Schwungradspeicher stabilisieren Inselnetze mit E-Autos
Die Energiewende bringt nicht nur Chancen, sondern auch komplexe Herausforderungen für die Stabilität moderner Stromnetze mit sich. Insbesondere Inselnetze, die unabhängig vom zentralen Versorgungsnetz operieren, leiden zunehmend unter einem Mangel an Systemträgheit. Dieser kritische Parameter, der traditionell von großen, rotierenden Generatoren bereitgestellt wird, dämpft Frequenzschwankungen und sorgt für ein stabiles Gleichgewicht zwischen Erzeugung und Verbrauch. Mit dem rasanten Ausbau erneuerbarer Energien wie Wind und Sonne, deren Anlagen jedoch kaum mechanische Trägheit besitzen, droht diese natürliche Stabilisierung zu verschwinden. Ein plötzlicher Lastsprung – sei es durch den Start einer Industrieanlage oder einen gleichzeitigen Anstieg des Heimstromverbrauchs – kann die Frequenz eines Inselnetzes so schnell aus dem Takt bringen, dass das Risiko eines Blackouts steigt. In diesem Spannungsfeld forschen Wissenschaftler nach innovativen Lösungen, um die Netzstabilität auch in einer post-fossilen Ära zu gewährleisten.
Ein vielversprechender Ansatz kommt von Forschern der Hochschule für Technologie Hunan. In einer bahnbrechenden Studie haben Wu Huai, Zeng Hongbing und Li Xinyu ein neuartiges Konzept entwickelt, das die Stärken zweier moderner Technologien kombiniert: Schwungradenergiespeicher und Elektrofahrzeuge. Ihre Arbeit, veröffentlicht im Journal of Hunan University of Technology, zeigt, wie die Integration eines Schwungradspeichers (FESU) mit der intelligenten Einbindung von Elektrofahrzeugen (EVs) die Lastfrequenzregelung (LFC) in Inselnetzen erheblich verbessern kann. Besonders bemerkenswert ist, dass die Forscher dabei auch die oft vernachlässigte Rolle der Kommunikationsverzögerungen und des variablen Ladezustands (SOC) der Fahrzeugbatterien systematisch berücksichtigt haben.
Das Herzstück des Problems liegt in der fundamentalen Unterschiedlichkeit zwischen konventionellen und modernen Energiesystemen. In einem klassischen Kraftwerk wirkt die große Masse der Turbine wie ein riesiges Schwungrad. Bei einer Frequenzabsenkung liefert diese Masse durch ihre Trägheit kurzfristig zusätzliche Energie, was den Frequenzabfall verlangsamt (Rate of Change of Frequency, ROCOF) und dem Regelungssystem wertvolle Zeit gibt, um gegenzusteuern. In einem Inselnetz, das hauptsächlich aus Photovoltaik- und Windanlagen besteht, fehlt diese physikalische Pufferwirkung. Die elektronische Schnittstelle zwischen diesen Anlagen und dem Netz ermöglicht zwar eine schnelle Reaktion, aber ohne die dämpfende Wirkung der Trägheit sind die Frequenzschwankungen viel extremer und unkontrollierter.
Um genau diesen Mangel an Trägheit und Dämpfung zu beheben, schlagen die Forscher die Einführung eines Schwungradenergiespeichers vor. Im Gegensatz zu Lithium-Ionen-Batterien, die Energie chemisch speichern, nutzt ein FESU kinetische Energie. Eine schwere, schnell rotierende Scheibe speichert Energie. Wenn die Netzfrequenz sinkt, kann das System diese Energie abgeben, indem es die Drehzahl der Scheibe verringert und die freiwerdende Energie ins Netz einspeist. Umgekehrt kann es bei einer Frequenzerhöhung überschüssige Energie aus dem Netz aufnehmen, um die Scheibe schneller zu beschleunigen. Auf diese Weise verhält sich das FESU wie ein künstlicher Generator, der die fehlende Trägheit nachbildet und dem System die entscheidende Dämpfung verleiht, die für eine stabile Frequenzregelung unerlässlich ist.
Die wahre Innovation der Studie liegt jedoch in der ganzheitlichen Betrachtung des gesamten Systems. Die Forscher gehen einen Schritt weiter und integrieren Elektrofahrzeuge als aktive Teilnehmer am Regelprozess. Durch die sogenannte Vehicle-to-Grid-Technologie (V2G) können Elektrofahrzeuge nicht nur Strom beziehen, sondern auch wieder ins Netz zurückspeisen. Wenn ein Fahrzeug an eine intelligente Ladestation angeschlossen ist, kann es auf Anweisung des Netzbetreibers entweder langsamer laden oder sogar Strom abgeben, um bei einem Frequenzabfall zu helfen, oder schneller laden, um bei einem Überschuss zu helfen. Dies macht jedes Elektrofahrzeug zu einem potenziellen, dezentralen Energiespeicher, der zur Netzstabilität beitragen kann.
