Donnerstag, 17. Januar 2019
-   ZUKUNFTSFRAGEN

Stromerzeugung 2030 – mit welchen Kosten ist zu rechnen?

Markus Blesl, Steffen Wissel und Ulrich Fahl

Allenthalben wird von einem „Energiemix der Zukunft“ geredet. Diversifizierter als bisher soll er sein, möglichst erneuerbar und doch eigentlich immer verfügbar. Doch auch dieser Energiemix braucht Kraftwerke, die ihn bereitstellen. Angesichts der Höhe der Investition für neue Kraftwerkstechnologien stellt sich die Frage, wann und wo in welche Kraftwerkstypen investiert werden soll und mit welchen diese zukünftig im Wettbewerb stehen. Der Schwerpunkt der folgenden Betrachtung liegt auf dem Jahr 2030 und auf Europa.

Überblick
In der vorliegenden probabilistischen Analyse sollen die Stromgestehungskosten von im Jahr 2030 verfügbaren Stromerzeugungstechnologien umfassend ermittelt und einander gegenübergestellt werden, um so ihre Wirtschaftlichkeit zu bewerten. Unter Verwendung der Monte-Carlo-Simulation werden Wahrscheinlichkeitswerte für die einzelnen Kraftwerkstechnologien generiert. Während die Erneuerbaren sich deutlich verbessern können, bleiben auch auf mittelfristige Sicht die konventionellen Kraftwerke die wirtschaftlichere Alternative.

Strategische Investitions- und Produktionsentscheidungen für Unternehmen sind unter den Rahmenbedingungen des liberalisierten Marktes mit erheblichen, teilweise neuen Risiken und Unsicherheiten verbunden, die explizit analysiert werden müssen:

  • Preisrisiken: Brennstoff- und Strompreisentwicklung;
  • Investitionsrisiken: starker Anstieg der Kraftwerkspreise im letzten Jahrzehnt;
  • Mengenrisiken: Erzeugung aus fluktuierenden Quellen, Stromabsatz des Unternehmens;
  • Politische Unsicherheiten: Subventionen für Erneuerbare und KWK-Technologien, Treibhausgasreduktionsziele und -instrumente, Kernenergieausstieg.

Für die im Markt tätigen Unternehmen bedarf es somit einer Neuorientierung hinsichtlich der den Investitionsentscheidungen zugrundezulegenden methodischen Ansätze. Stärker theoretisch fundiert sind hierbei die Ansätze zum Peak-Load Pricing und Reliability Pricing [1]. Diese wurden im regulierten Markt primär entwickelt, um die Frage der optimalen Bepreisung der Endkundennachfrage zu beantworten. Wie aber insbesondere [2] zeigt, lassen sie sich auch verwenden, um zukünftige Preis- und Kapazitätsgleichgewichte zu beschreiben. In diesen Ansätzen wurde bereits explizit die Unsicherheit der Last berücksichtigt. Längerfristige Unsicherheiten bzgl. insbesondere Brennstoff- und CO2-Preisen sind aber bislang kaum abgebildet worden.

Neben diesen Ansätzen zur Preis- und Marktmodellierung sind im liberalisierten Energiemarkt auch die Konzepte der sog. Theorie der Realoptionen [3] auf verstärktes Interesse gestoßen (z. B. [4]). Diese berücksichtigen den Einfluss der Preisunsicherheiten auf den Wert von Kraftwerken explizit. Dieser wird auch als Zeitwert der (Kraftwerks-) Option bezeichnet und ist vor allem für Mittel- und Spitzenlastkraftwerke relevant [5]. Bei den bisherigen Ansätzen wird jedoch durchweg von exogen vorgegebenen Preisverteilungen für die zukünftigen Strompreise ausgegangen. Diese berücksichtigen nicht, dass die zukünftigen Investitionen Rückwirkungen auf die Strompreise haben werden. Insgesamt besteht für die Bewertung von Investitionsalternativen aus Unternehmenssicht noch ein erheblicher Entwicklungsbedarf geeigneter methodischer Ansätze.

Letztendlich sind es aber die Stromgestehungskosten, die bestimmen, ob es zum Bau eines Kraftwerks kommt. Im liberalisierten europäischen Energiemarkt stehen heute und zukünftig Stromerzeugungstechnologien auf Basis fossiler, nuklearer und erneuerbarer Energieträger im Wettbewerb. Um die Kosten unterschiedlicher Technologien über deren gesamten Lebensweg gegenüberzustellen, ist die Erfassung einer Reihe von technisch-ökonomischen Parametern notwendig:

  • Investitionskosten der Kraftwerke;
  • Kosten für Betrieb und Instandsetzung der Anlage (fix und variabel);
  • Kosten für die Energieträger mit ihrer zeitlichen Entwicklung;
  • Kosten für CO2 (Zertifikate bzw. Transport und Speicherung);
  • Kosten für den Rückbau;
  • Diskontierungsrate über den gesamten Lebenszyklus;
  • Bauzeit;
  • Nutzungsgrad (Netto-Wirkungsgrad);
  • Auslastung (jährliche Verfügbarkeit);
  • Abscheiderate von CO2 bei Kraftwerken mit CO2-Abtrennung.

Für die Investitionsentscheidung sind für jeden einzelnen der Inputparameter Konkretisierungen notwendig, die stets mit Unsicherheiten behaftet sind.

Vor diesem Hintergrund wird in diesem Beitrag untersucht, wie die bislang deterministisch ermittelten Stromerzeugungskosten mithilfe einer probabilistischen Analyse abgesichert werden können. Damit soll dargestellt werden, wie hoch die Wahrscheinlichkeit bzw. die kumulierte Wahrscheinlichkeit für die ermittelten Kosten ist. Für den probabilistischen Ansatz werden zu den Referenzwerten entsprechende Wahrscheinlichkeitsfunktionen mit Bandbreiten benötigt.

