Energiesysteme auslegen — und am Optimum messen
optiRE simuliert PV, Batterie, Wärmepumpe und Wasserstoff in 15-Minuten-Auflösung, optimiert Auslegung und Betriebsstrategie mit NSGA-II — und beziffert per MILP-Benchmark und Live-Replay, wie viel Potenzial Ihre Dispatch-Strategie liegen lässt.
Komponenten auf AC-, Wärme- und H₂-Bus
Ein Szenario ist ein vollständiges Energiesystem: Erzeuger, Speicher und Verbraucher werden auf Strom-, Wärme- und Wasserstoff-Bus verschaltet und gemeinsam bilanziert — vom Einfamilienhaus bis zum Industriebetrieb mit H₂-Feedstock.
- PV-Simulation mit pvlib und PVGIS-Typjahren (TMY) für jeden Standort
- Batteriemodell mit Wirkungsgrad, Zykluskosten und Degradation
- Wärmepumpe mit temperaturabhängigem COP, Elektrolyseur und Brennstoffzelle mit Teillastverhalten
- BDEW-Standardlastprofile (H0, G0, L0) oder eigene CSV-Zeitreihen
- Netzanschluss mit Festpreis oder echten Day-Ahead-Preisen (aWATTar/SMARD)
Ein Jahr in Sekunden, jede Viertelstunde nachvollziehbar
Die vektorisierte Engine rechnet ein komplettes Jahr in Sekunden durch — schnell genug, um in Optimierungsläufen tausende Varianten zu bewerten. Jedes Ergebnis bleibt dabei bis auf den einzelnen Zeitschritt nachvollziehbar.
- Wirtschaftlichkeit: NPV, LCOE, LCOH, Amortisation, Kostenersparnis gegen Baseline
- Technik: Autarkiegrad, Eigenverbrauchsquote, CO₂-Bilanz, Netz-Spitzenlast
- Interaktive Zeitreihen, SOC-Heatmap, CAPEX/OPEX-Aufschlüsselung
- Mehrjahresbetrachtung mit Batterie-Degradation
- Export der Ergebnisse als XLSX und CSV
Zwei Stufen — und ein ehrlicher Benchmark
Eine Optimierung, die nur gegen sich selbst vergleicht, schmeichelt sich. optiRE stellt jeder Strategie den perfekten Fahrplan gegenüber — nicht als umsetzbaren Regler, sondern als Referenz, wie viel unter idealen Bedingungen möglich wäre.
- Stufe 1 (Sizing): Komponentengrößen per NSGA-II, bis zu drei Ziele gleichzeitig, Pareto-Front statt Einzellösung
- Stufe 2 (Dispatch): Strategie-Parameter wie Preisschwellen und SOC-Reserven automatisch kalibrieren
- MILP-Benchmark: kostenoptimaler Fahrplan mit perfekter Voraussicht (HiGHS) als theoretische Untergrenze
- Sizing wahlweise mit MILP als innerem Löser — entkoppelt die Auslegung von der Strategiequalität
- Sensitivitätsanalyse über Preise, Lasten und Komponentengrößen
Szenarien nebeneinander, beste Werte markiert
Varianten entstehen schneller als Entscheidungen. Der Szenario-Vergleich stellt alle Stände eines Projekts in ein Raster — von der Batterie-Arbitrage bis zum Wasserstoff-Szenario.
- KPI-Vergleich der letzten abgeschlossenen Simulation je Szenario
- Bester Wert je Zeile automatisch hervorgehoben
- Zeitreihen-Overlay für den direkten Kurvenvergleich
- Vom Vergleich direkt in Simulation, Optimierung oder Live-Betrieb springen
Regeln, die man lesen kann
Betriebsstrategien sind deklarative YAML-Regelwerke je Komponente: priorisierte Regeln mit Preis-Features wie price_rank_future_24h und Template-Parametern, die die Dispatch-Optimierung direkt kalibriert. Acht Strategien werden mitgeliefert — von Eigenverbrauch über Peak-Shaving bis H₂-Produktion.
- Versioniert in der Datenbank, per Editor und API anpassbar
- Jeder Ausdruck läuft durch eine AST-Whitelist — kein beliebiger Code
- Parameter werden in Stufe 2 automatisch optimiert
- Dieselbe Strategie läuft in Simulation, Optimierung und Live-Betrieb
components:
battery:
rules:
- name: "Laden bei Tiefstpreisen"
priority: 1
conditions:
- type: "expression"
expression: >
price_rank_future_{{lookahead_hours}}h < 0.15
AND soc < {{soc_charge_target}}
AND grid_import_price <
price_mean_future_{{lookahead_hours}}h
- {{battery_cycle_cost_eur_per_kwh}}
actions:
- type: "set_power"
value: "max_charge_power"Vom Backtest in den Echtzeitbetrieb
Im Live-Modus sehen Regler nur Prognosen — nie die Zukunft. So zeigt sich, was eine Strategie unter realen Bedingungen taugt, bevor sie echte Hardware steuert.
Prognosequellen
Persistenz, Day-Ahead-Preise (aWATTar) und echte Wettervorhersagen von Open-Meteo — im Replay als archivierte Modellläufe, im Echtzeitmodus laufend aktualisiert. Zum Gegentest: die perfekte Prognose.
Regler im Vergleich
YAML-Regelwerk, MPC (Rolling-Horizon-MILP) und Oracle laufen parallel auf demselben Datenstrom. Jeder Schritt kumuliert Kosten, Erlös und den Abstand zum theoretischen Optimum.
Echtzeit mit Hardware-Anschluss
Wanduhr-Takt, Messwerte per REST hinein, Sollwerte heraus, Live-Updates über WebSocket. Fällt der MPC aus, übernimmt automatisch das Regelwerk.
Unterstützte Komponenten
Offen für Automatisierung
Alles, was die Oberfläche kann, kann auch die REST-API — Simulationen und Optimierungen laufen asynchron über Job-Queues, Live-Sessions streamen per WebSocket. Der mitgelieferte MCP-Server macht optiRE zusätzlich für KI-Assistenten bedienbar: Szenarien anlegen, Strategien validieren und Optimierungen starten per Sprache. Mehr zur MCP-Schnittstelle