E-Auto-Flotten stärken Microgrids in Stürmen – Ein neuer Resilienz-Plan entsteht
Als der Taifun Lekima im August 2019 auf die östliche Küstenregion Chinas traf, brachte er nicht nur Rekordwinde und sintflutartigen Regen – er hinterließ auch eine Spur systemischer Verwundbarkeit. Über 4.000 Stromleitungen fielen aus. Beinahe 6,8 Millionen Haushalte waren ohne Elektrizität. Einige ländliche Inseln blieben mehr als 60 Stunden lang im Dunkeln. In der Nachbetrachtung teilten Ingenieure, Politiker und Netzbetreiber eine ernüchternde Erkenntnis: Resilienz – nicht nur Zuverlässigkeit – war zum neuen Imperativ für moderne Stromsysteme geworden.
Springt man ins späte Jahr 2023, so bahnt sich eine leise Revolution an – nicht in nationalen Leitwarten, sondern in Clustern von nachbarschaftsgroßen Microgrids, deren Dächer mit Solarmodellen gespickt sind, deren Umspannwerke mit Batteriestapeln summen und auf deren Parkplätzen zunehmend Elektrofahrzeuge (EVs) stehen. In diesen lokalen Ökosystemen sind EVs nicht länger nur Fortbewegungsmittel – sie sind zu mobilen Kraftwerken, dynamischen Puffern und, in Krisenmomenten, zu Lebensadern geworden.
Im Kern dieses Wandels liegt eine bahnbrechende Studie, die kürzlich in Power System Protection and Control veröffentlicht wurde, geleitet von den Forschern Ke Sun, Wengang Chen, Jiajia Chen und Wenliang Yin vom College für Elektrotechnik und Elektronik an der Shandong University of Technology. Ihre Arbeit stellt eine zweistufige Resilienz-Strategie für Multi-Microgrid-Systeme unter Extremwetterbedingungen vor, bei der EVs die zentrale Rolle spielen. Anders als frühere Konzepte, die EVs als statische Speichereinheiten behandeln – oder sie in Katastrophenfällen ganz beiseiteschieben – nutzt dieser Rahmen ihre einzigartige Mobilität, bidirektionalen Energiefluss (V2G) und ihre zeitlich-räumliche Verfügbarkeit, um eine koordinierte, adaptive Reaktion über Microgrid-Cluster hinweg zu orchestrieren.
Um die Bedeutung ihres Ansatzes zu erfassen, hilft es, den Aufbau eines modernen Microgrids – und seine Verwundbarkeiten – zu verstehen.
Ein Microgrid ist per Definition eine energieautarke Insel: ein eng integrierter Mix aus lokaler Erzeugung (Solar, Wind, kleine Gasturbinen), Energiespeicherung, steuerbaren Lasten und intelligenter Steuerung. Es kann verbunden mit dem Hauptstromnetz betrieben werden – oder, entscheidend, abkoppeln und im „Inselbetrieb“ laufen, wenn die externe Versorgung versagt. Diese Fähigkeit zur Abkopplung ist die erste Verteidigungslinie gegen flächendeckende Ausfälle. Doch Isolation hat ihren Preis. Ein einzelnes Microgrid, besonders in urbanen oder industriellen Zonen, hat möglicherweise nicht ausreichend Erzeugungsleistung oder Speicherkapazität, um alle kritischen Lasten über längere Zeit zu decken. Sein Diesel-Notstromaggregat könnte versiegen. Seine Batterien könnten unter anhaltender Nachfrage erschöpft werden. Seine Solarmodule könnten von Sturmwolken oder Trümmern verdeckt sein.
Hier bieten Multi-Microgrid-Systeme – Netzwerke aus einzeln abkoppelbaren, aber sich gegenseitig unterstützenden Microgrids – einen überzeugenden Fortschritt. Man kann sie sich wie nachbarschaftliche Solidargemeinschaften vorstellen: Wenn ein Haushalt keinen Reis mehr hat, teilt ein anderer seinen Überschuss. In energetischer Hinsicht kann überschüssiger Strom aus einem solarreichen Industriepark in eine Wohngegend fließen, die unter abendlicher Spitzenlast ächzt – selbst wenn das Hauptnetz ausgefallen ist.
