Netzauslastungsanalyse: Wo entstehen Engpässe?
Die zentrale Frage für jeden DSO: Wo im Netz entstehen Engpässe – heute und in Zukunft? Traditionell wurde die Netzplanung auf Basis von Gleichzeitigkeitsfaktoren und pauschalen Wachstumsannahmen durchgeführt. Das funktionierte, solange die Last gleichmässig wuchs. Mit dem massiven Zubau von PV-Anlagen (Rückspeisung in der Mittagszeit), E-Ladesäulen (abendliche Lastspitzen) und Wärmepumpen (winterliche Grundlasterhöhung) ändern sich die Lastmuster fundamental – und die klassischen Planungsannahmen greifen nicht mehr.
Eine datengetriebene Netzauslastungsanalyse nutzt tatsächliche Messdaten statt statistischer Annahmen: SCADA-Daten von Ortsnetz-Transformatoren zeigen die reale Auslastung in Echtzeit. Smart-Meter-Daten liefern granulare Lastprofile auf Hausanschlussebene. Und GIS-Daten verorten die Belastung räumlich – so wird sichtbar, welche Netzabschnitte kritisch sind und wo Investitionsbedarf besteht.
Prognose von Netzbelastung unter Ausbau-Szenarien
Die Netzplanung muss heute Szenarien berücksichtigen, die vor wenigen Jahren undenkbar waren: Was passiert, wenn in einem Wohngebiet 40 % der Haushalte eine Wärmepumpe installieren und 30 % ein Elektroauto laden? Reicht der Ortsnetz-Transformator? Muss das Kabel verstärkt werden? Und wann wird die Belastungsgrenze voraussichtlich erreicht?
Szenario-basierte Netzplanung modelliert den erwarteten Zubau von PV, E-Mobilität und Wärmepumpen pro Netzabschnitt – basierend auf regionalen Hochlaufszenarien, Gebäudedaten (Baujahr, Heizsystem, Dachfläche) und kommunalen Klimaschutzplänen. Für jeden Netzabschnitt wird berechnet, wann die Kapazitätsgrenze erreicht wird und welche Massnahmen (Trafo-Austausch, Kabelverstärkung, regelbare Ortsnetz-Trafos, Speicher) am kosteneffizientesten sind.
Regulatorische Relevanz: Die Bundesnetzagentur erwartet zunehmend, dass DSOs ihre Netzausbaupläne datengetrieben begründen können. Pauschale Verweise auf 'erwartetes Wachstum' reichen für die Genehmigung von Investitionen nicht mehr aus – gefragt sind belastbare Prognosen und Szenario-Analysen.
Smart-Meter-Datenanalyse für präzise Netzplanung
Smart-Meter-Daten sind für DSOs ein Gamechanger: Erstmals liegen granulare Verbrauchsdaten auf Hausanschlussebene vor – 96 Werte pro Tag, für tausende oder Millionen Zählpunkte. Diese Daten ermöglichen eine Netzplanung, die nicht mehr auf Annahmen basiert, sondern auf tatsächlichem Verhalten.
- Lastprofile pro Netzabschnitt: Aggregation der Smart-Meter-Daten aller Kunden an einem Trafo – zeigt die tatsächliche Belastung statt statistischer Schätzungen.
- Spitzenlasten identifizieren: Wann tritt die höchste Belastung auf? Wie korreliert sie mit Temperatur, Tageszeit und Wochentag?
- PV-Eigenverbrauchsmuster: Wie viel der lokalen PV-Erzeugung wird vor Ort verbraucht, wie viel wird rückgespeist?
- Neue Lasten erkennen: Verändert sich das Lastprofil eines Anschlusses plötzlich (Hinweis auf Wallbox- oder Wärmepumpen-Installation)?
- Spannungsqualität: Korrelation zwischen Last/Einspeisung und Spannungsniveau am Netzanschluss.
Automatisierte Erkennung von Netzverlusten und Fehlern
Netzverluste – technisch bedingt (Ohm'sche Verluste in Leitungen und Transformatoren) und nichttechnisch (Messfehler, Diebstahl) – sind ein signifikanter Kostenfaktor für DSOs. Die regulatorisch anerkannten Verlustmengen sind gedeckelt; alles darüber hinaus geht zulasten der Marge.
Datenanalytik kann helfen, Verluste präziser zu lokalisieren und zu reduzieren: Durch Vergleich der eingespeisten Energiemenge (am Trafo gemessen) mit der Summe der abgenommenen Mengen (Zähler der Kunden) lassen sich Verluste pro Netzabschnitt quantifizieren. Ungewöhnlich hohe Verluste können auf technische Probleme (defekte Trafo-Wicklungen, korrodierte Verbindungen) oder nichttechnische Ursachen (fehlerhafte Zähler, Stromdiebstahl) hinweisen.
Regulatorisches Benchmarking: Effizienzvergleich
Im Rahmen der Anreizregulierung wird die Effizienz jedes DSOs mit der seiner Peers verglichen. Der resultierende Effizienzwert bestimmt direkt den zulässigen Erlösrahmen. Ein niedriger Effizienzwert bedeutet: Das Stadtwerk muss seine Kosten senken, ohne dass die Erlöse steigen.
Analytisches Benchmarking geht über den regulatorischen Effizienzvergleich hinaus: Es identifiziert die Treiber der eigenen Kostenposition im Vergleich zu ähnlichen DSOs (Netzgebiet, Versorgungsdichte, Topografie) und zeigt konkrete Hebel für Verbesserungen. Welche Prozesse sind überdurchschnittlich teuer? Wo liegen die grössten Automatisierungspotenziale? Und welche Investitionen würden den Effizienzwert am stärksten verbessern?
Technologien und Methoden
Fazit: Datengetriebene Netzplanung als Pflicht und Chance
Die klassische Netzplanung – basierend auf Erfahrungswerten, pauschalen Faktoren und jährlichen Aktualisierungszyklen – reicht für die Herausforderungen der Energiewende nicht mehr aus. PV, E-Mobilität und Wärmepumpen verändern die Lastmuster schneller, als traditionelle Planungsprozesse reagieren können. Datengetriebene Netzplanung – auf Basis von Echtzeit-Messdaten, Smart-Meter-Analytics und Szenario-Modellen – ist nicht nur eine regulatorische Anforderung, sondern auch der effizienteste Weg, die begrenzten Investitionsmittel dort einzusetzen, wo sie den grössten Nutzen haben.