Which salt formations are suitable for storing hydrogen or compressed air? In the InSpEE-DS research project, scientists developed requirements and criteria for the assessment of suitable sites even if their exploration is still at an early stage and there is little knowledge of the salinaries’ structures. Scientists at DEEP.KBB GmbH in Hanover, worked together with their project partners at BGR and the Leibniz University Hanover, Institute for Geotechnics, to develop the planning basis for the site selection and for the construction of storage caverns in flat layered salt and multiple or double saliniferous formations. Such caverns could store renewable energy in the form of hydrogen or compressed air. While the previous project InSpEE was limited to salt formations of great thickness in Northern Germany, salt horizons of different ages have now been examined all over Germany. To estimate the potential, depth contour maps of the top and the base as well as thickness maps of the respective stratigraphic units were developed. Due to the present INSPIRE geological data model, it was necessary, in contrast to the original dataset, to classify the boundary lines of the potential storage areas in the Zechstein base and thickness layers, whereby the classification of these lines was taken from the top Zechstein layer. Consequently, the boundary element Depth criterion 2000 m (Teufe-Kriterium 2000 m) corresponds on each level to the 2000 m depth of Top Zechstein. However, the boundary of national borders and the boundary of the data basis could not be implemented in the data model and are therefore not included in the dataset. Information on compressed air and hydrogen storage potential is given for the identified areas and for the individual federal states. According to the Data Specification on Geology (D2.8.II.4_v3.0) the content of InSpEE-DS (INSPIRE) is stored in 18 INSPIRE-compliant GML files: InSpEE_DS_GeologicUnit_Isopachs_Zechstein.gml contains the Zechstein isopachs. InSpEE_DS_GeologicUnit_Isobaths_Top_Zechstein.gml and InSpEE_DS_GeologicUnit_Isobaths_Basis_Zechstein.gml contain the isobaths of the top and basis of Zechstein. The three files InSpEE_DS_GeologicStructure_ThicknessMap_Zechstein, InSpEE_DS_GeologicStructure_Top_Zechstein and InSpEE_DS_GeologicStructure_Basis_Zechstein represent the faults of the Zechstein body as well as at the top and at the basis of the Zechstein body. InSpEE_DS_GeologicUnit_Boundary_element_Potential_areas_Zechstein.gml contains the boundary elments of the potential areas at the top and the basis of Zechstein as well as of the Zechstein body. The three files InSpEE_DS_GeologicUnit_Uncertainty_areas_ThicknessMap_Zechstein.gml, InSpEE_DS_GeologicUnit_Uncertainty_areas_Top_Zechstein.gml, InSpEE_DS_GeologicUnit_Uncertainty_areas_Basis_Zechstein.gml represent the uncertainty areas of the Zechstein body as well as at the top and at the basis of the Zechstein body. InSpEE_DS_GeologicUnit_Potentially_usable_storage_areas_Storage_potential_in_the_federal_states.gml comprises the areas with storage potential for renewable energy in the form of hydrogen and compressed air. The six files InSpEE_DS_GeologicUnit_Salt_distribution_in_Germany_Malm.gml, InSpEE_DS_GeologicUnit_Salt_distribution_in_Germany_Keuper.gml, InSpEE_DS_GeologicUnit_Salt_distribution_in_Germany_Muschelkalk.gml, InSpEE_DS_GeologicUnit_Salt_distribution_in_Germany_Roet.gml, InSpEE_DS_GeologicUnit_Salt_distribution_in_Germany_Zechstein.gml and InSpEE_DS_GeologicUnit_Salt_distribution_in_Germany_Rotliegend.gml represent the salt distribution of the respective stratigraphic unit. InSpEE_DS_GeologicUnit_General_salt_distribution.gml represents the general salt distribution in Germany. This geographic information is product of a BMWi-funded research project "InSpEE-DS" running from the year 2015 to 2019. The acronym stands for "Information system salt: planning basis, selection criteria and estimation of the potential for the construction of salt caverns for the storage of renewable energies (hydrogen and compressed air) - double saline and flat salt layers".
