Lara Hofer

• Die gesetzliche Einführung von Energiegemeinschaften in Österreich im Jahr 2021 hat neue Möglichkeiten für die gemeinschaftliche Nutzung von Strom und Wärme geschaffen. Vor dem Hintergrund steigender Energiepreise und der globalen Klimakrise gewinnt die Integration erneuerbarer Energien in Energiegemeinschaften zunehmend an Bedeutung. Dennoch stellt die effiziente Steuerung und Verteilung lokal erzeugter Energie eine zentrale Herausforderung dar, insbesondere wenn individuelle Verbrauchsprofile und gemeinschaftliche Optimierungsziele berücksichtigt werden müssen. Die vorliegende Arbeit widmet sich der Entwicklung eines intelligenten, prädiktiven Lastmanagementsystems, das die Energieflüsse innerhalb einer Energiegemeinschaft optimiert. Hierbei sollen Prognosedaten wie Wetter- und Sonnenprognosen sowie Verbrauchsinformationen genutzt werden, um den Energiebedarf und die Verteilung vorausschauend zu steuern. Ziel ist es, die Eigenverbrauchsquote zu maximieren, die Energiekosten zu senken und überschüssige Energie effizient innerhalb der Gemeinschaft bereitzustellen. Der angestrebte Soll-Zustand umfasst ein dezentrales, vernetztes System, das sowohl individuelle als auch gemeinschaftliche Optimierungsziele berücksichtigt und damit einen Beitrag zur nachhaltigen und wirtschaftlichen Nutzung erneuerbarer Energien leistet.
• The legal introduction of energy communities in Austria in 2021 created new opportunities for the shared use of electricity and heat. In the context of rising energy prices and the global climate crisis, the integration of renewable energy sources into such communities is becoming increasingly important. However, efficiently controlling and distributing locally generated energy remains a key challenge, particulary when considering individual consumption profiles and optimisation objectives. This thesis focuses on developing an intelligent, predictive load management system designed to optimise energy flows within an energy community. Forecast data, such as weather and sunshine predictions, will be incorporated into the system alongside consumption information so that predictive planning of energy demand and distribution can be enabled. The primary objectives are to maximise self-consumption, reduce energy costs and ensure the efficient allocation of surplus energy within the community. The intended solution is a decentralised, networked system that addresses both individual and collective optimisation goals, thereby promoting the sustainable and economically viable use of renewable energy.