Intelligente Stromnetze entlasten E-Auto-Ladeinfrastruktur
Die rasant steigende Zahl elektrischer Fahrzeuge stellt urbane Stromnetze vor enorme Herausforderungen. Ungeplantes Laden, insbesondere in den Abendstunden, führt zu massiven Lastspitzen, die lokale Transformatoren überlasten, Netzverluste erhöhen und die Versorgungssicherheit gefährden. Ein Forschungsteam aus China hat nun eine bahnbrechende Lösung vorgestellt, die die Leistungsfähigkeit und Flexibilität von Niederspannungsnetzen durch den Einsatz intelligenter Steuerungstechnologien erheblich verbessert. Die Studie, die in der renommierten Fachzeitschrift Electric Power Information and Communication Technology veröffentlicht wurde, demonstriert, wie eine kooperative Optimierung von Ladevorgängen und der Einsatz von „Soft Open Points“ (SOP) dazu beitragen können, die Integration von Elektrofahrzeugen in bestehende Stromnetze effizient und wirtschaftlich zu gestalten.
Das Team, geleitet von Li Juan vom Wirtschaftlich-Technologischen Forschungsinstitut des State Grid Tianjin Electric Power Company, in Zusammenarbeit mit Forschern der Tianjin University, hat ein umfassendes Modell entwickelt, das die Ladeinfrastruktur mehrerer, normalerweise isolierter Transformatorbereiche (sogenannter „Taiqu“) intelligent miteinander verknüpft. Das Kernstück dieser Innovation ist die Nutzung von SOP-Geräten – fortschrittlichen Leistungselektronik-Systemen, die als intelligente Schalter zwischen verschiedenen Netzsegmenten fungieren. Im Gegensatz zu herkömmlichen Schaltern, die lediglich Stromkreise öffnen oder schließen, können SOPs den Fluss von Wirk- und Blindleistung präzise und dynamisch steuern. Diese Fähigkeit ermöglicht es, Lasten in Echtzeit zwischen benachbarten Transformatorbereichen auszugleichen. Wenn also ein Bereich durch einen Ansturm von E-Autos überlastet wird, kann das SOP überschüssige Kapazität aus einem benachbarten, weniger belasteten Bereich abziehen und so eine Überhitzung und Beschädigung des Transformators verhindern.
Das Forschungsziel war klar: die Aufnahmefähigkeit von Verteilnetzen für Elektrofahrzeuge zu erhöhen, ohne dass teure Netzausbauten notwendig werden. Die traditionelle Netztopologie, in der jeder Transformatorbereich als eigenständige, in sich geschlossene Einheit arbeitet, ist für die dynamischen Anforderungen der Elektromobilität unzureichend. Wenn alle Bewohner eines Wohngebiets gleichzeitig nach der Arbeit ihre Fahrzeuge anschließen, entsteht ein Lastberg, den der lokale Transformator nicht bewältigen kann. Dies führt zu erhöhten Netzverlusten, Spannungsschwankungen und letztendlich zu einem erhöhten Risiko von Störungen und Ausfällen. Die Lösung der Forschergruppe besteht darin, diese starren Grenzen aufzuheben und aus isolierten Inseln ein flexibles, reaktionsfähiges Netz zu machen.
Das entwickelte Optimierungsmodell ist bemerkenswert komplex und berücksichtigt eine Vielzahl von Faktoren. Es zielt darauf ab, die Gesamtbetriebskosten des Netzes zu minimieren, was nicht nur die reinen Stromkosten für das Laden umfasst, sondern auch Strafgebühren für Überlastungen, Kosten für Netzverluste und die Verluste, die durch das SOP-Gerät selbst entstehen. Gleichzeitig wird die Zufriedenheit der Nutzer und die Sicherheit des Netzes als zentrale Parameter eingebunden. Ein besonderer Fokus liegt auf dem Nutzerverhalten. Frühere Ansätze nahmen oft an, dass Nutzer blind den Anweisungen eines zentralen Systems folgen würden. Die Realität ist jedoch komplexer: Die Bereitschaft eines Fahrzeughalters, seinen Ladevorgang in die Nacht zu verlegen, hängt stark davon ab, ob er dadurch Geld spart und ob sein Fahrzeug am Morgen voll geladen ist.
