Wer sich mit der Steuerung von Gewerbespeichern beschäftigt, stößt früher oder später auf die Frage: Wie entscheidet das Energiemanagementsystem (EMS) eigentlich, wann der Speicher lädt und wann er entlädt?

Die Antwort hat direkte Auswirkungen auf die Wirtschaftlichkeit. Und sie fällt je nach Steuerungsansatz sehr unterschiedlich aus.

Was ist ein heuristisches EMS?

Die meisten EMS-Systeme auf dem Markt arbeiten heuristisch. Das bedeutet: Die Steuerung folgt festen Regeln, die ein Mensch vorher definiert hat. Zum Beispiel:

• „Wenn PV-Überschuss vorhanden ist, lade den Speicher."

• „Wenn der Netzbezug über 200 kW steigt, entlade den Speicher."

• „Wenn der Börsenstrompreis unter 5 ct/kWh fällt, lade aus dem Netz."

Diese Regeln sind intuitiv verständlich und funktionieren gut, solange der Speicher nur eine einzige Aufgabe hat, etwa reine Eigenverbrauchsoptimierung oder reine Lastspitzenkappung.

Schwierig wird es, wenn mehrere Ziele gleichzeitig verfolgt werden sollen. Also genau das, was in der Praxis bei den meisten Gewerbebetrieben der Fall ist.

Das Problem mit Regeln: Multi-Use

Stellen Sie sich einen Betrieb vor, der seinen Speicher für drei Zwecke nutzen will: Eigenverbrauchsoptimierung, Lastspitzenkappung und Bezugsoptimierung über einen dynamischen Stromtarif.

Jeder dieser Erlösströme stellt andere Anforderungen an den Speicher, und sie konkurrieren um dieselbe Kapazität. Wer den Speicher morgens mit günstigem Börsenstrom füllt, hat mittags weniger Platz für PV-Überschuss. Wer den Speicher als Reserve für Lastspitzen vorhält, kann ihn nicht gleichzeitig für Eigenverbrauch entladen.

Bei einer heuristischen Steuerung muss man vorab priorisieren: Welche Regel greift wann? Wie viel Kapazität wird für welchen Zweck reserviert? Diese Entscheidungen sind statisch und können sich nicht dynamisch an die Situation anpassen. Wie schwierig diese Abwägung in der Praxis ist, haben wir in unserem Artikel zu Eigenverbrauchsoptimierung und Lastspitzenkappung im Multi-Use beschrieben.

Was ein Solver anders macht

Ein Solver-basiertes EMS geht das Problem grundlegend anders an. Statt Regeln abzuarbeiten, formuliert es die Speichersteuerung als mathematisches Optimierungsproblem: Gegeben sind Lastgang, PV-Erzeugung, Strompreise, Netzentgelte und die physikalischen Grenzen des Speichers. Gesucht ist der Lade- und Entladefahrplan, der die Gesamtkosten minimiert oder den Gesamterlös maximiert.

Der Solver berücksichtigt dabei alle Ziele und Randbedingungen gleichzeitig. Er weiß: Wenn ich jetzt 50 kWh für die Lastspitze um 17 Uhr reserviere, kann ich die anderen 50 kWh für Eigenverbrauch nutzen und gleichzeitig um 3 Uhr nachts 30 kWh günstigen Börsenstrom laden, weil die Lastspitze erst in 14 Stunden kommt.

Das Ergebnis ist ein Fahrplan, der das wirtschaftliche Optimum über den gesamten Betrachtungszeitraum anstrebt und nicht nur für den aktuellen Moment optimiert.

Konkrete Beispiele für die Komplexität

Zwei Szenarien veranschaulichen, warum eine regelbasierte Heuristik hier an ihre Grenzen stößt:

Laden bei günstigen Strompreisen vs. neue Lastspitzen erzeugen: Wenn nachts günstiger Börsenstrom verfügbar ist, liegt es nahe, den Speicher zu laden. Aber das Laden selbst erhöht den Netzbezug. Wenn der Betrieb ohnehin schon eine hohe Grundlast hat, kann das Laden des Speichers eine neue Lastspitze am Netzanschlusspunkt erzeugen, die zusätzliche Leistungspreiskosten nach sich zieht. Ein Solver rechnet diese Kosten gegen den Ertrag aus dem günstigen Strombezug und entscheidet: Lohnt sich das Laden trotzdem, weil der Ertrag die Kosten der neuen Lastspitze übersteigt? Oder ist es besser, auf das Laden zu verzichten und die bestehende Lastspitze nicht zu erhöhen? Diese Abwägung muss für jede Viertelstunde einzeln getroffen werden und erfordert gleichzeitig eine Einschätzung über das gesamte Jahr, denn der Leistungspreis wird auf Basis der Jahreshöchstlast abgerechnet. Der Solver muss also auch berücksichtigen, ob im restlichen Jahr noch eine höhere Spitze zu erwarten ist oder ob die aktuelle Spitze bereits die relevante ist.

PV-Überschuss nicht sofort laden, sondern warten: Eine einfache Heuristik lädt den Speicher, sobald PV-Überschuss entsteht. Ein Solver kann das anders bewerten. Durch das Solarspitzengesetz wird die Einspeisevergütung in Stunden mit negativen Börsenstrompreisen nicht gezahlt. Es kann also sinnvoll sein, den Speicher am späten Vormittag noch nicht mit den ersten PV-Überschüssen zu laden, sondern zu warten, bis die Einspeisevergütung durch negative Strompreise tatsächlich auf null fällt. In der Zwischenzeit wird der Überschuss noch vergütet eingespeist. Ein Solver erkennt diese Zusammenhänge und verschiebt den Ladezeitpunkt entsprechend. Eine feste Regel „Lade bei PV-Überschuss" kann das nicht.

