Neue Studie: Elektroautos und 5G-Netz gemeinsam für stabile Stromnetze
Eine bahnbrechende Forschungsarbeit der Southeast University zeigt, wie zwei scheinbar unabhängige Technologiewelten – Elektromobilität und digitale Kommunikation – gemeinsam die Energiewende vorantreiben können. Die Studie, die im renommierten Fachjournal Power System Technology veröffentlicht wurde, stellt ein neuartiges Modell vor, das die Batterien von Elektrofahrzeugen (EVs) und die Backup-Speicher von 5G-Basisstationen zu einer leistungsstarken, flexiblen Einheit für das Stromnetz zusammenführt. Unter der Leitung von Zhang Xinyu vom Institut für Elektrotechnik der Southeast University wurde ein Entscheidungsrahmen entwickelt, der es Aggregatoren ermöglicht, diese dezentralen Ressourcen effizient und profitabel auf dem Strommarkt zu positionieren, und dabei die inhärente Unsicherheit des Marktes und des Nutzerverhaltens meistert.
Die These der Studie ist überzeugend in ihrer Einfachheit: In einer Welt, die sich rasant elektrifiziert und digitalisiert, entstehen parallele Infrastrukturen, die ein riesiges, bisher ungenutztes Potenzial für die Energieversorgung bergen. Laut offiziellen Zahlen des chinesischen Ministeriums für Industrie und Informationstechnologie gab es Ende 2022 über zehn Millionen reine Elektrofahrzeuge und mehr als 2,3 Millionen 5G-Basisstationen. Jedes dieser Fahrzeuge und jeder dieser Standorte verfügt über eine leistungsstarke Batterie. Während die Fahrzeugbatterie die Mobilität speist, sichert die Stationenbatterie die Kommunikation bei Stromausfällen ab. Beide sind also elektrochemische Energiespeicher, die jedoch unterschiedlichen Betriebsbedingungen unterliegen. Genau diese Unterschiede, so die Forschung, sind die Quelle einer wertvollen Komplementarität.
Ein einzelnes Elektrofahrzeug oder eine einzelne Basisstation ist zu klein, um direkt am Großhandelsstrommarkt teilnehmen zu können. Ihre Stärke liegt in der Masse. Aggregatoren fungieren hier als entscheidende Vermittler, die Tausende von kleinen Einheiten zu einem großen, steuerbaren „virtuellen Kraftwerk“ zusammenfassen. Doch die Aufgabe eines Aggregators ist komplex und mit Unsicherheiten behaftet. Wann wird ein Elektrofahrzeug angeschlossen oder abgesteckt? Mit welchem Ladezustand? Wie stark ist die Nachfrage nach Mobilfunkdaten und damit der Energieverbrauch der Basisstation? Und wie werden sich die Preise für Energie und Regelenergie auf dem Markt entwickeln? Diese Fragen machen traditionelle Planungsmodelle oft ungenau oder zu konservativ.
Die Forschergruppe um Zhang Xinyu stellt sich dieser Herausforderung mit einem innovativen Ansatz: der sogenannten „Ziel-Robustheit“ (Target Robustness oder Robust Satisficing, RS). Im Gegensatz zu herkömmlichen Methoden wie der stochastischen Optimierung, die auf historischen Wahrscheinlichkeiten basiert, oder der klassischen robusten Optimierung, die auf den worst-case-Szenarien vorbereitet ist und oft zu vorsichtig agiert, verfolgt das RS-Modell einen umgekehrten Ansatz. Anstatt nach dem maximal möglichen Gewinn unter Unsicherheit zu suchen, setzt es zunächst ein akzeptables Ziel für den Gewinn. Das primäre Ziel des Modells wird dann nicht mehr der maximale Ertrag, sondern die Maximierung der Robustheit gegenüber unvorhergesehenen Abweichungen. Es fragt nicht: „Wie viel kann ich maximal verdienen?“, sondern: „Wie sicher kann ich sein, dass ich mein gewünschtes Ziel erreiche, egal wie sehr die Realität von meinen Prognosen abweicht?“
Dieser Paradigmenwechsel ist der Schlüssel zur Überlegenheit des Modells. Es benötigt keine detaillierten Kenntnisse über die genaue Wahrscheinlichkeitsverteilung zukünftiger Ereignisse, was in der Praxis oft schwer zu ermitteln ist. Stattdessen wird ein „konträrer Einflussfaktor“ eingeführt, der quantifiziert, wie empfindlich die Leistung des Systems gegenüber unerwarteten Änderungen ist. Das Modell optimiert dann direkt für diese Robustheit. Das Ergebnis ist eine Entscheidungsstrategie, die sowohl wirtschaftlich attraktiv als auch erstaunlich widerstandsfähig gegen Black-Swan-Ereignisse, Prognosefehler oder plötzliche Verhaltensänderungen ist.
