In den letzten Jahren hat die Elektromobilität weltweit einen beispiellosen Aufschwung erlebt. Diese Entwicklung wird durch die Reduzierung der Abhängigkeit von fossilen Brennstoffen und die Senkung der Umweltverschmutzung vorangetrieben. Elektrofahrzeuge, die in der Lage sind, elektrische Energie aus nachhaltigen Quellen zu absorbieren und keine schädlichen Emissionen freisetzen, haben sich zu einem Eckpfeiler der nachhaltigen Verkehrspolitik entwickelt. Doch mit der wachsenden Anzahl von Elektrofahrzeugen und der Ausweitung der Ladeinfrastruktur treten neue Herausforderungen auf: Die unkoordinierten Ladeverhalten der Fahrer beeinträchtigen nicht nur die Stabilität der Stromnetze, sondern auch die Effizienz der Verkehrssysteme. Ein innovatives Konzept zur Lösung dieses Problems ist die optimale Preisstrategie für Ladestationen, die die Interaktion zwischen Strom- und Verkehrsnetz intelligent steuert.
Die Wechselwirkung von Strom- und Verkehrsnetz: Ein neues Spannungsfeld
Die Elektrifizierung des Verkehrs hat die traditionelle Trennung zwischen Strom- und Verkehrsnetz aufgebrochen und führt zu bisher ungelösten Konflikten zwischen beiden Systemen. Während in der Ära der Verbrennungsmotoren diese Systeme weitgehend unabhängig voneinander funktionierten, sind sie heute durch die Elektromobilität eng verzahnt. Diese Kopplung zeigt sich in zwei Richtungen: Einerseits beeinflussen Verkehrsbedingungen wie Staus oder bevorzugte Routen die räumliche und zeitliche Verteilung der Ladeanforderungen, was sich direkt auf die Belastung der Stromnetze auswirkt. Andererseits bestimmen die Preise für die Ladestromversorgung in den Stationen die Entscheidungen der Fahrer bezüglich ihrer Reisepläne und Ladevorgänge, was wiederum die Verkehrsströme verändert.
Diese gegenseitige Abhängigkeit erfordert ein interdisziplinäres Herangehen, um die Effizienz beider Systeme zu maximieren. Frühere Studien haben versucht, dieses Problem anzugehen, aber viele von ihnen beschränken sich darauf, die Ladepreise an den ortsspezifischen Grenzkosten (Locational Marginal Price, LMP) der Stromnetze zu knüpfen, was die Flexibilität bei der Preisgestaltung erheblich einschränkt. Die neu entwickelte optimale Preisstrategie geht einen Schritt weiter: Sie zielt darauf ab, die Gesamtbetriebskosten von Strom- und Verkehrsnetz zu minimieren, indem den Ladepreisen ein größerer Entscheidungsspielraum eingeräumt wird.
Mathematische Modelle: Die Grundlage für optimale Preisentscheidungen
Um die optimale Preisstrategie wirksam umzusetzen, müssen die Funktionsweise von Strom- und Verkehrsnetzen sowie ihre Interaktionen mathematisch modelliert werden. Diese Modelle ermöglichen es, die Betriebsgrenzen zu verstehen und die Ladepreise auf wissenschaftliche Weise zu optimieren.
Stromnetzmodell: Gleichgewicht und Kosten
Das Stromnetz wird mithilfe eines Zweigstrommodells (Branch Flow Model, BFM) beschrieben, das das Gleichgewicht zwischen aktiver und reaktiver Leistung, Spannungsgrenzen und Leistungsbeschränkungen von Generatoren berücksichtigt. Das Modell umfasst Gleichungen, die umfassen, dass die in einem Knoten erzeugte Leistung gleich der verbrauchten Leistung plus den Verlusten in den Leitungen ist. Darüber hinaus werden Spannungsgrenzen für die Knoten und Leistungsbegrenzungen für die Leitungen festgelegt, um die Stabilität und Sicherheit des Netzes zu gewährleisten.
Die Betriebskosten des Stromnetzes umfassen die Erzeugungskosten (die einer quadratischen Funktion der erzeugten Leistung folgen), die Kosten für den Strombezug aus dem Hochspannungsnetz sowie Regulierungskosten für Spannungsabweichungen außerhalb der sicheren Bereiche – also die technischen Aufwendungen zur Stabilisierung des Netzes bei Spannungsschwankungen. Das Ziel besteht darin, diese Kosten zu minimieren, während alle Betriebsrestriktionen eingehalten werden.
