Modelle und Tools
Modelle der Abteilung Energie, Verkehr, Umwelt
Hier werden einige der in der Abteilung Energie, Verkehr, Umwelt entwickelten quantitativen Modelle vorgestellt. Im Zusammenhang mit den quantitativen Modellierungsarbeiten werden in der Abteilung verschiedene Energiemarktdaten gesammelt und gepflegt.
DIETER
Das „Dispatch and Investment Evaluation Tool with Endogenous Renewables“ (DIETER) ist ein quelloffenes Stromsektormodell. Es minimiert die Investitions- und Betriebskosten vielfältiger Technologien auf der Angebots- sowie der Nachfrageseite und verschiedener Typen von Energiespeichern. In der Regel werden alle Stunden eines Jahres modelliert, um die kurz- und längerfristigen Fluktuationen erneuerbarer Energien realistisch abzubilden.
Haupteingangsdaten des Modells umfassen Zeitreihen zur Nachfrage und Verfügbarkeit erneuerbarer Energien sowie technische und ökonomische Parameter verschiedener Stromerzeugungs-, Nachfrage- und Speichertechnologien. Die Modellergebnisse umfassen die Gesamtkosten sowie den optimalen Ausbau und stündlichen Einsatz verschiedener Technologien. Sie können als Ergebnis eines vollkommenen Marktes mit perfektem Wettbewerb interpretiert werden.
DIETER wird seit über zehn Jahren am DIW Berlin entwickelt und gepflegt, und es wurde in zahlreichen peer-reviewten wissenschaftlichen Studien genutzt. Es erlaubt insbesondere Untersuchungen zur Frage, wie ein möglichst günstiges Zusammenspiel von verschiedenen Stromerzeugungs- und Flexibilitätstechnologien in künftigen erneuerbaren Energiesystemen realisiert werden kann. Der Fokus bisheriger Analysen lag auf der Ökonomie von Stromspeichern und verschiedenen Technologien der Sektorenkopplung.
Das Modell wurde ursprünglich in GAMS entwickelt und später mit einem Python-Wrapper für das Pre- und Post-Processing versehen. Zuletzt wurde eine reine Julia-Version entwickelt. Alle Versionen sind in einem öffentlichen GitLab-Repositorium verfügbar.
Ausgewählte Modellpublikationen keyboard_arrow_up
- Kittel, M., Roth, A., Schill, W.-P. (2026): Long-duration electricity storage needs for coping with Dunkelflaute events in Europe. Nature Communications
- Guéret, A., Schill, W.-P., Gaete-Morales, C. (2024): Impacts of electric carsharing on a power sector with variable renewables. Cell Reports Sustainability, 100241. https://doi.org/10.1016/j.crsus.2024.100241
- Stöckl, F., Schill, W.-P., Zerrahn, A. (2021): Optimal supply chains and power sector benefits of green hydrogen. Scientific Reports 11, 14191. https://doi.org/10.1038/s41598-021-92511-6
- Gaete-Morales, C., Kittel, M., Roth, A., Schill, W.-P. (2021): DIETERpy: a Python framework for The Dispatch and Investment Evaluation Tool with Endogenous Renewables. SoftwareX 15, 100784. https://doi.org/10.1016/j.softx.2021.100784
- Zerrahn, A., Schill, W.-P. (2017): Long-run power storage requirements for high shares of renewables: review and a new model. Renewable and Sustainable Energy Reviews 79, 1518-1534. https://doi.org/10.1016/j.rser.2016.11.098
VREDA
Der „Variable Renewable Energy Drought Analyzer“ (VREDA) ist ein Tool zur Analyse von Zeitreihen. Es wurde entwickelt, um Phasen niedriger Stromerzeugung fluktuierender erneuerbarer Energien zu identifizieren, insbesondere längere Zeiträume mit geringer Verfügbarkeit von Wind- und Solarenergie. Das Tool analysiert Zeitreihen der Verfügbarkeit erneuerbarer Energien zur Charakterisierung ihrer Dauer, Häufigkeit und Schwere. Es basiert methodisch auf Kittel & Schill (2024), die konsistente Metriken und methodische Leitlinien für die Analyse von Dunkelflauten in Energiesystemen mit hohem Anteil fluktuierender erneuerbarer Energien vorschlagen.
Ausgewählte Modellpublikationen keyboard_arrow_up
- Kittel, M., Schill, W.-P. (2024): Measuring the Dunkelflaute: How (not) to analyze variable renewable energy shortage. Environmental Research: Energy 1, 035007. https://iopscience.iop.org/article/10.1088/2753-3751/ad6dfc
- Kittel, M., Schill, W.-P. (2026): Multi-threshold time series analysis enables characterization of variable renewable energy droughts in Europe.
