In den letzten Jahren hat die Zahl der Elektrofahrzeuge (EVs) weltweit exponentiell zugenommen – ein Trend, der nicht nur die Verkehrswende beschleunigt, sondern auch neue Herausforderungen für die Stabilität des Stromnetzes mit sich bringt. Die spezifische Kombination aus Verkehrs- und Stromnetzattributen von EV-Ladekraft verursacht eine komplexere räumlich-zeitliche Randomität, die es schwierig macht, die Muster der Ladekraftentwicklung zu erforschen. Ein ungeordnetes Eindringen großer Mengen von EV-Ladekraft in das Stromnetz führt unvermeidbar zu übermäßigen Spannungsschwankungen (üblicherweise über ±10 % der Sollspannung), beeinträchtigt die Stabilität des Stromsystems und birgt Risiken für die Verteilnetzregelung. Angesichts dieser Probleme haben Forscher der Shenyang University of Technology und des China Electric Power Research Institute eine innovative Lösung entwickelt: eine auf der Theorie des mentalen Kontos (Thaler, 1985) basierende kooperative Optimierungsstrategie zwischen Fahrzeugen, Ladestellen und Stromnetz, die die Grenzen traditioneller Ansätze überwindet und eine Win-win-Situation für alle Beteiligten schafft.
Die Herausforderungen der Elektromobilität für das Stromnetz
Die Elektromobilität ist nicht nur ein Schlüssel für nachhaltige Verkehrssysteme, sondern auch eine Herausforderung für die Infrastruktur. Wenn Tausende von EVs zu Spitzenzeiten – beispielsweise morgens zwischen 7:00 und 9:00 oder abends zwischen 17:00 und 19:00 – gleichzeitig laden, entstehen lokale Überlastungen im Stromnetz. Diese Überlastung führt zu Spannungsschwankungen, die die Energiequalität beeinträchtigen können und sogar zu regionalen Netzausfällen führen könnten. Herkömmliche Ansätze zur Steuerung der Ladekosten konzentrierten sich hauptsächlich auf die Optimierung aus der Sicht des Stromnetzes oder der Nutzer, ignorierten aber oft die komplexen Wechselwirkungen zwischen ihnen.
Die traditionellen Strategien zur Steuerung der Ladung, wie dynamische Tarife oder zeitliche Verteilung von Ladungsaufträgen, haben zwar teilweise Erfolg gehabt, aber sie basierten häufig auf der Annahme, dass Nutzer vollständig rational handeln. In der Realität sind Menschen aber „begrenzt rational“ (Simon, 1957): Ihre Entscheidungen werden von emotionsbedingten Faktoren, Informationenlücken und persönlichen Präferenzen beeinflusst. Ein Fahrer, der spätabends nach Hause fährt und wenig Zeit hat, wird vielleicht lieber eine nähere Ladestelle wählen, auch wenn der Tarif höher ist, anstatt eine weiter entfernte mit günstigeren Preisen zu suchen. Diese menschlichen Faktoren wurden in früheren Modellen zu wenig berücksichtigt, was die Effizienz der Ladesteuerung beeinträchtigte.
Die revolutionäre Strategie: Mentales Konto meets Stromnetzoptimierung
Um diese Lücken zu schließen, haben die Forscher eine neue Methode entwickelt, die auf der Theorie des mentalen Kontos aus der Verhaltensökonomie (Thaler, 1985) basiert. Diese Theorie beschreibt, wie Menschen finanzielle und nicht finanzielle Transaktionen in verschiedenen „mentalen Konten“ kategorisieren und dadurch Entscheidungen treffen, die oft von der reinen Rationalität abweichen. Auf dieser Grundlage wurde ein Modell entwickelt, das die begrenzte Rationalität von Nutzern (Simon, 1957) berücksichtigt und gleichzeitig die Stabilität des Stromnetzes und die Interessen der Ladestellenbetreiber wahrt.
