Raumliche Flexibilität von E-Fahrzeugen erhöht Netzkapazität
Die Integration von Elektrofahrzeugen (EVs) in das Stromnetz stellt eine der größten Herausforderungen und Chancen der Energiewende dar. Während die steigende Zahl an E-Fahrzeugen und dezentralen Erzeugungsanlagen wie Photovoltaik und Windkraft die Netzstabilität gefährden kann, eröffnen sich zugleich neue Möglichkeiten, die Flexibilität dieser Systeme gezielt zu nutzen. Eine neue Studie der Wuhan University zeigt, dass die räumliche Flexibilität beim Laden von Elektrofahrzeugen – also die Entscheidung, wo Fahrer ihr Fahrzeug aufladen – einen entscheidenden Hebel darstellt, um die Kapazität von Verteilnetzen zu erhöhen und gleichzeitig die Integration erneuerbarer Energien zu verbessern.
Die Forschung, durchgeführt von Huang Mengqi, Li Yonghui, Yang Jun und Wang Mengke vom Hubei Engineering and Technology Research Center for AC/DC Intelligent Distribution Network und der School of Electrical Engineering and Automation der Wuhan University, stellt einen Paradigmenwechsel in der Netzplanung dar. Statt Elektrofahrzeuge lediglich als zusätzliche Last zu betrachten, wird ihre Rolle als aktive, räumlich steuerbare Ressource neu bewertet. Dieser Ansatz beruht auf der Erkenntnis, dass moderne Fahrer nicht mehr zwangsläufig am nächstgelegenen Ladepunkt laden, sondern durch Navigations- und Lade-Apps gezielt zu bestimmten Stationen gelenkt werden können – eine Entwicklung, die sich ideal mit den Anforderungen des Stromnetzes verknüpfen lässt.
Die bisherige Methodik zur Berechnung der Tragfähigkeit von Verteilnetzen – also der maximalen Menge an dezentraler Erzeugung und Elektrofahrzeuglast, die ein Netz sicher aufnehmen kann – war oft auf zeitliche Aspekte beschränkt. Modelle konzentrierten sich darauf, wann Fahrzeuge geladen werden, beispielsweise durch Anreize wie variable Stromtarife. Die räumliche Dimension – wo das Laden stattfindet – wurde dabei weitgehend vernachlässigt. Dies führte zu einer unvollständigen Abbildung der Realität, da die physische Verteilung der Ladepunkte und die Entscheidungen der Fahrer erhebliche Auswirkungen auf lokale Spannungen, Leitungsbelastungen und die Effizienz des Netzes haben.
Das Team aus Wuhan erkannte diese Lücke und entwickelte ein neuartiges Berechnungsmodell, das die sogenannte „räumliche Planbarkeit“ (spatial schedulability) von Elektrofahrzeugen systematisch berücksichtigt. Das Modell geht davon aus, dass Fahrer bereit sind, einen gewissen zusätzlichen Weg zurückzulegen, um an einem bestimmten Ladepunkt zu laden, vorausgesetzt, sie erhalten dafür eine angemessene Kompensation. Diese Bereitschaft wird durch Faktoren wie die Verfügbarkeit von Ladepunkten, den aktuellen Batteriezustand, die Kosten und die Lenkung durch digitale Navigationsplattformen beeinflusst. Indem diese menschliche Entscheidungsfindung in die Netzplanung integriert wird, verwandelt sich die Elektromobilität von einer potenziellen Belastung in eine wertvolle Flexibilitätsressource.
Ein zentraler technischer Durchbruch der Studie ist die Anwendung der sogenannten „verteilungsrobusten Optimierung“ (distributionally robust optimization, DRO). Diese Methode stellt eine Brücke zwischen zwei etablierten Ansätzen dar: der stochastischen Optimierung, die detaillierte Wahrscheinlichkeitsverteilungen voraussetzt, und der klassischen robusten Optimierung, die oft zu konservativen und wirtschaftlich ineffizienten Ergebnissen führt. Die DRO-Methode nutzt historische Daten, um einen „Vertrauensbereich“ für die wahrscheinlichen Verteilungen von Unsicherheiten – wie Schwankungen in der Wind- und Solarerzeugung oder variierende Ladebedarfe – zu definieren. Dies ermöglicht eine Planung, die sowohl wirtschaftlich effizient als auch robust gegenüber unvorhergesehenen Szenarien ist. Die Forscher nutzten dabei gleichzeitig die 1-Norm und die ∞-Norm, um diesen Vertrauensbereich zu begrenzen, was zu einem ausgewogeneren und realistischeren Ergebnis führt.