Allerdings ist die Wirksamkeit dieser V2G-Funktion nicht konstant und hängt von mehreren Faktoren ab, die die Forscher in ihrer Modellierung explizit berücksichtigen. Der wichtigste Faktor ist der Ladezustand (State of Charge, SOC) der Fahrzeugbatterie. Ein Fahrzeug mit einer fast leeren Batterie wird priorisieren, selbst aufgeladen zu werden, und wird daher nur begrenzt in der Lage sein, Strom an das Netz abzugeben. Umgekehrt wird ein Fahrzeug mit einer fast vollen Batterie nur begrenzt in der Lage sein, überschüssigen Strom aus dem Netz aufzunehmen, um eine Überladung zu vermeiden. Die Forscher modellieren diesen Zusammenhang mathematisch und zeigen, dass die Leistung, die ein Elektrofahrzeug zur Frequenzregelung beitragen kann, direkt von seinem aktuellen SOC abhängt. Dies führt zu einem dynamischen System, in dem die Regelparameter nicht fest, sondern zeitlich variabel sind.
Ein weiterer, oft unterschätzter, aber kritischer Faktor ist die Verzögerung in der Kommunikation. In der realen Welt sind die Messwerte der Netzfrequenz, die vom Netzregler an die verschiedenen Energiequellen und -speicher (einschließlich der Elektrofahrzeuge) gesendet werden, nicht sofort verfügbar. Ob über Funk, Internet oder andere Netzwerke – die Übertragung der Steuersignale dauert eine gewisse Zeit. Diese sogenannte Kommunikationsverzögerung kann das Regelverhalten erheblich beeinträchtigen. Wenn ein Steuersignal zu spät ankommt, kann es die Frequenzschwankung noch verstärken, anstatt sie zu dämpfen, und in Extremfällen sogar das gesamte System destabilisieren. Viele ältere Modelle haben diese Verzögerung ignoriert oder als vernachlässigbar betrachtet, was zu unrealistisch optimistischen Stabilitätsprognosen führt.
Die Forscher der Hochschule für Technologie Hunan haben diese Herausforderung angenommen und ein mathematisches Modell entwickelt, das sowohl die SOC-Abhängigkeit der Elektrofahrzeuge als auch die Kommunikationsverzögerungen als integralen Bestandteil der Analyse behandelt. Sie modellieren das gesamte Inselnetz als ein zeitverzögertes System mit parameterunsicheren Elementen. Um die Stabilität eines solchen komplexen Systems zu analysieren, verwenden sie die Lyapunov-Krasovskii-Funktional-Methode, ein etabliertes Verfahren aus der Regelungstheorie. Dieses Verfahren erlaubt es, Bedingungen zu formulieren, unter denen das System auch bei Verzögerungen stabil bleibt.
Ein zentrales Ergebnis ihrer Arbeit ist die Berechnung der maximalen Verzögerungsstabilitätsmarge (Maximum Delay Stability Margin, MDSM). Dieser Wert gibt an, wie lange die Kommunikationsverzögerung maximal sein darf, bevor das System instabil wird. Die Forscher konnten mit ihrer Methode MDSM-Werte berechnen, die erheblich höher sind als die Ergebnisse früherer Studien. Zum Beispiel ergab eine frühere Studie für einen bestimmten Reglerparameter eine MDSM von 8,66 Sekunden. Die neue Methode der Forscher aus Hunan kommt für denselben Parameter auf eine MDSM von 17,51 Sekunden – eine Verdopplung der Stabilitätsgrenze. Dies zeigt, dass frühere Modelle die Stabilität des Systems stark unterschätzt haben, was zu unnötig konservativen und möglicherweise ineffizienten Regelstrategien geführt haben könnte.
Um die Überlegenheit ihres Ansatzes zu demonstrieren, führten die Forscher umfangreiche Simulationen durch. In einem ersten Szenario untersuchten sie den reinen Effekt des Schwungradspeichers. Die Simulation zeigte klar, dass ein Inselnetz mit einem aktivierten FESU nach einer plötzlichen Laständerung viel schneller wieder in seinen stabilen Zustand zurückkehrt als ein System ohne Speicher. Besonders effektiv war der FESU, wenn er als Energiequelle fungierte (negative Verstärkung), was die theoretische Erwartung bestätigte, dass die Bereitstellung zusätzlicher Trägheit und Dämpfung entscheidend ist.