Methodische Vorgehensweise

Die Berechnung der Stromerzeugungskosten unterschiedlicher Stromerzeugungsoptionen basiert heute in den meisten Studien auf deterministischen Analysen [6], mit zum Teil einfaktoriellen Sensitivitätsanalysen. Bisher gibt es erst wenige Studien, bei denen die ermittelten Stromerzeugungskosten mit einer probabilistischen Aussage verbunden werden. In diesen Studien liegt der Schwerpunkt beim Vergleich grundlastfähiger Technologien [7] bzw. es werden detailliert spezifische Lebenszykluskosten ausgewählter Technologien, wie z. B. die Geothermie in [8], untersucht.

Probabilistische Analyse der Stromerzeugungskosten

Für die Bestimmung von Lebenszykluskosten werden die Kosten von Stromerzeugungsoptionen über den gesamten Lebensweg (Bau, Nutzungsdauer und Rückbau) des Systems betrachtet und auf den Inbetriebnahmezeitpunkt abdiskontiert. Somit werden alle Kosten der einzelnen Technologien in einen Gegenwartswert überführt und damit vergleichbar gemacht. Um detaillierte Sensitivitätsanalysen zu den Wertannahmen durchzuführen, wäre eine rein analytische Vorgehensweise mit der Kombination von unterschiedlichen Werten für die Input-Parameter sehr komplex und aufwendig. Günstiger ist es, direkt probabilistische Verfahren, wie z. B. die hier eingesetzte Monte-Carlo-Simulation, zu verwenden. Bei diesem Verfahren werden mithilfe der Wahrscheinlichkeitstheorie analytisch nicht oder nur aufwendig lösbare Probleme numerisch gelöst. Dabei baut dieses Simulationsverfahren auf dem Gesetz der großen Zahlen auf. Hierfür werden eine hohe Anzahl geeigneter Zufallsvariablen generiert. Bei der Durchführung der Simulation wird aus entsprechenden Verteilungen der Inputwerte unter Berücksichtigung jeweiliger Korrelationen über einen Zufallsgenerator wiederholt ein Stichprobenwert gezogen.

Das gezogene Ensemble der Zufallswerte wird anschließend in die analytische Funktion des Bewertungs- oder Berechnungsmodells (hier der Stromerzeugungskosten) eingesetzt. Entsprechend dem Ansatz der Monte-Carlo-Simulation wird dieses Verfahren mehrfach durchgeführt und für jeden Stichprobenlauf ein Ergebniswert, der sog. Endwert, generiert. Über die Betrachtung aller Stichprobenendwerte ergibt sich ein Verlauf für die Wahrscheinlichkeitsverteilung des Endwerts. In der Regel sind 10 000–100 000 Simulationsläufe bei einfachen Bewertungsmodellen ausreichend [9].

Für die Verteilung der Inputwerte werden verschiedene Verteilfunktionen eingesetzt. Für die vorliegende Anwendung der Monte-Carlo-Simulation werden fünf Verteilungsfunktionen (Beta-, BetaPERT-, Extrem-Minimum-, Dreiecks- und Normalverteilung) verwendet (siehe Abb. 1). Dabei beschreibt die BetaPERT-Verteilung den Fall, dass die um den wahrscheinlichsten Wert der Verteilung (xwahr) liegenden Werte ebenfalls eine große Wahrscheinlichkeit haben, aber in Richtung der Extremwerte (xmin, xmax) die Wahrscheinlichkeit stark abnimmt.

Mit der Dreiecksfunktion wird eine mit der BetaPERT-Verteilung vergleichbare Verteilungsfunktion angenommen, jedoch wird davon ausgegangen, dass die Wahrscheinlichkeit linear zu den Extremwerten (xmin, xmax) ausgehend vom Mittelwert xwahr abnimmt. Die Minimum-Extrem-Verteilung ist durch eine schiefe Verteilung in der Hinsicht gekennzeichnet, dass die Wahrscheinlichkeit der Werte mit größerer Entfernung zum Extremwert stark abnimmt. Die Normalverteilung ist eine Gleichverteilung um den Mittelwert. Sie wird meist dann eingesetzt, wenn keine Information hinsichtlich der spezifischen Wahrscheinlichkeit vorhanden ist.

Für das Monte-Carlo-Verfahren gibt es zahlreiche Add-In basierte Softwaretools für Excel. Hier wird das Sofwaretool Crystal Ball von Oracle verwendet. Das Tool erlaubt die Auswahl zwischen unterschiedlichen Verteilungsfunktionen bei den Input-Parametern. Unter Nutzung des Monte-Carlo-Verfahrens wird die probabilistische Ermittlung der Stromerzeugungskosten über folgende drei Stufen durchgeführt:

  1. Zunächst werden die zu erwartenden Bandbreiten und Unsicherheiten für die zu Beginn vorgestellten Kostenparameter der einzelnen Stromerzeugungstechnologien (inkl. der Verteilungsfunktion) bestimmt.

  2. Es folgt die Erstellung eines probabilistischen Bewertungsmodells zur Ermittlung der abdiskontierten Stromerzeugungskosten über den Lebenszyklus der jeweiligen Anlagen (dynamische Betrachtung). Das Bewertungsmodell durchläuft entsprechend viele Simulationsläufe bis als Ergebnisse eindeutig ausgeprägte Verteilungsfunktionen vorliegen (hier: 10 000 Simulationsläufe).

  3. Die technologiebezogenenen Resultate werden sortiert und nach Ihrer Wahrscheinlichkeitsverteilung und kumulativen Wahrscheinlichkeit in einem Diagramm aufgetragen, so dass ein Technologievergleich möglich ist.

