Intelligente Gebotsstrategie für E-Auto-Pools
Die Elektromobilität befindet sich in einer entscheidenden Phase ihrer Entwicklung. Was einst als umweltfreundliche Alternative zum Verbrennungsmotor begann, entwickelt sich zunehmend zu einem integralen Bestandteil eines intelligenten, flexiblen und nachhaltigen Energiesystems. Mit über 18 Millionen Elektrofahrzeugen (EVs) allein in China bis Ende 2023 ist die Anzahl der Fahrzeuge, die an das Stromnetz angeschlossen werden, sprunghaft angestiegen. Diese Massenintegration birgt jedoch nicht nur Chancen, sondern auch erhebliche Herausforderungen für die Stabilität und Effizienz des bestehenden Stromnetzes. Ungeplantes, insbesondere nachts oder in Spitzenlastzeiten durchgeführtes Laden, kann zu Netzüberlastungen führen, die Betriebskosten erhöhen und die Versorgungssicherheit gefährden.
Doch eine neue Forschungsarbeit aus China bietet einen vielversprechenden Ausweg aus diesem Dilemma. Ein Team um die Forscherin Hou Hui von der Wuhan University of Technology hat eine innovative, mehrstufige Strategie entwickelt, die Elektrofahrzeug-Poolbetreiber – sogenannte Electric Vehicle Aggregators (EVAs) – in aktive, gewinnorientierte Akteure des Strommarktes verwandelt. Anstatt nur als passive Verbraucher zu agieren, können diese Pools ihre gesammelte Batteriekapazität gezielt einsetzen, um dem Netz zu helfen und gleichzeitig wirtschaftliche Vorteile zu erzielen. Die Studie, die im renommierten Journal of Global Energy Interconnection veröffentlicht wurde, stellt einen bedeutenden Schritt hin zu einem nachhaltigen Geschäftsmodell dar, das sowohl die Interessen der Netzbetreiber als auch der Fahrzeugbesitzer und der Poolbetreiber selbst berücksichtigt.
Der Kern der von Hou Hui, He Ziyin und ihren Kollegen vorgeschlagenen Strategie liegt in der Erkenntnis, dass Elektrofahrzeuge nicht gleich sind. Ein einheitlicher Ansatz, der alle Fahrzeuge als homogene Last behandelt, führt zu suboptimalen Ergebnissen. Stattdessen setzt die Forschungsgruppe auf eine differenzierte Klassifizierung der Nutzer anhand ihrer individuellen Fahr- und Parkverhalten. Durch die Analyse realer Daten, wie Ankunfts- und Abfahrtszeiten, der anfänglichen Batterieladung (State of Charge, SOC) und der durchschnittlichen Parkdauer, konnten die Forscher fünf charakteristische Cluster von EV-Nutzern identifizieren. Diese Segmentierung ist entscheidend, um die tatsächliche Flexibilität jedes Fahrzeugs zu verstehen und vorherzusagen, wann und wie viel Energie es dem Netz zur Verfügung stellen oder aus ihm beziehen kann.
Ein Cluster umfasst beispielsweise Nutzer, die ihre Fahrzeuge über Nacht zu Hause parken. Diese Fahrzeuge verbringen viele Stunden an der Steckdose, was sie zu idealen Kandidaten für flexibles Laden macht. Sie können während der billigen Nachtstunden geladen werden und sogar in Zeiten hoher Nachfrage Energie zurück ins Netz einspeisen – ein Konzept, das als Vehicle-to-Grid (V2G) bekannt ist. Ein anderes Cluster besteht aus Nutzern, die tagsüber am Arbeitsplatz parken. Obwohl ihre Verfügbarkeitsfenster kürzer sind, bieten sie wertvolle Möglichkeiten zur Lastglättung während des Tages. Ein dritter Typ könnte aus gewerblichen Flotten bestehen, die mehrmals am Tag aufladen und somit eine häufige, aber kurze Interaktion mit dem Netz ermöglichen. Zwei weitere Cluster repräsentieren Nutzer mit unregelmäßigen Fahrplänen oder solche, die spontan an öffentlichen Ladestationen laden.
