Intelligente Ladesäulen stabilisieren Stromnetz durch Frequenzregelung
Die Elektromobilität durchläuft eine tiefgreifende Transformation: Elektrofahrzeuge (EVs) entwickeln sich zunehmend nicht mehr nur als Verbraucher von Energie, sondern als aktive Akteure im Stromnetz. Eine neue Studie aus China zeigt, wie intelligente Ladestationen und Batterietauschstationen durch die Einbindung von Fahrererwartungen eine entscheidende Rolle bei der Stabilisierung der Netzfrequenz übernehmen können – und dabei gleichzeitig die Bedürfnisse der Nutzer respektieren.
Die Forschung, geleitet von Luo Zhao und einem interdisziplinären Team der Kunming University of Science and Technology, stellt eine neuartige Regelstrategie vor, die es ermöglicht, Elektrofahrzeuge in Echtzeit als flexible Ressourcen für die Primär- und Sekundärfrequenzregelung einzusetzen. Die Ergebnisse, veröffentlicht in der renommierten Fachzeitschrift Power System Protection and Control, belegen, dass diese Methode die Netzsicherheit signifikant erhöhen und die Abhängigkeit von konventionellen Kraftwerken verringern kann.
Mit dem rasanten Ausbau erneuerbarer Energien wie Wind- und Solarkraft wird die Aufrechterhaltung einer stabilen Netzfrequenz immer herausfordernder. Im Gegensatz zu traditionellen Kraftwerken, die durch ihre rotierende Masse eine natürliche Trägheit besitzen, sind erneuerbare Quellen oft über Leistungselektronik vom Netz gekoppelt. Dies führt zu einem Mangel an Systemträgheit, wodurch Frequenzschwankungen nach Störungen schneller und stärker ausfallen. In dieser Situation gewinnen schnelle und präzise reagierende Systeme wie Batteriespeicher – und nun auch Elektrofahrzeugflotten – an entscheidender Bedeutung.
Die Integration von Millionen von Elektrofahrzeugen in das Netzgeschehen ist jedoch komplex. Jedes Fahrzeug bringt individuelle Einschränkungen mit sich: Batteriekapazität, Ladezustand (State of Charge, SoC), Fahrpläne der Nutzer und persönliche Ladepräferenzen. Bisherige Ansätze zur Fahrzeug-zu-Netz-Technologie (Vehicle-to-Grid, V2G) haben oft die Erwartungen der Fahrer vernachlässigt, was zu Unzufriedenheit und geringer Teilnahmebereitschaft führen kann.
Die neu vorgestellte Strategie schließt diese Lücke, indem sie die individuellen Erwartungen der Fahrer direkt in das Regelungskonzept integriert. Statt Elektrofahrzeuge als homogene Batteriemassen zu betrachten, bewertet das Modell die verfügbare Lade- oder Entladekapazität jedes einzelnen Fahrzeugs basierend auf konkreten Parametern wie Ankunfts- und Abfahrtszeit, gewünschtem End-Ladezustand und gesetzten Grenzwerten für die Batteriegesundheit. Diese personalisierte Analyse stellt sicher, dass Netzdienstleistungen erbracht werden, ohne die Nutzungstauglichkeit des Fahrzeugs zu beeinträchtigen.
„Die meisten bestehenden Frequenzregelungsstrategien konzentrieren sich ausschließlich auf die technische Leistungsfähigkeit, ohne die menschliche Seite des Elektrofahrzeugbesitzes zu berücksichtigen“, erklärte Luo Zhao, leitender Autor und außerordentlicher Professor an der Kunming University of Science and Technology. „Unser Ansatz erkennt an, dass Fahrer erwarten, ihr Fahrzeug jederzeit einsatzbereit vorzufinden. Indem wir die Erwartungen der Nutzer einbeziehen, machen wir V2G nicht nur technisch machbar, sondern auch sozial akzeptabel.“
Das Modell arbeitet auf zwei Ebenen. Die erste Ebene bewertet die aktuelle Flexibilität jedes Elektrofahrzeugs – also, wie viel Energie es ohne Verletzung der vom Nutzer definierten Grenzen aufnehmen oder abgeben kann. Ein Fahrzeug, das mit einem SoC von 30 % ankommt und innerhalb von vier Stunden mit 70 % wieder abfahren möchte, hat beispielsweise nur begrenzten Spielraum für eine Entladung. Ein anderes Fahrzeug hingegen, das mit 80 % SoC ankommt und eine längere Standzeit hat, kann erhebliche Entladeleistung bereitstellen.
