Elektrofahrzeuge und Smart Grids: Ein neues Modell für effizientes Energiemanagement
Die Integration von Elektrofahrzeugen in Stromnetze hat sich zu einem zentralen Forschungsschwerpunkt entwickelt, da die Welt nachhaltigere Zukunftslösungen anstrebt. Die rasche Zunahme der Elektrofahrzeugnutzung birgt sowohl Chancen als auch Herausforderungen für Energiesysteme, insbesondere in Industrieparks, wo die Konzentration von Elektrofahrzeugen erhebliche Auswirkungen auf das lokale Stromnetz haben kann. Eine aktuelle Studie unter der Leitung von Feng Yemu, Lyu Ganyun, Shi Mingming, Zhu Zhiying, Wang Haoyu und Chen Guangyu hat ein neuartiges Zwei-Ebenen-Optimierungsmodell für parkintegrierte Energiesysteme (PIES) entwickelt, das das Lade- und Entladeverhalten von Elektrofahrzeugnutzern berücksichtigt.
Die Forschungsarbeit reagiert auf die wachsenden Herausforderungen durch die steigende Anzahl von Elektrofahrzeugen in Industrieparks. Mit 13,1 Millionen Elektrofahrzeugen in China im Jahr 2022 und einer prognostizierten globalen Zahl von 220 Millionen bis 2030 führt der verstärkte Einsatz von Elektrofahrzeugen zu erhöhtem Strombedarf, verschärften Lastspitzen und höheren Wirtschaftskosten. Herkömmliche Managementmethoden greifen hier oft zu kurz, da sie die dynamische Natur des Lade- und Entladeverhaltens nicht ausreichend berücksichtigen.
Kern des vorgeschlagenen Modells ist das Konzept der dynamischen Echtzeitpreisgestaltung, das die Schwankungen von Stromnachfrage und -angebot besser widerspiegeln soll. Im Gegensatz zu konventionellen Zeitnutzungsmodellen mit festen Tarifen passt dieses System die Stromkosten basierend auf aktuellen Lastwerten an. Dieser Ansatz soll Elektrofahrzeugbesitzer dazu animieren, ihre Fahrzeuge während Schwachlastzeiten zu laden und während Spitzenlastzeiten Energie ins Netz zurückzuspeisen.
Das Preismechanismus basiert auf dem Verhältnis der aktuellen Last zur durchschnittlichen Tageslast, wobei die Preisanpassung nach vordefinierten Schwellenwerten erfolgt. Bei einer Last unter 80 Prozent des Durchschnitts wird der Preis gesenkt, bei über 140 Prozent erhöht. Diese Strategie wird an die spezifischen Bedingungen des Industrieparks angepasst und berücksichtigt die Anzahl der Elektrofahrzeuge sowie deren Anteil an der Gesamtlast.
Zur weiteren Verfeinerung des Modells integrierten die Forscher das Konzept des Ladezustands (State of Charge, SOC) der Batterien und der damit verbundenen Batterieverschleißkosten. Da Elektrofahrzeugbatterien sich mit der Zeit verschlechtern und häufiges Laden und Entladen diesen Prozess beschleunigen kann, beinhaltet das Modell einen Kompensationsmechanismus für Batterieverschleiß. Diese Vergütung wird basierend auf den Batterieanschaffungskosten, der täglichen Fahrleistung, der Entladetiefe und der Anzahl der Entladezyklen berechnet.
Neben wirtschaftlichen Anreizen berücksichtigt das Modell auch psychologische und verhaltensbezogene Aspekte der Nutzer. Die Wissenschaftler entwickelten ein Modell zur Lade- und Entladebereitschaft, das Faktoren wie den aktuellen SOC, die dynamischen Echtzeitpreise und die Verfügbarkeit von Anreizen einbezieht. So gilt ein Elektrofahrzeug bei einem SOC unter 30 Prozent als ladbedürftig, während bei über 90 Prozent der Ladevorgang gestoppt werden kann. Während des Entladeprozesses wird der SOC mindestens bei 20 Prozent gehalten, um die jederzeitige Einsatzbereitschaft des Fahrzeugs zu gewährleisten.
Das Zwei-Ebenen-Optimierungsmodell ist darauf ausgelegt, die Leistung des PIES aus System- und Nutzerperspektive zu optimieren. Die äußere Ebene konzentriert sich auf die Minimierung der Gesamtkosten des Systems, während die innere Ebene die Ladekosten für einzelne Nutzer reduzieren soll. Durch die Abstimmung der System- und Nutzerziele strebt das Modell eine Win-Win-Situation an, in der das PIES effizienter arbeitet und Elektrofahrzeugbesitzer von niedrigeren Ladekosten profitieren.