Die Ergebnisse werden abschließend der deterministischen Untersuchung gegenübergestellt.

Kosten aufgrund der fluktuierenden Erzeugung

Aufgrund des stochastischen Angebots der Windleistung und der solaren Einstrahlung sind bei der Kostenermittlung entsprechende Kosten für Reserveleistung in Form von Back-up-Kraftwerken zu berücksichtigen. Diese Back-up-Kosten für die nicht gesicherte Leistung der Wind- und Solarkraftwerke lassen sich nach [10] bestimmen (siehe Berechnungsformel). Für die Berechnung der Back-up-Kosten werden somit die Kosten für die Bereitstellung von Back-up-Leistung (erster Term der rechten Seite) um die Kosten der durch das Kraftwerk mit regenerativen Energieträgern aufgrund des Kapazitätseffekts eingesparten Kapazität (zweiter Term) vermindert.

Berechnungsformel

Formel
mit
AK Annuität (incl. der jährlichen Fixkosten) des Backup-Kraftwerks pro kW
hV Vollbenutzungsstundenzahl der Versorgungsaufgabe
hW Vollbenutzungsstundenzahl des Kraftwerks mit regenerativen Energieträgern (WEA, PV-Anlage, etc.)
L Leistungskredit des Kraftwerks mit regenerativen Energieträgern

Zudem fallen bei einem großflächigen Ausbau der Photovoltaik bzw. der Windkraftanlagen Ausbaukosten hinsichtlich des elektrischen Netzes an. Diese werden für das Transportnetz mit 300–400 €/kW für die Windenergie und Photovoltaik berücksichtigt bzw. auf der Verteilnetzebene für die Photovoltaik mit etwa 700 €/kW.

Charakterisierung der Kraftwerkstechnologien

Die exemplarischen Betrachtungen umfassen die folgenden Stromerzeugungssysteme, die im Jahr 2030 in Europa in Betrieb gehen könnten:

  • Steinkohledampfkraftwerk mit Kohlenstaubfeuerung (SK-DK) und mit überkritischen Frischdampfparametern;
  • Steinkohlekraftwerk mit Kohlenstaubfeuerung und nachgeschalteter CO2-Abscheidung (SK-CCS);
  • Braunkohledampfkraftwerk (BK-DK) mit Kohlenstaubfeuerung sowie einer optimierten Anlagentechnik zur Kohletrocknung und mit überkritischen Frischdampfparametern;
  • Erdgas-Kombikraftwerk (Gas-GuD);
  • Europäischer Druckwasserreaktor (Nuk-DWR): Für den Reaktor sind eine Brennstoffanreicherung von 4,9 % und eine mittlere Abbrandrate von 65 MWd/kg zugrundegelegt;
  • Biomasse-Kraftwerk (Bio-KW), ausschließlich zur Stromerzeugung mit einer Nettoleistung von 20 MWel;
  • Onshore-Windkraftkonverter (Onshore) mit einer Nettoleistung von 3 MWel als Anlage eines Windparks, betrieben an einem deutschen Standort;
  • Offshore-Windkraftkonverter (Offshore) mit einer Nettoleistung von 5 MWel als Anlage eines Windparks, betrieben an einem Nord- bzw. Ostseestandort;
  • Photovoltaikanlage auf freier Fläche mit einer Nettoleistung von größer 1 MWel (PV-Freifl.), betrieben an einem deutschen Standort und mit Sensititvitätsanalysen für Gesamteuropa.

Die für die probabilistische Analyse benötigten Bandbreiten zu den Investitionskosten bzw. des Wirkungsgrades sowie deren Verteilung für Kraftwerke mit Inbetriebnahme im Jahre 2030 stützen sich auf eine Literaturrecherche aktueller Veröffentlichungen [11]. Daraus lassen sich die in Abb. 2 dargestellte Verteilung und die angenommenen Wertebereiche für die fossil befeuerten Kraftwerke und das Kernkraftwerk ableiten.

Der dargestellte Zusammenhang ist insoweit auch gültig, da zwischen Steigerungen der Materialpreise und der Entwicklung der Kraftwerksinvestitionen nur eine geringe Korrelation zu erwarten ist. Am Institut für Energiewirtschaft und Rationelle Energieanwendung (IER) durchgeführte überschlägige Berechnungen über den in Lebenszyklusanalysen erfassten Materialeinsatz für Wärmekraftwerke zeigen, dass rein materialbezogene Kosten an den gesamten Investitionskosten nur einen geringen Anteil ausmachen. Bei Wärmekraftwerken beträgt der Anteil der Rohstoffkosten an den Investitionskosten unter 10 %. Im Gegensatz zu den Wärmekraftwerken spielen die Rohstoffkosten (inkl. Silizium) insbesondere für die Photovoltaik eine deutlich höhere Rolle und tragen mindestens zu einem Viertel zu den Investitionskosten bei [12].

Hinsichtlich der Kosten für den Betrieb (fix und variabel), die Instandsetzung und den Rückbau der Kraftwerke wurden die in der OECD-Studie „Projected Costs of Generating Technologies – Update 2010“ [13] getroffenen Annahmen als Grundlage für die nachfolgenden Abschätzungen verwendet. Aufgrund des relativ geringen Einflusses auf die Stromgestehungskosten werden keine Bandbreiten für diese Kostenparameter berücksichtigt. Lediglich für das Kernkraftwerk werden für den Fall, dass es länger als 40 Jahre betrieben wird, Nachrüstungskosten in einer Höhe von bis zu 500 €2007/kW angenommen.

