Stromnetz-Revolution: Elektroautos als mobile Speicher
Die Zukunft der Energieversorgung wird zunehmend von der Elektromobilität geprägt. Doch während die Zahl der Elektrofahrzeuge (EVs) rasant ansteigt, stellt sich eine entscheidende Frage: Ist das Stromnetz darauf vorbereitet? Eine neue, bahnbrechende Studie aus China liefert nicht nur eine ehrliche Antwort auf diese Herausforderung, sondern präsentiert auch einen umfassenden, digitalen und intelligenten Fahrplan, wie Millionen von parkenden Elektroautos von einer potenziellen Belastung zu einem wertvollen Asset für das Stromnetz werden können.
Diese Forschung, die im renommierten Fachjournal Hongshui He veröffentlicht wurde, stammt von einem Expertenteam, das direkt an der Schnittstelle zwischen Energiewirtschaft und Verkehr steht: Biao Chen, Daiyu Xie, Guangfeng Gu und Youhui Yang vom Guangxi Power Grid Power Dispatching Control Center, Kuo Xin vom China Southern Power Grid Power Dispatching Control Center sowie Zhixun Chen und Hui Liu vom College of Electrical Engineering der Guangxi University. Ihre Arbeit geht weit über eine simple Warnung hinaus. Sie ist ein detaillierter Bauplan für eine neue Ära der Energieversorgung, in der das Elektroauto nicht nur ein Verbraucher, sondern ein aktiver Teilnehmer am intelligenten Stromnetz – einem sogenannten „Virtuellen Kraftwerk“ – wird.
Das Kernproblem, das die Autoren analysieren, ist die wachsende Diskrepanz zwischen dem Angebot und der Nachfrage im modernen Stromnetz, das durch die Energiewende immer deutlicher wird. Auf der einen Seite produzieren erneuerbare Energien wie Windkraft in bestimmten Tageszeiten, insbesondere in den nächtlichen Tiefphasen, enorme Mengen an Strom. Die Studie zitiert beeindruckende Daten aus dem Guangxi-Netz: Die durchschnittliche Windkraftleistung in der Tiefphase (23:00–07:00 Uhr) ist im Vergleich zu anderen Tageszeiten um das 1,3- bis 1,75-fache höher. Dies führt zu einer Situation, in der sauberer, aber zeitlich nicht passender Strom erzeugt wird – ein Phänomen, das als „Duck-Curve“ bekannt ist. Traditionelle Kraftwerke, wie Kohlekraftwerke, müssen dann in diese Tiefphase heruntergefahren werden, um ein Überlasten des Netzes zu verhindern. Die Autoren weisen darauf hin, dass Kohlekraftwerke im Guangxi-Netz in der Tiefphase nur mit einer durchschnittlichen Last von etwa 58 % arbeiten und teilweise sogar auf 30 % herunterregeln müssen. Dies ist nicht nur wirtschaftlich ineffizient, sondern führt auch zu einem höheren spezifischen Kohleverbrauch und damit zu höheren Emissionen pro erzeugter Kilowattstunde.
Auf der anderen Seite der Gleichung steht die Nachfrageseite, die sich ebenfalls dramatisch verändert. Während der industrielle Stromverbrauch relativ stabil bleibt, explodiert der private Verbrauch, getrieben vor allem durch die steigende Zahl an Elektrofahrzeugen. Die Studie zeigt auf, dass das typische Ladeverhalten der meisten Privatfahrer – nämlich das Laden des Fahrzeugs nach der Rückkehr von der Arbeit am Abend – direkt mit der höchsten Nachfragezeit im Stromnetz zusammenfällt. Diese „zufällige“ und „impulsive“ Ladeaktivität verstärkt die bestehende Lastspitze erheblich. Die Autoren berechnen, dass, wenn nur 30 % der 170.000 öffentlichen und privaten Ladepunkte in Guangxi gleichzeitig in der Abendlastspitze laden würden, die benötigte Leistung dem Volllastbetrieb eines kompletten, ein Gigawatt starken Kohlekraftwerks entspräche. Diese Erkenntnis macht die Dringlichkeit einer neuen Strategie deutlich: Statt die Elektromobilität als Bedrohung zu sehen, muss sie intelligent gesteuert werden.
