E-Auto-Fleets als virtueller Speicher
Die Integration von Elektrofahrzeugen (E-Fahrzeuge) in die Stromnetze stellt eine der vielversprechendsten Entwicklungen für eine nachhaltige Energiezukunft dar. Ein bahnbrechendes Forschungsprojekt unter der Leitung von Wu Shengjun und Kollegen vom Forschungsinstitut der State Grid Jiangsu Electric Power Co., Ltd. sowie der Ostchina-Niederlassung der State Grid Corporation of China hat eine neuartige Strategie vorgestellt, mit der E-Fahrzeugflotten als virtuelle Energiespeicher zur Verbesserung der Netzstabilität genutzt werden können. In der Fachzeitschrift Electric Power Engineering Technology veröffentlicht, präsentiert diese Studie eine adaptive Regelungsstrategie, die auf Lade- und Entlade-Marginen basiert und eine vielversprechende Lösung für die wachsende Herausforderung des Mangels an Primärregelungsressourcen in modernen Stromnetzen bietet.
Der Übergang zu erneuerbaren Energiequellen wie Wind und Sonne hat erhebliche Volatilität in die Stromsysteme eingeführt. Diese Quellen, obwohl sauber und reichlich vorhanden, sind von Natur aus intermittierend, was zu Schwankungen in der Versorgung führt, die die Netzfrequenz destabilisieren können. Traditionelle Kraftwerke mit ihren großen rotierenden Massen bieten eine natürliche Trägheit, die hilft, die Frequenzstabilität aufrechtzuerhalten. Mit dem schrittweisen Ausstieg aus diesen konventionellen Generatoren zugunsten erneuerbarer Energien nimmt jedoch die inhärente Fähigkeit des Netzes, Frequenzabweichungen entgegenzuwirken, ab. Dies schafft ein kritisches Bedürfnis nach neuen, schnell reagierenden Ressourcen, die in der Lage sind, die Primärregelung – die unmittelbare Reaktion auf Frequenzungleichgewichte, die innerhalb von Sekunden nach einer Störung auftritt – bereitzustellen.
Hier kommen Elektrofahrzeuge ins Spiel. Mit Millionen von E-Fahrzeugen, die in den kommenden Jahrzehnten auf den Straßen erwartet werden, repräsentiert ihre kollektive Batteriekapazität ein riesiges, verteiltes Energiespeichernetz. Die Idee der Vehicle-to-Grid-Technologie (V2G), bei der E-Fahrzeuge sowohl Strom aus dem Netz beziehen als auch Strom zurück ins Netz einspeisen können, wird seit Jahren diskutiert. Die meisten Forschungen haben sich jedoch auf wirtschaftliche Modelle, Marktbeteiligung oder die technische Machbarkeit der Aggregation von E-Fahrzeugen konzentriert. Die Arbeit von Wu und seinem Team geht einen entscheidenden Schritt weiter, indem sie eine grundlegende operationelle Herausforderung angeht: wie E-Fahrzeuge für die Frequenzregelung genutzt werden können, ohne die Ladebedürfnisse der Nutzer zu beeinträchtigen.
Der Kern ihrer Innovation liegt im Konzept der „Lade- und Entlade-Margin“. Dieser Indikator bewertet zwei Schlüsselfaktoren für jedes E-Fahrzeug: die verbleibende Zeit, bis das Fahrzeug wieder benötigt wird, und den aktuellen Ladezustand (State of Charge, SOC) im Vergleich zum gewünschten Ziel-SOC des Nutzers. Ein E-Fahrzeug, das lange geparkt ist und bereits weit über seinem Ziel-SOC liegt, hat eine große „Margin“ und kann sicher seinen Ladevorgang verlangsamen oder sogar eine kleine Menge Strom ins Netz zurückgeben, um das Netz zu unterstützen. Umgekehrt hat ein E-Fahrzeug, das fast leer ist und nur eine kurze Zeit hat, um aufzuladen, bevor es das nächste Mal benötigt wird, kaum oder keine Margin und sollte nicht aufgefordert werden, Frequenzunterstützung zu leisten.
Diese scheinbar einfache Idee ist in der Praxis revolutionär. Frühere Regelungsstrategien behandelten oft alle E-Fahrzeuge einer Flotte einheitlich und wendeten die gleiche Frequenzreaktion unabhängig von den individuellen Umständen an. Dieser „One-Size-Fits-All“-Ansatz konnte zu Unzufriedenheit der Nutzer führen, da ein Fahrzeug möglicherweise daran gehindert wurde, auf den erforderlichen Ladezustand aufzuladen, nur um einige Kilowatt an Netzunterstützung zu liefern. Wu’s adaptive Strategie vermeidet dieses Problem, indem die Entscheidung, an der Frequenzregelung teilzunehmen, eine personalisierte ist, die auf dem spezifischen Ladeplan und dem Batteriezustand jedes Fahrzeugs basiert.