Warum das Verhalten schwerer zu erklären ist

Bei einer Heuristik kann man für jeden Zeitpunkt sagen: „Der Speicher entlädt, weil die Regel ‚Netzbezug über 200 kW' gegriffen hat." Die Logik ist transparent.

Ein Solver trifft dagegen Entscheidungen, die auf den ersten Blick kontraintuitiv wirken können. Warum hält der Speicher mittags Kapazität frei, obwohl PV-Überschuss da ist? Warum lädt er um 2 Uhr nachts aus dem Netz, obwohl der Strom gar nicht besonders günstig ist?

Die Antwort liegt im Gesamtzusammenhang: Der Solver hat berechnet, dass diese Kombination über den Tag hinweg zum besten wirtschaftlichen Ergebnis führt. Diesen Zusammenhang im Nachhinein zu erklären, etwa gegenüber einem Endkunden oder einem Installateur, der das System überprüft, ist deutlich schwieriger als bei einer regelbasierten Steuerung.

Das ist kein Defizit des Solvers. Es ist der Preis für ein besseres Ergebnis.

Solver in der Simulation vs. Solver im Betrieb

Ein Solver-EMS kann in zwei grundlegend verschiedenen Kontexten zum Einsatz kommen, und der Unterschied ist entscheidend für die Interpretation der Ergebnisse.

Simulation (Planung und Auslegung)

In der Simulation hat der Solver Zugriff auf vollständige historische Daten: den tatsächlichen Lastgang des vergangenen Jahres, die reale PV-Erzeugung, die tatsächlichen Börsenstrompreise. Er arbeitet mit perfekter Voraussicht und kennt den gesamten Verlauf im Voraus.

Das Ergebnis ist das theoretische Optimum: So gut hätte der Speicher maximal performen können. Dieses Ergebnis dient als Benchmark für die Wirtschaftlichkeitsberechnung und die Speicherauslegung. In der Realität gibt es aber keine perfekte Voraussicht. Deshalb bieten wir in unserer Software die Möglichkeit, einen Vorhersagefehler zu konfigurieren. So lassen sich realistischere Simulationsergebnisse erzeugen, die näher am tatsächlichen Betrieb liegen als das theoretische Optimum.

Betrieb (Echtzeitsteuerung)

Im realen Betrieb kennt der Solver die Zukunft nicht. Er arbeitet mit Prognosen für den erwarteten Lastgang der nächsten Stunden, die prognostizierte PV-Produktion und die angekündigten Börsenstrompreise. Auf Basis dieser Prognosen berechnet er einen optimalen Fahrplan, der laufend aktualisiert wird, sobald neue Daten vorliegen.

Warum die Prognosequalität alles entscheidet

Ein Solver im Betrieb ist nur so gut wie seine Eingangsdaten. Wenn die Lastprognose den Verbrauch am Nachmittag deutlich unterschätzt, trifft der Solver auf Basis dieser fehlerhaften Annahme eine suboptimale Entscheidung, auch wenn der Algorithmus selbst mathematisch einwandfrei arbeitet.

Das gilt gleichermaßen für PV-Prognosen (ein plötzlicher Wolkendurchzug ändert die Erzeugung drastisch), für Lastprognosen (unvorhergesehene Produktionsänderungen oder ein Ladesäulen-Event können den Lastgang verschieben) und für Strompreisprognosen (die Day-Ahead-Preise stehen zwar einen Tag im Voraus fest, aber Intraday-Schwankungen können die Kalkulation verändern).

In der Praxis bedeutet das: Die Differenz zwischen Simulationsergebnis und Betriebsergebnis spiegelt nicht ein Defizit des Solvers wider, sondern die Unsicherheit der Prognosen. Wer die Wirtschaftlichkeit eines Gewerbespeicher-Projekts bewertet, sollte deshalb immer zwischen dem theoretischen Optimum und dem realistisch erreichbaren Ergebnis unterscheiden und dabei einen konservativen Puffer einplanen.

Fazit

Ein Solver-basiertes EMS holt mehr aus einem Gewerbespeicher heraus als eine heuristische Steuerung, besonders bei Multi-Use-Szenarien, in denen mehrere Erlösströme gleichzeitig bedient werden. Der Preis dafür ist eine geringere Transparenz: Das Verhalten ist wirtschaftlich besser, aber schwerer nachvollziehbar.

Im Betrieb hängt die tatsächliche Performance entscheidend von der Qualität der Prognosen für Last, PV-Erzeugung und Strompreise ab. Die Simulation mit historischen Daten zeigt das theoretische Optimum; der reale Betrieb wird immer etwas darunter liegen.

Für Installateure und Planer, die Gewerbespeicher auslegen, ist es wichtig, diesen Unterschied zu kennen und ihn gegenüber Endkunden transparent zu kommunizieren.

Sie möchten wissen, welches Speicher-Modell für Ihren Kunden wirtschaftlich optimal ist? Mit Green Energy Toolssimulieren Sie Eigenverbrauch, Lastspitzenkappung und dynamische Tarife in einem Tool, auf Basis echter Lastgangdaten.