In einem weiteren, entscheidenden Test verglichen die Forscher ihre berechnete MDSM mit den Ergebnissen einer direkten Zeitbereichssimulation. Sie führten Simulationen mit verschiedenen festen Verzögerungszeiten durch. Die Ergebnisse zeigten, dass das System bei einer Verzögerung von 8,50 Sekunden noch stabil war, bei 8,60 Sekunden jedoch instabil wurde. Die mit ihrer neuen Methode berechnete MDSM lag bei 8,55 Sekunden – exakt im kritischen Bereich zwischen Stabilität und Instabilität. Dieser bemerkenswerte Grad an Übereinstimmung beweist, dass ihre Methode nicht nur theoretisch fundiert, sondern auch praktisch äußerst genau ist und die wahre Stabilitätsgrenze des Systems präzise vorhersagen kann.
Die Studie geht noch einen Schritt weiter und analysiert den Einfluss des Ladezustands der Elektrofahrzeuge. Die Forscher simulierten zwei verschiedene Szenarien: In Fall 1 hatte das Elektrofahrzeug einen maximalen SOC von 90%, in Fall 2 von 80%. Die Ergebnisse waren eindeutig: In beiden Fällen nahm die berechnete MDSM ab, wenn die Unsicherheit bezüglich des SOC zunahm. Das bedeutet, dass ein Netz mit Elektrofahrzeugen, deren Batterien sich in einem extremen Ladezustand (sehr voll oder sehr leer) befinden, weniger robust gegenüber Kommunikationsverzögerungen ist. Dies unterstreicht die Notwendigkeit einer intelligenten Lademanagementstrategie, die nicht nur den Bedürfnissen der Fahrer, sondern auch den Anforderungen der Netzstabilität Rechnung trägt.
Die praktischen Implikationen dieser Forschung sind weitreichend. Für Betreiber von Inselnetzen – sei es auf abgelegenen Inseln, in Bergregionen oder als Backup-Systeme für kritische Infrastrukturen – bietet diese Studie ein wertvolles Werkzeug. Mit Hilfe des vorgestellten Modells können sie die Stabilität ihres Netzes unter realistischen Bedingungen viel genauer bewerten. Sie können die Auswirkungen verschiedener Reglerparameter auf die maximale zulässige Kommunikationsverzögerung analysieren und so ihre Systeme optimal auslegen. Die Integration von Schwungradspeichern und die Nutzung von Elektrofahrzeugen als Regelenergiequelle wird dadurch von einer theoretischen Idee zu einer praktisch umsetzbaren und messbaren Strategie.
Darüber hinaus zeigt die Arbeit, dass die Zukunft der Netzstabilität in der intelligenten Vernetzung verschiedener Technologien liegt. Die Kombination aus mechanischer Speichertechnologie (Schwungrad) und digitaler Vernetzung (V2G) schafft ein resilientes System, das den Schwankungen erneuerbarer Energien standhalten kann. Dies ist ein wesentlicher Baustein für die Energiewende, insbesondere in Regionen, die auf dezentrale und autarke Energieversorgung angewiesen sind.
Die Studie eröffnet auch neue Forschungsperspektiven. Die aktuelle Arbeit konzentriert sich auf ein einziges Inselnetz. Die Erweiterung des Modells auf mehrere miteinander verbundene Mikronetze würde es ermöglichen, Phänomene wie Schwingungen zwischen den Netzbereichen zu untersuchen und koordinierte Regelstrategien zu entwickeln. Die Integration von Künstlicher Intelligenz zur Vorhersage des Verfügbarkeits- und Ladezustands von Elektrofahrzeugen könnte die Regelgenauigkeit weiter erhöhen. Der nächste logische Schritt wäre die Implementierung und Validierung des Konzepts auf einem physischen Testfeld, um die Leistung unter realen Betriebsbedingungen zu überprüfen.
Zusammenfassend lässt sich sagen, dass die Arbeit von Wu Huai, Zeng Hongbing und Li Xinyu einen signifikanten Beitrag zur Lösung einer der drängendsten Fragen der modernen Energietechnik leistet. Indem sie Schwungradspeicher und Elektrofahrzeuge in ein umfassendes Regelungskonzept integrieren und dabei die realen Herausforderungen der Kommunikationsverzögerung und der Batteriezustände akribisch berücksichtigen, haben sie einen robusten und realitätsnahen Rahmen geschaffen, um die Stabilität von Inselnetzen zu gewährleisten. Ihre Forschung ist ein Paradebeispiel für die notwendige interdisziplinäre Zusammenarbeit zwischen Energietechnik, Regelungstechnik und Informationstechnologie, um die komplexen Herausforderungen der Energiewende zu meistern. Sie liefert nicht nur neue Erkenntnisse, sondern auch praktische Werkzeuge, die dazu beitragen werden, die Stromversorgung der Zukunft sicher, stabil und nachhaltig zu gestalten.
Wu Huai, Zeng Hongbing, Li Xinyu, College of Electrical and Information Engineering, Hunan University of Technology, Journal of Hunan University of Technology, doi:10.3969/j.issn.1673-9833.2024.06.006