähnlichen Definitionsraum aufweisen. Im seltenen Fall einer nicht eindeutigen Zuordnung, über die Definitionsräume oder ein eindeutiges Nachbargebäude, wurde das Gebäude zufällig einem der passenden Typnetze zugeordnet. Insgesamt resultieren aus dem Prozess der Hochrechnung rund 550.000 Typnetztopologien, welche je ein Niederspannungs-Ortsnetz abbilden und somit den Anteil der rund 900.000 deutschen Ortsnetze abbilden, welche primär Haushalte und deren Flexibilitäten versorgen.\r\n7.1.2  Räumliche Zuordnung der Photovoltaikanlagen und haushaltsnahen Flexibilitäten\r\nZusätzlich zur Zuordnung der Wohngebäude zu den Typnetzen wurden auch die haushaltsnahen Flexibilitäten regionalisiert und den Wohngebäuden zugeordnet. Basierend auf den Szenarien der Studie \r\nDefinitionsräume der Parameter zur Zuordnung der Gebäude zu den Typnetzen\t→ Abb. 44\r\n \r\nFfE (2023)\r\nKlimaneutrales Stromsystem 2035 (vgl. Kapitel 2) wurden die Komponenten Photovoltaik Anlagen, elektrische Heimspeichersysteme, Wärmepumpen und Elektrofahrzeuge auf die Gebäude und Wohneinheiten nach regionalem Schlüssel zugeordnet.\r\nPhotovoltaikanlagen. Bei der in Abschnitt 4.1.2 beschriebenen Verteilung der Photovoltaik Anlagen wurden alle Gebäude in Deutschland nach dem primären Kriterium der Dachfläche mit entsprechend großen Photovoltaik Anlagen ausgestattet. Eine konsistente Verteilung der Photovoltaik Anlagen auf die Gebäude über die definierten Stützjahre hinweg wurde gewährleistet. Tabelle 8 zeigt die Verteilung der installierten Photovoltaik-Leistung auf die Gebäude in den Typnetzen und über die Stützjahre. Es wird deutlich, dass im Status quo die durchschnittliche Leistung in von Photovoltaik Anlagen auf Gebäuden in exklusiv ländlichen Netzen höher ist als in exklusiv städtischen Netzen. Das ist auf den historisch bedingten Zubau von Photovoltaik Anlagen auf vorrangig Ein- und Zweifamilienhäuser zurückzuführen, welche aufgrund der eindeutigen Eigentumsverhältnisse in der räumlichen Verteilung auch zunächst priorisiert wurden. Im Zuge der hohen Durchdringung der Photovoltaik werden zukünftig zunehmend auch die Dachflächen von Mehrparteienhäuser erschlossen, wodurch im Stützjahr 2035 die durchschnittliche Photovoltaik-Leistung aufgrund der größeren Dachflächen in städtischen Netzen größer ist als jene in ländlichen Gebieten. \r\nHeimspeichersysteme. Die in Abschnitt 4.1.2 be schriebene Verteilung elektrischer Heimspeichersysteme erfolgt ausschließlich auf Gebäude mit Photovoltaik Anlagen. Auch hier wurden mehrere Kriterien angesetzt, welche die Verteilung an die Bedingungen der Realität annähert, wie beispielsweise eine Bevorzugung kleinerer Ein- und  Zweifamilienhäuser gegenüber Mehrfamilienhäusern. Die Dimensionierung der Speichersysteme orientierte sich an der jeweiligen Größe der Photovoltaikanlage, wodurch aufgrund der über die Jahre zunehmenden Anlagengröße im Mittel auch höhere Leistungen der Speichersysteme resultieren (durchschnittlich: 3,51 Kilowatt 2022; 4,28 Kilowatt 2029; 4,95 Kilowatt 2035). Die Speicherkapazität (Kilowattstunde, kWh) steht im Verhältnis eins zu eins zur Peak-Leistung der Photovoltaik Anlage (kWp). Die maximale Lade- und Entladeleistung beträgt \r\n \r\nVerteilung der installierten Photovoltaik-Leistung auf Gebäude in \t→ Tabelle 8 unterschiedlichen Typnetzen\r\nTypnetz\r\nNr.\t Zuläss Regi\tige \r\non\tMittlere Dachfl äche je Gebäude [m²]\tMittlere installierte Leistung je Gebäude [kWp]\r\n\t\t\t\t2022\t2029\t2035\r\n1\t\t\t\t50,04\t1,63\t3,68\t4,51\r\n2\t\t\t\t50,91\t1,73\t3,50\t4,24\r\n3\t\t\t\t63,51\t1,89\t4,08\t5,08\r\n4\t\t\t\t49,46\t1,62\t3,30\t4,06\r\n5\t\t\t\t76,35\t1,81\t4,49\t6,36\r\n6\t\t\t\t76,34\t1,06\t3,71\t5,61\r\n7\t\t\t\t44,53\t1,10\t3,10\t4,33\r\n8\t\t\t\t43,74\t0,68\t2,06\t3,44\r\n9\t\t\t\t45,94\t0,87\t2,41\t3,71\r\n10\t\t\t\t69,09\t0,57\t2,43\t4,23\r\n11\t\t\t\t87,19\t0,76\t3,06\t6,01\r\n12\t\t\t\t171,32\t1,09\t5,01\t9,11\r\ngewichteter Mittelwe\trt:\t1,34\t3,30\t4,33\r\n \r\nFfE (2023)\r\nVerteilung der Heimspeichersysteme auf Gebäude in unterschiedlichen \t→ Tabelle 9 Typnetzen\r\nTypnetz\r\nNr.\t Zuläss Regi\tige \r\non\tMittlere Anzahl an Heimspeichersystemen je Gebäude\r\n\t\t\t2022\t2029\t2035\r\n1\t\t\t\t0,06\t0,36\t0,55\r\n2\t\t\t\t0,05\t0,34\t0,51\r\n3\t\t\t\t0,05\t0,35\t0,51\r\n4\t\t\t\t0,06\t0,32\t0,53\r\n5\t\t\t\t0,02\t0,21\t0,54\r\n6\t\t\t\t0,01\t0,15\t0,48\r\n7\t\t\t\t0,04\t0,32\t0,60\r\n8\t\t\t\t0,03\t0,21\t0,50\r\n9\t\t\t\t0,01\t0,27\t0,50\r\n10\t\t\t\t0,01\t0,07\t0,40\r\n11\t\t\t\t0,01\t0,05\t0,44\r\n12\t\t\t\t0,03\t0,11\t0,40\r\ngewichteter Mittelwe\trt:\t0,04\t0,31\t0,55\r\n \tländlich\r\nFfE (2023)\r\n \r\netwa 44 Prozent der Kapazität. Eine konsistente Verteilung der elektrischen Heimspeichersysteme auf Gebäude mit Photovoltaik Anlagen über die Stützjahre hinweg wurde gewährleistet. Tabelle 9 zeigt die Verteilung der Heimspeichersysteme auf die Gebäude in den Typ netzen und über die Stützjahre. Die implementierte Verteilungslogik spiegelt sich auch in den Durchdringungsgraden wider. Im Status quo liegt eine sehr niedrige Durchdringungsrate vor, wobei Gebäude mit einer geringen durchschnittlichen Anzahl an Wohneinheiten priorisiert wurden. Deutlicher wird diese Priorisierung von Ein- und Zweifamilienhäuser gegenüber den Mehrfamilienhäusern im Stützjahr 2029, da hier eine höhere Durchdringung in ländlichen Typnetzen zu sehen ist. Im letzten modellierten Stützjahr 2035 ist die mittlere Anzahl der Heimspeicher je \r\nGebäude in allen Typnetzen ähnlich. Hier ist das Kriterium ausschlagebend, dass Speichersysteme ausschließlich auf Gebäude mit Photovoltaik Anlagen verteilt werden, wodurch auch Mehrparteienhäuser mit Photovoltaik Anlage ein Heimspeichersystem zugeordnet bekommen.