Die praktische Wirksamkeit dieses Ansatzes wurde in umfangreichen Simulationen unter Beweis gestellt. Die Forscher verglichen das RS-Modell mit drei etablierten Methoden – stochastische Optimierung (SO), klassische robuste Optimierung (RO) und verteilungsrobuste Optimierung (DRO) – in einem Szenario, das dem US-amerikanischen PJM-Regelenergiemarkt nachempfunden ist. Die Ergebnisse waren eindeutig: Das RS-Modell erzielte den höchsten durchschnittlichen Nettoertrag und zeigte gleichzeitig die geringste Schwankungsbreite über tausend verschiedene Testdurchläufe. Besonders bemerkenswert ist der Vergleich mit dem DRO-Modell, das oft als goldener Mittelweg gilt. Das RS-Modell steigerte den tatsächlichen Ertrag um beeindruckende 76,92 Prozent und reduzierte die Standardabweichung um 11,05 Prozent. Noch eindrucksvoller ist, dass der DRO-Ansatz im direkten Vergleich unter den gleichen Bedingungen einen um 130,79 Prozent niedrigeren Ertrag erzielte. Dies unterstreicht die Überlegenheit des RS-Ansatzes in der realen Anwendung, wo theoretische Annahmen oft auf harte Tests stoßen.
Ein weiterer entscheidender Vorteil des RS-Modells liegt in seiner Fähigkeit, die Qualität der erbrachten Dienstleistung zu sichern. Die Primärregelung, bei der das Netz in Echtzeit auf Frequenzschwankungen reagiert, wird nicht nur nach bereitgestellter Leistung, sondern auch nach der Genauigkeit der Reaktion vergütet. Hier schnitt das RS-Modell erneut am besten ab. Es erreichte eine durchschnittliche Regelgenauigkeit von 91,27 Prozent mit minimalen Schwankungen. Im Gegensatz dazu zeigte das stochastische Modell die niedrigste Genauigkeit und die höchste Volatilität, was es für Märkte mit hohen Leistungsanforderungen ungeeignet macht. Diese Zuverlässigkeit ist für Aggregatoren von entscheidender Bedeutung, da sie Verträge mit Netzbetreibern erfüllen müssen und bei schlechter Leistung Strafen riskieren.
Die wahre Revolution der Studie liegt jedoch nicht nur in der Optimierungsmethode, sondern in der Idee der gemeinsamen Nutzung von Elektrofahrzeug- und 5G-Basisstationenbatterien. Die Forscher analysierten drei Szenarien: Nur Elektrofahrzeuge, nur 5G-Basisstationen und eine Kombination beider. Die Ergebnisse waren eindeutig: Die kombinierte Nutzung führte zu einem signifikanten Synergieeffekt. Die Summe der Einnahmen aus den beiden getrennten Szenarien betrug 1.548,89 Dollar. Das kombinierte System hingegen erzielte 2.012,47 Dollar – eine Steigerung von 29,93 Prozent. Dieser erhebliche Zuwachs ist der direkte Beweis für die komplementäre Natur der beiden Ressourcen.
Diese Komplementarität zeigt sich in der zeitlichen Abstimmung ihrer Nutzung. 5G-Basisstationen haben ihren höchsten Energiebedarf während der Tages- und Abendstunden, wenn viele Nutzer telefonieren oder Daten abrufen. In diesen Phasen muss ihre Backup-Batterie stets genügend Reservekapazität haben, was ihre Flexibilität für den Strommarkt einschränkt. Gleichzeitig kehren in diesen Abendstunden viele Elektrofahrzeuge nach der Arbeit nach Hause zurück und sind an Ladestationen angeschlossen. Ihre Batterien sind oft nicht voll und haben ein großes Potenzial, Energie aus dem Netz aufzunehmen (downward regulation) oder, wenn genügend geladen, Energie ins Netz zurückzuspeisen (upward regulation). Umgekehrt, in den frühen Morgenstunden, wenn die Mobilfunknutzung gering ist und die Basisstationenbatterien mehr Flexibilität haben, sind die meisten Elektrofahrzeuge bereits voll geladen und ihre Ladevorgänge sind abgeschlossen. In dieser Phase kann die Reservekapazität der 5G-Batterien genutzt werden, um das Netz zu stabilisieren, während die Elektrofahrzeuge als passive Partner fungieren.