Diese Bewertung unterscheidet zwischen zwei Betriebsmodi: Nicht-Betriebsgrenz- und Betriebsgrenz-Szenarien. Bei Nicht-Betriebsgrenz-Fällen bleibt das Elektrofahrzeug innerhalb seines nutzbaren SoC-Bereichs, was einen bidirektionalen Energiefluss ermöglicht. Bei Betriebsgrenz-Bedingungen nähert sich das Fahrzeug dem minimalen oder maximalen SoC, wodurch seine Fähigkeit, weiter zu entladen oder zu laden, eingeschränkt wird. Das Modell passt die Beitragshöhe des Fahrzeugs dynamisch an diese Zustände an, um einen sicheren und zuverlässigen Betrieb zu gewährleisten.
Sobald die individuellen Fähigkeiten quantifiziert sind, wird die zweite Ebene aktiviert: die Frequenzregelung. Mithilfe eines Zwei-Stufen-Regelungsmechanismus reagiert das System sowohl auf unmittelbare Frequenzabweichungen (Primärfrequenzregelung) als auch auf längerfristige Ungleichgewichte (Sekundärfrequenzregelung).
Im Rahmen der Primärfrequenzregelung reagieren die Elektrofahrzeuge innerhalb von Sekunden auf Frequenzänderungen. Fällt die Frequenz unter einen vordefinierten Schwellenwert, reduzieren teilnehmende Fahrzeuge ihre Ladeleistung oder beginnen mit der Entladung, um Energie ins Netz einzuspeisen. Steigt die Frequenz – oft aufgrund eines Energieüberschusses – erhöhen die Fahrzeuge ihre Ladeleistung, um die überschüssige Energie aufzunehmen. Die Reaktionsstärke ist proportional zur Frequenzabweichung und wird durch die verfügbare Kapazität jedes Fahrzeugs moduliert.
Der entscheidende Vorteil dieser Strategie liegt in ihrem adaptiven Verstärkungsmechanismus. Anstelle eines festen Reaktionskoeffizienten passt die Steuerung dynamisch basierend auf der aktuellen Verfügbarkeit an. Ein Fahrzeug mit hoher Entladekapazität reagiert aggressiver auf ein Niederfrequenzereignis als eines mit geringer Reserve. Dies gewährleistet eine optimale Nutzung der verfügbaren Ressourcen und verhindert eine Überbeanspruchung einzelner Fahrzeuge.
Für die Sekundärfrequenzregelung geht das System noch einen Schritt weiter, indem es verbleibende Frequenzfehler durch eine integrierende Rückkopplung eliminiert. Während konventionelle Kraftwerke auf Automatische Lastverteilungssignale (AGC) angewiesen sind, nutzen die Elektrofahrzeuge in diesem Modell Daten des Flächenregelfehlers (Area Control Error, ACE), um ihre Leistung feinabzustimmen. Dies ermöglicht es ihnen, über Minuten hinweg zur anhaltenden Leistungsbalancierung beizutragen, nicht nur über Sekunden.
Zur Validierung des Ansatzes führten die Forscher Simulationen eines zweigeteilten Stromnetzes mit realistischen Lastschwankungen durch. Vier verschiedene Typen von Elektrofahrzeugen wurden modelliert, jeweils mit unterschiedlichen Batteriegrößen, Ankunftszeiten und Ladeverhalten. Zwei Betriebsszenarien wurden getestet: ein Tagesfall mit moderater EV-Verfügbarkeit und ein Nachtszenario mit höherer Penetration.
Im ersten Test verursachte eine plötzliche Lastzunahme um 1 % einen Frequenzabfall. Ohne Unterstützung durch Elektrofahrzeuge zeigte das System eine maximale Abweichung von 0,066 Hz, weit über den akzeptablen Grenzen. Mit der vorgeschlagenen Regelstrategie wurde die maximale Abweichung im Tageszenario auf 0,032 Hz und im Nachtszenario auf 0,038 Hz reduziert. Nicht nur wurde die Frequenz schneller stabilisiert, auch die Oszillationen während der Erholungsphase wurden deutlich gedämpft.