Communications Earth & Environment 7, 242. https://doi.org/10.1038/s43247-026-03251-2 - GitLab-Repositorium
emobpy
Mit dem Python-Tool emobpy können Zeitreihen für batterieelektrische Fahrzeuge erstellt werden. Auf der Grundlage von Mobilitätsstatistiken, den physikalischen Eigenschaften batterieelektrischer Fahrzeuge und weiteren anpassbaren Annahmen leitet es Zeitreihendaten ab, die sich in einer Vielzahl von Modellanwendungen nutzen lassen. Es können vier verschiedene Zeitreihen erstellt werden: Zeitreihen zur Fahrzeugmobilität, zum Stromverbrauch der Fahrzeuge, zu ihrer Netzverfügbarkeit sowie zu ihrem tatsächlichen Stromkonsum aus dem Netz.
Das Tool emobpy und ein exemplarischer Datensatz wurden in Gaete-Morales et al. (2021) vorgestellt. Danach wurde es in diversen weiteren Fachartikeln genutzt.
Ausgewählte Modellpublikationen keyboard_arrow_up
- Gaete-Morales, C., Kramer, H., Schill, W.-P., Zerrahn, A. (2021): An open tool for creating battery-electric vehicle time series from empirical data, emobpy. Scientific Data 8, 152. https://doi.org/10.1038/s41597-021-00932-9
- Guéret, A., Schill, W.-P., Gaete-Morales, C. (2024): Impacts of electric carsharing on a power sector with variable renewables. Cell Reports Sustainability, 100241. https://doi.org/10.1016/j.crsus.2024.100241
- Guéret, A., Gaete-Morales, C., Schill, W.-P. (2025): A moderate share of V2G outperforms large-scale smart charging of electric vehicles and benefits other consumers. arXiv:2509.15284. https://arxiv.org/abs/2509.15284
HydrOGEnMod
HydrOGEnMod ist ein partielles Gleichgewichtssektor mit unvollständigem Wettbewerb des zukünftigen globalen Marktes für grünen Wasserstoff- und Wasserstoffderivate. Im Modell werden repräsentative Marktakteure und ihre Interaktionen dargestellt, konkret die Verfügbarkeit von sauberem (erneuerbarem) Strom, die Herstellung von strombasiertem Wasserstoff, die Umwandlung in Derivate wie Ammoniak sowie der Transport und die Speicherung. Das Modell hat einen langfristigen Zeithorizont bis 2050 und eine multi-regionale Aufteilung des zukünftigen globalen Marktes.
Das Modell ist als Optimierungsmodell in Julia programmiert. Der Modellcode mitsamt Datensatz steht hier open source zur Verfügung. Eine detaillierte Modellbeschreibung ist hier veröffentlicht. HydrOGEnMod wird unter MIT-Lizenz veröffentlicht, die hier eingesehen werden kann. Bei der Verwendung von HydrOGEnMod muss es unter Angabe der Quelle zitiert werden (Quelle: https://github.com/LukasBarner/HydrOGEnMod.jl). Für die Verwendung des Modells wird die neueste Julia-Version benötigt und ggf. auch ein passender Solver (siehe Dokumentation).
Veröffentlichung mit HydrOGEnMOD keyboard_arrow_up
- Barner, L. (2024): A Multi-Commodity Partial Equilibrium Model of Imperfect Competition in Future Global Hydrogen Markets. Energy 311, 133284. https://doi.org/10.1016/j.energy.2024.133284
GLOBAL GAS MODEL
Das Global Gas Model (GGM) wurde gemeinsam mit Ruud Egging, PhD von der NTNU & SINTEF entwickelt und wird gelegentlich für Studien mit ihm gemeinsam genutzt. Eine gemeinsame Modelldokumentation wurde 2019 veröffentlicht.
GGM ist ein Gleichgewichtsmodell des weltweiten Marktes für Erdgas (inkl. fossiles Erdgas, Schiefergas, LNG). Alle Länder mit nennenswerter Erdgasförderung, -verbrauch, sowie -transport sind Teil des Datensatzes. Im Modell werden die verschiedenen Akteurstypen ("Spieler") im Erdgassektor unterschieden: Produzenten, Transporteure (Pipeline und LNG) sowie Speicher. Im Modellaufbau als Gleichgewichtsmodell werden deren jeweilige Gewinnoptimierungsprobleme und spezifische Kosten abgebildet und miteinander verbunden sowie gleichzeitig gelöst.
Die aktuelle Version des GGM-Modells ist in Julia programmiert. Der Modellcode mitsamt Datensatz steht hier open source zur Verfügung. GGM wird unter MIT-Lizenz veröffentlicht, die hier eingesehen werden kann. Bei der Verwendung des Global Gas Model muss es unter Angabe der Quelle zitiert werden (Quelle: https://github.com/Franziska-Holz/GGM_public). Für die Verwendung des Modells wird die neueste Julia-Version benötigt und ggf. auch ein passender Solver.