Die Forscher entwickelten einen ausgeklügelten Algorithmus, der diese Margin kontinuierlich für jedes angeschlossene E-Fahrzeug berechnet. Wenn eine Frequenzabweichung erkannt wird – entweder ein Abfall (der mehr Erzeugung oder weniger Last erfordert) oder ein Anstieg (der weniger Erzeugung oder mehr Last erfordert) – befiehlt das System nicht automatisch allen E-Fahrzeugen, zu reagieren. Stattdessen prüft es zuerst die Margin jedes Fahrzeugs. Bei einem Niedrigfrequenzereignis werden E-Fahrzeuge mit einer hohen Lademargin angewiesen, ihre Ladeleistung zu reduzieren, was effektiv wie ein zuschaltender Generator wirkt. E-Fahrzeuge mit einer geringen Margin werden in Ruhe gelassen, um sicherzustellen, dass sie weiterhin ununterbrochen laden können. Bei einem Hochfrequenzereignis kehrt sich die Logik um: E-Fahrzeuge mit einer hohen Margin können ihre Ladeleistung erhöhen, was wie eine zusätzliche Last im Netz wirkt, während Fahrzeuge mit einer geringen Margin nicht gezwungen werden, schneller zu laden, als ihr Plan es zulässt.
Diese granulare, fahrzeugweise Steuerung hebt die Studie ab. Sie verwandelt die E-Fahrzeugflotte von einem groben Instrument in ein fein abgestimmtes Werkzeug für Netzbetreiber. Das Ergebnis ist ein „Win-Win“-Szenario. Das Stromnetz gewinnt eine reaktionsschnelle, verteilte Ressource, die helfen kann, Frequenzschwankungen zu dämpfen, das Risiko von Stromausfällen zu reduzieren und die Gesamtsystemzuverlässigkeit zu verbessern. Gleichzeitig erfahren E-Fahrzeugbesitzer keine negativen Auswirkungen auf ihre Ladeerfahrung. Ihre Fahrzeuge erreichen weiterhin ihren Ziel-SOC rechtzeitig, und ihre täglichen Abläufe werden nicht gestört. Dies ist ein entscheidender Faktor für den langfristigen Erfolg von V2G-Programmen, da die Akzeptanz und das Vertrauen der Nutzer von größter Bedeutung sind.
Um ihre Theorie zu validieren, führte das Team umfangreiche Simulationen mit einem regionalen Stromnetzmodell durch. Sie verglichen drei Szenarien: eines ohne Beteiligung von E-Fahrzeugen an der Frequenzregelung, eines mit E-Fahrzeugen, die eine traditionelle, nicht adaptive Tropfregelung verwenden, und eines mit ihrer vorgeschlagenen adaptiven Strategie. Die Ergebnisse waren überzeugend. Bei einer plötzlichen, großen Störung (einer „Stufenleistungsstörung“) reduzierte die adaptive Strategie die maximale Frequenzabweichung um über 50 % im Vergleich zum Szenario ohne E-Fahrzeugunterstützung. Sie schnitt auch besser ab als die traditionelle Methode und zeigte eine schnellere Erholungsgeschwindigkeit und einen kleineren endgültigen stationären Frequenzfehler.
Die Vorteile der adaptiven Strategie wurden noch deutlicher bei kontinuierlichen Leistungsstörungen, die die realen Schwankungen durch variable Wind- und Sonnenenergie besser nachahmen. Über einen Zeitraum von 30 Minuten mit schwankender Last und Erzeugung hielt die adaptive Regelungsstrategie nicht nur die Netzfrequenz stabiler, sondern tat dies auch mit einer effizienteren Nutzung der Energie der E-Fahrzeugflotte. Obwohl die gesamte von den E-Fahrzeugen bereitgestellte Energie unter der adaptiven Methode leicht höher war, war der entscheidende Maßstab die Auswirkung auf die Fahrzeuge selbst. Die Studie verwendete einen „Q_SOC“-Index, um zu messen, wie stark der endgültige SOC jedes E-Fahrzeugs vom Ziel des Nutzers abwich. Die adaptive Strategie erreichte einen signifikant niedrigeren Q_SOC-Wert, was bedeutet, dass die Fahrzeuge ihre Ladesitzung viel näher an ihrem vorgesehenen Ladezustand beendeten. Dies beweist, dass die Strategie erfolgreich die Bedürfnisse der Nutzer priorisierte, während sie gleichzeitig eine überlegene Netzunterstützung lieferte.
Die Implikationen dieser Forschung sind weitreichend. Sie bietet einen klaren, praktischen Fahrplan dafür, wie Energieversorger und Netzbetreiber Millionen von E-Fahrzeugen in ihre Frequenzregelungsarmee integrieren können. Indem sie sich auf die Lademargin konzentriert, ist die Strategie von Natur aus skalierbar und robust. Sie erfordert keine komplexe Kommunikation mit jedem einzelnen Fahrer; sie benötigt nur Daten über den aktuellen SOC des Fahrzeugs, seinen Ziel-SOC und seine Abfahrtszeit – Informationen, die bereits von den meisten modernen Ladestationen und Fahrzeugtelematiksystemen erfasst werden.