Die Kernidee besteht darin, ein multiattributiertes Entscheidungsmodell zu erstellen, das nicht nur objektive Faktoren wie Ladepreise, Fahrzeit zu der Ladestelle und Wartezeit umfasst, sondern auch die subjektiven Präferenzen der Nutzer. Beispielsweise wertet ein Nutzer mit hohem Einkommen vielleicht die Zeit mehr als den Preis, während ein anderer Nutzer bereit ist, weiter zu fahren, um Geld zu sparen. Das Modell berücksichtigt diese Unterschiede durch die Integration von Wertfunktionen, die Gewichte für verschiedene Attribute zuweisen – und das alles basierend auf dem Konzept des mentalen Kontos.
Ein zentrales Element ist die Berücksichtigung der „Verlustvermeidung“ (loss aversion) nach der Prospect Theory von Kahneman & Tversky (1979), die besagt, dass Menschen Verluste stärker gewichten als gleich große Gewinne. In Bezug aufs Laden bedeutet dies: Ein Nutzer reagiert empfindlicher auf einen plötzlichen Preisanstieg (Verlust) als auf eine Preisreduktion (Gewinn) gleicher Höhe. Das Modell integriert dieses Verhalten, um realistischere Reaktionen auf dynamische Tarife vorherzusagen.
Um die Zusammenarbeit zwischen Fahrzeugen, Ladestellen und Stromnetz zu optimieren, wurde ein nicht-kooperatives Spielmodell entwickelt. Dabei verfolgen das Stromnetz und die Nutzer jeweils ihre Ziele: Das Netz strebt nach minimalen Spannungsschwankungen (definiert als durchschnittliche Abweichung von ±5 % der Nennspannung), um die Energiequalität zu gewährleisten, während die Nutzer versuchen, ihre Gesamtkosten (Ladepreis plus Zeitaufwand) zu minimieren. Die Ladestellen hingegen sichern, dass ihre Gewinne nicht unter einem Basisniveau fallen, um ihre Teilnahme an der dynamischen Preisgestaltung zu motivieren.
Wie das Modell funktioniert: Von der Theorie zur Praxis
Das System arbeitet in Zyklen von 15 Minuten, in denen die Ladepreise an den einzelnen Ladestellen angepasst werden. Auf Basis der aktuellen Belastung des Stromnetzes (gemessen anhand der Spannungswerte aller Knoten), der Anzahl wartender Fahrzeuge und der Nutzerpräferenzen werden die Preise dynamisch angepasst, um die Ladekraft räumlich und zeitlich zu verteilen.
Im Detail wird zuerst die Spannungsabweichung im Netz berechnet – ein Schlüsselindikator für die Netzstabilität. Das Modell nutzt das IEEE 39-Bus Test System (ein weltweit anerkanntes Standardmodell für Verteilnetze mit 39 Knoten, 34 Leitungen und einer Nennspannung von 115 kV), um die Spannungsverläufe zu simulieren. Wenn eine Region hohe Spannungsschwankungen (über 7 % Abweichung) aufweist, werden die Ladepreise an den dortigen Ladestellen um bis zu 20 % erhöht, um Nutzer zu motivieren, zu anderen Standorten zu fahren. Zugleich werden Standorte mit geringer Belastung durch Preissenkungen von bis zu 15 % angezogen. Dadurch wird die Ladekraft verteilt und die Spannungsschwankungen reduziert.
Für die Nutzer wird eine Nutzwertfunktion berechnet, die die Kombination aus Kosten, Fahrzeit und Wartezeit umfasst. Die Fahrzeit wird anhand von realistischen Verkehrsdaten (Durchschnittsgeschwindigkeit 60 km/h in städtischen Gebieten) ermittelt, die Wartezeit basiert auf der Anzahl vorhandener Ladestellen (pro Station durchschnittlich 6 Ladepunkte mit 80 kW Leistung) und der Anzahl wartender Fahrzeuge. Basierend auf ihrer individuellen Wertvorstellungen – beispielsweise ob sie Zeit oder Geld priorisieren – entscheiden sie sich für die Ladestelle, die ihnen den höchsten Nutzwert bietet.
