Elektrofahrzeuge (EVs) haben sich in den letzten Jahren zu einem Schlüsselpfeiler nachhaltiger Mobilität entwickelt. Ihre Effizienz, Kostengünstigkeit und deutlichen ökologischen Vorteile machen sie zu einem unverzichtbaren Bestandteil zukünftiger Energie- und Verkehrssysteme. Doch mit der wachsenden Zahl von Elektrofahrzeugen stellen sich neue Herausforderungen – insbesondere in Bezug auf Ladeeffizienz und Ladekosten. Unkontrolliertes Laden kann die Stabilität von Stromnetzen gefährden: Es erhöht Spitzenlasten, verschlechtert die Spannungsqualität, erhöht Übertragungsverluste und verkürzt die Lebensdauer von Transformatoren. Ein Team von Forschern hat nun eine innovative Ladeverwaltungsstrategie vorgestellt, die auf dem Stackelberg-Spielmodell basiert und die Interessen von Stromnetz, Händlern und Nutzern auf eine dynamische Weise ausgleicht.
Die weltweite Verbreitung von Elektrofahrzeugen macht die Ladeverwaltung zu einer zentralen Aufgabe für Energieversorger und Politik. Traditionelle Ansätze reichen zunehmend nicht mehr aus. Zentralisierte Steuerungsstrategien, die das Laden anhand von Netzansprüchen und Nutzerverhalten koordinieren, stoßen bei der wachsenden Zahl von EVs an ihre Grenzen. Dezentrale Methoden wie statische Zeitpreise können Lasten in Nichtspitzenzeiten verlagern, erstellen aber oft versehentlich neue Spitzen in vermeintlich gering belasteten Perioden – weil Nutzer versuchen, die niedrigen Tarife zu nutzen. Diese Einschränkungen zeigen die Notwendigkeit eines anpassungsfähigeren und reaktiveren Ansatzes.
Hier setzt die auf dem Stackelberg-Spiel basierende Strategie an, die von Xu Hui, Chen Ping, Li Xianglong, Wang Peiyi und Ma Longfei von der State Grid Beijing Electric Power Company entwickelt wurde. Dieses Modell definiert den Ladevorgang neu als eine dynamische Interaktion zwischen einem Anführer (dem Stromhändler) und mehreren Nachfolgern (EV-Nutzern). Der Händler, der als Anführer agiert, legt Preise fest, um seine Gewinne zu maximieren, wobei er gleichzeitig die Netzleistung berücksichtigt – beispielsweise die Minimierung der Lastvarianz. Nutzer, als Nachfolger, passen ihre Ladeleistung und -zeit anhand dieser Preise an, um ihre eigenen Bedürfnisse zu erfüllen: sei es, Geschwindigkeit (bei dringendem Laden) oder Kosteneinsparungen (wenn Zeit verfügbar ist) zu priorisieren.
Was dieses Modell besonders macht, ist seine Fähigkeit, die Wechselbeziehungen zwischen allen Beteiligten zu berücksichtigen. Anders als frühere spieltheoretische Ansätze, die sich ausschließlich auf die Konkurrenz unter Nutzern konzentrierten, positioniert diese Strategie den Händler als Vermittler zwischen Netz und Nutzern. Die Preisentscheidungen des Händlers beeinflussen direkt das Nutzerverhalten, was wiederum die Netzstabilität beeinflusst. Indem die Forscher die Rückwärtsinduktion verwenden, um das Spiel zu lösen, stellen sie sicher, dass sowohl der Händler als auch die Nutzer ein Gleichgewicht erreichen, in dem keiner seine Ergebnisse verbessern kann, ohne den anderen zu schädigen – ein Zustand, der als Stackelberg-Gleichgewicht bekannt ist.
Um die Effektivität ihrer Strategie zu evaluieren, verglichen die Forscher sie mit zwei gängigen Ansätzen: ungeordnetem Laden und statischen Zeitpreisen. Die Ergebnisse waren beeindruckend. In Simulationen, die auf den täglichen Lastmustern einer Wohngegend basierten, führte ungeordnetes Laden – bei dem Nutzer beliebig laden – zu signifikanten Spitzenlasten. Das Spitzen-Tal-Verhältnis des Netzes erreichte 2,09 MW, die Lastvarianz lag bei 0,35. Diese Schwankungen riskierten, Transformatoren zu überlasten und die Spannungsstabilität zu beeinträchtigen.
Im Gegensatz dazu reduzierte das Stackelberg-Modell das Spitzen-Tal-Verhältnis auf 1,36 MW und die Lastvarianz auf 0,13. Diese Glättung der Nachfrage verbesserte nicht nur die Netzzuverlässigkeit, sondern senkte auch die Gesamtenergieübertragungsverluste. Die Verbesserung war noch deutlicher im Vergleich zu statischen Zeitpreisen. Während statische Preise zwar Spitzenlasten reduzierten, verursachten sie eine sekundäre Spitze in Nichtspitzenzeiten, weil Nutzer ihr Laden klumpten – mit einer Lastvarianz von 0,85, die weit höher war als die 0,75, die mit der spielbasierten Strategie erreicht wurde.
