ErVIn – Flexible Integration von Elektrofahrzeugen in das Stromnetz

Résumé

Die erwartete Zunahme an Elektrofahrzeugen (EVs) kann im Falle von unkontrolliertem sofortigem Laden die existierenden Verteilnetzte deutlichbelasten. Durch ein intelligentes Be- und Entladen können EVs allerdings auch Flexibilität bereitstellen und somit zur stärkeren Integration schwankender erneuerbarer Energien beitragen. Die Forschung hat bisher hauptsächlich auf technische Lösungen zur EV-Integration in das Stromnetz fokussiert; sozio-ökonomische Aspekte wie unterschiedliche Be- und Entladestrategien und unterschiedliche EV-Nutzer mit unterschiedlichen Fahrprofilen werden kaum berücksichtigt. Zudem existieren grosse Unterschiede in den individuellen Netzsituationen (z.B. Anteil erneuerbare Energien, stationäre Speicher) zwischen einzelnen Verteilnetzen. Dies kann, zusammen mit der aktuell geringen Diffusion netzdienlicher Lösungen zur EV-Integration, Anreize für intelligentes Be- und Entladen erfordern. Dieses Projekt analysiert, mit Hilfe unterschiedlicher, mehrheitlich quantitativer Methoden, wie der steigende Anteil an EVs in das Verteilnetz integriert werden kann, und hilft (Politik-) Massnahmen zu identifizieren, welche das Be-/Entladen von EVs netzdienlich steuern können.