Darüber hinaus passt dieser Ansatz perfekt zur Zukunft des intelligenten Ladens. Während immer mehr Fahrer Zeitnutzungsstromtarife nutzen oder an Lastmanagementprogrammen teilnehmen, werden ihre Ladepläne dynamischer. Die adaptive Regelung auf Basis der Margin kann nahtlos mit diesen bestehenden Programmen integriert werden und ein ganzheitliches System schaffen, bei dem das Laden von E-Fahrzeugen gleichzeitig für Kosten, Komfort und Netzunterstützung optimiert wird.
Einer der bedeutendsten Beiträge dieser Arbeit ist ihre Fokussierung auf das nutzerzentrierte Design. Viele technologische Lösungen für die Netzintegration scheitern, weil sie Endnutzer als passive Teilnehmer behandeln. Wu und seine Kollegen erkennen an, dass der Erfolg jeder V2G-Initiative von der Bereitschaft der E-Fahrzeugbesitzer abhängt, daran teilzunehmen. Indem sie sicherstellen, dass die primäre Funktion des Fahrzeugs – bereit zum Fahren zu sein – niemals beeinträchtigt wird, baut ihre Strategie Vertrauen auf. Sie zeigt, dass Netzleistungen auf eine Weise bereitgestellt werden können, die für den Nutzer „unsichtbar“ ist und den Wert des E-Fahrzeugbesitzes erhöht, ohne zusätzliche Belastung zu schaffen.
Die Forschung eröffnet auch neue Wege für politische und Geschäftsmodellentwicklungen. Wenn E-Fahrzeuge zuverlässig Primärregelung bereitstellen können, könnten sie auf den Hilfsdienstleistungsmärkten entschädigt werden, genau wie traditionelle Kraftwerke. Dies würde einen neuen Einnahmestrom für E-Fahrzeugbesitzer, Ladestationbetreiber und Aggregatoren schaffen. Die adaptive Regelungsstrategie bietet die technische Grundlage dafür, dass solche Märkte fair funktionieren, da sichergestellt wird, dass nur Fahrzeuge mit der Kapazität, Leistung zu erbringen, herangezogen werden, und sie für die tatsächlich bereitgestellte Energie und Leistung entschädigt werden.
Obwohl die Studie ein großer Fortschritt ist, räumen die Autoren ein, dass weitere Arbeit erforderlich ist. Ihr aktuelles Modell berücksichtigt nicht die Bereitschaft der Nutzer oder finanzielle Anreize, die für den praktischen Einsatz entscheidend sind. Zukünftige Forschungen müssen untersuchen, wie die Teilnahme gefördert werden kann, wie faire Entschädigungsmodelle gestaltet werden und wie der potenzielle Verschleiß der E-Fahrzeugbatterien durch häufige Lade-Entlade-Zyklen für die Netzunterstützung verwaltet werden kann. Dennoch ist die von ihnen entwickelte Kernregelungsstrategie ein grundlegendes Element dieses größeren Puzzles.
Die Integration von Verkehr und Energiesystemen ist eine der definierenden Herausforderungen des 21. Jahrhunderts. Während die Grenzen zwischen Verbraucher und Erzeuger verschwimmen, sind neue Paradigmen für die Energiemanagement erforderlich. Die Arbeit von Wu Shengjun, Cao Lu, Chen Hao, Ding Haoyin, Jia Yongyong und Zhu Xinya bietet ein eindrucksvolles Beispiel dafür, wie fortschrittliche Regelungstheorie auf reale Probleme angewendet werden kann. Indem sie eine potenzielle Netzbelastung – das unvorhersehbare Laden von Millionen von E-Fahrzeugen – in eine wertvolle Ressource verwandeln, haben sie den Weg für eine resilientere, effizientere und nachhaltigere Energiezukunft geebnet. Es geht nicht nur darum, das Netz intelligenter zu machen; es geht darum, das gesamte Energiesystem intelligenter, reaktionsschneller und nutzerfreundlicher zu gestalten.
Der Erfolg dieser Strategie hängt von Zusammenarbeit ab. Er erfordert, dass Automobilhersteller offenen Zugang zu Fahrzeugdaten gewähren, Energieversorger die notwendige Kommunikationsinfrastruktur aufbauen und Regulierungsbehörden unterstützende Marktregeln schaffen. Die technische Lösung ist nun bewiesen; der nächste Schritt ist der Aufbau des institutionellen und wirtschaftlichen Rahmens, um sie Realität werden zu lassen. Während die Welt ihren Energieübergang fortsetzt, könnte das bescheidene Elektrofahrzeug, geleitet von intelligenten Algorithmen wie diesem, eines der wichtigsten Werkzeuge werden, um die Lichter brennen zu lassen.
Die Forschung von Wu Shengjun, Cao Lu, Chen Hao, Ding Haoyin, Jia Yongyong, Zhu Xinya vom Forschungsinstitut der State Grid Jiangsu Electric Power Co., Ltd. und der Ostchina-Niederlassung der State Grid Corporation of China wurde in Electric Power Engineering Technology, DOI: 10.12158/j.2096-3203.2024.02.016 veröffentlicht.