Kosteneinsparungen für Nutzer waren ein weiterer entscheidender Vorteil. Die Forscher stellten fest, dass der durchschnittliche Ladekosten pro Elektrofahrzeug von 44,48 Yuan bei statischen Preisen auf 33,09 Yuan mit dem Stackelberg-Modell sank. Diese Reduktion resultiert aus der Fähigkeit der Strategie, Preise an Echtzeitnetzbedingungen anzupassen: Höhere Preise in Spitzenzeiten hemmen unnötiges Laden, während niedrigere Preise in Ruhezeiten Nutzer anregen, zu laden, wenn das Netz über Kapazitäten verfügt. Nutzer mit flexiblen Zeitplänen profitieren am meisten, da sie auf optimale Preise warten können, während diejenigen mit dringenden Bedürfnissen (z. B. eine fast leere Batterie) immer noch die Möglichkeit haben, zu höheren Tarifen zu laden – sicherzustellen, dass ihre Anforderungen erfüllt werden.
Die Anpassungsfähigkeit des Modells wird durch seine einstellbaren Parameter weiter verbessert, die es ermöglichen, unterschiedlichen Szenarien gerecht zu werden. Zum Beispiel hat der Prognosehorizont (k) – die Anzahl der Stunden, die der Händler zur Nachfrageprognose verwendet – einen tiefgreifenden Einfluss auf die Leistung. Das Team testete Werte für k von 2 bis 10 und fand heraus, dass größere Horizonte die Netzstabilität verbessern (mit einer Verringerung der Lastvarianz von 0,3 auf 0,12), aber die Berechnungskomplexität erhöhen. Ein k-Wert von 6 strike eine Balance: Er bietet signifikante Stabilitätsgewinne ohne übermäßige Berechnungskosten – ein entscheidender Aspekt für die praktische Umsetzung.
Ein weiterer entscheidender Parameter ist der Netzgewichtskoeffizient (α), der den Einfluss des Netzes auf die Gewinnfunktion des Händlers widerspiegelt. Wenn α klein ist, priorisiert der Händler seine eigenen Gewinne, was zu höheren Nutzerkosten und größerer Netzinstabilität führt. Mit zunehmendem α konzentriert sich der Händler stärker auf Netzstabilität, reduziert die Lastvarianz, aber potenziell auch seine Gewinne. Die Forscher stellten fest, dass ein α-Wert von 1000 die richtige Balance schafft: Er minimiert die Varianz auf 0,18 und hält die Gewinne des Händlers positiv – sicherzustellen sowohl die Netzgesundheit als auch die wirtschaftliche Lebensfähigkeit.
Die Auswirkungen dieser Forschung gehen über Wohngegenden hinaus. Mit der zunehmenden Akzeptanz von Elektrofahrzeugen muss die Ladeinfrastruktur nahtlos in Smart Grids integriert werden, um Engpässe zu vermeiden. Die dezentrale Natur des Stackelberg-Modells macht es skalierbar, da keine zentrale Behörde das Laden jedes Nutzers mikromanagen muss. Stattdessen dienen Preise als Signal, das das Nutzerverhalten in Richtung optimaler Ergebnisse für das gesamte System lenkt.
Darüber hinaus ermöglicht die Flexibilität des Modells die Anpassung an verschiedene Umgebungen – von städtischen Zentren mit hoher EV-Dichte bis zu ländlichen Gebieten mit sporadischer Nachfrage. Durch Anpassung von Parametern wie Prognosehorizont und Netzgewichtskoeffizient können Energieversorger die Strategie an lokale Bedingungen anpassen, um Effizienz ohne Einbuße an Nutzerzufriedenheit zu gewährleisten.
Ausblick: Die Forscher planen, zu untersuchen, wie die Vehicle-to-Grid (V2G)-Technologie ihr Modell verbessern kann. V2G ermöglicht es Elektrofahrzeugen, Energie in Spitzenzeiten zurück ins Netz abzugeben – so werden sie zu verteilten Speichereinheiten. Die Integration dieser Funktion in das Stackelberg-Framework könnte das Netz weiter stabilisieren, die Abhängigkeit von fossilen Brennstoffen reduzieren und sogar zusätzliches Einkommen für EV-Besitzer generieren – ein echtes Win-Win-Szenario für alle Beteiligten.
Kritiker könnten argumentieren, dass dynamische Preise niedrige Einkommensgruppen unverhältnismäßig beeinträchtigen könnten, die vielleicht nicht die Flexibilität haben, in Nichtspitzenzeiten zu laden. Doch das Design des Modells umfasst Regelungen für dringendes Laden, sicherzustellen, dass Nutzer mit Zeitbeschränkungen immer noch Zugang zu Strom haben, wenn es gebraucht wird. Darüber hinaus könnten Energieversorger stufige Preisstrukturen oder Subventionen einführen, um benachteiligte Nutzer zu schützen – und so den Übergang zu smartem Laden gerecht zu gestalten.
Zusammengefasst: Die auf dem Stackelberg-Spiel basierte Lade strategie ist ein bedeutender Schritt nach vorn in der Energiemanagement von Elektrofahrzeugen. Indem sie die Interessen von Stromnetz, Händlern und Nutzern harmonisiert, löst sie die doppelten Herausforderungen von Netzstabilität und Nutzerbezahlbarkeit. Während Städte und Länder ihre Klimaziele verfolgen, werden solche innovativen Lösungen essenziell sein, um das volle Potenzial der elektrischen Mobilität zu entfesseln.
Autoren: Xu Hui, Chen Ping, Li Xianglong, Wang Peiyi, Ma Longfei
Zugehörigkeit: State Grid Beijing Electric Power Company, Peking 100031, China
Zeitschrift: Computer Applications and Software
DOI: 10.3969/j.issn.1000-386x.2024.08.054