Die Studie wurde an einem modifizierten IEEE-33-Knoten-Testsystem durchgeführt, einem Standardmodell in der Stromnetzforschung. Das Netz wurde mit einer Vielzahl von netzstützenden Geräten ausgestattet, darunter Mikrogasturbinen, Energiespeicher, Lastregeltransformatoren (OLTC), statische Blindleistungskompensatoren (SVC) und Schaltkondensatoren (CB). Die Simulationen umfassten vier repräsentative Tagesprofile, die unterschiedliche Wetter- und Lastbedingungen abbildeten.
Die Ergebnisse waren überzeugend. Die Berücksichtigung der räumlichen Planbarkeit führte zu einer Steigerung der maximalen Photovoltaik-Tragfähigkeit um 3,1 % – von 5,12 MW auf 5,28 MW – im Vergleich zu einem Szenario, in dem Fahrer ausschließlich am nächstgelegenen Ladepunkt laden. Obwohl die Windkraft-Tragfähigkeit leicht zurückging, was auf die begrenzte Gesamtkapazität des Netzes zurückzuführen ist, verbesserte sich die Gesamtbilanz der erneuerbaren Energieintegration. Noch bedeutender war der Rückgang der Betriebskosten. Das Modell reduzierte die Einkäufe vom übergeordneten Netz, senkte die Netzverluste und minimierte die Abregelung von Solar- und Windstrom.
Ein Schlüsselmechanismus war die intelligente Umverteilung der Ladeanfragen. Ohne räumliche Flexibilität neigten bestimmte Ladestationen, insbesondere in Wohngebieten oder Einkaufszentren, zu Überlastungen während der Spitzenstunden, während andere unterausgelastet blieben. Mit aktivierter räumlicher Planung konnte das Modell Ladevorgänge gezielt zu weniger belasteten Stationen umleiten. Beispielsweise wurden Fahrzeuge, die ursprünglich an einer überlasteten Station in einem Einkaufsviertel laden wollten, zu einer nahegelegenen, besser ausgelasteten Station in einem Bürokomplex gelenkt. Dies glättete den Lastverlauf erheblich, entlastete kritische Netzabschnitte und ermöglichte eine höhere lokale Nutzung von Solarstrom, was die Energieautarkie erhöhte.
Die wirtschaftlichen Vorteile sind signifikant. Obwohl eine kleine Kompensationszahlung für die zusätzlichen Fahrten an die Fahrer floss, wurden diese Kosten durch die erzielten Einsparungen im Netzbetrieb mehr als ausgeglichen. Die Gesamtbetriebskosten sanken um über 150 US-Dollar im Vergleich zum unflexiblen Szenario. „Die Kompensation ist ein kleiner Preis für einen großen kollektiven Nutzen“, betont Li Yonghui. „Es ist ein klassisches Beispiel dafür, wie ein kleiner Anreiz zu einer viel größeren Systemeffizienz führen kann.“
Die Forscher verglichen ihr DRO-Modell mit deterministischen und traditionellen robusten Ansätzen. Das deterministische Modell, das von perfektem Wissen über die Zukunft ausgeht, prognostizierte zwar höhere Erzeugungskapazitäten, war aber bei realen Unsicherheiten anfällig für Regelverletzungen. Das robuste Modell war zwar sicher, aber zu konservativ und beschränkte die erneuerbare Integration um bis zu 2,1 % im Vergleich zum DRO-Ansatz. Das vorgeschlagene Modell fand somit einen optimalen Kompromiss zwischen Wirtschaftlichkeit und Zuverlässigkeit.
Ein weiterer kritischer Aspekt der Studie war die Rolle der unterstützenden Infrastruktur. Die Forscher stellten fest, dass Geräte wie Energiespeicher (ESS) und Mikrogasturbinen einen deutlich stärkeren Einfluss auf die Netzkapazität hatten als reine Spannungsregelgeräte wie Kondensatoren. ESS-Einheiten spielten eine Doppelfunktion: Sie speicherten tagsüber überschüssige Solarenergie und speisten sie während der Abendlastspitze wieder ein, wodurch die Abhängigkeit vom Hauptnetz verringert wurde. In Kombination mit räumlich flexiblen Ladevorgängen wurde ihre Effektivität weiter gesteigert. „Speicher und flexible Lasten sind synergetisch“, erklärt Yang Jun. „Das eine verschiebt Energie in der Zeit, das andere im Raum. Zusammen schaffen sie ein resilienteres und effizienteres System.“
Diese Erkenntnisse haben unmittelbare Relevanz für Netzbetreiber, Stadtplaner und Betreiber von Ladeinfrastruktur. Bei der Planung neuer Ladestationen sollte der Standort nicht nur nach Verkehrsaufkommen oder Immobilienverfügbarkeit gewählt werden. Stattdessen ist ein koordinierter Ansatz erforderlich, der Netzbelastungen und das Potenzial für die Integration erneuerbarer Energien berücksichtigt. Die Studie legt nahe, dass Navigationsplattformen mit Netzbetriebssystemen integriert werden könnten, um Fahrer nicht nur zu den bequemsten, sondern auch zu den netzfreundlichsten Ladepunkten zu führen.
