@article{RegerKuhnhenneHachuletal.2019, author = {Reger, Vitali and Kuhnhenne, Markus and Hachul, Helmut and D{\"o}ring, Bernd and Blanke, Tobias and G{\"o}ttsche, Joachim}, title = {Plusenergiegeb{\"a}ude 2.0 in Stahlleichtbauweise}, series = {Stahlbau}, volume = {88}, journal = {Stahlbau}, number = {6}, publisher = {Ernst \& Sohn}, address = {Berlin}, issn = {1437-1049 (E-journal), 0038-9145 (print)}, doi = {10.1002/stab.201900034}, pages = {522 -- 528}, year = {2019}, language = {de} } @article{BlankeRegerDoeringetal.2021, author = {Blanke, Tobias and Reger, Vitali and D{\"o}ring, Bernd and G{\"o}ttsche, Joachim and Kuhnhenne, Markus}, title = {Koaxiale Stahlenergiepf{\"a}hle}, series = {Stahlbau}, volume = {90. 2021}, journal = {Stahlbau}, number = {6}, publisher = {Wiley}, address = {Weinheim}, pages = {417 -- 424}, year = {2021}, abstract = {Ein entscheidender Teil der Energiewende ist die W{\"a}rmewende im Geb{\"a}udesektor. Ein Schl{\"u}sselelement sind hier W{\"a}rmepumpen. Diese ben{\"o}tigen eine W{\"a}rmequelle, der sie Energie entziehen k{\"o}nnen, um sie auf ein h{\"o}heres Temperaturniveau zu transformieren. Diese W{\"a}rmequelle kann bspw. das Erdreich sein, dessen W{\"a}rme durch Erdsonden erschlossen werden kann. In diesem Beitrag werden in Stahlpf{\"a}hle integrierte Koaxialsonden mit dem Stand der Technik von Erdsonden gleichen Durchmessers bez{\"u}glich ihrer thermischen Leistungsmerkmale verglichen. Die Stahlenergiepf{\"a}hle bieten neben der W{\"a}rmegewinnung weitere Vorteile, da sie auch eine statische Funktion {\"u}bernehmen und r{\"u}ckstandsfrei zur{\"u}ckgebaut werden k{\"o}nnen. Es werden analytische und numerische Berechnungen vorgestellt, um die thermischen Potenziale beider Systeme zu vergleichen. Außerdem wird ein Testaufbau gezeigt, bei dem Stahlenergiepf{\"a}hle in zwei verschiedenen L{\"a}ngen mit vorhandenen g{\"a}ngigen Erdsonden verglichen werden k{\"o}nnen. Die Berechnungen zeigen einen deutlichen thermischen Mehrertrag zwischen 26 \% und 148 \% der Stahlenergiepf{\"a}hle gegen{\"u}ber dem Stand der Technik abh{\"a}ngig vom Erdreich. Die Messergebnisse zeigen einen thermischen Mehrertrag von {\"u}ber 100 \%. Es l{\"a}sst sich also signifikante Erdsondenl{\"a}nge einsparen. Dabei ist zu beachten, dass sich damit der thermisch genutzte Bereich des Erdreichs reduziert, wodurch die thermische Regeneration und/oder das Langzeitverhalten des Erdreichs an Bedeutung gewinnt.}, language = {de} } @inproceedings{BlankeSchmidtGoettscheetal.2022, author = {Blanke, Tobias and Schmidt, Katharina S. and G{\"o}ttsche, Joachim and D{\"o}ring, Bernd and Frisch, J{\´e}r{\^o}me and van Treeck, Christoph}, title = {Time series aggregation for energy system design: review and extension of modelling seasonal storages}, series = {Energy Informatics}, volume = {5}, booktitle = {Energy Informatics}, number = {1, Article number: 17}, editor = {Weidlich, Anke and Neumann, Dirk and Gust, Gunther and Staudt, Philipp and Sch{\"a}fer, Mirko}, publisher = {Springer Nature}, issn = {2520-8942}, doi = {10.1186/s42162-022-00208-5}, pages = {1 -- 14}, year = {2022}, abstract = {Using optimization to design a renewable energy system has become a computationally demanding task as the high temporal fluctuations of demand and supply arise within the considered time series. The aggregation of typical operation periods has become a popular method to reduce effort. These operation periods are modelled independently and cannot interact in most cases. Consequently, seasonal storage is not reproducible. This inability can lead to a significant error, especially for energy systems with a high share of fluctuating renewable energy. The previous paper, "Time series aggregation for energy system design: Modeling seasonal storage", has developed a seasonal storage model to address this issue. Simultaneously, the paper "Optimal design of multi-energy systems with seasonal storage" has developed a different approach. This paper aims to review these models and extend the first model. The extension is a mathematical reformulation to decrease the number of variables and constraints. Furthermore, it aims to reduce the calculation time while achieving the same results.}, language = {en} }