Verkehrsnetzmodell: Nutzergleichgewicht und Reisekosten
Das Verkehrsnetz wird auf der Grundlage des Wardrop’schen Nutzergleichgewichtsmodells beschrieben, das besagt, dass in einem im Gleichgewicht befindlichen System alle genutzten Wege zwischen einem Start- und Zielpunkt die gleichen Reisekosten aufweisen, und diese Kosten niedriger sind als diejenigen nicht genutzter Wege. Dieses Prinzip hilft, zu beschreiben, wie Verkehrsströme in Abhängigkeit von Kosten verteilt werden, die Reisezeit und Ladekosten umfassen.
Das Modell unterteilt die Straßen in drei Kategorien: reguläre Straßen, Laderouten (die zu Ladestationen führen) und Umgehungen. Die Reisezeit auf regulären Straßen hängt von der Verkehrsdichte ab und folgt einer Funktion, die mit zunehmendem Verkehrsfluss ansteigt. Auf Laderouten umfasst die Kostenstruktur zusätzlich den Strompreis und die Ladezeit. Umgehungen haben eine vernachlässigbare Reisezeit, werden aber in der Regel nur dann genutzt, wenn die Kosten auf anderen Routen zu hoch sind.
Die Betriebskosten des Verkehrssystems errechnen sich aus der Summe der Reisekosten aller Nutzer, die von den Verkehrsströmen und den Ladepreisen in den Stationen abhängen. Das Ziel ist es, diese Kosten durch eine optimale Verteilung der Fahrzeuge zu minimieren.
Integriertes Modell: Ein hierarchischer Optimierungsansatz
Das integrierte Modell kombiniert die Stromnetz- und Verkehrsnetzmodelle zu einem zweistufigen hierarchischen Optimierungsproblem. Die oberste Ebene zielt darauf ab, die optimalen Ladepreise zu bestimmen, während die untere Ebene die Betriebskosten von Strom- und Verkehrsnetzen auf der Grundlage dieser Preise berechnet.
In der unteren Ebene werden, gegeben die Ladepreise, das Gleichgewichtsproblem des Verkehrsnetzes gelöst, um Verkehrsströme und Reisekosten zu erhalten, sowie das optimale Stromfluss-Problem des Stromnetzes, um Erzeugungskosten und Verluste zu berechnen. Diese Ergebnisse werden an die obere Ebene zurückgegeben, die die Effektivität der Ladepreise bewertet und anpasst, um die Gesamtkosten zu minimieren – einschließlich möglicher Strafen für Verstöße gegen Restriktionen (z. B. Erzeugungskosten, die die Einnahmen aus dem Stromverkauf übersteigen).
Optimierungsalgorithmus: Adaptiver Ansatz für bessere Ergebnisse
Aufgrund der Komplexität des Optimierungsproblems – gekennzeichnet durch nichtlineare Funktionen und komplexe Restriktionen – wird ein adaptiver Partikelschwarmoptimierungsalgorithmus (APSO) eingesetzt. Im Gegensatz zu traditionellen Algorithmen wie dem PSO passt der APSO Parameter wie das Trägheitsgewicht und Lernfaktoren dynamisch an, wodurch seine Fähigkeit zur Suche nach global optimalen Lösungen verbessert wird.
Das Trägheitsgewicht im APSO nimmt im Verlauf der Iterationen linear ab: Es beginnt mit einem hohen Wert, um den Lösungsraum umfassend zu erkunden, und verringert sich dann, um die Suche in der Nähe des Optimums zu verfeinern. Die Lernfaktoren, die die Einwirkung der besten individuellen Position und der besten globalen Position steuern, ändern sich ebenfalls asynchron: In den ersten Iterationen ist der individuelle Lernfaktor größer, um die Exploration zu fördern, während in den späteren Iterationen der globale Lernfaktor dominiert, um die Konvergenz zu beschleunigen.
Diese adaptive Anpassung ermöglicht es dem APSO, lokale Optima zu vermeiden und Lösungen zu finden, die die Gesamtkosten von Strom- und Verkehrsnetz minimieren – was ihn effizienter als traditionelle Algorithmen macht.