Doch hier liegt der Haken: Während eines Taifuns versagen oft die physischen Verbindungen – Freileitungen, Erdkabel. Masten biegen sich. Transformatoren überfluten. Leiterseile reißen. Wie können Microgrids also Ressourcen teilen, wenn die Leitungen zwischen ihnen durchtrennt sind?
Hier kommt das Elektrofahrzeug ins Spiel – nicht als Novum, sondern als strategisches Asset.
Die Innovation des Teams aus Shandong liegt darin, zu erkennen, dass EVs nicht nur Batterien auf Rädern, sondern mobile, disponierbare und sozial eingebettete Energieträger sind. Ihre Verfügbarkeit folgt menschlichen Mustern: Büroangestellte laden tagsüber an Gewerbestandorten, kehren abends nach Hause zurück und brechen wieder bei Tagesanbruch auf. Lieferwagen stehen über Nacht in Depots. Flottenfahrzeuge rotieren vorhersehbar durch Ladezentren. Diese Rhythmen schaffen Zeitfenster der Gelegenheit – Fenster, die, wenn intelligent genutzt, mit Netzsresspunkten synchronisiert werden können.
Ihre zweistufige Strategie entfaltet sich wie eine sorgfältig einstudierte Notfallübung.
Stufe Eins: Lokale Autonomie, maximiert
In dem Moment, in dem ein Taifun auf Land trifft – oder wenn Sensoren eine unmittelbar bevorstehende Trennung erkennen – schaltet das System in den Resilienz-Modus. Die lokale Steuerung (MGCC) jedes Microgrids wird aktiv und optimiert unabhängig ihre internen Ressourcen neu. Solar, Wind, Gasturbinen, stationäre Batterien und lokal geparkte EVs werden eingesetzt, um Lastabwürfe zu minimieren. Es werden keine Annahmen über externe Hilfe getroffen. Das Ziel ist Selbstversorgung, Stunde um Stunde.
Diese Stufe ist essentiell für Geschwindigkeit. Zentrale Koordination braucht Zeit; lokale Autonomie nicht. Durch sofortiges Handeln basierend auf lokalen Vorhersagen und Echtzeitmessungen verschafft sich jedes Microgrid entscheidende Minuten – oder Stunden – bevor sich ein Versagen kaskadierend ausbreitet.
Doch Autonomie hat Grenzen. In der Simulation des Teams stand Microgrid 2 (ein Gewerbegebiet) um 19:00 Uhr einem Defizit von 202,9 kWh gegenüber – seine EVs waren größtenteils für die Nacht abgefahren, sein stationärer Speicher war nahezu erschöpft und der Solarertrag von den Dächern längst erloschen.
Stufe Zwei: Mobile gegenseitige Hilfe, aktiviert
Hier zeigt sich die Stärke der Architektur. Nachdem die lokale Optimierung abgeschlossen ist, meldet jede MGCC ihr netto Energie-Defizit oder -Überschuss – plus die verfügbare Kapazität und den Standort ihrer verbleibenden EVs – an ein zentrales Energie-Management-System (EMS). Das EMS befiehlt keine Leistungsflüsse über beschädigte Leitungen. Stattdessen disponiert es Fahrzeuge.
Ja – disponiert Fahrzeuge.
Basierend auf Entfernung, verbleibendem Ladezustand (State-of-Charge, SoC) und Fahr-Energieverbrauch identifiziert das EMS, welche EVs (oder, realistischer, welche Ladestationen mit untätigen EVs) physisch zu einem benachbarten, bedürftigen Microgrid fahren – oder gefahren werden – können. In der Simulation hatte Microgrid 1 (ein Wohngebiet) einen Überschuss an untätigen EVs, die nach der Arbeit nach Hause zurückgekehrt waren. Microgrid 2 war nur 8 km entfernt – näher als Microgrid 3 (10 km). Also priorisierte das EMS EVs aus MG1 zur Unterstützung von MG2: zuerst die gesamten 18,5 kWh, die von nahegelegenen gewerblichen Ladestationen verfügbar waren, dann eine zusätzliche Menge von 106,24 kWh, die aus der Flotte von MG3 gezogen wurde, um die längere Fahrstrecke mit höherer verbleibender Kapazität zu kompensieren.