\r\nWärmepumpen. Die in Abschnitt 4.1.2 beschriebene Verteilung der Wärmepumpen erfolgt auf Gebäude, welche nach Logik der FfE-Wärmepumpenampel 85 als geeignet für eine Wärmepumpe eingestuft wurden. Auf Basis verschiedener, regionalisierter Eingangsdaten wurde darin für unterschiedliche Wärmequellen das regionale Potenzial bestimmt und mit dem etwaigen Bedarf der Wohngebäude abgeglichen. Es resultiert eine Einordnung zur Eignung der Wohngebäude für Wärmepumpen, auf deren Basis so lange Wärmepumpen verteilt wurden, bis die Gesamtzahl aller Wärmepumpen verteilt ist.86 Auch hier wurde eine möglichst realitätsgetreue Verteilung angestrebt, weshalb neben der grundsätzlichen Eignung Randbedingungen bezüglich der Gebäudegröße definiert wurden. Die Verteilung auf zu große Gebäude mit mehr als zwei Wohneinheiten im Jahr 2022 sowie mehr als zehn Wohneinhei-\r\n \r\n85\tFfE: Greif et al. (2022) /FFE67 22/\r\n \r\nVerteilung der Wärmepumpen in unterschiedlichen Typnetzen \t→ Tabelle 10\r\nTypnetz\r\nNr.\t Zuläss Regi\tige \r\non\tMittlere Anzahl an Wohneinheiten je Gebäude\tMittlere Anzahl an Wärmepumpen je Gebäude\r\n\t\t\t\t2022\t2029\t2035\r\n1\t\t\t\t1,17\t0,11\t0,31\t0,48\r\n2\t\t\t\t1,16\t0,13\t0,4 \t0,58\r\n3\t\t\t\t1,01\t0,20\t0,55\t0,77\r\n4\t\t\t\t1,11\t0,17\t0,50\t0,71\r\n5\t\t\t\t4,62\t0,04\t0,18\t0,28\r\n6\t\t\t\t3,77\t0,02\t0,17\t0,26\r\n7\t\t\t\t1,13\t0,13\t0,32\t0,47\r\n8\t\t\t\t1,29\t0,09\t0,31\t0,48\r\n9\t\t\t\t1,13\t0,12\t0,34\t0,54\r\n10\t\t\t\t5,63\t0,02\t0,11\t0,18\r\n11\t\t\t\t9,32\t0,01\t0,08\t0,12\r\n12\t\t\t\t18,42\t0,05\t0,15\t0,22\r\ngewichteter Mittelwe\trt:\t0,11\t0,31\t0,47\r\n \tländlich\r\nFfe (2023)\r\n86\tFfE: Greif et al. (2022) /FFE67 22/\r\nten87 im Jahr 2029 und 2035 wurde ausgeschlossen. Eine konsistente Verteilung der Wärmepumpen auf die Gebäude über die Stützjahre hinweg wurde gewährleistet. Tabelle 10 zeigt die Verteilung der Wärmepumpen auf die Gebäude in den Typnetzen und über die Stützjahre. Aus den Durchdringungsgraden werden die definierten Restriktionen deutlich. Ein- und Zweifamilienhäuser werden über die Stützjahre konsistent priorisiert, wobei in den späteren Stützjahren die gelockerte Restriktion auch die Ausstattung kleinerer Mehrparteienhäuser mit Wärmepumpen zulässt. Dies ist besonders im Stützjahr 2035 ersichtlich, wobei Netze mit einer geringen durchschnittlichen Anzahl an Wohneinheiten (Nr. 1, 4, 7, 9) in Relation zu den weiteren Netzen mit größerer Kubatur deutlich höhere Durchdringungsgrade aufweisen.\r\n \r\n87\terwarteter, technologischer Fortschritt für die Versorgung von für \r\nWärmepumpentechnologie grundsätzlich geeigneten Gebäuden\r\nElektrofahrzeuge. Die in Abschnitt 4.1.i\tbene Verteilung von Elektrofahrzeugen und deren Fahrzeugklasse basiert auf mehreren, etablierten Methoden zur stufenweisen, kleinräumigen Regionalisierung und Verteilung. Die in der Studie Klimaneutrales Stromsystem 2035 beschriebene Mantelzahl für Elektrofahrzeuge in den Stützjahre wurde zunächst auf Basis eines Verteilungsschlüssels unter Berücksichtigung von soziodemographischen Kriterien wie beispielsweise dem Durchschnittseinkommen, inklusive der Fahrzeugklassen, auf Ebene der Landkreise verteilt.88 In nächster Instanz wurden die Fahrzeuge mittels der Logik, welche auch im Netzentwicklungsplan 2021 – 2035 Anwendung fand, auf ein 10.000 Quardratmeter-Raster regionalisiert, wobei diverse Einflussparameter, wie beispielsweise das mittlere Durchschnittseinkommen, berücksichtigt wurden.89\r\n \r\n88\tVerteilungslogik basierend auf: FfE: Guminski et al. (2023) / FFE16 23/ \r\n89\tVerteilungslogik basierend auf: FfE: Ebner et al. (2019) /FFE142 19/\r\n \r\n \r\nVerteilung der Elektrofahrzeuge in unterschiedlichen Typnetze\t→ Tabelle 11\r\nTypnetz\r\nNr.\t Zuläss Regi\tige \r\non\tMittlere Anzahl an Wohneinheiten je Gebäude\tMittlere Anzahl an Elektrofahrzeugen je Wohneinheit\r\n\t\t\t\t2022\t2029\t2035\r\n1\t\t\t\t1,17\t0,03\t0,36\t0,74\r\n2\t\t\t\t1,16\t0,03\t0,31\t0,66\r\n3\t\t\t\t1,01\t0,04\t0,35\t0,82\r\n4\t\t\t\t1,11\t0,04\t0,25\t0,63\r\n5\t\t\t\t4,62\t0,01\t0,14\t0,28\r\n6\t\t\t\t3,77\t0,02\t0,29\t0,50\r\n7\t\t\t\t1,13\t0,04\t0,43\t0,89\r\n8\t\t\t\t1,29\t0,04\t0,46\t0,88\r\n9\t\t\t\t1,13\t0,04\t0,50\t1,05\r\n10\t\t\t\t5,63\t0,02\t0,20\t0,37\r\n11\t\t\t\t9,32\t0,02\t0,22\t0,39\r\n12\t\t\t\t18,42\t0,01\t0,16\t0,27\r\ngewichteter Mittelwe\trt:\t0,03\t0,37\t0,76\r\n \tländlich\r\nFfE (2023)\r\n \r\nIn einem letzten Schritt erfolgte die Zuordnung der Fahrzeuge zu den Gebäuden und Wohneinheiten, wobei je Wohneinheit maximal zwei Elektrofahrzeuge (Erst-/Zweitwagen) zulässig waren. Eine konsistente Verteilung der Elektrofahrzeuge auf die Wohneinheiten über die Stützjahre hinweg wurde gewährleistet. Tabelle 11 zeigt die Verteilung der Elektrofahrzeuge auf die mittlere Anzahl an Wohneinheiten in den Typnetzen und über die Stützjahre. Es wird deutlich, dass die Verteilung von Elektrofahrzeugen primär auf Ein- und Zweifamilienhäuser erfolgt. Dies ist auf die Verteilungslogik zurückzuführen, wonach Wohneigentum respektive große Wohnflächen, ein ausschlaggebendes Kriterium in der frühen Phase des Hochlaufs darstellt. Im Stützjahr 2035 liegt der Durchdringungsgrad auf Ebene der Gebäude auch in städtisch geprägten Netzen (Nr. 10 – 12) erwartungsgemäß höher\r\n7.2 \t Weitergehende Informationen  zur Modellierung\r\nDie nachfolgenden Abschnitte geben einen detaillierten Einblick in die Dimensionierung und den Betrieb der flexiblen Verbrauchsanlagen im Rahmen der Simulation sowie die Annahmen für die Lastflusssimulation . Im Abschnitt 7.2.1 werden zunächst die Dimensionierung und die Möglichkeiten des Betriebs der verschiedenen Flexibilitäten beschrieben: Hausspeichersysteme, Wärmepumpen und Elektrofahrzeuge. Im folgenden Abschnitt 7.2.2 sind tiefergehende Beschreibungen zu den Rahmenbedingungen der Lastflusssimulation (siehe Abschnitt 4.2.2) dargestellt. Hier werden die Kriterien für Netzüberlastungen, Netzausbau und dessen Kosten sowie die Mindestbezugsleistung bei Netzbetreibereingriff nach § 14a EnWG erörtert.