Indem diese unterschiedlichen Verhaltensmuster modelliert werden, kann ein Poolbetreiber die Ladeentscheidungen der Nutzer nicht mehr als Zufall betrachten, sondern als eine steuerbare Ressource. Die Studie geht davon aus, dass Nutzer Verträge mit dem Poolbetreiber abschließen, in denen sie diesem die Kontrolle über das Lade- und Entladeverhalten ihres Fahrzeugs überlassen, im Austausch für finanzielle Anreize oder günstigere Stromtarife. Diese vertragliche Grundlage ist der entscheidende Hebel, der aus einer unvorhersehbaren Masse von Fahrzeugen eine vorhersagbare und nutzbare Energiequelle macht.
Nach der Klassifizierung der Nutzer steht die Bewertung ihres sogenannten „Demand Response Potential“ (Lastmanagement-Potenzial) im Vordergrund. Dieses Potenzial beschreibt, wie viel Energie innerhalb des für den Nutzer akzeptablen Zeitfensters verschoben werden kann, ohne dessen Mobilitätsbedürfnisse zu gefährden. Die Forscher bewerteten dieses Potenzial unter Berücksichtigung mehrerer kritischer Faktoren. Dazu zählt die maximale Ladeleistung der verfügbaren Infrastruktur – ob es sich um eine langsame 6,6-kW-Heimladestation oder eine schnelle 22-kW-Ladesäule handelt – sowie das energetische Fenster jedes einzelnen Fahrzeugs. Ein Fahrzeug, das mit 30 Prozent SOC ankommt und bis zur Abfahrt 80 Prozent erreichen muss, hat eine feste Energiemenge zu laden. Innerhalb dieses Rahmens kann der Poolbetreiber jedoch entscheiden, wann und mit welcher Geschwindigkeit geladen wird, abhängig von den aktuellen Marktpreisen.
Ein besonderes Augenmerk der Studie gilt der Lebensdauer der Fahrzeugbatterien. Um zu verhindern, dass die Nutzung als Energiespeicher die Batterie unnötig belastet, berücksichtigt das Modell sowohl den Verschleiß durch Lade- und Entladevorgänge als auch die Ladeeffizienz. Durch die Festlegung von Obergrenzen (typischerweise 90 Prozent) und Untergrenzen (typischerweise 15 Prozent) für die Batterieladung schützt die Strategie die Batterien vor Tiefentladungen und Überladung, die deren Haltbarkeit erheblich verkürzen können. Diese technische Sorgfalt erhöht die Praxistauglichkeit des Konzepts und macht es für Poolbetreiber und Fahrzeughersteller gleichermaßen attraktiv.
Mit dem quantifizierten Lastmanagement-Potenzial als Grundlage richtet sich der Fokus auf die Teilnahme am Strommarkt. Die Studie entwickelt ein Modell für das sogenannte „Day-Ahead Market Bidding“ – also die Ausschreibung von Lade- und Entladedienstleistungen am Vortag auf dem Großhandelsmarkt. Im Gegensatz zu vielen anderen Ansätzen, die sich auf die Nutzerzufriedenheit oder die technische Durchführbarkeit konzentrieren, steht bei diesem Modell die Wirtschaftlichkeit im Vordergrund. Das primäre Ziel ist die Maximierung des Nettogewinns, der sich aus dem Erlös ergibt, den der Poolbetreiber von den Nutzern für den Strom verlangt, abzüglich der Kosten, die er selbst für den Bezug dieses Stroms vom Großhandelsmarkt hat.
Um dieses Ziel zu erreichen, berücksichtigt das Modell mehrere entscheidende Unsicherheiten. Erstens die Volatilität der Strompreise. Die Preise am Vortag-Markt werden durch eine Auktion bestimmt und können je nach Angebot und Nachfrage stark schwanken. Das Modell nutzt historische Daten, um verschiedene Preisszenarien zu simulieren, was es den Poolbetreibern ermöglicht, sich gegen Preisspitzen abzusichern. Zweitens die Strafen für Abweichungen. Wenn ein Poolbetreiber dem Netzbetreiber verspricht, eine bestimmte Menge Energie bereitzustellen, dies aber nicht einhält – etwa aufgrund unerwarteten Nutzerverhaltens –, drohen finanzielle Sanktionen. Das Modell integriert eine Toleranzschwelle (in der Studie auf 10 Prozent festgelegt), die die Poolbetreiber dazu anregt, realistische und konservative Gebote abzugeben.