Die Daten zur Generatorleistung zeigten, dass thermische Kraftwerke ihre Reaktion um bis zu 35 % reduzieren konnten, wenn Elektrofahrzeuge beteiligt waren. Dies bedeutet geringeren Brennstoffverbrauch, reduzierten Verschleiß und eine verlängerte Lebensdauer der Anlagen. Bei Hochfrequenzereignissen – die einen Überschuss an Windenergie simulieren – erhöhten die Elektrofahrzeuge ihre Ladeleistung, fungierten effektiv als virtuelle Lasten. In einem Fall nahm die Station zusätzliche 48 MW Leistung auf, wodurch der Druck auf konventionelle Kraftwerke entlastet wurde, die andernfalls schnell heruntergefahren werden müssten.
Ein zweiter Test verwendete zufällige Laststörungen, um reale Bedingungen nachzuahmen. Unter diesen dynamischen Bedingungen passte die Fahrzeugflotte ihre Nettoleistung kontinuierlich an, wechselte je nach Bedarf zwischen Lade- und Entlademodus. Bei einem starken Lastabfall erhöhten die Elektrofahrzeuge innerhalb von Sekunden ihren Verbrauch, wodurch eine Überfrequenzabschaltung verhindert wurde. Das System hielt die Frequenz innerhalb von ±0,05 Hz des Nennwerts, verglichen mit ±0,1 Hz ohne EV-Unterstützung.
Eine der überzeugendsten Erkenntnisse war die Fähigkeit des Systems, nahe an seinen physikalischen Grenzen zu operieren, ohne die Nutzerbedingungen zu verletzen. 42 Sekunden nach Beginn der Simulation erreichten alle Elektrofahrzeuge ihre maximale Ladeleistung. Anstatt eine zusätzliche Reaktion zu erzwingen, hielt die Regelstrategie die Ausgangsleistung konstant, wodurch die Batteriegesundheit erhalten und sichergestellt wurde, dass die Fahrzeuge ihr Ziel-SoC bis zur Abfahrtszeit erreichen würden.
„Dies geht nicht nur um Technologie – es geht um Vertrauen“, sagte Nie Lingfeng, ein Mitautor und Doktorand. „Fahrer müssen wissen, dass ihr Fahrzeug einsatzbereit ist, wenn sie es brauchen. Wenn V2G die Batterie vor der Fahrt entlädt, werden die Nutzer sich abmelden. Unser Modell gewährleistet Zuverlässigkeit auf beiden Seiten: Netzbetreiber erhalten eine reaktionsschnelle Ressource, und Fahrer erhalten Sicherheit und Vertrauen.“
Die Implikationen reichen über die technische Leistung hinaus. Während Netzbetreiber unter wachendem Druck stehen, erneuerbare Energien zu integrieren und fossile Kraftwerke abzuschalten, bieten flexible Nachfrageressourcen wie Elektrofahrzeuge eine kosteneffiziente Alternative zum Bau neuer Spitzenlastkraftwerke oder großflächiger Speicheranlagen. Mit dieser Regellogik ausgestattete Ladestationen können als virtuelle Kraftwerke fungieren, Hunderte oder Tausende kleiner Batterien zu einer einzigen steuerbaren Einheit bündeln.
Darüber hinaus passt die Strategie zu neuen Marktmodellen, die Geschwindigkeit und Präzision bei der Frequenzregelung honorieren. In vielen Regionen erhalten schnell reagierende Ressourcen prämierte Vergütungen im Rahmen von Netzreserve-Märkten. Durch Reaktionszeiten im Sub-Sekundenbereich könnten Elektrofahrzeugflotten neue Einnahmequellen für Stationbetreiber und sogar für einzelne Fahrzeughalter erschließen.
Die breite Einführung erfordert jedoch mehr als nur fortschrittliche Algorithmen. Standardisierte Kommunikationsprotokolle, interoperable Hardware und klare regulatorische Rahmenbedingungen sind unerlässlich. Die Forscher betonen die Notwendigkeit politischer Unterstützung, um die Teilnahme zu fördern, beispielsweise durch zeitabhängige Tarife, Frequenzregelungsvergütungen oder CO2-Bonuszahlungen für Netzstabilisierungsdienste.