Fallstudie: Validierung der Effektivität der Preisstrategie
Um die Effektivität der vorgeschlagenen optimalen Preisstrategie zu überprüfen, wurde eine Fallstudie durchgeführt, die ein Verkehrsnetz mit 12 Knoten und 8 Ladestationen sowie ein Stromnetz mit 21 Knoten umfasste. Verschiedene Szenarien wurden verglichen, um die Leistung des Modells zu bewerten.
Vergleich zwischen APSO und traditionellem PSO
Die Ergebnisse zeigten, dass der APSO in Bezug auf die Qualität der Lösung dem traditionellen PSO überlegen ist. Aunque der PSO schneller konvergiert, neigt er dazu, in lokalen Optima stecken zu bleiben, was zu höheren Gesamtkosten führt. Dank seiner adaptiven Anpassung kann der APSO eine Lösung finden, die dem globalen Optimum näher kommt, und reduziert somit die Gesamtkosten im Vergleich zum PSO.
Bewertung verschiedener Szenarien
Drei Szenarien wurden verglichen:
- Szenario 1: Mit APSO berechnete Ladepreise.
- Szenario 2: Ladepreise, die auf dem LMP des Stromnetzes basieren (traditioneller Ansatz).
- Szenario 3: Zufällige Ladeentscheidungen durch Fahrer ohne Preisbeeinflussung.
Die Ergebnisse zeigten, dass Szenario 1 die niedrigsten Gesamtkosten aufweist. Im Vergleich zu Szenario 2 wurden die Betriebskosten des Verkehrsnetzes erheblich reduziert, da die optimalen Ladepreise die Verkehrsströme besser verteilt und Engpässe verringert haben. Gleichzeitig blieben die Stromnetzkosten stabil, dank einer ausgewogeneren Lastverteilung.
Im Vergleich zu Szenario 3 war der Unterschied noch deutlicher. Zufällige Entscheidungen führten zu extrem hohen Reisezeiten und Verkehrskosten, die um mehr als das Zehnfache höher waren – was zeigt, dass eine aktive Steuerung der Ladepreise essenziell für die Systemeffizienz ist.
Sicherheit des Stromnetzes
Neben der Kostensenkung gewährleistet die optimale Preisstrategie die Sicherheit des Stromnetzes. Die Analyse der Spannungsabweichung in den Knoten ergab, dass die maximalen Werte 5 % nicht überschritten haben, was unter dem sicheren Grenzwert von 7 % liegt. Dies bestätigt, dass das System unter den optimierten Preisen stabil funktioniert.
Fazit: Auf dem Weg zu einer effizienteren und nachhaltigeren Elektromobilität
Die optimale Preisstrategie für Ladestationen stellt einen bedeutenden Fortschritt in der integrierten Verwaltung von Strom- und Verkehrsnetzen dar. Durch die Koordination dieser Systeme über adaptive Preise werden Betriebskosten reduziert, die Verkehrseffizienz verbessert und die Stabilität des Stromnetzes sichergestellt.
Die Forschungsergebnisse zeigen, dass:
- Die Wechselwirkung zwischen Strom- und Verkehrsnetzen für die Entwicklung wirksamer Ladestrategien von entscheidender Bedeutung ist.
- Integrierte mathematische Modelle und adaptive Optimierungsalgorithmen wie der APSO leistungsstarke Werkzeuge zur Lösung komplexer Probleme dieser Art darstellen.
- Eine proaktive Steuerung der Ladepreise die Gesamtkosten erheblich senken und das Fahrerlebnis von Elektrofahrzeugbesitzern verbessern kann.
Mit der weiteren Ausbreitung der Elektromobilität könnte diese Strategie weltweit in Städten implementiert werden, um zu einem nachhaltigeren, effizienteren und umweltfreundlicheren Verkehrssystem beizutragen. Zukünftige Entwicklungen könnten die Integration verschiedener Lademodi – wie dynamisches kabelloses Laden – und die Berücksichtigung von Nachfageprognosen umfassen, um Preise noch proaktiver anzupassen. So könnten Ladestationen zu Schlüsseln in einem intelligenten Mobilitätsökosystem werden.