Die Ladestellenbetreiber profitieren ebenfalls von diesem System. Durch die dynamische Preisgestaltung wird die Auslastung ihrer Infrastruktur optimiert: Überlastete Standorte werden entlastet, während unterausgelastete Standorte durch niedrigere Preise attraktiver werden. Dadurch steigt die Gesamteffizienz, und die Gewinne bleiben stabil oder sogar steigen an, da die Betriebskosten (z. B. Wartung von überlasteten Geräten) durch eine gleichmäßigere Belastung gesenkt werden.
Simulation und Ergebnisse: Ein Durchbruch für die Elektromobilität
Um die Effektivität der Strategie zu testen, wurde eine Simulation für einen typischen Tag in einer mittelgroßen Stadt durchgeführt, bei der 1.000 Elektrofahrzeuge geladen werden mussten. Die Simulation wurde mit MATLAB/Simulink und OpenDSS (einem Open-Source-Programm für Verteilnetzsimulationen) durchgeführt. Die EVs hatten eine durchschnittliche Batteriekapazität von 60 kWh und fuhren in Spitzenzeiten (7:00–9:00 und 17:00–19:00) am meisten. In der Region wurden 5 Ladestellen mit jeweils 6 Ladepunkten (80 kW Leistung) platziert. Die Ergebnisse waren beeindruckend:
- Netzstabilität: Bei ungeordneter Ladung traten erhebliche Spannungsschwankungen auf, mit Spitzen zu Zeiten wie 7:45, 12:15 und 18:00. In 29 Zeitfenstern wurden 56 Spannungsüberschreitungen (über 10 % Abweichung) registriert, mit einem Minimum von 0,810 p.u. (per unit, bezogen auf 115 kV). Dagegen reduzierte die neue Strategie die durchschnittliche Spannungsabweichung um 32,7 % im Vergleich zur ungeordneten Ladung und um 30,8 % im Vergleich zu einer vollständig rationalen Strategie (die nur objektive Faktoren berücksichtigt). Die Anzahl der Spannungsüberschreitungen ging praktisch auf null zurück.
- Nutzererfahrung: Die durchschnittliche Wartezeit sank von 14,96 Minuten (ungeordnete Ladung) auf 5,32 Minuten. Die Anzahl der wartenden Fahrzeuge reduzierte sich um 73,4 % im Vergleich zur ungeordneten Ladung und um 55,1 % im Vergleich zur vollständig rationalen Strategie. Zudem stieg der durchschnittliche Nutzwert für die Nutzer von -10,38 auf 3,10 – ein Anstieg, der auf verbesserte Preis-Leistungs-Verhältnisse und kürzere Wartezeiten zurückzuführen ist.
- Ladestellenbetreiber: Die Gesamteinnahmen der Ladestellen stiegen um 2,8 % im Vergleich zu einem festen Tarifsystem (Basispreis 0,3 €/kWh). Dieser Anstieg resultiert aus einer höheren Auslastung der Ladestellen (von durchschnittlich 65 % auf 82 %) und einer effizienteren Verteilung der Last, die Betriebskosten senkte.
Warum dies ein Meilenstein für die Elektromobilität ist
Die neue Strategie markiert einen Wendepunkt in der Integration von Elektromobilität und Stromnetz. Indem sie die begrenzte Rationalität der Nutzer (Simon, 1957) berücksichtigt, schafft sie eine realistischere und effektivere Steuerung der Ladekraft. Frühere Ansätze, die auf der Annahme vollständiger Rationalität basierten, ignorierten oft, dass Menschen Entscheidungen emotional oder habitualisiert treffen. Die Integration von Verhaltensökonomie in Stromnetzmodelle macht die Steuerungsstrategien zukunftsfähiger und akzeptabler für die Nutzer.