Das Projekt BattLifeBoost soll die Zustandsschätzung und die damit verbundene Lebensdauerabschätzung für Batteriesysteme verbessern. Dabei wird von den 4 Projektpartnern unter Berücksichtigung von vorhandenen Felddaten sowie der Anwendung von statistischen Methoden, maschineller Lernverfahren und den im Projekt entwickelten Zellalterungsmodell ein Systemalterungsmodell entwickelt, was eine deutlich verbesserte Prädiktion der noch möglichen Speicherlebensdauer ermöglicht. Neben der verbesserten Prognose der Batteriehaltbarkeit in vorgegebenen stationären Anwendungen wird zudem ein Modelltransfer auf bis dato nicht hinreichend parametrierte Batteriezellen untersucht. Abschließen werden die Projektergebnisse von allen Partnern ökonomisch und ökologisch bewertet. Dieses Teilprojekt fokussiert sich auf die State-of-Health (SOH) Bestimmung von stationären Energiespeichern. Dabei soll der SOH aus Felddaten von Heimspeichersystemen ermittelt und mittels Machine-Learning Algorithmen extrapoliert werden, um ein End-of-life (EOL) Datum bestimmen zu können. Aus den gewonnenen sowie geclusterten Daten sollen Degradationsparameter bestimmt und daraus ein SOH-Model entwickelt werden, um die Auswirkungen weiterer Lastprofile bzw. Anwendungsfelder auf die Lebensdauer abschätzen zu können. Mit den Ergebnissen soll die Überdimensionierung der Speicher sowie die Zeit für die notwendige Qualifizierung von Zellen verringert werden, wodurch sich wirtschaftliche und ökologische Vorteile wie die Reduktion des CO2-Fußabdrucks ergeben.
The WMS InSpEE (INSPIRE) provides information about the areal distribution of salt structures (salt domes and salt pillows) in Northern Germany. Contours of the salt structures can be displayed at horizontal cross-sections at four different depths up to a maximum depth of 2000 m below NN. The geodata have resulted from a BMWi-funded research project “InSpEE” running from the year 2012 to 2015. The acronym stands for "Information system salt structures: planning basis, selection criteria and estimation of the potential for the construction of salt caverns for the storage of renewable energies (hydrogen and compressed air)”. Taking into account the fact that this work was undertaken at a scale for providing an overview and not for investigation of single structures, the scale of display is limited to a minimum of 1:300.000. Additionally four horizontal cross-section maps display the stratigraphical situation at a given depth. In concurrence of maps at different depths areal bedding conditions can be determined, e.g. to generally assess and interpret the spread of different stratigraphic units. Clearly visible are extent and shape of the salt structures within their regional context at the different depths, with extent and boundary of the salt structures having been the main focus of the project. Four horizontal cross-section maps covering the whole onshore area of Northern Germany have been developed at a scale of 1:500.000. The maps cover the depths of -500, -1000, -1500, -2000 m below NN. The four depths are based on typical depth requirements of existing salt caverns in Northern Germany, mainly related to hydrocarbon storage. The shapes of the structures show rudimentary information of their geometry and their change with depths. In addition they form the starting point for rock mechanical calculations necessary for the planning and construction of salt caverns for storage as well as for assessing storage potentials. The maps can be used as a pre-selection tool for subsurface uses. It can also be used to assess coverage and extension of salt structures. Offshore areas were not treated within the project. All horizontal cross-section maps were adjusted with the respective state geological survey organisations. According to the Data Specification on Geology (D2.8.II.4_v3.0) the WMS InSpEE (INSPIRE) provides INSPIRE-compliant data. The WMS InSpEE (INSPIRE) contains two group layers: The first group layer “INSPIRE: Salt structures in Northern Germany“ comprises the layers GE.Geologic.Unit.Salt structure types, GE.GeologicUnit.Salt pillow remnants, GE.GeologicUnit.Structure-building salinar and GE.GeologicUnit.Structural outlines. The layer GE.GeologicUnit.Structural outlines contains according to the four depths four sublayers, e.g. GE.GeologiUnit.Structural outlines 500 m below NN. The second group layer „INSPIRE: Horizontal cross-section maps of Northern Germany“ comprises according to the four depths four layers, e.g. Horizontal cross-section map – 500 m below NN. This layer, in turns, contains two sublayers: GE.GeologicFault.Relevant fault traces and GE.GeologicUnit.Stratigraphic Units. Via the getFeatureInfo request the user obtains additional information on the different geometries. In case of the GE.Geologic.Unit.Salt structure types the user gets access to a data sheet with additional information and further reading in German for the respective salt structure via the getFeatureInfo request.