Tab. 1: Technische und ökonomische Rahmendaten der fossil gefeuerten Kraftwerke und des Kernkraftwerks
Einheit SK-DK SK-CCS BK-DK Gas-GuD Nuk-DWR
Elektrische Nettoleistung [MWel] 800 740 1050 800 1 600
Elektrischer Netto-Wirkungsgrad [%] 50 38 47 60 36
Werte1) 45–54 34–44 44–52 54–63 33–38
Spezifische Investitionskosten [€/kWel] 1 500 2 400 1 500 700 3 000
Werte1) 1 250–1 800 1 750–2 450 1 350–1 850 680–900 2 400–3 800
Jährliche Auslastung [%/a] 68,5 68,5 68,5 68,5 68,5
Werte2) 50–86 50–86 50–92 50–86 50–93
Technische Nutzungsdauer [Jahre] 40 40 40 30 40
Werte3) 20–50 20–50 20–50 20–40 30–60
Bauzeit [Jahre] 4,0 4,0 4,5 3,0 6,0
Werte4),1) 2,0–8,04) 3,5–8,04) 3,5–8,04) 1,5–6,04) 4,0–12,01)
Spezifische Abrisskosten [%-Inv.] 5,0 15,0
 Werte1) - - - - 10,0–50,0
 Betriebs- und Wartungskosten
- fixe [€/kWel/a] 35,0 65,0 39,0 19,0 55,0
- variable [€/MWhel] 4,0 5,0 4,4 2,0 0,5
Verteilungen 1) BetaPERT-Verteilung, 2) Dreiecks-Verteilung, 3) Minimum-Extrem-Verteilung, 4) Normal-Verteilung

Die auf dieser Basis ermittelten technischen und ökonomischen Daten der untersuchten Stromerzeugungssysteme sind mit den für die Monte-Carlo-Simulationen verwendeten Verteilungen und Bandbreiten in Tab. 1 und 2 aufgeführt. Hierbei ist insbesondere bei den Stromerzeugungssystemen auf Basis erneuerbarer Energien ein Rückgang der Investitionskosten gegenüber heute unterstellt.

Tab. 2: Technische und ökonomische Rahmendaten der Kraftwerke mit erneuerbaren Energieträgern
Einheit Bio-KW Onshore Offshore PV-Freifl.
Elektrische Netto-Leistung [MWel] 20 3 5 x 40 >1
Elektrischer Netto- Wirkungsgrad [%] 31 - - -
Werte1) 26–40 - - -
Spezifische Investitionskosten [€/kWel] 2 850 1 050 2 050 1 450
Werte1) 2 100–3 350 950–1 300 1 100–3 500 1 000–2 000
Jährliche Auslastung [%/a] 68,5 21,1 41,0 10,6
 Werte2) 50,0–86,0 15,5–27,0 25,1–47,9 9,1–18,3
 Technische Nutzungsdauer [Jahre] 30 20 20 25
 Werte3) 20–40 12–30 12–30 15–30
Bauzeit [Jahre] 1,5 0,5 1,0 0,5
Werte4) 0,7–3,0 0,2–1,0 0,5–2 0,2–1,0
 Leistungskredit [%]4) - 8,0 8,0 2,0
 Betriebs- und Wartungskosten
- fixe [€/kWel/a] 152,0 50,0 120,0 33,0
- variable [€/MWhel] 2,8 - - -
Verteilungen 1) BetaPERT-Verteilung, 2) Dreiecks-Verteilung, 3) Minimum-Extrem-Verteilung, 4) Normal-Verteilung Es wird unterstellt, dass die Abrisskosten aus den Erlösen für die wiederverwertbaren Materialien gedeckt werden können.

In den spezifischen Investitionskosten der Windenergieanlagen sind neben den Anlagenkosten, die Kosten für das Fundament sowie der Netzanbindung on- und offshore etc. einkalkuliert. Die spezifischen Investitionskosten der Photovoltaikanlagen beziehen sich auf multi-kristalline Solarzellen, dabei sind Kosten für Wechselrichter, Montage und Netzanbindung berücksichtigt. Die Bandbreite und die Verteilungsfunktionen für die jährliche Auslastung der erneuerbaren Energien orientieren sich am solaren Angebot in Deutschland und am Winddargebot an deutschen Binnen- und Meeresstandorten.

Rahmenannahmen für die Kostenrechnung

Kraftwerke oder allgemein Stromerzeugungstechniken, die 2030 in Betrieb gehen, werden von der Entwicklung der Rahmenbedingungen bis mindestens ins Jahr 2050 beeinflusst, die daher im Folgenden Berücksichtigung finden.

Die Energieträgerpreise für steinkohlen- und erdgasbefeuerte Kraftwerke haben signifikanten Einfluss auf deren Stromgestehungskosten. Von daher wurde bei der Auswahl der gesichteten Studien insbesondere Wert darauf gelegt, dass diese Studien eine Brennstoffpreisprojektion für 2030 und darüber hinaus für die Energieträger Erdgas und Steinkohle beinhalten. In der Literatur finden sich Studien, in denen mehrere Preispfade für die Energieträger angegeben werden [14], bzw. Studien mit der Angabe eines fixen Preispfades [15].

Aus der Literaturauswertung der unterschiedlichen Brennstoffpreispfade ergibt sich für Erdgas für das Jahr 2030 ein Mittelwert von etwa 8,9 €2007/GJ (frei Kraftwerk) mit einer Beta-Verteilung zur Charakterisierung der Unsicherheiten. Bei der Steinkohle liegt eine logarithmische Normalverteilung vor, die den Erwartungswert (Mittelwert) von 3,5 €2007/GJ (frei Kraftwerk) hat. Die Kosten für die Biomasse weisen mit 0,8 €2007/GJ bis etwa 8 €2007/GJ eine große Bandbreite auf [16]. Sie sind unter anderem abhängig von der standortabhängigen Nachfrage und dem Angebot des jeweiligen Biomasserohstoffs (z. B. Altholz, Stroh und Hackschnitzel). Die Kosten werden in der Analyse über eine BetaPERT-Verteilung abgebildet mit dem wahrscheinlichsten Wert in einer Höhe von 6 €2007/GJ. Für die Kosten der Braunkohle (Mittelwert=1 €2007/GJ) sowie für die Brennstoffkreislaufkosten der Kernenergie (Mittelwert=10 €2007/MWhel) werden Normalverteilungen angenommen, die nach außen jeweils bei Halbierung bzw. Verdopplung des Mittelwerts auslaufen.