Diese zeitliche Verschiebung der Flexibilität ermöglicht es dem Aggregator, strategisch zu handeln. Er kann die Basisstationenbatterien nutzen, um überschüssige Energie aus erneuerbaren Quellen aufzunehmen, wenn der Strom billig ist, und die Fahrzeugbatterien, um Energie bereitzustellen, wenn die Nachfrage und die Preise hoch sind. Die gemeinsame Nutzung schafft eine interne Balance. Wenn eine Ressource durch ihre Marktteilnahme an ihre Grenzen stößt, kann die andere kompensieren. Dies reduziert die Notwendigkeit, teure Energie auf dem Spotmarkt zu kaufen, um Ungleichgewichte auszugleichen, und erhöht so die Gesamteffizienz und Rentabilität des Aggregators.
Ein weiterer bedeutender Aspekt der Studie ist die Wertschöpfung aus bestehender Infrastruktur. Viele 5G-Basisstationen verwenden bereits wiederverwertete Batterien aus ausgemusterten Elektrofahrzeugen. Diese Praxis schafft einen Kreislauf zwischen der Automobil- und der Telekommunikationsbranche. Die Forschung von Zhang Xinyu zeigt nun, dass diese wiederverwendeten Batterien nicht nur eine kostengünstige Backup-Lösung sind, sondern auch eine aktive Rolle im Energiemarkt spielen können. Dies eröffnet den Telekommunikationsunternehmen eine völlig neue Einnahmequelle, indem sie ihre Infrastruktur über ihre primäre Funktion hinaus monetarisieren. Für die Betreiber von Elektrofahrzeugflotten, sei es private Unternehmen oder kommunale Dienstleister, bedeutet dies eine erhebliche Verbesserung der Wirtschaftlichkeit ihrer Investitionen in Elektromobilität.
Das RS-Modell bietet zudem eine hohe Flexibilität in Bezug auf die Risikobereitschaft. Aggregatoren können ihr Zielgewinn-Niveau anpassen, um ihre Strategie auf ihre individuelle Risikotoleranz abzustimmen. Ein Aggregator mit hohem Risikoappetit kann ein ambitioniertes Gewinnziel setzen, was zu aggressiveren Geboten und potenziell höheren Erträgen führt, aber auch mit größerer Volatilität einhergeht. Ein konservativerer Aggregator, der auf Zuverlässigkeit und stabile Erträge setzt, kann ein niedrigeres Ziel wählen. Das Modell wird dann automatisch eine robustere, sicherere Strategie finden, die zwar möglicherweise nicht den absoluten Maximalertrag erzielt, aber dafür eine konstant hohe Leistung und Genauigkeit garantiert. Diese Anpassungsfähigkeit macht das Modell für eine Vielzahl von Marktteilnehmern und regulatorischen Umgebungen attraktiv.
Die Ergebnisse dieser Studie haben weitreichende Implikationen für die Zukunft der Energieversorgung. Sie unterstreichen die Notwendigkeit, sektorenübergreifend zu denken und Synergien zwischen scheinbar unabhängigen Systemen zu nutzen. Die traditionellen Grenzen zwischen Verkehr, Kommunikation und Energieversorgung verschwimmen zunehmend. Eine intelligente Vernetzung dieser Systeme ist der Schlüssel zu einem resilienten, nachhaltigen und effizienten Energiesystem. Die Forschung liefert eine klare Botschaft an politische Entscheidungsträger: Regulierungsrahmen müssen geschaffen werden, die die Aggregation dezentraler Ressourcen fördern, klare Kommunikationsstandards festlegen und faire Vergütungsmechanismen für Flexibilitätsdienstleistungen etablieren. Nur so kann das volle Potenzial dieser Technologien ausgeschöpft werden.
Zhang Xinyu, Institut für Elektrotechnik, Southeast University, Power System Technology, DOI: 10.13335/j.1000-3673.pst.2023.2232