\r\n7.2.1 Finanzielle Optimierung der Verbraucher: Lastprofile und Betriebsweise\r\nAls Ausgangspunkt für die finanzielle Optimierung der Verbraucher wird je Hausanschluss die Residuallast bestehend aus ursprünglichen Haushaltslastgang sowie dem statischen Lastgang einer PhotovoltaikErzeugung gebildet, sofern diese am Hausanschluss vorkommt   Nach Optimierung ergibt sich je Hausanschluss eine veränderte Residuallast, welche in die Lastflusssimulation eingeht. Für die detaillierte Bewertung von haushaltsnahen Flexibilitäten aus Sicht der Nutzer wurde ein Optimierungsmodul genutzt. In diesem wird der Einsatz von Flexibilitäten, wie beispielsweise das Laden von Elektrofahrzeugen, unter Berücksichtigung diverser Rahmenbedingungen in ein mathematisches Optimierungsproblem übersetzt. Je nach Anwendungsfall resultiert ein lineares oder gemischt-ganzzahliges Optimierungsproblem, welches in der Simulation kostenoptimiert gelöst wird.  Die Modellierung der Lastgänge der optimierten Flexibilitäten werden in den folgenden Abschnitten detailliert beschrieben. \r\n Heimspeichersysteme\r\nDie Heimspeicher haben den primären Zweck, die überschüssige Photovoltaik-Energie für eine spätere Nutzung zwischenzuspeichern. Übersteigt die Stromproduktion der Photovoltaik-Anlage den Stromverbrauch in Gebäude, wird der Heimspeicher geladen. Sobald die Photovoltaik-Erzeugung nicht mehr zur Deckung des Bedarfs ausreicht, wird der Speicher mit der benötigten Leistung entladen. Sowohl die Ladung als auch Entladung ist durch den Speicherfüllstand (0 bis 100 Prozent) und die maximale Ein- und Ausspeicherleistung begrenzt. Bei positiver Residuallast des Gebäudes wird der Speicher entladen. Für die Modellierung wird ferner ein Batteriewirkungsgrad von 94 Prozent im Lade- und Entladefall angewendet, wodurch sich ein Gesamtwirkungsgrad von 88,4 Prozent ergibt. Dies entspricht in etwa den Mittelwerten der Speichersysteme seit 2018.  Eine Selbstentladung des Batteriespeichers wird in der Modellierung nicht berücksichtigt.\r\nWird dem Haushalt ein dynamischer Stromtarif zugeordnet, wird der Heimspeicher zusätzlich für den Arbitragehandel eingesetzt. Zusätzlich zur Erhöhung des Photovoltaik-Eigenverbrauchs wird der Speicher in Zeiten billiger Strompreise geladen und bei hohen Preisen entladen. \r\nWärmepumpen\r\nFür die Simulation der Wärmepumpen wurde je Gebäude ein Wärmebedarf bestimmt. Zur Ermittlung des Heizwärmebedarfs wurden die Daten des Wärmepumpenatlas   verwendet. Die Daten beinhalten den modellierten Bedarf aktueller Gebäude. Zusätzlich hierzu wurde eine Sanierung der Gebäude angenommen. Die jährlichen Sanierungsraten und die aus der Sanierung resultierenden spezifischen Heizwärmebedarfe wurden aus dem Szenario KNDE2045 der Studie Klimaneutrales Stromsystem 2035   übernommen.\r\nZur Erstellung des Heizwärmelastgangs wird mithilfe des spezifischen Heizwärmebedarfs und der Wohnfläche der jährliche Raumwärmebedarf ermittelt und nach BDEW   und FfE   mithilfe des Standardlastprofilverfahrens für Gaskunden auf die einzelnen Tage des Jahres verteilt, wobei die gewichtete Temperatur der letzten drei Tage und die Art des Gebäudes berücksichtigt werden. Zusätzlich wird berücksichtigt, dass sanierte und neue Gebäude, die seit 2000 errichtet wurden, erst ab einer durchschnittlichen Temperatur von unter 14 Grad Celsius beheizt werden müssen und ältere Gebäude ab 15 Grad Celsius. Der tägliche Wärmebedarf wird anschließend mittels einer Verteilungsfunktion nach Hellwig   über den Tag verteilt. Daraus ergibt sich ein Wärmebedarfsprofil in stündlicher Auflösung für das gewählte Gebäude.  Der Trinkwarmwasserbedarf wird passend zu den Aktivitätsprofilen der Bewohner:innen mittels des Haushaltslastganggenerators   erzeugt.\r\nDie Wärmepumpen werden nach Planungsgrund-\r\nsätzen ,  ,   und basierend auf der maximalen Heizlast am Tag mit Normaußentemperatur nach Norm  dimensioniert. Es werden ausschließlich drehzahlgeregelte Luftwärmepumpen abgebildet, weil diese Art von Wärmepumpen mit einem Marktanteil in Deutschland von 87 Prozent   die meistverbreitete Wärmepumpentechnologie ist. Da in den Simulationen das Speicherpotenzial der Gebäudemasse nicht abgebildet wird, wird jede Wärmepumpe mit einem Kombispeicher für Raumwärme und Trinkwarmwasser mit einem Volumen von 700 Litern für Einfamilienhäuser, 1.000 Liter für Zweifamilienhäuser und 1.500 Liter für Mehrfamilienhäuser angenommen. Die Speicherverluste betragen 0,03 Prozent des gespeicherten Energieinhalts pro Stunde. Die Temperatur des Speichers darf 65 Grad Celsius nicht überschreiten und 55 Grad Celsius möglichst nicht unterschreiten. Die Vor- und Rücklauftemperatur des Heizkreislaufes ist abhängig vom Gebäudebaualter und beträgt für Gebäude, die vor 1996 errichtet wurden, 55 Grad Celsius und 45 Grad Celsius. Bei Gebäuden, die nach 1996 erbaut wurden oder saniert wurden, betragen Vor- und Rücklauftemperatur 45 Grad Celsius und 35 Grad Celsius. 105 Die Arbeitszahl der Wärmepumpe ist von der Vorlauftemperatur des Gebäudes und der Außentemperatur abhängig und wird anhand von Kennlinien berechnet.\r\nDie Wärmepumpen werden optimiert auf die Leistungszahl betrieben. Das bedeutet, dass bei einer hohen Leistungszahl der thermische Speicher geladen wird, um in Zeitpunkten mit niedriger Leistungszahl die benötigte Wärme bereitzustellen. Diese Betriebsweise trifft für alle Haushalte ohne dynamischen Stromtarif zu. Bei einem dynamischen Stromtarif werden bei der Optimierung zusätzlich die Börsenstrompreise berücksichtigt.\r\nDie Leistungszahl ist auf Grund der höheren Außentemperatur in den Mittagstunden höher. Der thermische Speicher wird geladen. Bei der zusätzlichen Berücksichtigung der Börsenstrompreise in der Optimierung verschiebt sich der Lastgang der Wärmepumpe leicht in Zeitpunkte mit niedrigen Preisen. Allerdings ist die Flexibilität beschränkt, da die Leistungszahl einen großen Einfluss auf die benötigte elektrische Energie hat.