Die Lösung, die die Forscher vorschlagen, ist elegant in ihrer Einfachheit und tiefgreifend in ihrer Wirkung: Die enorme Batteriekapazität der Elektrofahrzeuge muss als ein riesiges, verteiltes Energiespeichersystem genutzt werden. Das Ziel ist es, die Fahrer durch intelligente Technologien und marktbasierte Anreize dazu zu motivieren, ihre Fahrzeuge genau dann zu laden, wenn überschüssiger Strom verfügbar ist – also in der nächtlichen Tiefphase – und in Zukunft sogar zu ermöglichen, dass sie Strom zurück ins Netz einspeisen, wenn die Nachfrage am höchsten ist. Dieses Konzept, bekannt als Vehicle-to-Grid (V2G), ist der zentrale Pfeiler der Vision der Autoren für ein resilientes und effizientes Stromnetz.
Die Studie entwirft drei klar definierte und aufeinander aufbauende Modelle für die Nachfragesteuerung (Demand Response, DR), die jeweils unterschiedliche technologische und organisatorische Voraussetzungen haben.
Das erste Modell, die „Spitzenabsenkung und Tal-Füllung durch Lenkung„, ist der unmittelbarste und am einfachsten umzusetzende Ansatz. Es basiert auf dem bewährten Instrument der Zeit-differentierten Tarife (Time-of-Use, TOU). Die Autoren erläutern detailliert, wie ein gut gestalteter TOU-Tarif eine starke finanzielle Anreiz für EV-Besitzer schafft, ihre Fahrzeuge über Nacht zu laden. Für einen durchschnittlichen Fahrer kann die Kostenersparnis zwischen der Spitzen- und der Tiefpreiszeit erheblich sein, was direkt zu niedrigeren Stromrechnungen führt. Dieses Modell erfordert keine neuen Technologien; die meisten modernen Elektrofahrzeuge und Ladestationen unterstützen bereits das vorgeplante Laden. Indem auch nur ein Teil der Abendladungen in die Nacht verschoben wird, kann die Netzbetreiberin die Belastung während der Spitzenlaststunden erheblich reduzieren und gleichzeitig den Überschuss an kostengünstigem, kohlenstoffarmem Windstrom besser nutzen. Die Studie beschreibt dies als eine „Win-Win-Situation“ für die Verbraucher, die Geld sparen, und für das Netz, das ausgeglichener und effizienter wird.
Die Autoren weisen jedoch auf eine Grenze dieses rein preisgesteuerten Modells hin. Wenn zu viele Fahrzeuge gleichzeitig in die Tiefphase verlagert werden, könnte die neue Nachfrage selbst zu einem Problem werden. Um dies zu adressieren und eine gezieltere Reaktion zu ermöglichen, stellen sie das zweite Modell vor: die „Tal-Füllung durch Antwortladung„.
Dieses Modell ist strukturierter und marktorientierter. Es bezieht „Lastaggregatoren“ ein – Drittanbieterunternehmen, die als Vermittler zwischen dem Netzbetreiber und einer großen Anzahl von EV-Besitzern fungieren. Wenn der Netzbetreiber eine Periode mit überschüssiger erneuerbarer Erzeugung und niedriger Nachfrage erwartet (z. B. eine windige Nacht), kann er eine formelle „Aufforderung“ für zusätzliche Last ausschreiben. Lastaggregatoren mobilisieren dann ihr Netzwerk von Kunden und bieten ihnen eine finanzielle Vergütung an, ihre Fahrzeuge in diesem spezifischen Zeitfenster zu laden. Dies ist mehr als nur ein Preissignal; es ist eine direkte, angereizte Transaktion. Die Studie nennt das „Guangxi-Programm zur Nutzung von Tiefstrom“ als Beispiel aus der Praxis, bei dem Teilnehmer eine Vergütung von bis zu 0,6 Yuan pro Kilowattstunde erhalten können. Dieser Mechanismus bietet EV-Besitzern einen klaren, quantifizierbaren Vorteil und gibt dem Netzbetreiber eine zuverlässige, steuerbare Ressource, um überschüssigen Strom aufzunehmen. Der Erfolg dieses Modells hängt von der Fähigkeit der Aggregatoren ab, eine große, dezentrale Nutzerbasis effektiv zu erreichen und zu mobilisieren, was die Autoren durch benutzerfreundliche Mobil-Apps und eine nahtlose Integration in bestehende Ladeplattformen ermöglicht sehen.
