Chinas Mehrstoff-Energiestationen steigern Elektrofahrzeug-Rentabilität durch dynamische Preise
Ein neues Optimierungsmodell zeigt, wie Chinas Energiestationen der nächsten Generation – die Elektro-, Wasserstoff- und Erdgasfahrzeuge versorgen – ihre Betriebsgewinne durch dynamische Preisgestaltung und intelligentes Lastmanagement um über 11 Prozent steigern können. Der Durchbruch, entwickelt von Forschern der NARI Technology und dem State Grid Electric Power Research Institute, integriert Echtzeit-Preissignale mit flexibler Energieumwandlung – elektrolytische Wasserstoffproduktion, Power-to-Gas und multimodale Speicherung – um Stationen in aktive Netzakteure statt passive Betankungspunkte zu verwandeln. In einem simulierten System mit 2.000 Fahrzeugen über drei Kraftstoffarten hinweg verbesserte die dynamische Preisgestaltung allein den Tagesumsatz um 5,3 Prozent; durch koordinierte Lastverlagerung stieg der Gewinn auf 11,3 Prozent. Entscheidend ist, dass das Modell die Fahrerzufriedenheit wahrt, indem es Energieneutralität durchsetzt – kein Nettoverlust an Ladung, Wasserstoff oder Gas pro Fahrzeug – während es die Nachfrage an die Spitzenzeiten der erneuerbaren Erzeugung anpasst. Dies markiert einen entscheidenden Schritt hin zu skalierbarer, netzreaktiver Betankungsinfrastruktur, während China darauf zusteuert, bis 2025 über 25 Millionen Neufahrzeuge und bis 2035 über 160 Millionen auf die Straße zu bringen.
Die Innovation konzentriert sich auf eine einfache aber wirkungsvolle Designänderung: den Betankungspreis des Fahrzeugs nicht als festen Tarif zu behandeln, sondern als eine Echtzeit-Entscheidungsvariable, die gemeinsam mit Energiebeschaffung, Speicherverteilung und Lastmodulation optimiert wird. Anders als frühere Studien, die Lade- oder Betankungsgebühren festsetzten – oder sie als exogene Eingaben behandelten – endogenisiert dieses Modell diese innerhalb eines 96-Intervalle-Tageshorizonts (15-Minuten-Schritte), beschränkt nur durch einen Durchschnittspreis-Anker, der die regionale Preisstabilität bewahrt. Das Ergebnis ist ein treppenartiges Preismuster: niedrigere Tarife während mittäglicher Solarspitzen, höhere Sätze während abendlicher Spitzenzeiten – in Anlehnung an das Verhalten des Stromspotmarktes, das jetzt in Pilotprogrammen in Guangdong, Zhejiang und Sichuan auftaucht. Dies ermöglicht es Stationen, überschüssige Wind- und Solarenergie aufzunehmen, wenn die Netzpreise sinken, sie über Elektrolyse und Methanisierung in Wasserstoff oder synthetisches Erdgas umzuwandeln, zu speichern und zu späteren Premium-Zeiten zu verkaufen – während gleichzeitig Fahrer dazu angeregt werden, zu tanken, wenn das Angebot reichlich ist.
Felddaten der Studie zeigen, wie eng Preis und Verhalten verwoben sind. Wenn die Ladegebühren zwischen 10 und 14 Uhr um 18 Prozent sanken, schnellte die Elektrofahrzeug-Last um 22 Prozent in die Höhe – angetrieben nicht durch Subventionen, sondern durch transparente, zeitdifferenzierte Signale. Unterdessen verlagerte sich die Wasserstoffbetankung – oft wegen hoher Kosten kritisiert – früher auf den Tag, da Stationen priorisierten, überschüssigen Solarstrom für die Elektrolyse zu nutzen, statt teuren netzgespeisten Wasserstoff zu kaufen. Die Erdgasbetankung blieb gleichmäßiger verteilt, aber ihre Preiskurve glättete sich, da Stationen billigen Nachtstrom nutzten, um Gas zu komprimieren und zu speichern. Die Wirtschaftlichkeit des Systems hängt von drei geschichteten Fähigkeiten ab: flexible Umwandlung, zeitliche Arbitrage via Speicherung und responsive Nachfrage.
Erstens, Energieumwandlung. Die Station ist mit einer 800 kW Windturbine und einer 1 MW Dach-Photovoltaikanlage ausgestattet – Standard für moderne chinesische Energiezentren. Wenn die erneuerbare Erzeugung die lokale Nachfrage übersteigt, speist überschüssiger Strom zwei Pfade: einen Elektrolyseur mit 55-prozentiger Effizienz, der Wasserstoff produziert, und eine Power-to-Gas-Anlage mit 60-prozentiger Effizienz, die Methan erzeugt. Wasserstoff wird aufgrund seines höheren Marktpreises (26 RMB/kg vs. 2,6 RMB/m³ für Erdgas) priorisiert umgewandelt, was eine höhere Marge bei Lagerung und Wiederverkauf bringt. Nur wenn die Wasserstoffspeicherung die Kapazität nähert, wird überschüssige Leistung zur Methansynthese umgeleitet. Ein Kompressor – mit 80-prozentiger Effizienz und 250:1-Druckverhältnis – bereitet dann Niederdruckgas für die Fahrzeugnutzung vor. Diese kaskadierende Logik stellt sicher, dass jede zusätzliche kWh Solar- oder Windstrom den teuersten externen Einkauf verdrängt.