\r\nElektrofahrzeuge\r\nDie Elektrofahrzeuge werden in drei Fahrzeugklassen (Klein-, Mittelklasse- und Oberklassewagen) eingeteilt, die sich anhand ihres Verbrauchs und ihrer Batteriekapazität unterscheiden. Die Prozentualen Anteile basieren auf den Zulassungsdaten des Kraftfahrt-Bundesamtes   und sind in Tabelle 12 aufgeführt. Jedem Fahrzeug steht zu Hause eine eigene Lademöglichkeit mit einer maximalen Ladeleistung von 11 Kilowatt zur Verfügung.\r\nDie Fahrprofile der Elektrofahrzeuge wurden passend zu den Haushaltslastgängen mittels eines Haushaltslastganggenerators   erstellt und sind somit konsistent zum Aktivitäts- und Haushaltslastprofil. Die Mobilitätskenngrößen wie Wegdauern, Wegstrecken und Pkw-Benutzung basieren auf der Studie „Mobilität in Deutschland“    von 2017.\r\nDie Elektrofahrzeuge werden analog zu den Batteriespeichern mittels eines Speichermodells, jedoch mit zusätzlichem Energieverbrauch für Fahrten und eingeschränkter Verfügbarkeit aufgrund der Abwesenheit vom Wohnort, abgebildet. Es wird analog zu den Batteriespeichern ein konstanter Ladewirkungsgrad von 94 Prozent angenommen. Des Weiteren wird ein minimaler Batteriefüllstand, auch Sicherheits-Stateof-Charge genannt, von 30 Prozent vorgegeben, der schnellstmöglich nach Anstecken des Fahrzeugs erreicht werden muss, um ein Mindestmaß an Mobilität sicherzustellen. Zusätzlich wird ein WunschState-of-Charge von 70 Prozent vorgegeben, der bei Abfahrt des Fahrzeugs mindestens erreicht werden soll. Falls die nächste Fahrt einen höheren Ladezustand voraussetzt, wird der Wunsch-State-of-\r\nCharge angepasst. ,  \r\nIn den Simulationen wurden vier verschiedene  Ladestrategien der Elektrofahrzeuge berücksichtigt: Direktladen, Photovoltaik-Überschussladen, preisoptimiertes Laden und preisoptimiertes, bidirektionales Laden. \r\n \r\nAnteile der Fahrzeugklassen für Elektrofahrzeuge\t→ Tabelle 12\r\n\tAnteil [%]\tBatteriekapazität [kWh]\tDurchschnittlicher Verbrauch [kWh/100km]\r\nKleinwagen\t27,6\t 38\t15,7\r\nMittelklassewagen\t40,6\t 60\t17,7\r\nOberklassewagen\t31,8\t100\t25,5\r\nFfE (2023)\r\nDie einfachste Variante ist das Direktladen. Hierbei wird das Fahrzeug, sobald es angesteckt ist, mit maximaler Leistung geladen, bis die Batterie vollständig aufgeladen ist oder das Fahrzeug abfährt. Ist am Hausanschluss eine Photovoltaik Analage vorhanden, lädt das Fahrzeug primär die überschüssige Energie der Photovoltaik Anlage. Ist der State-of-Charge beim Anstecken unterhalb von 30 Prozent, wird bis zu dieser Schwelle sofort mit maximaler Leistung geladen. Falls der Photovoltaik-Überschuss nicht ausreicht, um das Fahrzeug während der Standzeit auf den Wunsch-State-ofCharge aufzuladen, wird vor Abfahrt mit maximaler Leistung auf diesen geladen. \r\nBeim preisoptimierten Laden werden die Ladevorgänge in Zeitpunkte mit niedrigen Börsenstrompreisen verschoben, um die Energiekosten möglichst gering zu halten. Ist das Elektrofahrzeug fähig bidirektional zu Laden, nimmt es am Arbitragehandel teil. Hierbei entlädt das Fahrzeug in Zeiten mit hohen Börsenstrompreisen in das Netz, um Gewinne zu erzielen. Durch das bidirektionale Laden steigt der Energiedurchsatz deutlich an.\r\n7.2.2  Annahmen und Ablauf der  Lastflusssimulation\r\nIm Folgenden werden weitergehende Informationen zu Randbedingungen der Simulation, wie den Kriterien der Netzüberlastung, dem durchgeführten Netzausbau und der Mindestbezugsleistung bei kurativem Netzbetreibereingriff dargestellt.\r\nNetzüberlastung\r\nIn Abschnitt 4.2.2. sind die Kriterien für Netzüberlastung definiert: \r\n→ Transformatorauslastung > 100 Prozent\r\n→ Leitungsauslastung > 100 Prozent\r\n→ Spannung außerhalb des Bereichs von 94 bis \r\n106 Prozent\r\nDie ersten beiden Kenngrößen beziehen sich jeweils auf die Nennwerte zur maximalen Betriebsmittelauslastung je Phase. Die Spannungsgrenzwerte sind im Gegensatz zur gültigen Norm  auf 94 bis 106 Prozent der Nennspannung begrenzt, da keine explizite Simulation der übergeordneten Mittelspannungsebene stattfindet  . Für Letztere werden vereinfacht ± 4 Prozent des Spannungsbandes reserviert, woraus sich die in der Norm zulässige Spannungsschwankung von ± 10 Prozent ergibt. Eine detaillierte Darstellung der daraus resultierenden Aufteilung des Spannungsbandes über die Netzebenen ist in Abbildung 45 dargestellt. \r\nNetzausbau\r\nUm den Netzausbaubedarf zu bestimmen, wird erst die Netzüberlastung berechnet sowie dokumentiert und anschließend wird die Überlastung dann iterativ durch Netzausbau behoben.\r\nFür Spannungsverletzungen an Anschlussknoten  werden die sechs extremsten Spannungswerte in beide Richtungen, Über- und Unterspannung, protokolliert. Für Betriebsmittelüberlastungen bei Leitungen und Ortsnetztransformatoren werden ebenfalls die extremsten Überlastungen je Leitungsabschnitt und Ortsnetztransformator protokolliert. \r\nAls Erstes werden die Überlastungen von Leitungen durch parallele Leitungen behoben. Das Vorgehen ist iterativ: Nach dem Legen einer parallelen Leitung wird mit erneuter Lastflussrechnung auf weiterhin bestehende Überlastung geprüft und gegebenenfalls mit weiteren parallelen Leitungen ausgebaut. Eine Begrenzung der Anzahl parallel verlegter Leitungen besteht nicht. Als parallel verlegtes Kabel wird ein gängiges Aluminiumkabel mit 240 Quadratmillimeter Querschnitt und rund 360 Ampere Nennstrom pro Phase verwendet (Typbezeichnung NAYYJ 4x240). \r\nIm Anschluss wird bei Überlastung des Ortsnetztransformators ein typischer Ortsnetztransformator der nächsthöheren Leistungsklasse installiert. Die berücksichtigten Standardgrößen der Ortsnetztransformatoren sind 160, 250, 400, 630, 800 und 1.000 Kilovoltampere. Der Ausbau erfolgt jeweils auf die nächste Stufe. Falls der Ortsnetztransformator in den kritischen Zeitschritten auch nach Tausch auf bis zu 1.000 Kilovoltampere Scheinleistung noch überlastet ist, wird angenommen, dass eine zusätzliche Transformatorstation installiert werden muss, mittels der das bestehende Ortsnetz aufgeteilt wird. \r\nNun werden die verbleibenden Spannungsbandverletzungen, die durch parallele Leitungen bei Leitungsüberlastungen noch nicht behoben wurden, durch parallele Leitungen behoben, analog dem Ausbau bei Leitungsüberlastungen. Da durch einen \r\nAufteilung des zulässigen Spannungsbands gemäß DIN 50160 \t→ Abb. 45 vom Umspannwerk (UW) bis zum Kunden in der Niederspannung (NS)  \r\n \r\nFfE (2023). * Mittelspannungsnetz\r\nTausch des Ortsnetztransformators und die Behebung von Spannungsproblemen, in einzelnen Fällen erneut Überlastungen auftreten können, wird nochmals auf \r\nÜberlastung in den kritischen Zeitschritten der drei Kategorien geprüft und gegebenenfalls mit identischem Vorgehen erneut ausgebaut.