Das fortschrittlichste und transformativeste Modell ist die „Bidirektionale Nutzung in Tal und Spitze„, das das volle Potenzial von V2G ausschöpft. Hier erreicht die Vision der Studie ihren Höhepunkt. In diesem Szenario werden Elektrofahrzeuge nicht nur nachts geladen; sie werden zu mobilen Kraftwerken. In Zeiten hoher Nachfrage, wenn das Netz unter größtem Stress steht, können EVs, die mit bidirektionalen Ladegeräten ausgestattet sind, den Energiefluss umkehren und ihre gespeicherte Energie zurück ins Netz einspeisen.
Die technischen Anforderungen für dieses Modell sind höher. Es erfordert die breite Einführung von bidirektionalem Ladehardware in Fahrzeugen und Ladestationen sowie die Nutzung von intelligenten Zählern, die einen bidirektionalen Energiefluss messen können. Die Studie weist darauf hin, dass V2G-Technologie in vielen Regionen noch in der Pilotphase ist, ihr Potenzial jedoch enorm ist. Die Autoren berechnen, dass, wenn 30 % der eine Million Elektrofahrzeuge einer Stadt an einem V2G-Programm teilnehmen würden, wobei jedes Fahrzeug in der Lage ist, 5 Kilowatt abzugeben, die gesamte verfügbare Spitzenleistung 150 Megawatt erreichen könnte – was der Leistung eines kleinen Kraftwerks entspricht. Diese Fähigkeit zur „Spitzenlastabdeckung“ wäre von unschätzbarem Wert, um Stromausfälle zu verhindern und die Notwendigkeit teurer neuer Infrastrukturinvestitionen hinauszuzögern.
Die wirtschaftliche Argumentation für V2G ist ebenfalls überzeugend. Die Studie schlägt vor, dass EV-Besitzer mit einem Tarif vergütet werden könnten, der dem Großhandelspreis für Strom während der Spitzenstunden entspricht, was eine neue Einnahmequelle schafft. Dies verwandelt das Elektroauto von einer Kostenstelle in ein potenzielles Vermögenswert. Die Autoren betonen, dass der Erfolg von V2G von klaren Marktregeln, wie einem „Spitzenstrompreismechanismus“, und der Lösung von Verbraucherbedenken bezüglich des Batterieverschleißes abhängt. Ein gut gestaltetes Programm müsste sicherstellen, dass die finanziellen Anreize die potenziellen Kosten eines beschleunigten Batterieverschleißes überwiegen.
Um diese drei Modelle Realität werden zu lassen, erläutert die Studie eine umfassende Reihe von Kontrollmaßnahmen und Mechanismen, die Technologie, Märkte und Politik umfassen. Auf technischer Ebene betonen die Autoren die Notwendigkeit eines robusten „intelligenten Informationsüberwachungs- und Abrechnungssystems“. Dies erfordert eine nahtlose Integration zwischen den Überwachungs- und Steuerungssystemen (SCADA) des Netzes und den Daten von Millionen einzelner Ladepunkte. Eine Echtzeitüberwachung des Energieflusses in Fünf-Minuten-Intervallen ist für die Verifizierung der Teilnahme und die Gewährleistung der Netzstabilität unerlässlich. Die Schaffung einer „Aggregations- und Antwortplattform“ wird als kritisches Infrastrukturstück identifiziert, das als zentrales Nervensystem fungiert und den Netzbetreiber, die Aggregatoren und die einzelnen EV-Besitzer miteinander verbindet.
Aus Sicht des Marktes und der Politik fordert die Forschung einen unterstützenden regulatorischen Rahmen. Dazu gehört die formelle Anerkennung von Lastaggregatoren als unabhängige Drittanbieter im Bereich der Netzdienstleistungen, die es ihnen ermöglicht, für Netzstabilisierungsdienste zu bieten. Die Studie plädiert auch für die Entwicklung eines „Spitzenstrompreismechanismus“, der EV-Besitzern fair für die ins Netz eingespeiste Energie vergütet. Darüber hinaus empfehlen die Autoren, dass staatliche Politiken die Installation von Ladeinfrastruktur in neuen Wohngebieten vorschreiben und die Einführung technischer Standards für bidirektionales Laden und intelligente Zähler fördern.