Ein weiterer innovativer Aspekt ist die zeitliche Auflösung des Modells. Während viele Studien mit stündlichen Intervallen arbeiten, teilt diese Forschung jede Stunde in vier 15-Minuten-Intervalle ein, was zu insgesamt 96 Zeitfenstern pro Tag führt. Diese feinere Granularität ermöglicht eine präzisere Planung und eine bessere Synchronisation mit den Echtzeit-Operationen des Netzes. Sie erlaubt es den Poolbetreibern zudem, kurzfristige Preisdifferenzen auszunutzen – also billig in Zeiten geringer Nachfrage (Talzeiten) zu kaufen und teuer in Zeiten hoher Nachfrage (Spitzenzeiten) zu verkaufen – eine Praxis, die als „Peak Shaving and Valley Filling“ (Spitzenabsenkung und Talverbreiterung) bekannt ist.
Das komplexe Optimierungsproblem wird mit dem leistungsstarken kommerziellen Solver Gurobi gelöst. In Kombination mit MATLAB und der Modellierungssprache YALMIP entsteht so ein robustes Rechenframework, das in der Lage ist, große Datensätze zu verarbeiten und optimale Gebotsstrategien innerhalb einer akzeptablen Rechenzeit zu generieren.
Um die Wirksamkeit ihrer Strategie zu überprüfen, führten die Forscher eine Fallstudie basierend auf realen Daten aus einem Stadtteil von Wuhan, Provinz Hubei, durch. Die Simulation umfasste 3.000 Elektrofahrzeuge und 5.000 Haushalte. Es wurden zwei Arten von Poolbetreibern modelliert: einen, der sich auf langsames Laden (6,6 kW) spezialisiert hat (EVA1), und einen anderen, der schnelles Laden (22 kW) anbietet (EVA2). Die Ergebnisse waren beeindruckend. Unter der vorgeschlagenen Gebotsstrategie zeigte das gesamte Lastprofil eine signifikante Reduzierung der Spitzenlast und eine Erhöhung des Verbrauchs in den Talzeiten. Diese Glättung der Lastkurve bedeutet direkt weniger Belastung für das Netz, geringere Übertragungsverluste und die Vermeidung kostspieliger Netzverstärkungen.
Die wirtschaftliche Analyse zeigte zudem erhebliche Gewinne für beide Poolbetreiber. Der langsame Lade-Poolbetreiber (EVA1) erzielte einen Nettogewinn von über 11.600 Yuan pro Tag, während der schnelle Lade-Poolbetreiber (EVA2) fast 7.350 Yuan verdiente. Diese Zahlen belegen klar, dass Lastmanagement nicht nur ein technisches oder ökologisches Gut ist, sondern auch ein tragfähiges Geschäftsmodell darstellen kann.
Interessanterweise zeigte die Studie, dass langsame Lader eine dominantere Rolle bei der Lastverschiebung spielen. Dies liegt hauptsächlich daran, dass ihre Nutzer tendenziell länger parken und stärker auf Preissignale reagieren. Schnelllader hingegen werden oft aus Bequemlichkeit in Spitzenzeiten genutzt, was ihre Flexibilität einschränkt. Als Folge davon reichte der langsame Lade-Poolbetreiber niedrigere Gebote in den Spitzenzeiten und höhere Gebote in den Talzeiten ein, was die Nutzer effektiv anreizte, genau dann zu laden, wenn es für das Netz am vorteilhaftesten war.
Dieser preisbasierte Anreizmechanismus ist eine der Schlüsselinnovationen der Studie. Anstatt sich allein auf direkte Kontrolle oder starre Fahrpläne zu verlassen, nutzt das Modell Marktsignale, um das Nutzerverhalten zu beeinflussen. Wenn die Strompreise niedrig sind, werden die Nutzer zum Laden animiert; wenn die Preise hoch sind, werden sie davon abgehalten. So entsteht ein sich selbst regulierendes System, das die individuellen Interessen mit den kollektiven Zielen der Netzstabilität in Einklang bringt.