Um diese Unsicherheit zu bewältigen, integrierten die Forscher ein Modell zur Nutzerbeteiligung, das auf Fuzzy-Logik basiert. Dieses System bewertet zwei Hauptkriterien: den Unterschied im Ladezustand (SOC) zwischen einem ungeplanten und einem optimierten Ladevorgang sowie das Verhältnis der entstehenden Ladekosten. Wenn ein optimierter Ladeplan ein höheres End-SOC bei niedrigeren Kosten bietet, ist die Wahrscheinlichkeit hoch, dass der Nutzer mitmacht. Das Modell verwendet diese Einschätzung, um die Optimierungsstrategie dynamisch anzupassen. Es stellt sicher, dass die vorgeschlagenen Ladezeiten realistisch sind und die Nutzer nicht überfordern, was die Akzeptanz und die tatsächliche Teilnahmequote erhöht. Dies ist ein entscheidender Schritt, um von einer theoretischen Lösung zu einer praktisch anwendbaren Strategie zu gelangen.
Die Wirksamkeit des Ansatzes wurde an einem realen Niederspannungsnetz in Tianjin, China, getestet. Das Testgebiet bestand aus vier verschiedenen Transformatorbereichen mit unterschiedlichen Lastprofilen. Die Bereiche 1 und 3 waren hauptsächlich Wohngebiete mit langsamen Wechselstrom-Ladepunkten, während die Bereiche 2 und 4 kommerzielle Lasten und Schnellladestationen für E-Autos beherbergten. SOP-Geräte wurden zwischen den Bereichen 1–2 und 3–4 installiert, um eine bidirektionale Leistungsübertragung zu ermöglichen. Um die Vorteile zu quantifizieren, wurden drei verschiedene Szenarien verglichen.
Im ersten Szenario, dem „unkoordinierten Laden“, wurden die Fahrzeuge ohne jegliche Steuerung geladen. Die Ergebnisse waren alarmierend: Die Lasten in den Wohnbereichen 1 und 3 stiegen über mehrere Stunden hinweg über die sicheren Belastungsgrenzen der Transformatoren. Die Netzverluste und die Stromkosten waren hoch, und die simulierten Strafgebühren für Überlastungen waren enorm, was die Wirtschaftlichkeit des Systems komplett untergrub. Im zweiten Szenario wurde ein Optimierungsalgorithmus verwendet, um die Ladezeiten zu steuern, jedoch ohne die Unterstützung der SOP-Geräte. Dies führte bereits zu einer deutlichen Verbesserung: Die Lastspitzen wurden reduziert, die Kosten sanken signifikant, und die Strafgebühren gingen zurück. Dennoch blieben in einigen Bereichen Überlastungen bestehen, da die lokale Nachfrage zu konzentriert war und das Netz keine Möglichkeit hatte, Kapazitäten aus anderen Bereichen zu „importieren“.
Das dritte Szenario kombinierte die intelligente Ladeoptimierung mit der vollen Leistungsfähigkeit der SOP-Verbindungen. Die Ergebnisse waren beeindruckend. Die Überlastung der Transformatoren wurde vollständig eliminiert. Die Netzverluste sanken um fast 18 Prozent gegenüber dem unkoordinierten Szenario, und die Gesamtbetriebskosten fielen um satte 87 Prozent. Es gab keine Strafgebühren mehr, und die Nutzer, die dem optimierten Plan folgten, erreichten mit 100 Prozent Zufriedenheit ihren gewünschten Ladezustand. Dies zeigt, dass die Kombination aus intelligenter Steuerung und physischer Vernetzung die maximale Wirkung entfaltet.
Ein weiterer entscheidender Vorteil des SOP-basierten Ansatzes ist seine Fähigkeit, das Problem der unsymmetrischen Belastung in Drehstromnetzen zu lösen. In vielen Niederspannungsnetzen werden Lasten, wie zum Beispiel E-Auto-Ladegeräte, nicht gleichmäßig auf die drei Phasen verteilt. Dies führt zu einer sogenannten „Dreiphasen-Imbalance“, die zu ineffizientem Betrieb, erhöhten Verlusten und einer verkürzten Lebensdauer von Geräten führt. Im Testgebiet wurde beobachtet, dass im Bereich 3 die meisten E-Autos an einer einzigen Phase angeschlossen waren. Im unkoordinierten Szenario stieg die Spannungsunsymmetrie auf über 0,55 Prozent, was den akzeptablen Grenzwert von 0,5 Prozent überschritt. Auch die rein softwarebasierte Optimierung (Szenario 2) konnte dieses Problem nicht lösen und führte sogar zu einer leichten Verschlechterung auf 0,57 Prozent. Erst durch die koordinierte Steuerung mit den SOP-Geräten (Szenario 3) konnte die Imbalance auf ein sehr geringes Niveau von 0,25 Prozent reduziert werden. Dies unterstreicht die Notwendigkeit einer ganzheitlichen Lösung, die sowohl die Zeitdimension (wann geladen wird) als auch die räumliche Dimension (wie die Lasten im Netz verteilt sind) berücksichtigt.