\r\nFür die Kosten der einzelnen Posten des Netzausbaus werden die in Tabelle 13 gelisteten Werte verwendet. Für Kabel wird hier unterschieden, ob explizit ein neues Kabel im Boden verlegt werden muss (Grabungskosten) oder ob nur ein weiteres Parallelkabel in einen bereits ausgebauten Kabelschacht eingezogen wird, falls hier Platz ist. Es wird somit vereinfacht zwischen Grabungs- und Materialkosten unterschieden, wobei eine zusätzliche Aufteilung zwischen städtischen sowie ländlich/ vorstädtischen Raum vorgenommen wurde, da besonders im städtischen Raum, beispielsweise durch das Aufbrechen von Asphalt signifikante Mehrkosten entstehen. \r\nFür die Kosten beim Transformatorausbau wird vereinfacht angenommen, dass der Tausch der Ortsnetztransformatoren auf eine höhere Stufe, unabhängig von deren Leistungsklasse, mit den gleichen Kosten verbunden ist. Typischerweise steigen die \r\nKosten der Transformatoren nur geringfügig je \r\nLeistungsklasse an und die leistungsunabhängigen Installationskosten überwiegen. Ausgebaute, kleinere Transformatoren werden aufgrund ihrer langen technischen Lebensdauer gegebenenfalls an anderer Stelle weiter genutzt. Im Fall des Stationsneubaus fallen höhere Kosten an, da hier beispielsweise zusätzliche Fläche erschlossen werden muss, eine Einhausung, Sekundärtechnik und meist weitere Mittel- und Niederspannungskabelverlegung für den Anschluss der Station nötig sind. Die Kosten basieren auf mehreren Quellen \r\n(u. a.  ,  ,  ,  ) und Annahmen von inflationsbedingter Preissteigerung der letzten vier Jahre.\r\nAnnahmen für spezifische Netzausbaukosten\t→ Tabelle 13\r\n\tländlich / vorstädtisch\tstädtisch\r\nKabelverlegungskosten in Euro pro Kilometer\t39.000\t87.000\r\nKabelmaterialkosten* in Euro pro Kilometer\t28.\t000\r\nTausch des Ortsnetztransformator in Euro pro Stück\t15.\t000\r\nregelbarer Ortsnetztransformator in Euro pro Stück\t28.\t000\r\nneue Transformatorstation** in Euro pro Stück\t51.\t000\r\nFfE (2023). * Kabeltypbezeichnung NAYY-J 4x240. ** neue Ortsnetzstation inklusive Transformator und weiterer Komponenten.\r\nGleichzeitigkeitsfaktor für Mindestladeleistung von Elektrofahrzeugen beim Netzbetreibereingriff nach § 14a EnWG\t→ Tabelle 14\r\nAnzahl Elektrofahrzeuge je Hausanschluss\t1\t2\t3–5\t5–10\t\t> 10\r\nGleichzeitigkeitsfaktor\t1,00\t0,90\t0,75\t0,50\t\t0,40\r\n\r\nFfE (2023)\r\nMindestbezugsleistung beim Netzbetreibereingriff nach § 14a EnWG\r\nBeim Netzbetreibereingriff nach § 14a EnWG steht nach aktuellem Entwurf jeder steuerbaren Verbrauchseinrichtung eine Mindestbezugsleistung von 4,2 Kilowatt zur Verfügung. Befinden sich mehrere steuerbare Verbrauchseinrichtungen an einem Hausanschluss, wird davon ausgegangen, dass diese nicht dauerhaft gleichzeitig Strom beziehen. Die der Verbrauchseinrichtung zur Verfügung stehende Mindestbezugsleistung  wird bei mehreren Verbrauchseinrichtungen am identischen Hausanschluss anhand eines Gleichzeitigkeitsfaktors reduziert. Sind an einem Hausanschluss mehrere Elektrofahrzeuge wurden die Gleichzeitigkeitsfaktoren aus Tabelle 14 angenommen. Die Mindestbezugsleistung berechnet sich aus der Summe der Mindestleistungen der Elektrofahrzeuge multipliziert mit dem Gleichzeitigkeitsfaktor. Bei Wärmepumpen wurde ein Gleichzeitigkeitsfaktor von eins verwendet, um die Bereitstellung von Heizwärme in den Wintermonaten nur minimal zu beeinflussen. Somit ergibt sich die reduzierbare Leistung des jeweiligen Hausanschlusses aus der installierten Leistung der steuerbaren Verbrauchseinrichtung abzüglich der Mindestbezugsleistung.\r\n \r\n8 Literatur\r\n \r\nACER 23\tACER (2023): Report on Electricity Transmission and Distribution Tariff Methodologies in \r\n Europe, https://www.acer.europa.eu/Publications/ACER_electricity_network_tariff_report.pdf.\r\n\r\nAGORA 17  \tAgora Energiewende (2017): Neue Preismodelle für Energie. Grundlagen einer Reform der \r\nEntgelte, Steuern, Abgaben und Umlagen auf Strom und fossile Energieträger, https://www. agora-energiewende.de/fileadmin/Projekte/2017/Abgaben_Umlagen/Agora_Abgaben_Umlagen_WEB.pdf.\r\n\r\nAGORA 19\tNavigant, Kompetenzzentrum Elektromobilität und RE-xpertise: Verteilnetzausbau für die Energiewende - Elektromobilität im Fokus: Studie im Auftrag von Agora Verkehrswende,  Agora Energiewende und The Regulatory Assistance Project (RAP), 2019.\r\nAGORA 21\tPrognos, Öko-Institut, Wuppertal Institut (2021): Klimaneutrales Deutschland 2045. Wie \r\nDeutschland seine Klimaziele schon vor 2050 erreichen kann. Langfassung im Auftrag von \r\nStiftung Klimaneutralität, Agora Energiewende und Agora Verkehrswende. https://www.ago-e ra-energiewende.de/fileadmin/Projekte/2021/2021_04_KNDE45/A-EW_231_KNDE2045_ Langfassung_DE_WEB.pdf\r\n\r\nAGORA 22a\tAgora Energiewende & Prognos AG & Consentec GmbH Consulting (2022): Klimaneutrales Stromsystem 2035. Wie der deutsche Stromsektor bis zum Jahr 2035 klimaneutral werden kann. https://www.agora-energiewende.de/veroeffentlichungen/klimaneutrales-stromsystem-2035/.\r\n\r\nAGORA 22b\tAgora Industrie & FutureCamp (2022): Power-2-Heat: Erdgaseinsparung und Klimaschutz in der Industrie. https://www.agora-industrie.de/fileadmin/Projekte/2021/2021-05_IND_DEP4Heat/A-EW_269_Power-2-Heat_WEB.pdf.\r\n\r\nBDEW01 23P\tSchwencke, Tilman: BDEW-Strompreisanalyse Februar 2023 – Haushalte und Industrie.  