Neue Lade-Strategie für E-Autos verbessert Netzstabilität
Die rasante Verbreitung von Elektrofahrzeugen (E-Autos) stellt die Stromnetze vor eine bisher ungekannte Herausforderung. Millionen von Fahrzeugen, die überwiegend mit Einphasen-Ladegeräten an das Niederspannungsnetz angeschlossen werden, können bei unkoordiniertem Laden zu einer erheblichen Belastung des gesamten Verteilnetzes führen. Ein besonders kritisches Problem ist die sogenannte Drei-Phasen-Unsymmetrie. Wenn eine große Anzahl von E-Autos gleichzeitig an einer Phase des Mittelspannungsnetzes lädt, entsteht ein massiver Ungleichgewichtsstrom, der zu erhöhten Verlusten, einer Überhitzung von Transformatoren und Leitungen und in Extremfällen sogar zu Netzausfällen führen kann. Diese Situation wird durch die zunehmende Einspeisung unvorhersehbarer, erneuerbarer Energien, insbesondere von einphasigen Photovoltaik-Anlagen auf Hausdächern, noch verschärft. Die traditionelle Antwort – strenge Ladezeiten oder direkte Steuerung durch den Netzbetreiber – stößt bei den Fahrzeughaltern oft auf Widerstand, da sie ihre Mobilität und Unabhängigkeit einschränkt.
Ein Forscherteam der Xi’an Jiao Tong University in China hat nun eine innovative Lösung vorgestellt, die dieses Spannungsfeld zwischen Netzstabilität und Nutzerinteressen elegant auflöst. Anstatt die E-Autobesitzer zu zwingen, ihre Ladegewohnheiten zu ändern, schafft die von Huang Jing, Wang Xiuli, Shao Chengcheng, Tang Lun und Wang Yifei entwickelte Strategie einen wirtschaftlichen Anreiz, der es den Fahrern lohnt, aktiv zur Stabilisierung des Stromnetzes beizutragen. Die Kernidee ist ein „Drei-Phasen-Balance-Anreizmechanismus“, der E-Autos nicht länger als Belastung, sondern als wertvolle Flexibilitätsressource behandelt.
Das Konzept ist durchdacht und marktwirtschaftlich fundiert. Die Forscher stellen sich vor, dass der Verteilnetzbetreiber (DSO) als Systemverantwortlicher eine finanzielle Entschädigung an sogenannte E-Auto-Aggregateure auszahlt. Diese Aggregateure fungieren als Vermittler zwischen dem Netzbetreiber und Tausenden von einzelnen Fahrzeugen. Ihre Aufgabe ist es, die Ladeanfragen der ihnen angeschlossenen E-Autos zu sammeln – wann ein Auto angeschlossen wird, wann es voll geladen sein muss und welche Batteriekapazität es hat – und dann basierend auf dem Anreizsignal des Netzbetreibers einen optimalen Ladeplan für die gesamte Flotte zu berechnen. Die Entschädigung des Netzbetreibers richtet sich nach der Verbesserung des Drei-Phasen-Spannungsungleichgewichts im Netz, das durch die angepassten Ladevorgänge erreicht wird. Dies schafft einen direkten finanziellen Vorteil für die E-Autobesitzer, deren Ladekosten durch die erhaltenen Zahlungen teilweise oder vollständig ausgeglichen werden.
Die wissenschaftliche Arbeit der Gruppe geht jedoch weit über eine einfache Anreizidee hinaus. Sie stellt ein komplexes, zweistufiges Optimierungsmodell vor, das sowohl die wirtschaftlichen Interessen der Fahrer als auch die technischen Grenzen des Stromnetzes berücksichtigt. Das primäre Ziel des Modells ist die Maximierung des Gesamtnutzens für die E-Autobesitzer. Dieser Nutzen wird als Differenz zwischen den erhaltenen Anreizzahlungen und den direkten Kosten für den bezogenen Strom definiert. Es ist ein zentraler Punkt des Modells, dass es die Fahrer nicht zwingt, billiger zu laden, sondern ihnen die Freiheit gibt, auch zu teureren Tarifzeiten zu laden, wenn die Anreizzahlung dafür ausreicht. Dies ist entscheidend für die Akzeptanz, da es die Mobilität der Nutzer nicht beeinträchtigt.
Das sekundäre, aber ebenso wichtige Ziel ist die Sicherstellung eines sicheren Netzbetriebs. Das Modell berücksichtigt strenge Nebenbedingungen, um sicherzustellen, dass die Spannung in keinem Teil des Netzes zu stark ansteigt (Überspannung) oder abfällt (Unterspannung). Dies ist besonders wichtig, da unkontrolliertes Laden von E-Autos an bestimmten Netzabschnitten zu einem dramatischen Spannungsabfall führen kann, was nicht nur die Fahrzeuge selbst beschädigen, sondern auch andere Verbraucher beeinträchtigen würde.