Zur Lösung des Optimierungsproblems verwendeten die Forscher die Karush-Kuhn-Tucker-Bedingungen, die es ermöglichen, das innere Ebenenproblem in eine Reihe von Einschränkungen für die äußere Ebene umzuwandeln. Dieser Ansatz gewährleistet stabile und rechenpraktische Lösungen, die sich für reale Anwendungen eignen.
Die Wirksamkeit des vorgeschlagenen Modells wurde durch eine Reihe von Simulationen bewertet, die die Leistung des PIES unter drei verschiedenen Szenarien verglichen: unkoordiniertes Laden, traditionelle Lade- und Entladebereitschaft sowie das verbesserte Modell mit dynamischer Echtzeitpreisgestaltung und Batterieverschleißkompensation. Während unkoordiniertes Laden zu erheblichen Lastspitzen führte, zeigte das verbesserte Modell eine signifikante Leistungssteigerung des PIES.
Durch die Integration der dynamischen Echtzeitpreisgestaltung und der Batterieverschleißkompensation konnte das Modell einen substantiellen Teil der Ladelast auf Schwachlastzeiten verlagern, was die Spitzenlast und die damit verbundenen Kosten reduzierte. Zusätzlich ermutigte das Modell mehr Elektrofahrzeuge zur Teilnahme an Vehicle-to-Grid-Operationen, was zur Stabilisierung des Netzes während Spitzenlastzeiten beitrug. Die Simulationen zeigten, dass das verbesserte Modell die Gesamtkosten des PIES um 4,03 Prozent im Vergleich zum traditionellen Modell senkte, während die Ladekosten für Nutzer um 15,02 Prozent reduziert wurden.
Eine der wichtigsten Erkenntnisse der Studie ist die Bedeutung der Abstimmung wirtschaftlicher Anreize mit den technischen Möglichkeiten des PIES. Der dynamische Echtzeitpreismechanismus in Kombination mit der Batterieverschleißkompensation schafft einen starken Anreiz für Elektrofahrzeugbesitzer, am Vehicle-to-Grid-Programm teilzunehmen. Dies ermöglicht es dem PIES, seine Ressourcen besser zu verwalten und die Abhängigkeit von externen Energiequellen zu verringern.
Die Forschungsergebnisse zeigen zudem das Potenzial von Vehicle-to-Grid für Demand-Response-Programme, bei denen Elektrofahrzeuge zur Bereitstellung von Zusatzdienstleistungen wie Frequenzregelung und Lastausgleich eingesetzt werden können. Durch die Nutzung der Flexibilität von Elektrofahrzeugen kann das PIES seine Gesamteffizienz und Zuverlässigkeit verbessern und gleichzeitig zur Reduzierung von Kohlenstoffemissionen beitragen.
Die Implikationen dieser Forschung gehen über den unmittelbaren Kontext von Industrieparks hinaus. Die Prinzipien der dynamischen Echtzeitpreisgestaltung und der Batterieverschleißkompensation können in verschiedensten Umgebungen angewendet werden, von Wohngebieten bis zu Gewerbebezirken. Durch die Schaffung eines flexibleren und reaktionsschnelleren Energiesystems können diese Technologien dazu beitragen, die allgemeinen Stromkosten zu senken, die Zuverlässigkeit des Netzes zu verbessern und die Einführung erneuerbarer Energiequellen zu fördern.
Das Zwei-Ebenen-Optimierungsmodell für PIES bietet eine vielversprechende Lösung für die Herausforderungen der Integration von Elektrofahrzeugen in Stromnetze. Durch die Kombination von dynamischer Echtzeitpreisgestaltung, Batterieverschleißkompensation und einem umfassenden Verständnis des Nutzerverhaltens verbessert das Modell nicht nur die Effizienz und Wirtschaftlichkeit von PIES, sondern ebnet auch den Weg für eine nachhaltigere und widerstandsfähigere Energiezukunft.
Feng Yemu, Lyu Ganyun, Shi Mingming, Zhu Zhiying, Wang Haoyu, Chen Guangyu, School of Electric Power Engineering, Nanjing Institute of Technology; Electric Power Engineering Technology; DOI: 10.12158/j.2096-3203.2024.02.015