Berlin: Bundesverband der Energie- und Wasserwirtschaft e.V., 2023.\r\nBDEW 15\tBundesverband der Energie- und Wasserwirtschaft: BDEW/VKU/GEODE Leitfaden - Abwicklung von Standardlastprofilen Gas. Berlin: BDEW Bundesverband der Energie- und Wasserwirtschaft e.V., 2015.\r\n BDEW 19\t Bundesverband der Energie- und Wasserwirtschaft (BDEW, 2019): Wie heizt Deutschland 2019? https://www.bdew.de/media/documents/Pub_20191031_Wie-heizt-Deutschhland-2019.pdf.\r\n\r\nBDEW 23\t Bundesverband der Energie- und Wasserwirtschaft (2023): BDEW-Strompreisanalyse, Juli 2023, Haushalte und Industrie,   https://www.bdew.de/media/documents/BDEW-Strompreis-r analyse_o_dw_halbjaehrlich_Ba_online_24072023.pdf.\r\n\r\nBFV01 21P\tSigmund, Markus: RegioStaR – Regionalstatistische Raumtypologie für die Mobilitäts- und Verkehrsforschung. Bonn: Bundesministerium für Verkehr und digitale Infrastruktur (BMVI), 2021.\r\nBMWK10 23\tGesetz zum Neustart der Digitalisierung der Energiewende (GNDEW, 2023): Ausgefertigt am 22.05.2023; Berlin: Bundesministerium für Wirtschaft und Klimaschutz, 2023.\r\nBMWK27 22P\tEnergiewende Direkt – Clever Heizkosten sparen. In https://www.bmwi-energiewende.de/ EWD/Redaktion/Newsletter/2022/09/Meldung/topthema.html. (Abruf am 2023-07); Berlin: \r\nBundesministerium für Wirtschaft und Klimaschutz (BMWK), 2022.\r\nBNETZA BK6\tBundesnetzagentur (2022): Festlegung zur Durchführung der netzorientierten Steuerung von steuerbaren Verbrauchseinrichtungen und steuerbaren Netzanschlüssen nach § 14a EnWG (BK6-22-300), https://www.bundesnetzagentur.de/DE/Beschlusskammern/1_GZ/BK6GZ/2022/BK6-22-300/Anlagen_ZweiteKonsultation/BK6-22-300_Regelungswerk.pdf?__ blob=publicationFile&v=1.\r\n\r\nBNETZA BK8\tBundesnetzagentur (2022): Festlegung zu Netzentgelten bei Anwendung der netzorientierten \r\nSteuerung von steuerbaren Verbrauchseinrichtungen und steuerbaren Netzanschlüssen nach § 14a EnWG gem. Festlegung BK6-22-300 (BK8-22/010-A), https://www.bundesnetzagen-w tur.de/DE/Beschlusskammern/BK08/BK8_06_Netzentgelte/68_%C2%A7%2014a%20EnWG/ Downloads/BK8-22-010-A_Eckpunktepapier_zweite_Kons.pdf?__blob=publicationFile&v=2.\r\n\r\nBNETZA-01 23 Bundesnetzagentur (2023): Versorgungssicherheit Strom; Bericht; https://www.bmwk.de/ Redaktion/DE/Publikationen/Energie/versorgungssicherheit-strom-bericht-2022.pdf?__ blob=publicationFile&v=4.\r\nBNETZA02 23\tBundesnetzagentur und Bundeskartellamt (2023): Monitoringbericht,  https://www.bundes-d netzagentur.de/SharedDocs/Mediathek/Monitoringberichte/MonitoringberichtEnergie2022. pdf?__blob=publicationFile&v=6.\r\nBNETZA-11 22\tBundesnetzagentur (2022): Eckpunktepapier zur netzorientierten Steuerung von steuerbaren Verbrauchseinrichtungen und steuerbaren Netzanschlüssen nach § 14a EnWG, https://www. bundesnetzagentur.de/DE/Beschlusskammern/1_GZ/BK6-GZ/2022/BK6-22-300/Anlagen_ Konsultation/BK6-22-300_Eckpunktepapier.pdf?__blob=publicationFile&v=1.\r\nBUDH01 14\tPlanungsunterlage für den Fachmann – Logatherm WPL ... AR (Reversible Luft-Wasser-\r\nWärmepumpe). Wetzlar: Buderus Heiztechnik GmbH, 2014\r\nBUW01 21\tWintzek, P.; Ali, S. A.; Monscheidt, J.; Gemsjäger, B.; Slupinski, A.; Zdrallek, M.: Planungs- und \r\nBetriebsgrundsätze für städtische Verteilnetze – Leitfaden zur Ausrichtung der Netze an ihren zukünftigen Anforderungen. In: Zdrallek, M. (Hrsg.), Neue Energie aus Wuppertal, Band 35, Bergische Universität Wuppertal: Wuppertal, 2021.\r\n\r\nBWBE01 23P\tWeinhold, Katja: Wärmepumpenabsatz 2022 – Wachstum von 53 Prozent gegenüber dem \r\n\t Vorjahr. In https://www.waermepumpe.de/presse/pressemitteilungen/details/waermepumpenabsatz-2022-wachstum-von-53-prozent-gegenueber-dem-vorjahr/#content. \r\n (Abruf am 2023-09); Berlin: Bundesverband Wärmepumpe (BWP) e. V, 2023.\r\nCONSFR2019\tConsentec GmbH und Frontier Economics Ltd. (2019): Gutachten zur regulatorischen Behandlung unterschiedlicher Kostenarten vor dem Hintergrund der ARegV-Novelle für Verteilernetzbetreiber. Untersuchung in Auftrag von der Bundesnetzagentur, https://www.bundesnetzragentur.de/SharedDocs/Downloads/DE/Sachgebiete/Energie/Unternehmen_Institutionen/ Netzentgelte/Anreizregulierung/Gutachten/Kostenarten.pdf?__blob=publicationFile&v=3.\r\n\r\nDANSK 22\tDansk Energi (2022): Principnotat tarifmodel 3.0, https://noe.dk/wp-content/uploads/2023/ 08/ Tarifmodel-3.0-metode.pdf.\r\n\r\nDENA19 12\tdena-Verteilnetzstudie: Ausbau- und Innovationsbedarf der Stromverteilnetze in Deutschland bis 2030. Berlin: Deutsche Energie-Agentur, 2012.\r\n DIN 11\tDIN Deutsches Institut für Normung e.V.: Merkmale der Spannung in öffentlichen Elektrizitäts versorgungsnetzen – DIN EN 50160. Berlin: Beuth-Verlag GmbH, 2011.\r\nDIN02 03\tHeizungsanlagen in Gebäuden – Verfahren zur Berechnung der Norm-Heizlast. Deutsche  Fassung EN 12831:2003. Berlin: DIN Deutsches Institut für Normung e.V., 2003.\r\n EN: Schier 15\tSchierhorn, Peter-Philipp, Martensen, Nis: Überblick zur Bedeutung der Elektromobilität zur Integration von EE-Strom auf Verteilnetzebene. Darmstadt: Energynautics GmbH, 2015.\r\nETHB01 13\tElektrotechnik Hildebrand: Elektrische Heizungsanlagen/Wärmebedarf. In: http://www.hille-.\r\nbrand-elektrotechnik.de/. Zülpich, 2013.\r\n\r\nETN 22\tETN global (2022): Hydrogen Deployment in centralized power generation. A techno-economic case study, https://etn.global/wp-content/uploads/2022/06/H2-deployment-in-centralisedpower-generation-techno-economic-study-April2022.pdf.\r\n\r\nFFE 20\tForschungsstelle für Energiewirtschaft e.V. (2020): Rechtliche Analyse des Altdorfer Flexmarktes, https://www.ffe.de/veroeffentlichungen/rechtliche-analyse-des-altdorfer-flexemarktes/.\r\n\r\n FfE: Spring 23\tSpringmann, Elisabeth et al.: Beitragsreihe zur Charakterisierung von Niederspannungsnetzen: Identifikation von Netzclustern. In https://www.ffe.de/veroeffentlichungen/beitragsreighe-zur-charakterisierung-von-niederspannungsnetzen-identifikation-von-netzclustern/. \r\n(Abruf am 2023-08-28); München: FfE e.V., 2023.