Die Auswirkungen der Kosten für CO2-Zertifikate und für Transport sowie Speicherung von CO2 bei den CCS-Anlagen werden mittels einer BetaPERT-Verteilung untersucht. In der aktuellen „Roadmap zur europäischen Energiepolitik bis 2050“ der Europäischen Kommission [17] werden Ergebnisse unterschiedlicher Modellergebnisse zur langfristigen Entwicklung (2030 bzw. 2050) des CO2-Zertifikatepreises gegenübergestellt. Die in diesem Studienvergleich berücksichtigten Szenarien gehen teilweise von langfristigen Treibhausgasminderungszielen von bis zu 80 % gegenüber den Emissionen des Jahrs 1990 bis zum Jahr 2050 aus. Auf Basis dieser Gegenüberstellung werden hier die Annahmen für den CO2-Zertifikatepreis für den Zeitraum 2030/2050 getroffen. Für das Jahr 2030 wird die zugrunde liegende BetaPERT-Verteilung durch die Werte xmin=19 €2007/t CO2, xwahr=50 €2007/t CO2 und xmax=103 €2007/t CO2 charakterisiert.

Die Höhe der CO2-Abscheiderate des Kraftwerks beim CCS-Technologiesystem korreliert mit dem Wirkungsgrad und den Investitionskosten. Im Rahmen dieser Untersuchung wird für die CO2-Abscheiderate der CCS-Anlage eine Bandbreite von 70–90 % betaPERT-verteilt bei einem Erwartungswert von 85 % angenommen. Die Parameterwerte für die Kosten der Einlagerung und den Transport des CO2 orientieren sich an der in [18] vorgestellten Kosten-Potenzial-Kurve. Es werden folgende Werte der Analyse für die CCS-Technologie zugrundegelegt: xmin=4 €2007/t CO2, xwahr=8 €2007/t CO2 und xmax=19 €2007/t CO2). Hierbei wird unterstellt, dass ein flächendeckender Aufbau der CCS-Infrastruktur bereits erfolgt ist und somit die Vollkosten einer flächigen Erschließung hierin enthalten sind.

Als Diskontierungsrate über die gesamte Lebensdauer wird ein Intervall entsprechend der OECD-Studie „Projected Costs of Generating Technologies – Update 2010“ [19] zugrunde gelegt. Der Referenzwert bezieht sich auf eine Diskontierungsrate von 8 %, der u. a. auch im World Energy Outlook verwendet wird.

Die Bauzeiten der neuen Stromerzeugungstechnologien werden normalverteilt angenommen. Insbesondere beim Bau eines Kernkraftwerks können die Bauzeiten mit etwa 4–12 Jahren sehr unterschiedlich sein [20], von daher wird bei der Bauzeit des Kernkraftwerks eine BetaPERT-Verteilung mit einem Erwartungswert von 6 Jahren zugrundegelegt.

Bei der Auslastung der regelbaren Kraftwerke bzw. der jährlichen dargebotsabhängigen Verfügbarkeit der Stromerzeugungstechnologien mit fluktuierendem Angebot werden Dreiecksverteilungen angenommen. Bei den erneuerbaren Energien mit im Jahresverlauf schwankendem Angebot orientiert sich die Bandbreite dargebotsabhängig an erzielten Jahresvolllaststunden von Wind- und Solaranlagen in Deutschland/Europa.

Zusätzlich werden bei den fluktuierenden erneuerbaren Energien Back-up-Aufwendungen für die gesicherte Leistung miteinbezogen. Hierfür wird für die Windenergie der Leistungskredit von 8 % aus der gesamteuropäischen Windintegrations-Studie „Integrating Wind“ [21] übernommen und für die Photovoltaik ein Leistungskredit von 2 % selbst abgeschätzt.

Bei den fossilen und nuklearen Wärmekraftwerken wird als Referenwert von einer Auslastung von 6 000 h/a ausgegangen. Bei den Bandbreiten für die Auslastung der Wärmekraftwerke stellt die obere Grenze die technisch maximal gesicherte Leistungsverfügbarkeit der Anlagen dar [22]. Die untere Grenze wird einheitlich mit 50 % der jährlichen Auslastung (4 380 h/a) angenommen. Auf eine Betrachtung der Auf- und Abregelung der Kraftwerke und damit eines evtl. Regelenergiebeitrags wird verzichtet, da sonst das Teillastverhalten der Anlagen mitberücksichtigt werden müsste.

Stromgestehungskosten

Aufgrund der probabilistischen Analyse der Stromgestehungskosten ergeben sich im Gegensatz zu einer deterministischen Berechnung keine diskreten Werte, sondern Stromgestehungskosten mit einer entsprechenden Wahrscheinlichkeitsverteilung (vgl. Abb. 3). Das Maß der Sicherheit drückt sich hierbei als Wahrscheinlichkeit der absoluten Höhe der Verteilfunktion aus, die hier maximal bei etwas über 0,8 % liegt.

Die Breite der Verteilungsfunktion zeigt, wie stark die Streuung um den Mittelwert ist. Je schmaler sie sich darstellt, also je kleiner die Streuung ist, desto wahrscheinlicher ist ein zentraler Wert oder zumindest ein einheitlicher Wertebereich. Zugleich können über die Breite der Verteilungsfunktion Rückschlüsse auf die kumulierte Unsicherheit der zugrunde liegenden Parameter gezogen werden. Bspw. wird die Verteilungsfunktion der Stromgestehungskosten der Photovoltaik maßgeblich durch die Spannbreite der Investitionskosten und die des Biomassekraftwerks durch die Kosten der Brennstoffbeschaffung beeinflusst.

