Open Access

About 75% of the world's energy consumption takes place in cities. Although their large energy consumption attracts a large number of research projects, only a small fraction of them deal with approaches to model energy systems of city districts. These are particularly complex due to the existence of multiple energy sectors (multi-energy systems, MES), different consumption sectors (mixed-use), and different stakeholders who have many different interests. This contribution is a review of the characteristics of energy system models and existing modeling tools. It evaluates current studies and identifies typical characteristics of models designed to optimize MES in mixed-use districts. These models operate at a temporal resolution of at least 1 h, follow either bottom-up or hybrid analytical approaches and make use of mixed-integer programming, linear or dynamic. These characteristics were then used to analyze minimum requirements for existing modeling tools. Thirteen of 145 tools included in the study turned out to be suitable for optimizing MES in mixed-use districts. Other tools where either created for other fields of application (12), do not include any methodology of optimization (39), are not suitable to cover city districts as a geographical domain (44), do not include enough energy or demand sectors (20), or operate at a too coarse temporal resolution (17). If additional requirements are imposed, e.g. the applicability of non-financial assessment criteria and open source availability, only two tools remain. Overall it can be stated that there are very few modeling tools suitable for the optimization of MES in mixed-use districts.

Rund 75 % des weltweiten Energieverbrauchs findet innerhalb urbaner Energiesysteme statt. Solche Systeme beinhalten mehrere Energiesektoren (Elektrizität, Wärme, Kälte, …), Verbrauchssektoren (Wohnen, Gewerbe, Industrie, Landwirtschaft, Mobilität, …) und Interessensgruppen und sind deshalb besonders komplex. Durch den Einsatz von Methoden der Energiesystemmodellierung können diese komplexen Systeme simuliert, analysiert und optimiert werden. Mit Simulationsmodellen können Kosten, Emissionen und verschiedene andere Systemparameter prognostiziert werden. Mithilfe von Optimierungsalgorithmen können Technologien miteinander verglichen, Anlagen dimensioniert und Betriebsweisen optimiert werden. Die Erkenntnisse aus Energiesystemmodellen können zur Einhaltung verschiedener politischer und sozialer Ziele, wie beispielsweise die Reduktion von Treibhausgasemissionen, der Bedarf nach kostengünstiger Energieversorgung oder auch die Stärkung der regionalen Wirtschaft, beitragen. Im Projekt R2Q werden Ansätze der Energiesystemmodellierung für den Einsatz in der Planung urbaner Energiesysteme aufgearbeitet, angepasst und für städteplanerische Prozesse verfügbar gemacht. In ersten Modelldurchläufen für ein Testgebiet in Herne konnte durch die Kombination verschiedener Technologien eine rechnerische Minimierung der monetären Kosten um 19 % bei gleichzeitiger Reduktion der CO2-Emissionen um 36 % ermittelt werden. Durch ein emissionsoptimiertes Szenario können die CO2-Emissionen um 47 % reduziert werden, was jedoch mit einer Steigerung der Kosten um 29 % einhergeht.