Darüber hinaus stärkt die Kooperation zwischen Fahrzeugen, Ladestellen und Stromnetz die Resilienz des gesamten Systems. Mit der weiteren Zunahme von Elektrofahrzeugen – prognostiziert wird, dass sie 2030 mehr als 50 % der Neuzulassungen weltweit ausmachen – wird die Notwendigkeit nach solchen integrierten Lösungen wachsen. Smart Cities, die intelligente Verkehrssysteme, das ubiquitäre elektrische Internet der Dinge (UEIOT) und 5G-Technologie verbinden, könnten von dieser Strategie profitieren, um eine nachhaltigere und effizientere Elektromobilität zu ermöglichen.
Ein weiterer Vorteil ist die Skalierbarkeit des Modells. Durch die Anpassung von Gewichten und Parametern kann es an verschiedene Regionen, Verkehrsmuster und Nutzerprofile angepasst werden. In städtischen Gebieten mit hoher Bevölkerungsdichte könnte beispielsweise der Fokus auf die Reduktion von Wartezeiten liegen, während in ländlichen Gebieten die Optimierung der Netzbelastung priorisiert werden könnte.
Zukunftsperspektiven: Von der Simulation zur Realität
Die Simulation hat die Effektivität der Strategie bewiesen, aber die Umsetzung in der Praxis wird weitere Schritte erfordern. Dazu gehören die Integration mit bestehenden Systemen wie intelligenten Verkehrsleitsystemen, die Sammlung von realen Nutzerdaten (etwa durch Umfragen zu Präferenzen bei 10.000 EV-Besitzern) zur Feinjustierung des Modells und die Zusammenarbeit mit Politikern und Unternehmen, um regulatorische Rahmenbedingungen zu schaffen, die die dynamische Preisgestaltung ermöglichen.
Ein besonders vielversprechender Aspekt ist die Kombination mit V2G-Technologie (Vehicle-to-Grid), bei der Elektrofahrzeuge nicht nur laden, sondern auch Strom zurück ins Netz liefern können. In diesem Szenario könnte die neue Strategie erweitert werden, um nicht nur die Ladung, sondern auch die Entladung zu optimieren – weiter stabilisierend das Netz und gleichzeitig den Nutzern zusätzliche Einnahmen zu ermöglichen.
Auch die Individualisierung der Strategie wird ein Schlüsselthema sein. Durch umfassende Datenanalyse könnten zukünftig personalisierte Empfehlungen für Nutzer entwickelt werden, die auf ihren Fahrgewohnheiten, Einkommen und Präferenzen basieren. So könnte ein Pendler, der jeden Morgen zur gleichen Zeit fährt, spezielle Tarifvorschläge erhält, die ihn dazu motivieren, outside peak hours zu laden – ohne dass er sich bewusst um die Details kümmern muss.
Fazit
Die auf der Theorie des mentalen Kontos basierende kooperative Optimierungsstrategie zwischen Fahrzeugen, Ladestellen und Stromnetz ist mehr als nur eine technische Innovation – sie ist ein Beispiel für die Integration von verschiedenen Disziplinen: Verhaltensökonomie, Elektrotechnik, Verkehrswissenschaft und Informatik. Indem sie die menschlichen Faktoren in die Stromnetzoptimierung einbezieht, schafft sie eine Win-win-Situation für Nutzer, Betreiber und Netzbetreiber.
Mit der weiteren Expansion der Elektromobilität wird die Notwendigkeit nach solchen integrierten Lösungen wachsen. Diese Strategie zeigt, dass die Kombination aus technischer Optimierung und Verhaltensanalyse der Schlüssel für eine nachhaltige und stabile Elektromobilität ist. In Zukunft wird die Grenze zwischen Verkehrs- und Stromnetz immer fließender, und Strategien wie diese werden helfen, die Herausforderungen dieser Integration zu meistern – auf dem Weg zu einer nachhaltigeren und smarteren Welt.