Zweitens, zeitliche Verschiebung via Speicherung. Drei unabhängige Speicher – Batterien für Strom, Hochdrucktanks für Wasserstoff und kaskadierte Pufferbehälter für Erdgas – ermöglichen die Entkopplung von Produktion und Abgabe. Batteriezyklen sind am aktivsten, laden während Solarspitzen und entladen am frühen Abend, um die Elektrofahrzeug-Nachfrage ohne Netzbezug zu bedienen. Die Wasserstoffspeicherung verzeichnet zwei Hauptfüllungen: mittags (solarbetriebene Elektrolyse) und über Nacht (günstiger Netzstrom). Die Gasspeicherung arbeitet dagegen gleichmäßiger, nimmt komprimierte Ausgabe sowohl von gekauftem als auch synthetisiertem Gas auf und gibt sie während nachmittag- und abendlicher Stoßzeiten ab. Entscheidend ist, dass alle Speichereinheiten zyklische Randbedingungen durchsetzen: End-of-Day-Bestand entspricht Start-of-Day-Niveau. Dies verhindert „Ausblut“-Strategien, die langfristige Resilienz für kurzfristige Gewinne opfern – und gewährleistet Nachhaltigkeit über Tage hinweg, nicht nur innerhalb eines Tages.
Drittens, und vielleicht am neuartigsten, ist Lastmanagement als Einnahmeinstrument, nicht nur als Netzdienstverpflichtung. Das Modell erlaubt bis zu 20 Prozent Aufwärts- oder Abwärtsanpassung der Fahrzeugnachfrage in jedem 15-Minuten-Fenster – so könnte ein Elektrofahrzeug gebeten werden, das Laden um 30 Minuten zu verzögern, oder ein Wasserstoff-LKW könnte eine etwas langsamere Betankung akzeptieren – um sich mit günstigerer Versorgung zu synchronisieren. Für jede Anpassung wird eine Vergütung gezahlt (z.B. 224 RMB/Tag in einem Szenario), aber der Nettoeffekt ist stark positiv: Stationen reduzieren teure Netzeinkäufe um 11,5 Prozent, während sie hochmarginierte selbst erzeugte Kraftstoffverkäufe steigern. Wichtig ist, dass die pro Fahrzeug gelieferte Gesamtenergie unverändert bleibt. Kein Fahrer erhält weniger Saft, Wasserstoff oder Gas – nur andere Timing. Dies vermeidet die Gleichheitsbedenken, die einige Demand-Response-Piloten geplagt haben.
Eine Sensitivitätsanalyse zeigt, wo die Erträge plateauen. Die Ausweitung der zulässigen Preisschwankung von ±5 Prozent auf ±25 Prozent steigert die Einnahmen stetig – aber die Gewinne nehmen über 25 Prozent stark ab, was nahelegt, dass regulatorische Obergrenzen in diesem Bereich wirtschaftlich rational sein könnten. Ebenso bringt die Erhöhung der Lastflexibilität von 10 Prozent auf 30 Prozent der Momentannachfrage beschleunigte Erträge; über 30 Prozent hinaus sinkt der Grenznutzen, was auf verhaltens- oder technische Obergrenzen hindeutet, wie viel Fahrer oder Fahrzeugsysteme an Umplanung tolerieren werden. Diese Schwellenwerte bieten praktische Leitlinien für politische Entscheidungsträger: mandatiere moderate Preisvariation und bescheidene Verzögerungstoleranzen, und lass die Marktkräfte den Rest erledigen.
Strategisch aligniert sich das Modell mit Pekings doppelten Mandaten: beschleunige sauberen Transport und integriere Erneuerbare. Bis 2025 erwartet China über 25 Millionen Neufahrzeuge auf den Straßen – hoch von 16,2 Millionen Mitte 2023. Doch das Wachstum der Ladeinfrastruktur hat hinterhergehinkt, besonders für Wasserstoff- und LNG-LKWs. Ein Engpass ist die Wirtschaftlichkeit: eigenständige Wasserstoffstationen verlieren oft Geld wegen niedriger Auslastung und hohem Capex. Dieser integrierte Ansatz ändert die Gleichung. Eine einzelne Stelle, die Elektrofahrzeuge, Brennstoffzellenbusse und LNG-Logistik-LKWs bedient, kann quersubventionieren: hochmarginierte Elektrofahrzeug-Schnellladung finanziert Wasserstoffelektrolyse; überschüssige Solarleistung gleicht Kompressorstrom aus; flexible Preisgestaltung glättet Cashflow. Es verwandelt Infrastruktur von einer Kostenstelle in einen Profitknoten im Energiewechsel.