Kritisch dabei: Das Modell berücksichtigt die energetischen Kosten der Mobilität selbst. Die nutzbare Energie jedes EVs wird um einen geschätzten Verbrauchsfaktor pro Kilometer reduziert (z.B. 153–232 Wh/km, abhängig vom Modell). Dies stellt sicher, dass ein Fahrzeug nicht mit leerer Batterie am Zielort ankommt – was es für die Netzunterstützung unbrauchbar machen würde. Ein Detail, das viele theoretische Modelle übersehen, das aber in der Praxis machbare Pläne von Fantasie trennt.
Die Ergebnisse waren frappierend. Im Vergleich zum isolierten Microgrid-Betrieb steigerte diese EV-gestützte gegenseitige Hilfe den Resilienz-Index des Systems – eine Metrik, die die Fläche zwischen vollständiger Versorgung und tatsächlich gelieferter Leistung über die Zeit quantifiziert – um 6,7 %. Über ein volles 24-Stunden-Taifun-Szenario hinweg blieb die Verbesserung konsistent über verschiedene Fehlerauftrittszeiten bestehen, mit Spitzenwerten von über 10 % während sich überlappender abendlicher Nachfragespitzen und nachlassender Solarleistung.
Doch Resilienz bedeutet nicht nur, das Licht an zu halten – es geht darum, dies erschwinglich zu tun. Ausfälle kosten Volkswirtschaften Milliarden. Dieselgeneratoren verbrennen teuren Treibstoff. Notfallreparaturen belasten kommunale Haushalte.
Auch hier liefert die Strategie. Im Normalbetrieb (Nicht-Notfall) reduzierte derselbe koordinierte Rahmen – bei dem EVs während Schwachlastzeiten laden, während Spitzenlastzeiten entladen und Strom über Microgrids hinweg handeln – die gesamten Systembetriebskosten um 4,09 %, oder umgerechnet etwa ¥541 (ca. 75 US$) pro Tag in ihrem Drei-Microgrid-Testfall. Das mag bescheiden klingen, aber über Hunderte von Microgrid-Clustern in einer einzigen Stadt skaliert, werden die Einsparungen transformativ.
Und die Einsparungen werden nicht zentral gehortet. Das Team wandte den Shapley-Wert – ein nobelpreisgekröntes Konzept aus der kooperativen Spieltheorie – an, um die „emergenten Vorteile“ fair zuzuteilen. Anstatt die Einsparungen gleichmäßig aufzuteilen, belohnt Shapley jedes Microgrid basierend auf seinem marginalen Beitrag zur Koalition: wie viel schlechter die Gruppe ohne es dastünde. In ihrer Simulation erhielt das industrielle Microgrid (MG3) mit seinem üppigen Solarüberschuss den größten Anteil der Vorteile (¥290,69), gefolgt von der gewerblichen (MG2, ¥155,92) und der Wohnzone (MG1, ¥94,56). Dieser Fairness-Mechanismus ist entscheidend: Ohne ihn könnten hoch contributeirende Mitglieder austreten und so das gesamte System untergraben.
Kritisch ist, dass die Forscher nicht bei Idealbedingungen haltmachten. Sie unterzogen ihr Modell Stresstests gegen interne Ausfälle – wie eine gleichzeitige Unterbrechung der Gasversorgung, die Mikroturbinen lahmlegte. Selbst dann schnitt die EV-unterstützte Strategie besser ab als traditionelle Methoden, obwohl die Resilienz während abendlicher Spitzen, wenn Solar nachließ und die Nachfrage zunahm, vorhersehbar sank. Sie modellierten auch länger andauernde Ausfälle (3–5 Stunden) und fanden, dass die EV-Unterstützung für etwa 3 Stunden effektiv bleibt, bevor die Entleerung des Ladezustands beginnt, die Gewinne zu schmälern – eine nüchterne, aber realistische Grenze, die den Bedarf für ergänzende Lösungen (z.B. Wasserstoff-Backup, Laststeuerung) hervorhebt.
Was bedeutet dies also für die Zukunft urbaner Resilienz?
Erstens, es definiert die Rolle der Verkehrselektrifizierung neu. Die EV-Einführung wird oft unter dem Gesichtspunkt der Emissionsreduktion oder Ölunabhängigkeit betrachtet. Diese Arbeit zeigt, dass es auch eine Netzverstärkungs-Strategie ist. Städte, die in EV-Infrastruktur investieren, bauen nicht nur Ladestationen – sie legen den Grundstein für dezentrale, stoßabsorbierende Energienetzwerke.