Die Überlagerung der Verteilfunktionen verdeutlicht zudem, dass es in der Realität Anlagen der selben Technologie geben kann, die sich jedoch unterschiedlich wettbewerbsfähig erweisen, je nachdem, auf welcher Stelle der Parametersetzungen sich die Anlage und ihre Konkurrenztechnologien jeweils befinden.

Die auf Basis der Literaturrecherche getroffenen Annahmen ergeben, dass der Europäische Druckwasserreaktor (EPR) die niedrigsten Stromgestehungskosten hat. Im Vergleich dazu sind die Stromgestehungskosten bei der Photovoltaikanlage, trotz eines unterstellten Rückgangs der Investitionskosten bis 2030 um durchschnittlich 50 % gegenüber heute, am größten. Unter den fossilen Wärmekraftwerken erreicht das Erdgas-GuD-Kraftwerk als erstes Kraftwerk den Maximalwert seiner Verteilungsfunktion der Stromgestehungskosten. Die weiteren fossilen Kraftwerksoptionen haben Stromgestehungskosten in einer vergleichbaren Bandbreite. Trotz der höheren spezifischen CO2-Emissionen sind Braunkohlekraftwerke günstiger als Steinkohlekraftwerke, während Steinkohlekraftwerke mit CCS einen Kostenvorteil gegenüber Steinkohlekraftwerken ohne CCS haben.

Hinsichtlich der Einordnung der erneuerbaren Energien ergeben sich die geringsten Stromgestehungskosten für Wind onshore, gefolgt von Wind offshore und der Biomasse. Abgesehen von den Onshore-Windkraftanlagen sind die Verteilungsfunktionen der erneuerbaren Erzeugungstechnologien wesentlich größer als die der fossilen Kraftwerke.

Werden die einzelnen Verteilungsfunktionen in kumulative Verteilungsfunktionen überführt, können dadurch Aussagen hinsichtlich der Wahrscheinlichkeit getätigt werden, dass die Stromgestehungskosten geringer sind als ein entsprechender Wert (Abb. 4). Entsprechend könnten mit einer Wahrscheinlichkeit von mehr als 80 % sowohl Braunkohle- als auch Kernkraftwerke Strom zu Vollkosten von 100 €/MWh bereitstellen. Geht man von einem Strompreisniveau von 110 €/MWh aus, können zusätzlich Erdgas und Steinkohlekraftwerke mit und ohne CCS diese Anforderung erfüllen.

Während Erdgaskraftwerke als erste fossil befeuerte Technologie den Maximalwert der Verteilungsfunktion der Stromgestehungskosten erreichen, weisen Braunkohlekraftwerke ab einem Wahrscheinlichkeitsniveau von mehr als 60 % geringere Stromgestehungskosten auf. Entsprechend ist das Niveau der Stromgestehungskosten der Braunkohlekraftwerke nach oben hin als robust gegenüber fossilen Konkurrenten abgesichert.

Ab einer kumulierten Wahrscheinlichkeit von größer als 70 % haben Erdgas-GuD-, Steinkohle- und Steinkohle-CCS-Kraftwerke nahezu identische Verläufe ihrer kumulativen Verteilungsfunktionen der Stromgestehungskosten. Hinsichtlich der erneuerbaren Energien kann aus der kumulativen Verteilungsfunktion u. a. gefolgert werden, dass mit einer kumulierten Wahrscheinlichkeit von lediglich 7 % erneuerbare Energien Strom kostengünstiger als Steinkohle und Erdgas produzieren können. Entsprechend kann hier der Rückschluss gezogen werden, dass ohne Ausweitung des Bewertungsrahmens (z. B. mit Blick auf Versorgungssicherheit) und unter den gegebenen Rahmenannahmen fossile und nukleare Optionen eine höhere Wirtschaftlichkeit für niedrigere Stromgestehungskosten aufweisen.

Fazit: Fossile Kraftwerke bleiben wirtschaftlich

Die Investition in neue fossile und nukleare Kraftwerke in Europa im Jahr 2030 erscheint trotz steigender Energieträgerpreise und CO2-Zertifikatekosten auch mittel- bis langfristig noch wirtschaftlich zu sein. Diese Aussage wird sicher auch davon beeinflusst, dass auf der anderen Seite die Projektion der Investitionskosten für erneuerbare Energien nicht in dem Maße abnehmen, wie sich die Rahmenbedingungen der fossilen Kraftwerke zu deren Ungunsten verändern. Dies zeigt jedoch auch auf, dass eine Diversifizierung der Stromerzeugung eine sinnvolle Strategie zur Absicherung von Investitionsrisiken darstellt.

Die im Rahmen der deterministischen Bestimmung von Stromerzeugungskosten häufig durchgeführte Sensitivitätsanalyse lässt sich mithilfe der probabilistischen Betrachtung in Kombination mit der Monte-Carlo-Simulation integriert analysieren. Mittels dieses neuen Verfahrens werden durch die Verteilungsfunktion Unsicherheiten bezüglich der Ergebnisse sichtbar.

Die auf dieser Basis durchgeführte Analyse der Stromerzeugungskosten neuer Stromerzeugungstechnologien, die für die Inbetriebnahme im Jahr 2030 zur Verfügung stehen, zeigt, dass unter Einbeziehung des heutigen Wissensstandes die Stromerzeugung in neuen nuklearen und fossilen Kraftwerken noch deutlich günstiger ist als bei Technologien mit regenerativen Energieträgern. Während die Wärmekraftwerke unter Berücksichtigung der Unsicherheiten Stromgestehungskosten in einer Bandbreite zwischen 50 und 130 €/MWh aufweisen, liegen die erneuerbaren Energien bei gleicher Betrachtungsweise zwischen 80 und 220 €/MWh.