Die Umsetzung ist bereits im Gange. In der Jiangsu Provinz – Heimat der Studienautoren – hat die NARI Group ähnliche Multi-Energie-Stationen in Nanjing und Suzhou pilotiert und sie mit provincialen Spotmarkttests verbunden. Frühe Ergebnisse zeigen 8–12 Prozent höhere Asset-Auslastung gegenüber konventionellen Ein-Kraftstoff-Standorten. National hat die National Development and Reform Commission (NDRC) Offenheit für dynamische Preisgestaltung in ihren 2024-Richtlinien für „intelligente Energieinfrastruktur“ signalisiert, vorausgesetzt, die Durchschnittstarife bleiben innerhalb staatlich geführter Bänder. Das ist genau die Beschränkung, die in dieses Modell eingebaut ist: es optimiert innerhalb von Stabilitäts-Schutzräumen, befriedigt sowohl Markteffizienz als auch soziale Fairness.
Für internationale Beobachter erstrecken sich die Implikationen über China hinaus. Europas Alternative Fuels Infrastructure Regulation (AFIR) und das US-NEVI-Programm betonen beide Interoperabilität und Netzintegration – aber es fehlen Preismechanismen, um dies zu incentivieren. Dieses chinesische Modell bietet eine Vorlage: bette Preisreaktivität auf Stationsebene ein, nutze Speicherung und Umwandlung als Puffer und lass Fahrer „mit ihren Geldbörsen abstimmen“ für sauberere, billigere Energiezeitpunkte. Es benötigt keine Subventionen – nur klügere Tarifarchitektur. Während Autohersteller wie Stellantis und Hyundai Wasserstoff-LKWs auf den Markt bringen und Tesla und BYD Schnellladenetze ausbauen, ist die Frage nicht, ob Multi-Kraftstoff-Zentren gebaut werden sollen – sondern wie sie profitabel betrieben werden können. Chinas Antwort: preise dynamisch, speichere flexibel und verschiebe Nachfrage intelligent.
Kritisch vermeidet der Ansatz politisierte Terminologie. Es gibt keine Erwähnung von „gemeinsamem Wohlstand“ oder „doppelter Zirkulation“. Stattdessen ist es in universellen Ingenieur- und Wirtschaftsbegriffen formuliert: Einnahmemaximierung, Beschränkungszufriedenheit, Grenzkostenausrichtung. Dies verbessert die globale Anwendbarkeit. Eine Station in Hamburg oder Houston könnte die gleiche Logik übernehmen – Yuan gegen Euro tauschen, RMB/kg gegen USD/kg – und vergleichbare Gewinne sehen, vorausgesetzt ähnliche Hardware und Marktstrukturen. Diese Übersetzbarkeit ist Schlüssel für Investorenvertrauen: das ist kein China-spezifisches Politkspiel, sondern ein replizierbarer Betriebsupgrade.
Nach vorne blickend erkennt das Team zwei Grenzen an. Erstens, Unsicherheit: reale Elektrofahrzeug-Ankunftszeiten, Wasserstoff-LKW-Fahrpläne und erneuerbare Prognosen sind stochastisch – nicht deterministisch wie im Basisfall. Zukünftige Arbeit wird probabilistische Programmierung oder robuste Optimierung integrieren, um gegen Variabilität abzusichern, ohne zu viel Upside zu opfern. Zweitens, räumliche Koordination: eine Station zu optimieren ist wertvoll, aber ein Netzwerk zu optimieren – das erlaubt, Last zwischen nahen Standorten via App-basierter Anreize zu verschieben – könnte systemweite Effizienzen freischalten. Frühe Simulationen suggerieren 15–18 Prozent Gewinne auf Clusterebene, besonders in dichten urbanen Korridoren wie dem Yangtze River Delta.
Für jetzt ist die Kernbotschaft klar: dynamische Preisgestaltung ist nicht nur für Strommärkte. Wenn auf Fahrzeugenergieeinzelhandel angewendet – mit sorgfältigem Design zum Schutz des Nutzerwohls – wird es zu einem powerfulen Hebel für Stationsrentabilität, erneuerbare Integration und Lieferkettenresilienz. Während Chinas Elektrofahrzeugflotte in diesem Jahrzehnt auf 100 Millionen Einheiten anschwillt, könnte sich die richtige Betankungsökonomie als ebenso entscheidend erweisen wie Batteriechemie oder Motoreffizienz. Diese Forschung zeigt wie.
Autoren: Jun Wang, Xin Wang, Jinda Zhu, Wei Du
Zugehörigkeit: NARI Technology Co., Ltd.; NARI Group Corporation (State Grid Electric Power Research Institute); Nationales Schlüssellabor für Stromnetzbetriebsrisikopräventionstechnologie und -ausrüstung, Nanjing, China
Journal: Automatisierung elektrischer Energiesysteme, Bd. 48, Nr. 22, 25. November 2024
DOI: 10.7500/AEPS20230808007