\r\n FfE: Weiss 23\tWeiß, Andreas et al.: Beitragsreihe zur Charakterisierung von Niederspannungsnetzen und Netzrepräsentanten: Identifikation von Referenznetzen für die Cluster. In https://www.ffe.de/ veroeffentlichungen/beitragsreihe-zur-charakterisierung-von-niederspannungsnetzenund-netzrepraesentanten-identifikation-von-referenznetzen-fuer-die-cluster/. (Abruf am \r\n2023-08-28); München: FfE e.V., 2023.\r\nFFE04 23\tZahler, Jakob: Analysen zur Integration der Elektromobilität in die Verteilnetze im Rahmen des Projektes unIT-e². In: Tagung Zukünftige Stromnetze; Berlin: Forschungsstelle für Energiewirtschaft e.V., 2023.\r\nFFE142 19\tEbner, Michael et al.: Kurzstudie Elektromobilität – Modellierung für die Szenarienentwicklung des Netzentwicklungsplans. München: Forschungsstelle für Energiewirtschaft, 2019.\r\nFFE16 23\tGuminski, Andrej: Bayernplan Energie 2040 – Wege zur Treibhausgasneutralität – Zusammenfassung. München: FfE, 2023.\r\nFFE23 15\tWohlschlager, Daniela; Köppl, Simon Dipl.-Ing.: Kostenanalyse Netzstabilisierungsmaßnahmen – Stand Mai 2015 – Kostenparameter für Komponenten ausgewählter netzstabilisierender Maßnahmen im Niederspannungsnetz. München: Forschungsstelle für Energiewirtschaft e.V. (FfE), 2015.\r\nFFE44 21\tMüller, Mathias et al.: Future grid load with bidirectional electric vehicles at home. Berlin: International ETG Congress 2021. VDE, 2021.\r\nFFE45 17\tKöppl, Simon; Samweber, Florian; Bruckmeier, Andreas; Böing, Felix; Hinterstocker, Michael; Kleinertz, Britta; Konetschny, Claudia; Müller, Mathias; Schmid, Tobias; Zeiselmair, Andreas: Projekt MONA 2030: Grundlage für die Bewertung von Netzoptimierenden Maßnahmen - Teilbericht Basisdaten. München: Forschungsstelle für Energiewirtschaft e.V. (FfE), 2017.\r\nFFE50 21\tGreif, Simon et al.: Potential of air-source heat pumps complying with sound immission limits in the German building stock. In: ETG Congress 2021; Frankfurt am Main: VDE, 2021.\r\nFFE56 15\tMichael, Hinterstocker; Benedikt, Eberl; von Roon, Serafin: Weiterentwicklung des Standardlastprofilverfahrens Gas. München: Forschungsgesellschaft für Energiewirtschaft mbH, 2015.\r\nFFE61 20\tMüller, M.; Biedenbach, F.; Reinhard, J.: Development of an Integrated Simulation Model for Load and Mobility Profiles of Private Households. Energies 2020, 13, 3843.\r\nFFE61 21\tWeiß, Andreas et al.: Analyse methodischer Modellierungsansätze im Kontext von Verteilnetzsimulationen. In: IEWT 2021 - 12. Internationale Energiewirtschaftstagung; Wien: TU Wien, 2021.\r\nFFE67 22\tGreif, Simon et al.: Wärmepumpen-Ampel – Räumlich hochaufgelöstes Potenzial für den Ein-\r\nsatz von Wärmepumpen in Deutschland zur Erreichung der Klimaziele. In https://www.ffe.de/ projekte/waermepumpen-ampel/. (Abruf am 2022-10-27); München: FfE eV, 2022.\r\n\r\nHELL01 03\tHellwig, Mark: Entwicklung und Anwendung parametrisierter Standard-Lastprofile. Dissertation. Herausgegeben durch Technische Universität München: München, 2003.\r\nHTW01 22\tOrth, Nico et al.: Stromspeicher-Inspektion 2022. Berlin: Hochschule für Technik und Wirtschaft (HTW) Berlin, 2022.\r\nIFEU02 14\tvon Oehsen, Amany; Fehr, Johannes; Brischke, Lars-Arvid; Pehnt, Martin; Mellwig, Peter: \r\n100 Prozent Wärme aus erneuerbaren Energien? - Band 4 Endbericht zur Aufstockung PVEigenstrom für Wärmepumpen- und Haushaltsstrombedarf in Wohngebäuden. Heidelberg: ifeu - Institut für Energie- und Umweltforschung Heidelberg GmbH, 2014\r\n ILLWerk 14\tElbs, Christian et al.: Einsatz der Q(U)-Regelung bei der Vorarlberger Energienetze GmbH – Endbericht. Bregenz, München: Illwerke vkw - Vorarlberger Energienetze GmbH, 2014\r\nINC 01\tLion Hirth, Ingmar Schlecht, Christoph Maurer und Bernd Tersteegen (2019): Kosten- oder Marktbasiert? Zukünftige Redispatch- Beschaffung in Deutschland, Schlussfolgerungen aus dem Vorhaben „Untersuchung zur Beschaffung von Redispatch“, im Auftrag des Bundesministeriums für Wirtschaft und Energie https://neon.energy/Neon_Marktbasierter-Redispatch_ BMWi.pdf.\r\n\r\nINFAS01 18\tNobis, Claudia et al.: Mobilität in Deutschland – MiD Ergebnisbericht. Bonn: infas, DLR, IVT und infas 360, 2018.\r\nKBA04 21\tBestand an Pkw nach Segmenten und Modellreihen am 1.1.2021 gegenüber 1.1.2020:  https://www.kba.de/DE/Statistik/Fahrzeuge/Bestand/Segmente/segmente_node.html;  Flensburg: Kraftfahrt-Bundesamt, 2021.\r\nLAZ 21\tLazard (2021): Lazard’s levelized costs of energy analysis – Version 15.0, https://www.lazard.\r\ncom/media/sptlfats/lazards-levelized-cost-of-energy-version-150-vf.pdf\r\n\r\nMÜL02 22\tM. Müller: Netzintegration dezentraler Flexibilitätsoptionen mit Fokus auf ausgewählte Anwendungsfälle für bidirektionale Elektrofahrzeuge. Herausgegeben durch TU München (TUM), geprüft von Wagner, Ulrich und Witzmann, Rolf: München, 2023. https://mediatum.ub.tum.\r\nde/1686443\r\n\r\nNEON-07 23\tNeon Neue Energieökonomik (2023): Zeitvariable Verteilnetzentgelte – Eine ökonomische Perspektive auf die deutsche Netzentgeltsystematik. Im Auftrag von LichtBlick SE, https://neon. energy/variable-netzentgelte.\r\n\r\nNEP 23\tÜbertragungsnetzbetreiber (2023): Netzentwicklungsplan Strom 2037 mit Ausblick 2045, Version 2023, https://www.netzentwicklungsplan.de/sites/default/files/2023-07/ NEP_2037_2045_V2023_2_Entwurf_Teil1.pdf.\r\n\r\n\r\nPENTAL 22\tPentalateral Forum (2023): Power System Flexibility in the Penta region – Current State and Challenges for a Future Decarbonised Energy System,  https://www.artelys.com/wp-conctent/uploads/2023/03/Power-System-Flexibility-Penta-region-%E2%80%93-CurrentState-and-Challenges-for-a-Future-Decarbonised-Energy-System.pdf.\r\n\r\nRED 03\tE-Bridge Consulting GmbH, Tennet TSO GmbH und TransnetBW GmbH (2022): Redispatch 3.0: \r\nRegulatorischer Rahmen, Markt- und Produktdesign im Auftrag von TenneT TSO GmbH und TransnetBW GmbH,  https://www.transnetbw.de/de/newsroom/presseinformationen/studiezu-redispatch-3-0-vorgestellt.