Die Umsetzung eines solchen Systems ist nicht ohne Herausforderungen. Eine erhebliche Hürde ist das „Einnahmenminus“, das bei einem TOU-Tarif entstehen kann. Wenn EV-Besitzer nachts viel günstiger laden, kann der Netzbetreiber Einnahmen verlieren, die zuvor in den Spitzenstunden erzielt wurden. Die Studie schlägt vor, dass dieser Unterschied „umgeleitet“ werden sollte, indem die Erzeuger des Tiefstroms (wie Windparks) von der erhöhten Verbrauchsmenge profitieren und möglicherweise zur Vergütung der EV-Besitzer beitragen. Dies schafft eine Kreislaufwirtschaft, in der der Wert von überschüssiger erneuerbarer Energie erfasst und geteilt wird.
Eine weitere Herausforderung ist die Teilnahme und das Vertrauen der Nutzer. Die Autoren erkennen an, dass die Nachfragesteuerung nur dann effektiv ist, wenn sie für den Endverbraucher „unauffällig“ und vorteilhaft ist. Der Fokus auf Kosteneinsparungen und potenzielle Einnahmen ist eine Schlüsselstrategie, um dies zu erreichen. Indem die Teilnahme finanziell attraktiv und betrieblich einfach gestaltet wird – beispielsweise durch automatisches Ladevorgeplanning über eine Mobil-App – zielt die Studie darauf ab, eine Kultur der „gewohnheitsmäßigen Reaktion“ bei EV-Besitzern zu fördern.
Die potenziellen Vorteile des in der Hongshui He-Studie beschriebenen Systems sind vielfältig und weitreichend. Für das Stromnetz bedeutet es reduzierte Spitzenlasten, eine höhere Auslastung der bestehenden Infrastruktur, eine verbesserte Integration erneuerbarer Energien und eine erhebliche Verringerung des Risikos von Stromausfällen. Für die Gesellschaft bedeutet es niedrigere Gesamtstromkosten, reduzierte CO2-Emissionen und eine nachhaltigere Energiewirtschaft. Für einzelne EV-Besitzer bietet es die konkreten Vorteile niedrigerer Ladekosten und, im Fall von V2G, einer neuen Einnahmequelle.
Die Studie schließt, indem sie diese Transformation als ein „komplexes soziales Systemtechnik-Projekt“ beschreibt. Es wird die koordinierte Anstrengung von Netzbetreibern, Technologieanbietern, politischen Entscheidungsträgern und, am wichtigsten, von Millionen einzelner Verbraucher erfordern. Der Weg nach vorne geht nicht darum, Veränderungen durchzusetzen, sondern darum, ein System zu schaffen, in dem die rationale Entscheidung für den einzelnen EV-Besitzer – Geld zu sparen oder Einkommen zu erzielen – perfekt mit dem optimalen Ergebnis für das gesamte Stromnetz übereinstimmt. Diese Ausrichtung der Anreize ist die Grundlage für ein erfolgreiches, skalierbares und nachhaltiges EV-Nachfragesteuerungsprogramm.
Während die Welt sich der elektrifizierten Mobilität und einem dekarbonisierten Netz nähert, bieten die Erkenntnisse dieser Forschung eine klare und handlungsorientierte Roadmap. Sie zeigt, dass die Zukunft der Energie nicht nur darin besteht, mehr Strom zu erzeugen, sondern darin, den Strom, den wir bereits haben, intelligenter und flexibler zu nutzen. Das geparkte Elektroauto in der Einfahrt einer Stadt ist nicht mehr nur ein Auto; es ist eine potenzielle Batterie, ein Netzstabilisator und ein Schlüsselakteur in der sauberen Energiewende.
Biao Chen, Kuo Xin, Daiyu Xie, Zhixun Chen, Guangfeng Gu, Youhui Yang, Hui Liu; Guangxi Power Grid Power Dispatching Control Center, China Southern Power Grid Power Dispatching Control Center, Guangxi University; Hongshui He; DOI: 10.3969 / j.issn.1001-408X.2024.03.019