Eine weitere Herausforderung liegt in der öffentlichen Wahrnehmung. Obwohl viele Fahrer V2G theoretisch befürworten, bleiben Bedenken hinsichtlich der Batteriealterung ein Hindernis. Die Studie adressiert dies, indem sie Grenzwerte für die Batteriegesundheit direkt in die Regelungslogik integriert und sicherstellt, dass Lade- und Entladezyklen innerhalb der vom Hersteller empfohlenen Limits bleiben. Zukünftige Versionen des Modells könnten Echtzeit-Diagnosen der Batteriegesundheit integrieren, um die Lebensdauer weiter zu optimieren.
Aus infrastruktureller Sicht muss der Übergang zu bidirektionalem Laden beschleunigt werden. Die meisten derzeitigen Ladestationen sind unidirektional und beschränken damit das V2G-Potenzial. Automobilhersteller wie Nissan, Hyundai und Ford beginnen jedoch, Modelle mit bidirektionalem Laden anzubieten, und Standards wie ISO 15118 und GB/T 27930 ermöglichen eine sichere, interoperable Kommunikation zwischen Fahrzeugen und Ladestationen.
China, wo die Studie durchgeführt wurde, ist bereits führend im Ausbau der Ladeinfrastruktur. Mit über 8 Millionen öffentlichen Ladepunkten verfügt das Land über die Skala, um großflächige V2G-Programme zu erproben. Die Beteiligung von State Grid Ningxia Electric Power Co. als Forschungspartner deutet auf ein starkes industrielles Interesse an praktischen Umsetzungen hin.
Global gewinnen ähnliche Initiativen an Dynamik. In Großbritannien haben Projekte wie EV-elocity und Flexibility in London V2G im großen Maßstab demonstriert. In Kalifornien erkunden Netzbetreiber Elektrofahrzeugflotten als Netzressourcen im Rahmen des staatlichen Versorgungssicherheitsprogramms. In Japan werden Fahrzeug-zu-Haus-Systeme (V2H) eingesetzt, um die Resilienz nach Katastrophen zu erhöhen.
Die Arbeit des Kunming-Teams fügt diesem Puzzle ein entscheidendes Element hinzu: ein nutzerzentriertes Regelungskonzept, das technische Leistung mit praktischer Anwendbarkeit verbindet. Indem die Strategie auf realem Fahrerverhalten und Fahrzeugbeschränkungen basiert, rückt V2G von einem theoretischen Konzept in die Nähe der operativen Realität.
In Zukunft planen die Forscher, das Modell um weitere dezentrale Energieressourcen wie Heimspeicher und intelligente Haushaltsgeräte zu erweitern. Sie zielen auch darauf ab, Techniken des maschinellen Lernens zu integrieren, um das Fahrerverhalten vorherzusagen und die Planung im Voraus zu optimieren.
„Wir betreten eine Ära, in der jedes Gerät, jedes Fahrzeug und jedes Gebäude zur Netzstabilität beitragen kann“, bemerkte Luo Zhao. „Der Schlüssel liegt in der Koordination. Mit den richtigen Regelungsstrategien können wir eine Sammlung einzelner Geräte in ein kohärentes, intelligentes Energienetz verwandeln.“
Während die Welt sich einem kohlenstoffarmen Energiesystem nähert, wird Flexibilität ebenso wichtig wie die Energieerzeugung selbst. Elektrofahrzeuge, die einst lediglich als Stromverbraucher galten, entwickeln sich nun zu entscheidenden Enablers für die Netzstabilität. Mit Innovationen wie dieser könnte der Weg zu einem nachhaltigen Energiesystem – Schritt für Schritt – befahren werden.
Die vollständige Studie mit dem Titel „Auxiliary Frequency Regulation Strategy for Charging and Swapping Stations Combined with the Expectations of Vehicle Owners“ wurde in Power System Protection and Control veröffentlicht. Verfasst wurde sie von Luo Zhao, Nie Lingfeng, Tian Xiao, Li Jiahao, Lei Yuanqing und Ma Rui von der Kunming University of Science and Technology, Yunnan Power Grid Co., Ltd. und State Grid Ningxia Electric Power Co., Ltd. Die Forschung wurde vom Nationalen Naturwissenschaftsfonds von China (Grant Nr. 52277104) und mehreren regionalen Programmen unterstützt. DOI: 10.19783/j.cnki.pspc.231087