Literatur

  1. Vgl. u. a. Boiteux, M.: Peak-Load Pricing, The Journal of Business 33:2 (1960), S. 157–179.  ↩

  2. Oren, Shmuel S.: Capacity Payments and Supply Adequacy in Competitive Electricity Markets. Paper for the VII Symposium of Specialists in Electric Operational and Expansion Planning. Curtiba 2000.  ↩

  3. Vgl. u. a. Dixit, A. K.; Pindyck, R. S.: Investment under Uncertainty. Princeton, N.J, 1994.  ↩

  4. Ronn, Ehud I.: Real options an energy management. Using options methodology to enhance capital budgeting decisions. London 2002.  ↩

  5. Weber, C.: Power Plants as real options. The importance of price models. in: Ostertag, K.; Llerena, P.; Richard, A. (eds.): Option valuation for energy issues. Stuttgart 2003.  ↩

  6. Vgl. Blesl, M.; Fahl, U.; Kempe, St.; Voß, A.: Umfassender Kostenvergleich: Wirtschaftlichkeit neuer Stromerzeugungstechniken im Hinblick auf eine nachhaltige Entwicklung, ew dossier Kraftwerkstechnik 104:13 (2005), S. 32–37; IEA und NEA: Projected Costs of Generating Electricity. Update 2005, Paris 2006; IEA und NEA: Projected Costs of Generating Electricity. Update 2010. Paris 2010; vgl. auch Wissel, S.; Fahl, U.; Blesl, M; und Voß, A.: Erzeugungskosten zur Bereitstellung elektrischer Energie von Kraftwerksoptionen in 2015. Institut für Energiewirtschaft und Rationelle Energieanwendung (IER), Universität Stuttgart; IER Working Paper No. 7. Stuttgart 2010.  ↩

  7. Feretic, D.; Tomsic, Z.: Probabilistic analysis of electrical energy costs comparing: production costs for gas, coal and nuclear power plants Energy Policy 33:1 (2005), S. 5–13; vgl. auch Locatelli, G. und Mancini, M: Small-medium sized nuclear coal and gas power plant: A probabilistic analysis of their financial performances and influence of CO2 cost. The socio-economic transition towards a hydrogen economy - findings from European research, with regular papers Energy Policy 38:10 (2010), S. 6360–6374.  ↩

  8. Feck, N.: Monte-Carlo-Simulation bei der Lebenszyklusanalyse eines Hot-Dry-Rock-Heizwerkes, Dissertation, Ruhr-Universität Bochum, Bochum 2007.  ↩

  9. Ruppert, D.: Statistics and finance. An introduction. New York 2004.  ↩

  10. Friedrich, R.: Externe Kosten der Stromerzeugung. Schlussbericht zum Projekt. im Auftrag des VDEW. Frankfurt a. M. 1989. bzw. Kruck, C. et al.: Stromerzeugung aus erneuerbaren Energien. Eine technische, ökonomische und ökologische Analyse im Hinblick auf eine nachhaltige Energieversorgung in Deutschland. Schlussbericht zum Projekt des Zentrums Energieforschung Stuttgart e. V. (ZES), Stuttgart 2004.  ↩

  11. NEEDS: New Energy Externalities Development for Sustainability. Publishable final activity report. M1-M54. Rome: European Commission. Available at http://www.needs-project.org/, 21.11.2011; Hake, J. F., Hansen, P.; Heckler, R.; und Linßen, J.: Projektionsrechnungen bis 2050 für das Energiesystem von Deutschland im Rahmen des VDI-Projektes „Future Climate Engineering Solutions“. Projekt-Abschlussbericht, Jülich 2009; Union of the Electricity Industry (EURELECTRIC): Power Choices. Pathways to Carbon-Neutral Electricity in Europe by 2050, Full Report, 2010. Fahl, U. et al: Die Entwicklung der Energiemärkte bis 2030: Energieprognose 2009. Untersuchung im Auftrag des Bundesministeriums für Wirtschaft und Technologie (BMWi). Stuttgart 2010; BMU: Leitstudie 2010. Langfristszenarien und Strategien für den Ausbau der erneuerbaren Energien in Deutschland bei Berücksichtigung der Entwicklung in Europa und global, Berlin 2010; VGB: Investment and Operation Cost Figures – Generation Portfolio. Survey 2011, Essen 2011. Schlesinger, M.; Lindenberger, D.; und Lutz, C.: Energieszenarien 2011. Projekt Nr. 12/10. für das Bundesministerium für Wirtschaft und Technologie. Basel/Köln/Osnabrück 2011; Europäische Kommission: Energy Roadmap 2050. Impact Assessment Part 2/2 Annex 1 Scenarios - assumptions and results, commission staff working paper, Brüssel 2011. International Energy Agency (IEA): World Energy Outlook, 2011 Edition, Paris 2011.  ↩

  12. Reichmuth, M.: Vorbereitung und Begleitung der Erstellung des Erfahrungsberichtes 2011 gemäß § 65 EEG. im Auftrag des Bundesministeriums für Umwelt, Naturschutz und Reaktorsicherheit. Vorhaben II c Solare Strahlungsenergie, C. Lorenz, A. Schiffler, T. Kelm, M. Schmidt, B. Schott und M. Braun. Leipzig 2011.  ↩