Zweitens, es befördert Microgrids von Nischenexperimenten zu Kerninfrastruktur. Das US-Energieministerium schätzt, dass Microgrids 80 % der ausfallbedingten wirtschaftlichen Verluste verhindern könnten – wenn sie in großem Maßstab eingesetzt werden. Diese Forschung liefert eine Blaupause wie man sie intelligent skalieren kann: nicht als abgeschottete Inseln, sondern als föderierte Gemeinschaften, verbunden durch Daten und Mobilität mehr als durch Kupfer.
Drittens, unterstreicht es den Wert antizipativer Gestaltung. Die meisten Netzaufrüstungen sind reaktiv: Ersetzen eines ausgefallenen Mastes, Vergraben einer verwundbaren Leitung. Doch Taifune, Waldbrände und Eisstürme sind keine Anomalien mehr – sie sind wiederkehrende Ereignisse. Resilienz im Voraus zu bauen, mit bereits vorhandenen Assets (wie geparkten EVs), ist weitaus kostengünstiger – und schneller – als hektisches Handeln nach der Katastrophe.
Natürlich sieht sich die praktische Umsetzung mit Hürden konfrontiert. Nicht alle EVs unterstützen bidirektionales Laden (obwohl Standards wie ISO 15118-20 die Einführung beschleunigen). Die Akzeptanz der Verbraucher für automatisierte V2G-Disposition bleibt ungewiss – obwohl Pilotprogramme in Kalifornien und Japan eine starke Bereitschaft zeigen, wenn sie an finanzielle Anreize oder Notfallvorsorge geknüpft ist. Und die Cybersicherheit für Fahrzeug-zu-Netz-Kommunikation muss eisenhart sein.
Doch die Teile fügen sich zusammen. Fords F-150 Lightning kann ein Haus tagelang mit Strom versorgen. Volkswagens ID.-Modelle werden mit V2G-fähiger Hardware ausgeliefert. In Großbritannien bietet Octopus Energy „Powerloop“-Tarife an, die Fahrer dafür bezahlen, während Spitzenlastzeiten Batteriestrom einzuspeisen. In Japan halfen Nissans „Vehicle-to-Home“-Systeme, Haushalte nach dem Erdbeben 2011 zu versorgen.
Was das Team aus Shandong hinzufügt, ist die systemische Ebene: die Algorithmen, die Koordinationsprotokolle, die Fairness-Mechanismen, die individuelle Fähigkeiten in kollektive Stärke verwandeln.
Man stelle sich eine Stadt der nahen Zukunft während eines Category-3-Sturms vor. Während Winde Übertragungsmasten abknicken und Umspannwerke überfluten, schalten sich Microgrids automatisch in den Inselbetrieb. Lokale Steuerungen fahren Gasturbinen hoch, zapfen Solarstrom von Dächern, entladen Hausbatterien. Dann, wenn die Dämmerung hereinbricht und die Batterien schwinden, beginnen Flotten von EVs – autonom oder von Menschen gesteuert – sich zu bewegen. Ein Lieferwagen aus dem Industriepark fährt in das Stadtzentrum, steckt an und speist 50 kWh in ein Krankenhaus-Microgrid ein. Der Kleinwagen eines Pendlers, auf einem Einkaufszentrumsparkplatz geparkt, exportiert Strom, um die Kühlung einer Apotheke am Laufen zu halten. Ein kommunaler Shuttle, untätig vor dem Rathaus, unterstützt die Notkommunikation der Feuerwache.
Es werden keine neuen Leitungen verlegt. Keine Diesel-Laster rumpeln durch überflutete Straßen. Die Energie war bereits da – verteilt, schlafend, wartend auf ein Signal.
Das ist keine Science-Fiction. Es ist ein Betriebsmodell, in der Simulation validiert, bereit für den Piloteinsatz.
Und es beginnt damit, ein Elektroauto nicht nur als Weg von A nach B zu sehen, sondern als einen Knoten in einem lebendigen, atmenden Netz – einem, das, wenn der Sturm kommt, nicht nur überlebt. Es passt sich an.
Sun Ke, Chen Wengang, Chen Jiajia, Yin Wenliang
College of Electrical and Electronic Engineering, Shandong University of Technology, Zibo 255000, China
Power System Protection and Control, Vol. 51, No. 24, Dec. 16, 2023
DOI: 10.19783/j.cnki.pspc.230668