Ein besonderes Merkmal der Studie ist die Berücksichtigung der Unsicherheit, die von erneuerbaren Energien wie Wind- und Solarkraftwerken ausgeht. Die Prognosen für deren Einspeisung sind oft ungenau, und ein Ladeplan, der auf einer falschen Vorhersage basiert, könnte das Netz in eine kritische Situation bringen. Um diesem Risiko zu begegnen, haben die Forscher die Theorie der robusten Optimierung eingesetzt. Im Gegensatz zu deterministischen Modellen, die mit einer einzigen Prognose arbeiten, definiert die robuste Optimierung eine „Unsicherheitsmenge“, die alle plausiblen Szenarien für die Wind- und Sonnenleistung umfasst. Das Optimierungsproblem wird dann so gelöst, dass der vorgeschlagene Ladeplan unter allen möglichen Bedingungen innerhalb dieser Menge garantiert, dass die Netzspannung innerhalb der sicheren Grenzen bleibt. Dies ist ein konservativerer Ansatz, der jedoch eine wesentlich höhere Sicherheit bietet.
Zur Validierung ihrer Strategie führten die Forscher umfangreiche Simulationen auf einem modifizierten IEEE-13-Knoten-Testnetz durch, einem etablierten Standardmodell in der Stromnetzforschung. Das Netz wurde mit sechs E-Auto-Aggregateuren und sechs Windkraftanlagen erweitert, um ein realistisches Szenario hoher Elektromobilitäts- und Erneuerbaren-Durchdringung zu simulieren. Sie verglichen vier verschiedene Szenarien, um die Wirksamkeit ihres Ansatzes zu isolieren.
Im ersten Szenario, dem „Business-as-usual“-Ansatz, laden alle E-Autos sofort nach dem Anschließen mit maximaler Leistung. Wie erwartet führt dies zu einer extremen Drei-Phasen-Unsymmetrie mit einem Spitzenwert des Spannungsungleichgewichtsindex von 5,64 %, weit über dem von IEEE empfohlenen Grenzwert von 3 %. Das zweite Szenario optimiert das Laden ausschließlich nach dem Kriterium der niedrigsten Stromkosten für die Fahrer, ohne Anreize für die Netzstabilität. Obwohl die direkten Ladekosten sinken, verschärft sich das Ungleichgewicht auf ein katastrophales Niveau von 7,01 %, da alle Fahrer ihre Ladung auf die günstigsten Tarifzeiten konzentrieren.
Das dritte Szenario implementiert das vorgeschlagene deterministische Optimierungsmodell mit dem Anreizmechanismus. Die Ergebnisse sind beeindruckend: Der Spitzenwert des Spannungsungleichgewichtsindex sinkt auf 2,93 %, sicher unterhalb des kritischen Schwellenwerts. Dies beweist, dass der finanzielle Anreiz die Fahrer erfolgreich dazu motiviert, ihre Ladestrategie so zu wählen, dass sie zur Netzstabilität beitragen, selbst wenn sie dadurch etwas mehr für den Strom bezahlen müssen. Das vierte Szenario verwendet das robuste Optimierungsmodell, um die Unsicherheit der Windenergieeinspeisung zu berücksichtigen. Sein Spitzenungleichgewicht liegt bei 2,95 %, eine vernachlässigbare Steigerung gegenüber dem deterministischen Modell, was die hohe Effektivität der Strategie auch unter unsicheren Bedingungen unterstreicht.
Die ökonomischen Ergebnisse sind ebenso überzeugend. In der ungeordneten Ladesituation betragen die Gesamtkosten für alle E-Autobesitzer 414,26 €. Das reine Kostenminimierungsszenario senkt dies auf 375,20 €. Die anreizbasierten Szenarien erreichen jedoch noch bessere Ergebnisse: Im deterministischen Modell liegen die Gesamtkosten bei 367,82 €, im robusten Modell bei 368,69 €. Obwohl die direkten Ladekosten in diesen Szenarien höher sind als im reinen Kostenminimierungsszenario, führen die hohen Anreizzahlungen zu niedrigeren Gesamtkosten für die Fahrer. Dies ist der Beweis für die zentrale These der Studie: Indem man den E-Autos einen finanziellen Anreiz bietet, sich für die Netzstabilität einzusetzen, kann ein Win-Win-Ergebnis erzielt werden.
Ein entscheidender Test der Robustheit war die „Nachkontrollanalyse“ (Post-contingency analysis). Die Forscher erzeugten 1000 zufällige Szenarien für die tatsächliche Windleistung, die innerhalb des prognostizierten Unsicherheitsbereichs lagen. Wenn die Ladestrategie aus dem deterministischen Modell (Szenario 3) angewendet wurde, überschritt die Spannung in 74,6 % dieser Szenarien die sicheren Grenzwerte. Im Gegensatz dazu hielt die Strategie aus dem robusten Modell (Szenario 4) in 100 % der 1000 Szenarien die Spannung innerhalb der sicheren Grenzen. Dieses Ergebnis ist ein eindrucksvoller Beweis für den Wert der robusten Optimierung. Es bietet eine essentielle Garantie für die Netzsicherheit, auch wenn die Zukunft unvorhersehbar ist.
