Sieben Prozent weniger Energiekosten, volle Versorgungssicherheit: was vorausschauende Optimierung in der Papierfabrik leistet

Eine Papierfabrik mit eigener Kraft-Wärme-Kopplung muss zu jedem Zeitpunkt den Dampf- und Strombedarf der Produktion decken. Dafür stehen mehrere Erzeugungs- und Flexibilitätsoptionen zur Verfügung: eine Gasturbine mit Abhitzekessel, ein Gaskessel, ein Elektrodenkessel, ein Dampfspeicher, eine Dampfturbine, eine in Grenzen verschiebbare elektrische Last sowie der Netzanschluss für Strombezug und -einspeisung.

Die Fahrweise dieser Anlagen wird heute typischerweise nach einfachen Regeln bestimmt, etwa „die Gasturbine folgt dem Wärmebedarf“. Das ist betriebssicher, lässt aber wirtschaftliches Potenzial liegen: Strompreise schwanken stark im Tagesverlauf — inklusive negativer Preise und Preisspitzen —, Gas- und CO₂-Kosten verändern die Einsatzreihenfolge der Erzeuger, und der Netzanschluss verursacht neben dem Arbeitspreis einen Leistungspreis, der sich an der höchsten bezogenen Leistung bemisst.

Der Proof of Concept sollte zwei Fragen beantworten:

• Lässt sich mit einer vorausschauenden, mathematisch optimierten Fahrweise ein messbarer Kostenvorteil gegenüber der regelbasierten Praxis erzielen — ohne die Versorgung der Produktion zu gefährden?
• Wie stark hängt dieser Vorteil von der Qualität der Prognosen für Preise und Bedarfe ab?

Aufgebaut wurde eine Simulationsumgebung, die das Werk mit realistischen Unsicherheiten nachbildet: schwankende Strompreise mit Negativpreis- und Spitzenphasen, wechselnde Dampf- und Strombedarfe je nach gefahrener Papiersorte sowie ungeplante Produktionsunterbrechungen (Abrisse) mit anschließendem Wiederanfahren. Alle technischen Restriktionen der Anlagen — Mindest- und Maximalleistungen, An- und Abfahrzeiten, Laständerungsgeschwindigkeiten, Speichergrenzen — sind abgebildet.

Auf dieser Umgebung wurde ein Optimierungsregler betrieben, der alle 15 Minuten die Fahrweise für die kommenden 24 Stunden neu plant. Er entscheidet auf Basis der aktuellen Anlagenzustände und einer Prognose über den Einsatz aller Erzeuger, des Speichers, der flexiblen Last und des Netzbezugs — mit dem Ziel minimaler Gesamtkosten aus Brennstoff, CO₂, Strombezug und Leistungspreis, bei strikter Einhaltung aller technischen Grenzen und vollständiger Bedarfsdeckung.

Zur Bewertung wurden vier Fahrweisen unter identischen Bedingungen verglichen: die heutige regelbasierte Praxis (wärmegeführt), eine einfache preisreaktive Regel, der Optimierungsregler mit realistischen — also fehlerbehafteten — Prognosen sowie als theoretische Untergrenze eine Optimierung mit perfekter Vorausschau. Letztere zeigt, welche Kosten bei vollständiger Kenntnis der Zukunft minimal möglich wären.

Der Optimierungsregler senkt die Energiekosten um rund 7 Prozent gegenüber der regelbasierten Fahrweise — bei unverändert vollständiger Versorgung der Produktion. In keinem der Simulationsläufe kam es zu einer Unterdeckung von Dampf- oder Strombedarf oder zu einer Verletzung technischer Grenzen. Das bestätigt die Kernhypothese des PoC (erwartet waren 3 bis 8 Prozent).

Die Einordnung gegenüber der theoretischen Untergrenze: Mit perfekter Vorausschau lägen die Kosten nochmals rund 12 Prozent niedriger. Die Lücke zwischen dem realistischen Regler und diesem Idealwert geht fast vollständig auf Prognosefehler zurück, nicht auf die Optimierung selbst — mit fehlerfreien Prognosen erreicht derselbe Regler das theoretische Optimum praktisch exakt. Das trennt sauber zwei Stellhebel: Die Optimierungsmethodik ist ausgereift; weiteres Potenzial liegt in besseren Prognosen.

Prognosequalität: ab einer Schwelle der entscheidende Faktor

Dieser Zusammenhang wurde systematisch vermessen, indem den Prognosen kontrollierte Fehler aufgeprägt wurden. Bei kleinen Prognosefehlern (rund 5 Prozent) bleibt der Kostennachteil gegenüber dem Ideal moderat. Ab etwa 15 Prozent Prognosefehler steigen die Mehrkosten jedoch überproportional an.

Der Leistungspreis diszipliniert jede Strommarkt-Strategie

Die einfache preisreaktive Regel — „bei billigem Strom kaufen, bei teurem verkaufen“ — war im Test die mit Abstand teuerste Fahrweise: rund 60 Prozent teurer als die heutige Praxis (Abb. 3). Sie ignoriert, dass jeder neue Bezugsspitzenwert dauerhaft Leistungspreiskosten nach sich zieht. Naive Preisoptimierung ohne Berücksichtigung des Leistungspreises verschlechtert das Ergebnis, statt es zu verbessern.

Kritische Momente sind die Enden von Produktionsunterbrechungen

Springt der Bedarf nach einem Abriss zurück, während die Planung noch vom Stillstandsniveau ausgeht, entsteht ungeplanter Netzbezug, der die Bezugsspitze — und damit die Leistungspreiskosten — dauerhaft anhebt. Ein einzelner solcher 15-Minuten-Fehler kann im Modell Mehrkosten in der Größenordnung eines mittleren fünfstelligen Betrags verursachen.

Die Ergebnisse stammen aus einer Simulation mit plausiblen, aber nicht an ein konkretes Werk kalibrierten Annahmen zu Anlagengrößen, Preisniveaus und Bedarfsprofilen. Die Prozentwerte sind daher als Größenordnung zu verstehen, nicht als Zusage für ein spezifisches Werk. Das thermische System ist vereinfacht auf eine Dampfschiene abgebildet; die Bewertung erfolgte auf Zwei-Tages-Zeiträumen mit mehreren Zufallsszenarien. Die Korrektheit des Optimierungsmodells gegenüber der Simulation ist durch automatisierte Tests abgesichert.

Was der PoC belegt: Der methodische Ansatz funktioniert, die Kostenvorteile sind unter realistischen Unsicherheiten reproduzierbar, die Versorgungssicherheit wird nicht kompromittiert, und die wesentlichen Risikomechanismen — Leistungspreis und Prognosefehler — sind verstanden und beherrschbar.

Eine vorausschauend optimierte Fahrweise der Energieanlagen senkt die Energiekosten der simulierten Papierfabrik um rund 7 Prozent gegenüber der regelbasierten Praxis — ohne eine einzige Unterdeckung oder Grenzverletzung und mit Rechenzeiten weit unterhalb des Betriebstakts. Die verbleibende Lücke zum theoretischen Minimum ist fast vollständig eine Prognoselücke; ab etwa 15 Prozent Prognosefehler steigen die Mehrkosten überproportional, weil neue Netzbezugsspitzen entstehen. Daraus folgen die beiden Leitplanken für den Weg zum Produktivsystem: in Prognosequalität investieren, und dort bewusst vorsichtig planen, wo Prognosen am unsichersten sind — insbesondere an den Enden von Produktionsunterbrechungen.