Veröffentlichungen mit dem Global Gas Model zum europäischen oder global Erdgasmarkt keyboard_arrow_up
- Barner, L., Holz, F., Hirschhausen, C. von, Kemfert, C. (2025): Is Russian gas still needed in the European Union? Model-based analysis of long-term scenarios. Energy Strategy Reviews, 58, 101646. https://doi.org/10.1016/j.esr.2025.101646
- Egging-Bratseth, R., Holz, F., Czempinski, V. (2021): Freedom Gas to Europe: Scenarios Analyzed Using the Global Gas Model. Research in International Business and Finance, Vol. 58, 101460. https://doi.org/10.1016/j.ribaf.2021.101460
- Egging, R., Holz, F. (2016): Risks in Global Natural Gas Markets: Investment, Hedging and Trade. Energy Policy, Vol. 94, pp. 468-479. https://doi.org/10.1016/j.enpol.2016.02.016
- Richter, P.M., Holz, F. (2015): All Quiet on the Eastern Front? Disruption Scenarios of Russian Natural Gas Supply to Europe. Energy Policy, Vol. 80, pp. 177-189. https://doi.org/10.1016/j.enpol.2015.01.024
CCTS-MOD
Das Model CCTSMOD wurde gemeinsam mit der TU Berlin entwickelt. CCTSMOD bildet die gesamte CCS-Wertschöpfungskette mit der CO2-Abscheidung, dem CO2-Transport und der CO2-Speicherung (Carbon Capture, Transport & Storage) ab. Das Modell berechnet den optimalen Ausbau der Infrastruktur in allen Stufen der CCS-Wertschöpfungskette, inklusive der Pipeline-Infrastruktur.
CCTSMOD ist in GAMS als Gemischt-Ganzzahliges-Optimierungsproblem programmiert, in dem die Systemkosten minimiert werden. Skaleneffekte werden durch die Berücksichtigung verschiedener Pipeline-Größen aufgegriffen, wobei größere Pipeline-Durchmesser geringere Kosten haben.
Veröffentlichungen mit dem CCTSMOD keyboard_arrow_up
- Holz, T. Scherwath, P. Crespo del Granado, C. Skar, L. Olmos, Q. Ploussard, A. Ramos, A. Herbst (2021): A 2050 Perspective on the Role for Carbon Capture and Storage in the European Power System and Industry Sector. Energy Economics, Vol. 104, 105631. https://doi.org/10.1016/j.eneco.2021.105631
- Oei, P., Mendelevitch, R. (2016): European Scenarios of CO2 Infrastructure Investment until 2050. Energy Journal, Vol. 37, Special issue 3. https://doi.org/10.5547/01956574.37.SI3.poei
- Oei, P., Herold, J., Mendelevitch, R. (2014): Modeling a Carbon Capture, Transport, and Storage Infrastructure for Europe. Environmental Modeling and Assessment, Vol. 19, pp. 515–531. https://doi.org/10.1007/s10666-014-9409-3
COALMOD-World
COALMOD-World wurde am DIW Berlin entwickelt und wird gemeinsam mit der TU Berlin und der Europa-Universität Flensburg genutzt. COALMOD-World ist ein Sektormodell des internationalen Kesselkohlemarkts, das insbesondere für die Analyse der Auswirkungen von Klimapolitikmaßnahmen verwendet wird. Im Modell wird sowohl die einheimisch genutzte Kohle sowie die auf dem Exportmarkt angebotene Kohle dargestellt.
Es werden die wesentlichen Akteure entlang der Wertschöpfungskette abgebildet: Kohleproduzenten und -exporteure. Sie entscheiden über Mengen und Infrastrukturausbau. Das Modell berücksichtigt den progressiven Abbau der kostengünstigsten Kohlereserven, der zu einer Verteuerung der Abbaukosten im Zeitverlauf führt. Kohlereserven werden auf Basis des Lebensalters der Kohleminen reduziert.
Veröffentlichungen mit dem COALMOD-World-Modell keyboard_arrow_up
- Hauenstein, C., Holz, F., Rathje, L., Mitterecker, T. (2023): New coal mines in the Australian Galilee Basin are not economically viable and are prone to become stranded assets. One Earth, 6 (8): 990-1004. https://doi.org/10.1016/j.oneear.2023.07.005. Datensatz online: https://zenodo.org/records/7534651
- Hauenstein, C. (2023): Stranded assets and early closures in global coal mining under 1.5°C. Environmental Research Letters, 18 (2): 024021. https://doi.org/10.1088/1748-9326/acb0e5. Datensatz online: https://doi.org/10.5281/zenodo.7086153
- Hauenstein, C., Holz, F. (2021): The U.S. Coal Sector between Shale Gas and Renewables: Last Resort Coal Exports? Energy Policy, Vol. 149, 112097. https://doi.org/10.1016/j.enpol.2020.112097
- Haftendorn, C., Holz, F., Hirschhausen, C. von (2012): The End of Cheap Coal? A Techno-economic Analysis Until 2030 using the COALMOD-World Model. Fuel, Vol. 102, pp. 305-325. https://doi.org/10.1016/j.fuel.2012.04.044