Die Studie untersuchte auch die Sensitivität der Ergebnisse gegenüber der Höhe des Anreizes, repräsentiert durch den Koeffizienten κ. Mit steigendem κ sind die E-Autos bereit, höhere Ladekosten zu akzeptieren, um mehr Anreizzahlungen zu erhalten, was zu einer weiteren Verringerung des Spannungsungleichgewichts führt. Allerdings fanden die Forscher einen Punkt der abnehmenden Rendite. Jenseits eines bestimmten κ-Werts verringerte sich das maximale Spannungsungleichgewicht nicht weiter, was darauf hindeutet, dass die E-Autos ihr maximales Potenzial zur Stabilisierung des Netzes ausgeschöpft hatten. Dies ist eine wertvolle Erkenntnis für Netzbetreiber, da sie ihnen hilft, einen optimalen Anreiz festzulegen, der die gewünschte Netzstabilität erreicht, ohne unnötig hohe Zahlungen zu leisten.
Die Praxistauglichkeit des Modells wurde durch die Analyse der Genauigkeit der linearisierten Leistungsflussgleichungen bestätigt, die für die Optimierung verwendet wurden. Die Lösung der vollständigen, nichtlinearen Gleichungen für ein großes Netz ist für eine Echtzeit-Optimierung unlösbar. Die Forscher verwendeten eine lineare Näherung, die viel schneller zu lösen ist. Ihre Analyse zeigte, dass der Fehler zwischen dem linearisierten Modell und dem vollständigen, genauen Modell in allen Szenarien unter 0,6 % lag. Dieser geringe Fehler rechtfertigt die Verwendung des linearen Modells und macht den gesamten Optimierungsprozess für eine reale Anwendung machbar.
Die Implikationen dieser Forschung sind weitreichend. Sie verlagert die Diskussion über die Integration von E-Autos von einer einfachen Lastverschiebung hin zu einem aktiven Netzmanagement. Indem E-Autos als flexible Ressource genutzt werden, können Netzbetreiber ein hartnäckiges und kostspieliges Problem – die Drei-Phasen-Unsymmetrie – lösen, ohne auf teure Netzinfrastruktur-Ausbauten angewiesen zu sein. Für die Fahrer verwandelt sich ihr Fahrzeug von einem passiven Verbraucher in einen aktiven Teilnehmer am Energiemarkt, der für die Erbringung einer wertvollen Dienstleistung bezahlt wird.
Diese Strategie ist besonders relevant für Regionen mit hoher Durchdringung sowohl von einphasigen Photovoltaik-Anlagen als auch von E-Autos, eine Kombination, die ein „perfektes Ungleichgewicht“ erzeugen kann. Der vorgeschlagene Anreizmechanismus bietet eine marktbasierte Lösung, die die Interessen aller Beteiligten in Einklang bringt. Er ebnet auch den Weg für fortgeschrittenere Vehicle-to-Grid-(V2G)-Anwendungen, bei denen E-Autos nicht nur ihre Ladezeit anpassen, sondern auch Energie aus ihrer Batterie zurück ins Netz einspeisen können, um eine noch größere Netzunterstützung zu leisten.
Das Forschungsteam gibt zu, dass ihre Arbeit eine Grundlage für zukünftige Entwicklungen ist. Sie schlagen vor, dass die Anreizzahlung fairer als das einfache „Gleichverteilungsmodell“ verteilt werden könnte, möglicherweise basierend auf der tatsächlichen Menge an Stabilisierungsleistung, die jedes einzelne E-Auto erbringt. Sie weisen auch auf das Potenzial hin, das Modell zu erweitern, um das Entladen von E-Autos (V2G) einzubeziehen und eine Koordination mit anderen dezentralen Energiequellen wie Heimspeichern und intelligenten Haushaltsgeräten zu ermöglichen.
Zusammenfassend lässt sich sagen, dass die Studie von Huang Jing und ihren Kollegen an der Xi’an Jiao Tong University eine raffinierte und praktikable Lösung für eine zentrale Herausforderung der Energiewende präsentiert. Durch die Kombination eines gut gestalteten finanziellen Anreizes mit einem robusten Optimierungsrahmen haben sie eine Lade-Strategie entwickelt, die erfolgreich die Bedürfnisse des Stromnetzes und die wirtschaftlichen Interessen der E-Autofahrer in Einklang bringt. Dieser Ansatz löst nicht nur ein bedeutendes technisches Problem, sondern fördert auch ein resilientes, effizientes und partizipatives Energiesystem für die Zukunft. Während die Zahl der E-Autos weiter steigt, werden Strategien wie diese unerlässlich sein, um sicherzustellen, dass das Netz die Last bewältigen kann, ohne Stabilität oder Erschwinglichkeit zu gefährden.
Huang Jing, Wang Xiuli, Shao Chengcheng, Tang Lun, Wang Yifei, Xi’an Jiao Tong University, Power System Technology, DOI: 10.13335/j.1000-3673.pst.2023.1447