Das Ökosystem der Stromnetze ist auf dem Weg zu einem dezentralisierten Energieversorgungs- und Verteilungssystem. Haushalte können mit erneuerbaren Energiequellen wie Sonnenkollektoren oder Windgeneratoren, als verteilte Energieressourcen (DERs - Distributed Energy Resources) bezeichnet, unabhängig von den Stromanbietern operieren und Energie zurück an das Hauptnetz verkaufen. Für die Realisierung dieser Transformation des Stromnetzes wird eine kompetente Kommunikationsinfrastruktur benötigt. Die Einführung des Standards 5G in Mobilfunknetze erleichtert die Entwicklung zukünftiger Energieverwaltungslösungen. Weiterhin ermöglichen neue Technologien die Entwicklung intelligenter Algorithmen für die Steuerung zukünftiger Stromnetze. Hierzu gehören das Internet der Dinge (Internet of Things, IoT), Vernetzung über Mesh-Netzwerke zur Fernüberwachung des Netzstatus und die Künstliche Intelligenz (KI) für Management und Koordination. In Dymobat wird ein Single-User-Controller für die Verwaltung der einzelnen DERs entwickelt. Anschließend wird eine zentrale Steuerungseinheit für die Synchronisierung und Optimierung des Netzbetriebs innerhalb einer kleinen Gruppe von DERs, Microgrid, entworfen. Im Anschluss werden Mobilitätsalgorithmen für die Nutzung von batterieelektrischen Fahrzeugen als mobile Energiespeicher entwickelt, die temporäre Selbstversorgung von Teilnetzen ermöglichen. Die entwickelten Algorithmen werden virtuell in einem Testbed-Modell anhand von realen Eingangsparametern erprobt, optimiert und validiert. Im zweiten Schritt wird ein reales Testfeld konzipiert, installiert und die Leistungsfähigkeit der modellhaft erprobten Algorithmen in einer realen Testumgebung bewertet und anhand des dadurch erarbeiteten Know-hows weiter verbessert. Das übergeordnete Ziel des Projektes DymoBat ist die Entwicklung von marktfähigen Lösungen für die zukünftige Stromnetzverwaltung zur Nutzung von verteilten Energieressourcen auf Basis der Anwendung von 5G-Technologien.
Im Zuge der Energiewende wird der Elektrifizierung der Wärmeversorgung durch Wärmepumpen eine große Rolle zugeschrieben. Hierzu erdgekoppelte Systeme einzusetzen bietet neben einer hohen Effizienz bei der Wärmeerzeugung den Vorteil, dass diese Systeme sich auch zur Wärmespeicherung eignen. Damit kann Energie aus fluktuierenden oder sonstigen Quellen kurzfristig oder saisonal in Form von Wärme gespeichert werden, gegenüber obertägigen Speicherbehältern oder -becken lassen sich im Untergrund zudem auch deutlich größere und kostengünstigere Speicher errichten. Technisch gesehen erfolgt die Wärmespeicherung im Untergrund mittels Erdwärmesonden oder durch Einspeisung von erwärmtem Wasser in Aquifere. Gerade der erhöhte Temperatureintrag in den Untergrund, z.B. durch die Speicherung hat nachweisliche Auswirkungen auf das Ökosystem Grundwasser. Diesem Zielkonflikt kann durch planerisches Vorgehen begegnet werden. Steuerungsinstrumente, die eine Verzahnung von Grundwasserschutz, wasserwirtschaftlichen Aufgaben und kommunaler Wärmeplanung gewährleisten sind jedoch noch nicht allgemein verfügbar. Das vorliegende Vorhaben soll Vorarbeiten hierzu analysieren und weiterentwickeln. Ermittelt werden die dafür notwendige Datengrundlage, entsprechende Berechnungsmodelle sowie planerische Ansätze. Ziel ist es die Grundlagen für die Entwicklung konkreter Planungsinstrumente für die Vollzugspraxis auszuarbeiten