Textes supplémentaires

Schlussbericht

Das Ziel des Forschungsprojektes «Enabling Flexible Electric Vehicle Grid Integration (ErVIn)» ist es, besser zu verstehen, wie der zunehmende Anteil von Elektrofahrzeugen (electric vehicles, EVs) netzdienlich in die Verteilnetze integriert werden kann. Konkret befasst sich dieses Projekt mit drei Forschungsfragen (research questions, RQs) und zielt darauf ab, (RQ1) vielversprechende Rahmenbedingungen sowie Herausforderungen (technisch, sozial und regulatorisch) für die bidirektionale Integration von EVs als Möglichkeit für die Bereitstellung von Flexibilität in Stromnetzen zu identifizieren und zu verstehen, (RQ2) wie das Zusammenspiel zwischen verschiedenen EVLadestrategien, Nutzertypen und Netzsituationen die Attraktivität von EVs als Flexibilitätsquelle in verschiedenen Verteilnetzen beeinflusst, und (RQ3) wie Anreize die Integration von EVs als Flexibilitätsquelle beeinflussen. Wir verwenden sowohl quantitative als auch qualitative Methoden mit einem quantitativen Schwerpunkt (Modellierung). RQ1 wurde mit Hilfe einer Datenbankanalyse und Experteninterviews beantwortet; für die Beantwortung von RQ2 und RQ3 wurde ein agentenbasiertes Modell entwickelt. Bezüglich der Implementierung von bidirektionalem Laden (RQ1) zeigen unsere Analysen, dass sich die aktuellen Pilot- und Demonstrationsprojekte (globale Analyse) auf kommerzielle EVs konzentrieren, welche am Arbeitsplatz laden, sowie auf die Bereitstellung von Vehicle-to-Customer (V2C) (beinhaltet Vehicle-to-Home und Vehicle-to-Building) und Dienstleistungen auf Übertragungsnetzebene. Dies deutet darauf hin, dass insbesondere diese Bereiche vielversprechend für kommerzielle Anwendungen sein können. Allerdings werden kommerzielle Anwendungen derzeit durch verschiedene technologische, soziale und regulatorische Herausforderungen erschwert. Insbesondere die sozialen und regulatorischen Herausforderungen sind stark kontextabhängig und können sich zwischen den jeweiligen Ländern unterscheiden. Beispielsweise—und auch für die Schweiz relevant—bestehen Unsicherheiten hinsichtlich der zukünftigen Nachfrage und des zukünftigen Angebots an Flexibilität, der Beteiligung der Nutzer an bidirektionalem Laden und der Flexibilitätsbeschaffung auf Verteilnetzebene inklusive zukünftiger Markt- und Tarifstrukturen. Hinsichtlich des Zusammenspiels zwischen verschiedenen EV-Ladestrategien, Nutzertypen und Netzsituationen (RQ2) stellen wir fest, dass sich verschiedene Ladestrategien in ihrer Wirksamkeit für die Bereitstellung von Flexibilität unterscheiden. Die Unterschiedlichkeit in der Wirksamkeit hängt vom Ziel der Flexibilität (z.B. Glättung von Lastkurven vs. Reduktion von Lastspitzen), der Technologieentwicklung und -verbreitung (insbesondere dem Ausbau von Ladeinfrastruktur) und dem Netzgebiet (z.B. Stadt, Land, Vorstadt) ab. Darüber hinaus können einige Ladeverhalten mehrere Flexibilitätsziele erfüllen, während andere nur für ein Flexibilitätsziel gut funktionieren und für andere Ziele mit starken Trade-offs einher gehen. Beispielsweise sind für Netzgebiete mit einem hohen Anteil an PV-Strom oder hohen Ambitionen den Anteil an PV-Strom zu erhöhen Ladeprozesse, welche die Ladelast zur Tagesmitte hin verschieben, vorteilhaft. Jedoch führen diese Ladeprozesse in unseren Simulationen nicht dazu, dass die Lastspitze reduziert oder die gesamte Lastkurve abgeflacht wird, was in manchen Netzgebieten eine Herausforderung darstellen kann. Wenn viele Flexibilitätsziele gleichzeitig erreicht werden sollen, können sich beispielsweise Ladeprozesse sehr gut eignen, welche mit geringerer Leistung laden. Dahingegen können andere Ladeprozesse wie beispielsweise ein abendliches netzdienliches Entladen des EVs und Wiederaufladen zur Mittagszeit oder am Ende der Standzeit die Verlagerung eines großen Teils der Last ermöglichen, aber die tägliche Spitzenlast sogar erhöhen. Wir unterscheiden zwischen zwei Komponenten des Ladens: dem Einsteckverhalten (plug-in behavior) und dem Ladevorgang (charging process). Während Ersteres vom Sozialverhalten des Nutzers abhängt und sich auf die zeitliche und räumliche Verteilung der Last bezieht, ist Letzteres typischerweise automatisiert - sobald es vom Nutzer akzeptiert wurde - und bezieht sich nur auf die zeitliche Verteilung der Last. Unsere Ergebnisse zeigen, dass gesteuerte Ladevorgänge einen größeren Einfluss auf die betrachteten Flexibilitätsmaße haben als Veränderungen im Einsteckverhalten. Die Auswirkungen des Einsteckverhaltens hängen vom Ziel der Flexibilität, der Technologieverbreitung und dem gesteuerten Ladevorgang ab, mit dem es kombiniert wird. Hinsichtlich der verschiedenen Nutzungsarten von EVs stellen wir fest, dass hohe Spitzenlasten typischerweise von bestimmten Nutzertypen verursacht werden, wie z.B. von EV-Nutzern, welche ihr Auto sehr häufig benutzen oder solche, welche sehr weite Strecken fahren – obwohl diese einen relativ geringen Anteil an der Gesamtflotte ausmachen, z.B. ca. 20% im Kanton Zürich. Hinsichtlich der Anreize (RQ3) zeigen unsere Analysen, dass unterschiedliche Ausgestaltungen von zeitvariablen (time-of-use, TOU) Tarifen unterschiedliche Auswirkungen auf die Last haben. Die Ausgestaltungen unterscheiden sich in der Höhe der Tarife zu unterschiedlichen Zeiten und an unterschiedlichen Ladestandorten (zu Hause, am Arbeitsplatz, öffentlich). Zudem berücksichtigen wir unterschiedliches Nutzerverhalten. So zeigen unsere Simulationen, dass beispielsweise typische abendliche Lastspitzen an Heimstandorten durch teure Preisniveaus erheblich reduziert werden können, jedoch eine darauffolgende Niedrigpreisperiode zu einem Überkoordinierungseffekt führen kann, welcher in einer (sogar höheren) Lastspitze resultieren kann. Basierend auf diesen Erkenntnissen leiten wir Implikationen für Entscheidungsträger in Politik, Industrie und Wissenschaft ab, um die netzdienliche Integration des steigenden Anteils von EVs zu unterstützen. Der vorliegende Abschlussbericht fasst die wichtigsten Ergebnisse des Projekts zusammen.