Die Implikationen dieser Forschung gehen weit über die chinesischen Grenzen hinaus. Während Länder weltweit ihre Klimaziele verschärfen, wird die Rolle der Elektrofahrzeuge in den Energiesystemen immer wichtiger. In der Europäischen Union beispielsweise sieht das „Fit-for-55“-Paket Maßnahmen für die Integration von V2G vor. In den Vereinigten Staaten hat die Biden-Administration das Ziel, bis 2030 50 Prozent der Neuwagenverkäufe auf Elektrofahrzeuge zu setzen, begleitet von massiven Investitionen in die Ladeinfrastruktur. In beiden Regionen werden Poolbetreiber eine entscheidende Rolle bei der Bewältigung des Zustroms von Millionen neuer Elektrofahrzeugen spielen.
Trotzdem bleiben einige Herausforderungen bestehen. Eine davon ist der Marktzugang. In vielen Ländern werden Poolbetreiber von Elektrofahrzeugen noch nicht als vollwertige Marktteilnehmer anerkannt, was ihre Fähigkeit einschränkt, auf Großhandelsmärkten zu bieten oder Regelenergiedienstleistungen anzubieten. Die regulatorischen Rahmenbedingungen müssen sich weiterentwickeln, um diese neuen Akteure zu integrieren. Eine weitere Herausforderung ist das Vertrauen der Nutzer. Damit das Modell funktioniert, müssen die Nutzer bereit sein, einen Teil der Kontrolle über ihren Ladevorgang abzugeben. Transparente Verträge, faire Vergütungen und eine zuverlässige Leistung sind unerlässlich, um dieses Vertrauen aufzubauen.
Die technische Reife ist ebenfalls ein Faktor. Obwohl die Studie von einem hohen Grad an Vernetzung und Kontrolle ausgeht, sind nicht alle Elektrofahrzeuge und Ladestationen mit den notwendigen Kommunikations- und Steuerungssystemen ausgestattet. Standards wie ISO 15118 und OpenADR helfen dabei, diese Lücke zu schließen, aber eine flächendeckende Implementierung wird Zeit brauchen.
Trotz dieser Hürden ist die Richtung klar: Elektrofahrzeuge werden zu aktiven Teilnehmern im Energiesystem. Die Arbeit von Hou Hui, He Ziyin und ihren Kollegen liefert einen präzisen Fahrplan dafür, wie dieser Übergang so gestaltet werden kann, dass er für alle Beteiligten – Netzbetreiber, Poolbetreiber, Verbraucher und die Umwelt – von Vorteil ist.
Die Studie eröffnet auch die Tür für zukünftige Forschung. Die Autoren schlagen die Erkundung von Echtzeit-Gebotsstrategien, die Teilnahme an mehreren Märkten (wie Energie- und Reserve-Märkten) und komplexere Modelle der Nutzerpräferenzen vor. Sie heben auch die Bedeutung einer plattformbasierten Aggregation hervor, bei der mehrere Poolbetreiber auf einem gemeinsamen digitalen Marktplatz konkurrieren, was Innovation und Effizienz fördert.
Zusammenfassend lässt sich sagen, dass die Integration von Elektrofahrzeugen in das Stromnetz nicht mehr die Frage ist, ob, sondern wie. Diese Forschung zeigt, dass mit den richtigen Strategien Poolbetreiber zu mächtigen Werkzeugen für die Netzoptimierung werden können, die aus einer potenziellen Belastung einen wertvollen Vermögenswert machen. Während sich der Übergang zur sauberen Energie beschleunigt, werden Innovationen wie diese unerlässlich sein, um ein intelligenteres, saubereres und widerstandsfähigeres Energiesystem aufzubauen.
Hou Hui, He Ziyin et al., Journal of Global Energy Interconnection, DOI: 10.19705/j.cnki.issn2096-5125.2024.02.011