  13. IEA und NEA: Projected Costs of Generating Electricity, Update 2010, Paris 2010.  ↩

  14. Cosijns, L.; D’haeseleer W: EUSUSTEL. European Sustainable Electricity; Comprehensive Analysis of Future European Demand and Generation of European Electricity and its Security of Supply. Final Technial Report. Brüssel 2007; Lindenberger, D.; Hillebrand, B; Bartels, M; Buttermann, H. G.; und Borggrefe, F: Studie Energiewirtschaftliches Gesamtkonzept 2030. Energiewirtschaftliches Institut an der Universität zu Köln (EWI); Energy Environment Forecast Analysis GmbH (EEFA); Öko-Institut: Politikszenarien V, Rahmendaten und Maßnahmenlisten, Zwischenbericht zum Forschungs- und Entwicklungsvorhaben.; Berlin 2008; Fahl, U. et al: Die Entwicklung der Energiemärkte bis 2030: Energieprognose 2009. Untersuchung im Auftrag des Bundesministeriums für Wirtschaft und Technologie (BMWi). Stuttgart 2010; BMU: Leitstudie 2010. Langfristszenarien und Strategien für den Ausbau der erneuerbaren Energien in Deutschland bei Berücksichtigung der Entwicklung in Europa und global, Berlin 2010.  ↩

  15. U. a. Blesl, M.; Bruchhof, D.; Fahl, U.; Kober, T.; Kuder, R.; Götz, B. Voss, A.: Integrierte Szenarioanalysen zu Energie- und Klimaschutzstrategien in Deutschland in einem Post-Kyoto-Regime. Forschungsbericht, Band 106, Stuttgart 2011; International Energy Agency (IEA): World Energy Outlook. 2010 Edition, Paris 2010; Lindenberger, D.; Bartels, M.; Seeliger, A.; Wissen, R.; Hofer, P. und Schlesinger, M: Auswirkungen höherer Ölpreise auf Energieangebot und -nachfrage. Ölpreisvariante der Energiewirtschaftlichen Referenzprognose 2030, Untersuchung im Auftrag des Bundesministerium für Wirtschaft und Technologie. Berlin 2006. Matthes, F.: Energiepreise für aktuelle Modellierungsarbeite, regressionsanalytisch basierte Projektionen, Teil 1: Preise für Importenergie und Kraftwerksbrennstoffe, Berlin 2010; Schlesinger, M.; Lindenberger, D. und Lutz, C.: Energieszenarien 2010 für ein Energiekonzept der Bundesregierung, Projekt Nr. 12/10 für das Bundesministerium für Wirtschaft und Technologie. Basel/Köln/Osnabrück 2010.  ↩

  16. BMU: Leitstudie 2010. Langfristszenarien und Strategien für den Ausbau der erneuerbaren Energien in Deutschland bei Berücksichtigung der Entwicklung in Europa und global, Berlin 2010; Thrän, D.: Vorbereitung und Begleitung der Erstellung des Erfahrungsberichtes 2011 gemäß § 65 EEG im Auftrag des Bundesministeriums für Umwelt, Naturschutz und Reaktorsicherheit, Vorhaben IIa, Leipzig 2011.  ↩

  17. Europäische Kommission: Energy Roadmap 2050, Impact Assessment Part 2/2, Annex 1 Scenarios – assumptions and results, commission staff working paper, Brüssel 2011.  ↩

  18. Blesl, M.; Bruchhof, D.; Fahl, U.; Kober, T.; Kuder, R.; Götz, B.; und Voss, A: Integrierte Szenarioanalysen zu Energie- und Klimaschutzstrategien in Deutschland in einem Post-Kyoto-Regime. Forschungsbericht, Band 106, 0938–1228, Stuttgart 2011.  ↩

  19. International Energy Agency (IEA): World Energy Outlook, 2011 Edition, Paris 2011.  ↩

  20. IAEA: Power Reactor Information System, PRIS, Wien 2011.  ↩

  21. EWEA: TradeWind. Integrating Wind. Developing Europe’s power market for the large-scale integration of wind, Brüssel 2009.  ↩

  22. Deutsche Energie-Agentur GmbH (dena): Strategien für die gesicherte Stromversorgung in Deutschland. Kurzanalyse der Kraftwerks- und Netzplanung bis zum Jahr 2020, Berlin 2010.  ↩

Dr. M. Blesl, St. Wissel, Dr. U. Fahl, Institut für Energiewirtschaft und Rationelle Energieanwendung (IER), Universität Stuttgart
Markus.Blesl@ier.uni-stuttgart.de

Diesen Artikel können Sie hier als PDF kostenlos downloaden.

Suche

Anzeige
Aktuelles Heft
Schwerpunkt: Flexibilität
Mit Blockchain gegen Greenwashing
Aggregation im Nachfragebereich; Energiewelt 2035
Konsequenzen eines beschleunigten Braunkohleausstiegs
mehr...
Tipps zur Navigation
Wussten Sie schon, dass Sie in jedem auf der Website vollständig veröffentlichten Artikel zum Fußnotentext springen können, indem sie auf den Fußnotenverweis [1] klicken? Von dort können sie wieder an die alte Position zurückkehren, wenn sie den Rückpfeil ↩ anwählen. Ebenso wird das entsprechende Bild im großen Format aufgerufen, wenn sie auf einen Abbildungsverweis (Abb. X) klicken.

  1. Dies ist der Text der Beispielfußnote. Klicken Sie auf den Pfeil hinter dem Text:  
EW Medien und Kongresse GmbH
Kaiserleistraße 8a | D-63067 Offenbach am Main | Telefon +49 (069) 7104487-0 | Telefax: +49 (069) 7104487-459

Aktuelles Heft  | Zukunftsfragen  | Topthema  | Weitere Themen  | Termine  | Heftbestellung  | Mediadaten  | Ansprechpartner

copyright by Friese Media GmbH 2012  |  anmelden  |  Impressum |  AGB  |  Datenschutz