\r\n\r\nSCHM01 18\tSchmid, Tobias: Dynamische und kleinräumige Modellierung der aktuellen und zukünftigen Energienachfrage und Stromerzeugung aus Erneuerbaren Energien. Dissertation. Herausgegeben durch Technische Universität München, geprüft von Prof. Wagner, Ulrich und Prof. Kolbe, Thomas H.: München, 2018.\r\nSTAT05 23P\tLänge des Stromnetzes in Deutschland nach Spannungsebene im Jahresvergleich 2010 und 2021. In https://de.statista.com/statistik/daten/studie/37962/umfrage/laenge-der-strom-s netze-in-deutschland-in-1998-und-2008/. (Abruf am 2023-07); Hamburg: Statista GmbH, 2023.\r\n\r\nTUM: Greif 23\tS. Greif: Räumlich hoch aufgelöste Analyse des technischen Potenzials von Wärmepumpen zur dezentralen Wärmeversorgung der Wohngebäude in Deutschland. Herausgegeben durch TU München (TUM), geprüft von Wagner, Ulrich und Lang, Werner: München, 2023. https://nbnresolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230802-1702065-1-5.\r\n\r\nTUM01 13\tWitzmann, Rolf; Altschäffl, Sascha; Esslinger, Peter; Lödl, Martin; Pardatscher, Robert; Stöckl, Georg; Viernstein, Lorenz: Verteilnetzstudie Bayern 2013 – Ausbaubedarf bis 2021 – Basisszenario. München: Technische Universität München, Fachgebiet Elektrische Energieversorgungsnetze, 2013.\r\nUBA 23\tUmweltbundesamt (2023): 1. Halbjahr 2023: Weniger erneuerbarer Strom, aber Anteil steigt, https://www.umweltbundesamt.de/themen/1-halbjahr-2023-weniger-erneuerbarer-stromaber.\r\n\r\nPublikationen von Agora Energiewende\r\n \r\nAUF DEUTSCH\r\nDer CO₂-Preis für Gebäude und Verkehr \r\nEin Konzept für den Übergang vom nationalen zum EU-Emissionshandel\r\nWasserstoff-Import optionen für Deutschland\r\nAnalyse mit einer Vertiefung zu Synthetischem Erdgas (SNG) bei nahezu geschlossenem Kohlenstoffkreislauf \r\nWindstrom nutzen statt abregeln \r\nEin Vorschlag zur zeitlichen und regionalen Differenzierung der Netzentgelte\r\nRoll-out von Großwärmepumpen in Deutschland\r\nStrategien für den Markthochlauf in Wärmenetzen und Industrie Ein neuer Ordnungsrahmen für Erdgasverteilnetze\r\nAnalysen und Handlungsoptionen für eine bezahlbare und klimazielkompatible Transformation\r\nRückenwind für Klimaneutralität\r\n15 Maßnahmen für den beschleunigten Ausbau der Windenergie\r\nKlimaneutrales Stromsystem 2035 (Zusammenfassung)\r\nWie der deutsche Stromsektor bis zum Jahr 2035 klimaneutral werden kann\r\nDie Energiewende in Deutschland: Stand der Dinge 2022\r\nRückblick auf die wesentlichen Entwicklungen sowie Ausblick auf 2023\r\nVolle Leistung aus der Energiekrise\r\nMit Zukunftsinvestitionen die fossile Inflation bekämpfen\r\nDurchbruch für die Wärmepumpe\r\nPraxisoptionen für eine effiziente Wärmewende im Gebäudebestand\r\nSchutz in der fossilen Energiekrise Optionen für Ausgleich und Entlastung\r\nKlimaneutrales Stromsystem 2035\r\nWie der deutsche Stromsektor bis zum Jahr 2035 klimaneutral werden kann\r\n12 Thesen zu Wasserstoff\r\nDie wichtigsten Überlegungen zur effizienten und sinnvollen Nutzung eines erneuerbaren Energieträgers  von begrenzter Verfügbarkeit.\r\nAlle Publikationen finden Sie auf unserer Internetseite: www.agora-energiewende.de\r\nPublikationen von Agora Energiewende\r\n \r\nAUF ENGLISCH\r\nTransitioning away from coal in Indonesia, Vietnam and the Philippines\r\nOverview of the coal sector with a focus on its economic relevance and policy framework\r\nHydrogen import options for Germany (Summary)\r\nAnalysis with an in-depth look at synthetic natural gas (SNG) with a nearly closed carbon cycle\r\nBriefing on the Europe-China Workshop on Carbon Markets,  with coverage of the EU CBAM and carbon asset management\r\nEnsuring resilience in Europe’s energy transition The role of EU clean-tech manufacturing Levelised cost of hydrogen\r\nMaking the application of the LCOH concept more consistent and more useful\r\nDecarbonisation in State-Owned Power Companies\r\nBriefing from the workshop on 28–29 September 2022\r\nFrom coal to renewables \r\nA power sector transition in Kazakhstan \r\n12 Insights on Hydrogen – Argentina Edition \r\nBreaking free from fossil gas\r\nA new path to a climate-neutral Europe\r\nHow Europe can make its power market more resilient\r\nRecommendations for a short-term reform Argentina as a hub for green ammonia\r\nA forward-looking development strategy for addressing the global energy and climate crises\r\nOverview of China’s Energy Transition 2022\r\nChapter on Oil\r\nThe driving forces behind the green transition in Europe and South Korea A comparison between the European Green Deal and the Korean Green New Deal\r\nAlle Publikationen finden Sie auf unserer Internetseite: www.agora-energiewende.org\r\n \r\n \r\n \r\nPublikationsdetails\r\n \r\nÜber Agora Energiewende  Agora Energiewende erarbeitet unter dem Dach der Agora Think Tanks wissenschaftlich fundierte und politisch umsetzbare Konzepte für einen erfolgreichen Weg zur Klimaneutralität – in Deutschland, Europa und international. Die Denkfabrik agiert unabhängig von wirtschaftlichen und parteipolitischen Interessen und ist ausschließlich dem Klimaschutz verpflichtet. \r\nAgora Energiewende \r\nSmart Energy for Europe Platform (SEFEP) gGmbH \r\nAnna-Louisa-Karsch-Straße 2  \r\n10178 Berlin | Deutschland T +49 (0) 30 7001435-000 www.agora-energiewende.de info@agora-energiewende.de\r\nKorrektorat: Infotext GbR \r\nSatz: Theo Becker, Urs Karcher \r\nTitelfoto: rawpixel.com | Freepik\r\n315/05-S-2023/DE \r\nVersion 1.1, Januar 2024\r\nUnter diesem QR-Code steht diese Publikation als PDF zum Download zur Verfügung.\r\nDieses Werk ist lizenziert unter CC-BY-NC-SA 4.0.\r\n"},"recipientGroups":[{"recipients":{"parliament":[],"federalGovernment":[{"department":{"title":"Bundesministerium für Wirtschaft und Klimaschutz (BMWK) (20. WP)","shortTitle":"BMWK (20. WP)","url":"https://www.bmwk.de/Navigation/DE/Home/home.html","electionPeriod":20}}]},"sendingDate":"2024-03-11"}]}]},"contracts":{"contractsPresent":false,"contractsCount":0,"contracts":[]},"codeOfConduct":{"ownCodeOfConduct":false}}