SI/502690

Schlussbericht

Das Pilotprojekt QuickOpt hatte zum Ziel, das Potenzial einer hochdynamischen Ladeoptimierung für große Elektrofahrzeugflotten aufzuzeigen, um Lastflexibilität zu ermöglichen und das Stromnetz sowie das gesamte Energiesystem zu entlasten. Zwei große Elektrofahrzeugflotten mit unterschiedlichen Nutzungsmustern wurden mit der neuartigen Ladesteuerungslösung von VEIU Tech ausgestattet, die das Laden auf der Grundlage von Fahrzeug- und Betriebsdaten optimiert, um die erreichbare Flexibilität zu erhöhen. Es wurden mehrere Ladestrategien und Anwendungsfälle getestet, die auf unterschiedliche Optimierungsziele (Entlastung des Stromnetzes oder Energiedienstleistungen) in unterschiedlichen Konfigurationen abzielten, während der reguläre Flottenbetrieb vollständig aufrechterhalten wurde. Mit Hilfe einer umfangreichen Überwachungsanlage wurde der Einfluss der hochdynamischen Ladeoptimierung auf Spitzenlasten und andere netzrelevante Kennzahlen quantifiziert. Der Live-Einsatz bestätigte den effektiven und korrekten Betrieb der Ladesteuerungslösung und zeigte gleichzeitig verschiedene Implementierungshürden auf, die im gesamten Ladeökosystem nach wie vor bestehen. Die Live-Steuerungsfälle zeigten, dass sowohl das Auto als auch die Ladestation Ladesequenzen auf ihre eigene Weise implementieren, manchmal abhängig vom Status des Fahrzeugs und manchmal abhängig von verschiedenen Softwareversionen. Dies führt zu einer kritischen Unzuverlässigkeit des Steuerungssystems, die ein entscheidendes Hindernis für fortgeschrittene Anwendungsfälle wie die Bereitstellung von Zusatzdiensten darstellen kann. Darüber hinaus zeigte der Aufbau, dass der Zugriff auf hochwertige Energiemessdaten oft einen erheblichen Aufwand erfordert, obwohl die Daten bereits in den internen Systemen von Fahrzeugen und Ladestationen erfasst werden. Aufgrund fehlender Standards und Vorschriften kann eine umfangreiche zusätzliche Messausstattung erforderlich sein, was die Lösung sowohl komplexer als auch kostspieliger macht. Die Eignung der Flotten für die verschiedenen Anwendungsfälle hing nicht nur von der Gesamtverfügbarkeit der Fahrzeuge (basierend auf ihren Fahrplänen) ab, sondern vor allem vom Gesamtenergiedurchsatz ihrer Ladevorgänge. Während die Serviceflotte des regionalen Versorgungsunternehmens eine begrenzte Nutzung und einen geringen Energieverbrauch aufwies, zeigte die untersuchte Lieferflotte einen etwa zehnmal höheren Energiedurchsatz. Dies erhöht zwar die Betriebskosten, erhöht aber auch das Einsparpotenzial, das mit einem intelligenten Ladesystem realisiert werden kann, erheblich. Für diese intensiver genutzte Lieferflotte konnte ein großer Teil der Ladeenergie erfolgreich verlagert werden, wodurch sich die Netzüberlastungskennzahlen verbesserten und potenzielle wirtschaftliche Gewinne in Höhe von 10 bis 32 CHF/EV/Monat erzielt werden konnten. Für die weniger genutzte Service-Pool-Flotte waren nur wenige wertvolle Steuerungsmaßnahmen pro Tag möglich, was zu geringfügigen Verbesserungen der Kennzahlen und einem schwachen Business Case mit einem Einsparpotenzial von 1 bis 7 CHF/EV/Monat führte. Eine bemerkenswerte Ausnahme bildete die Bereitstellung negativer Zusatzdienste, die unter gelockerten betrieblichen Toleranzen erfolgreich getestet wurde und bei der wenig genutzten Service-Pool-Flotte ein Umsatzpotenzial von 28 CHF/EV/Monat aufwies. Auch wenn das Umsatzpotenzial erheblich ist, birgt die betriebliche Umsetzung erhebliche Geschäftsrisiken und Unsicherheiten. Die Schnittstellen für die Fahrzeugladesteuerung sind weiterhin anfällig für vom Hersteller auferlegte Softwareimplementierungen und Preisänderungen. Die komplexe Geschäftsstruktur mit mehreren Stakeholdern, die Anspruch auf einen Anteil am zusätzlichen wirtschaftlichen Wert haben, verringert die effektiven Umsatzaussichten für jede beteiligte Partei zusätzlich. Das Projekt umfasste auch die Entwicklung eines digitalen Zwillings, um die Anwendungsfälle in einer besser kontrollierten Simulationsumgebung zu bewerten und ein breiteres Spektrum an Konfigurationen zu untersuchen. Die numerischen Ergebnisse bestätigten im Allgemeinen die Trends und Erkenntnisse aus den Live-Anwendungsfällen und verliehen ihnen damit mehr Validität. Das Modell zeigte auch das Potenzial von Anwendungsfällen auf, die im Feldprojekt nicht getestet werden konnten, wie z. B. die Ladeoptimierung bei Vorhandensein einer großen PV-Anlage: Dieses Szenario ergab beispielsweise das höchste wirtschaftliche Potenzial für die intensiv genutzte Lieferflotte und erreichte 52 CHF/EV/Monat (bei gleichzeitiger Begrenzung der Spitzenlast). Generell lässt sich feststellen, dass weniger strenge Anwendungsfälle – wie dynamische Tarife oder die Optimierung des PV-Eigenverbrauchs – ein begrenztes Ertragspotenzial aufweisen, was vor allem auf die aktuellen Vergütungsstrukturen zurückzuführen ist. Fortgeschrittenere und strengere Anwendungsfälle – wie Spitzenlastabdeckung und Zusatzdienste – scheinen lukrativer zu sein, erfordern jedoch eine höhere Zuverlässigkeit bei der Bereitstellung von Flexibilität. Die folgende Tabelle gibt einen Überblick über die wichtigsten untersuchten Flexibilitätsanwendungsfälle und vergleicht sie anhand verschiedener Kennzahlen, die für eine erfolgreiche und profitable Umsetzung von Smart Charging entscheidend sind.