Die wirtschaftlichen Implikationen dieser Technologie sind tiefgreifend. Für Netzbetreiber bedeutet dies die Möglichkeit, kostspielige Investitionen in neue Transformatoren oder Netzausbauten hinauszuzögern, indem die vorhandene Infrastruktur effizienter genutzt wird. Für Stadtplaner öffnet es die Tür, eine viel höhere Dichte an E-Autos in bestehenden Stadtteilen zu ermöglichen, ohne die Versorgungssicherheit zu gefährden. Für die Endverbraucher bedeutet es niedrigere Ladekosten durch die Nutzung günstigerer Nachtstromtarife und eine zuverlässigere Ladeerfahrung, da das Risiko von Ladeunterbrechungen aufgrund von Netzproblemen minimiert wird.
Ein wesentlicher technischer Aspekt der Studie ist die Methode, mit der das komplexe Optimierungsproblem gelöst wird. Das ursprüngliche Modell beinhaltet nichtlineare Gleichungen, die für herkömmliche Rechenverfahren sehr aufwändig sind. Um die Berechnungen in Echtzeit durchführen zu können, wandelten die Forscher das Problem mithilfe der sogenannten „Zweiter Ordnung Kegelprogrammierung“ (Second-Order Cone Programming, SOCP) in ein lineares Problem um. Diese mathematische Transformation ermöglicht eine schnelle und zuverlässige Lösung, was für den praktischen Einsatz in einem dynamischen Stromnetz von entscheidender Bedeutung ist. Sie stellt sicher, dass das System auf Laständerungen innerhalb von Minuten reagieren kann.
Die Skalierbarkeit der Lösung ist ein weiterer Pluspunkt. Obwohl das Modell an einem Netz mit vier Bereichen getestet wurde, basiert es auf Prinzipien, die auf viel größere und komplexere Netzstrukturen übertragen werden können. In Zukunft könnten städtische Netze aus zahlreichen miteinander verbundenen SOPs bestehen, die ein hochgradig flexibles und resilientes Energienetz bilden. Diese Entwicklung ist ein wesentlicher Bestandteil der Vision des „Smart Grid“, in dem die Energieflüsse nicht nur von der Zentrale zum Verbraucher, sondern in alle Richtungen fließen können – von Haus zu Haus, von Fahrzeugen zurück ins Netz (Vehicle-to-Grid) und zwischen verschiedenen Netzebenen.
Die Studie unterstreicht auch die Bedeutung der Zusammenarbeit zwischen Industrie und Wissenschaft. Die Forschergruppe vereinte Ingenieure des State Grid Tianjin, eines der größten Stromversorger Chinas, mit Akademikern der Tianjin University, die über das vom chinesischen Bildungsministerium geförderte „Key Laboratory of Smart Grid“ verfügen. Diese Kombination aus praktischem Betriebserfahrung und wissenschaftlicher Exzellenz war entscheidend dafür, dass die entwickelte Lösung nicht nur theoretisch fundiert, sondern auch für die reale Welt geeignet ist.
Zusammenfassend lässt sich sagen, dass diese Forschung einen bedeutenden Sprung nach vorn in der Bewältigung der Herausforderungen der Elektromobilität darstellt. Sie zeigt, dass die Lösung nicht allein in der Steuerung von Ladevorgängen liegt, sondern in der Schaffung einer physischen und digitalen Infrastruktur, die es ermöglicht, Ressourcen intelligent zu teilen. Die Kombination aus intelligenten Soft Open Points und einem nutzerzentrierten Optimierungsalgorithmus bietet einen praktikablen und skalierbaren Weg, um urbane Stromnetze fit für die Zukunft zu machen. Während die Kosten für die SOP-Technologie noch eine Hürde darstellen könnten, wird erwartet, dass sie mit zunehmender Produktion sinken werden. Die Ergebnisse aus Tianjin liefern eine überzeugende Blaupause für Städte auf der ganzen Welt, die vor der gleichen Aufgabe stehen: Wie kann die Energiewende im Verkehrssektor gelingen, ohne dass das Stromnetz zusammenbricht? Die Antwort liegt in intelligenter Vernetzung und kooperativer Steuerung.
Li Juan, Zhang Liang, Zhang Xuefei, Liu Yingying, Wu Chang, Ruan Jiaao, Ji Haoran, State Grid Tianjin Electric Power Company and Tianjin University, Electric Power Information and Communication Technology, DOI: 10.16543/j.2095-641x.electric.power.ict.2024.10.02