Darüber hinaus unterstreicht die Arbeit die Bedeutung datengestützter Planung. Durch die Nutzung historischer Daten über Fahrverhalten, Wetterbedingungen und Netzleistung können genauere Modelle der zukünftigen Kapazität erstellt werden. Die Verwendung von 1-Norm- und ∞-Norm-Beschränkungen im DRO-Rahmen stellt sicher, dass das Modell auch bei begrenzten Daten robust bleibt, was es für Regionen mit weniger ausgereiften Überwachungssystemen anwendbar macht.
Die Studie eröffnet auch neue Wege für Demand-Response-Programme. Statt nur zeitbasierte Anreize anzubieten, könnten Netzbetreiber räumliche Anreize schaffen – also Fahrer dafür belohnen, an unterausgelasteten Stationen zu laden, wenn gerade viel erneuerbarer Strom zur Verfügung steht. Solche Programme könnten nahtlos in bestehende Navigations-Apps integriert werden und eine benutzerfreundliche Schnittstelle für die Teilnahme am Netz bieten.
Obwohl die Studie an einem spezifischen Testsystem durchgeführt wurde, ist ihre Methodik skalierbar und anpassungsfähig. Die Kernidee – dass menschliches Entscheidungsverhalten im Raum modelliert und für das Netz optimiert werden kann – gilt für jedes urbane oder vorstädtische Verteilnetz mit steigender Elektrofahrzeugquote. Mit der Reife autonomer Fahrzeuge und Vehicle-to-Grid-Technologien (V2G) wird das Potenzial für eine räumliche und zeitliche Koordination noch weiter zunehmen.
Die Autoren weisen jedoch darauf hin, dass ihr Modell einen ersten Schritt darstellt. Es geht davon aus, dass Fahrer bereit sind, von ihrer bevorzugten Ladestelle abzuweichen, was nicht für alle Bevölkerungsgruppen zutrifft. Zukünftige Forschung könnte Verhaltensmodelle einbeziehen, die individuelle Präferenzen, Reisezwecke und psychologische Faktoren berücksichtigen. Außerdem integriert das aktuelle Modell die zeitliche Flexibilität – wie verzögertes Laden oder V2G-Entladen – nicht vollständig mit den räumlichen Entscheidungen. Ein einheitlicher räumlich-zeitlicher Optimierungsrahmen könnte noch größere Netzvorteile freisetzen.
Die Studie unterstreicht auch die Notwendigkeit regulatorischer und marktlicher Reformen. Um die räumliche Flexibilität vollständig zu nutzen, müssen Ladepunkt-Betreiber, Netzbetreiber und Mobilitätsdienstleister Daten austauschen und ihre Strategien koordinieren. Bestehende Marktstrukturen trennen diese Funktionen oft voneinander, was das Potenzial für eine systemweite Optimierung begrenzt. Politische Entscheidungsträger müssen möglicherweise neue Rahmenbedingungen schaffen, die Zusammenarbeit fördern und netzstützende Verhaltensweisen belohnen.
Zusammenfassend demonstriert die Forschung von Huang Mengqi, Li Yonghui, Yang Jun und Wang Mengke, dass die Art und Weise, wie wir über das Laden von Elektrofahrzeugen denken, sich verändern muss. Es ist nicht mehr nur eine Last, die verwaltet werden muss, sondern eine flexible Ressource, die, wenn sie richtig gelenkt wird, das Netz stärken und die Energiewende beschleunigen kann. Indem die räumliche Dimension der EV-Nachfrage genutzt wird, können Netzbetreiber und Planer versteckte Kapazitäten freisetzen, Kosten senken und ein nachhaltigeres Stromsystem aufbauen.
Die Implikationen reichen über die technische Modellierung hinaus. Sie berühren das übergeordnete Thema menschlich zentrierter Energiesysteme – wo Technologie, Verhalten und Infrastruktur zusammenkommen, um intelligentere und resilientere Gemeinschaften zu schaffen. Mit der weiteren Verbreitung der Elektromobilität könnte die Fähigkeit, die räumliche Intelligenz von Millionen von Fahrern zu nutzen, zu einem der mächtigsten Werkzeuge im Instrumentarium der Energiewende werden.
Huang Mengqi, Li Yonghui, Yang Jun, Wang Mengke, Hubei Engineering and Technology Research Center for AC/DC Intelligent Distribution Network, School of Electrical Engineering and Automation, Wuhan University, Power System Technology, DOI: 10.13335/j.1000-3673.pst.2024.1425