Publikationen / Ergebnisse

Der erwartete steigende Anteil an Elektrofahrzeugen (EVs) kann im Falle von unkontrolliertem sofortigem Laden die existierenden Verteilnetzte deutlich belasten. Jedoch können EVs auch Flexibilität bereitstellen und somit die Integration schwankender erneuerbarer Energien unterstützen. Trotz des Potenzials von kontrolliertem einwegigen Laden und zweiwegigem Laden (d.h. Be- und Entladen) werden EVs derzeit selten für Netzdienstleistungen genutzt. Die Forschung hat bisher hauptsächlich auf technische Lösungen zur Integration von EVs in das Stromnetz fokussiert; sozioökonomische Aspekte wie Be- und Entladestrategien, unterschiedliche Fahrzeugnutzungstypen und Fahrprofile werden kaum berücksichtigt. Zudem existieren grosse Unterschiede in den individuellen Netzsituationen (z.B. Anteil erneuerbarer Energien, stationäre Speicher) der Verteilnetze. Dies kann, zusammen mit der aktuell geringen Diffusion netzdienlicher Lösungen zur EV-Integration, Anreize für kontrolliertes Be-/Entladen erfordern. Das Forschungsprojekt «Enabling Flexible Electric Vehicle Grid Integration (ErVIn)» analysiert mit Hilfe unterschiedlicher, mehrheitlich quantitativer, Methoden wie der steigende Anteil an EVs in das Verteilnetz integriert werden kann, um letztendlich (Politik-) Massnahmen zu identifizieren, welche das Be-/Entladen von EVs netzdienlich steuern können. Nach einer Analyse des derzeitigen Standes von zweiwegigem Laden, sowie von vielversprechenden Lösungen und wichtigen Herausforderungen (Arbeitspaket 1), möchten wir mittels quantitativer bottom-up Modellierung die potentielle Flexibilität in verschiedenen Netzsituationen besser verstehen (Arbeitspaket 2) und untersuchen wie Be- und Entladestrategien mit unterschiedlichen (finanziellen) Anreizen in diesen Netzsituationen eine netzdienliche Integration von EVs ermöglichen können (Arbeitspaket 3). Der Fokus des zweiten Projektjahres lag auf der Entwicklung des quantitativen bottom-up Modells zur Analyse des Flexibilitätspotenzials basierend auf dem Zusammenspiel verschiedener EV-Nutzungstypen und Netzsituationen, welches im dritten Projektjahr um (finanzielle) Anreize erweitert wird. Unser Modellierungsansatz besteht aus zwei Schritten: Der Simulation von (i) Lastprofilen von Gebäuden und (ii) Lastprofilen von EVs, welche wir dann kombinieren und unter einer Verteilnetzperspektive analysieren—für heute und unterschiedliche Szenarien in der Zukunft. In unseren Netzsituationen berücksichtigen wir unterschiedliche Gebiete (urban, sub-urban und ländlich) und Typen (z.B. Wohn- oder Industrieviertel) in unterschiedlichen Geographien. Derzeit erweitern wir unser existierendes Modell um ein agentenbasiertes Modell (ABM), welches die Analyse und die Relevanz unserer Resultate stärken soll. Zusätzlich dazu haben wir aufgrund der zentralen Rolle für unser Modell eine umfassende Literaturrecherche zu Ladestrategien durchgeführt. Da sich das Modell noch in der Weiterentwicklungsphase befindet und die Resultate stark von den konkreten Modelleinstellungen abhängen, beinhaltet dieser Report exemplarische Resultate für beide Modellierungsschritte, sowie eine Zusammenfassung der Literatur. Beispielsweise zeigt die Analyse des gewählten exemplarischen Settings der Gebäudelastprofile die wichtige Rolle von EVs und Gebäudeanwendungen wie Beleuchtung und Belüftung für zukünftige aggregierte Lastprofile. Für die Simulation von EV Lastprofilen konnten wir mit Hilfe einer Analyse von schweizerischen Mobilitätsdaten Standzeiten und deren Ort (zu Hause, Arbeit, öffentlich) und Gebiet, welche mögliche Einsteckzeiten und -orte darstellen, sowie fünf Cluster der Autonutzung identifizieren. Auf Basis unserer Literaturrecherche konnten wir sowohl Bestimmungsfaktoren für Ladestrategien als auch beobachtete systemische Lademuster ermitteln.

Détails du projet

Office de recherche
BFE
Statut du projet
Abgeschlossen
Type de projet
Forschungsprojekt
Date de début
2019-05-31
Date de fin
2023-03-30
Coûts totaux approuvés
CHF 212707.00
Section
Energie - Wirtschaft - Gesellschaft (EWG)
Domaine politique NABS
Erzeugung, Verteilung und rationelle Nutzung der Energie

Catégories

Electric vehicle infrastructure (incl. smart chargers and grid communications) Allgemeine sozio-ökonomische Forschung (EWG) Anwendungsorientierte Forschung

Labels

F+E EWG