Elektromobilität soll die Senkung der CO2-Emissionen im Transportsektor ermöglichen und damit einen Beitrag zu den klimapolitischen Zielen leisten. Eine verstärkte Verbreitung von Elektrofahrzeugen kann wesentliche Rückwirkungen auf das Elektrizitätssystem, v. a. die lokalen Verteilnetze haben. In diesem Kontext wird die Steuerung der Ladevorgänge als eine zentrale energiewirtschaftliche Herausforderung diskutiert. Aufgrund ihrer langen Standzeiten, großem Strombedarf und hoher Ladeleistungen, scheinen die Elektrofahrzeuge für eine Laststeuerung prädestiniert zu sein. Dazu können monetäre Anreizsysteme in Form variabler Stromtarife geeignet sein: Sie spiegeln die aktuelle Erzeugungssituation wider, informieren die Nachfrager und können daher ein entsprechendes Ladeverhalten auslösen. Im vorliegenden Artikel wird das Wechselspiel zwischen variablen Stromtarifen und der Ladelast untersucht. Zur Analyse ist das Optimiermodell DS-Opt-f entwickelt worden. Es bildet insgesamt 4.000 Haushalte in zwei Wohnvierteln einer Großstadt bzgl. ihrer Stromnachfrage, ihres Mobilitätsbedarfs und ihrer Ausstattung mit Photovoltaik-Anlagen ab. Vier verschiedene Ladetarifmodelle werden hinsichtlich ihrer Auswirkungen auf die Ladevorgänge und damit den Gesamtlastgang der Wohnviertel betrachtet. Die Ergebnisse verdeutlichen, dass erst ab einer hohen Marktpenetration von Elektrofahrzeugen der Strombedarf nennenswert steigt und eine Ladesteuerung erfordern. Die im Modell getesteten Tarifmodelle sind zur Beeinflussung der Ladelast geeignet, wobei die lastabhängigen Tarifmodelle zu einer deutlichen Glättung des Lastgangs im Wohnviertel führen. Vor dem Hintergrund eines ausgeglichenen Lastgangs ist eine ungesteuerte Ladestrategie in unserer Analyse dem gesteuerten Laden über ein zeitabhängiges Tarifmodell sogar vorzuziehen. Aus den Ergebnissen lassen sich zahlreiche Implikationen für Wirtschaft und Wissenschaft ableiten.
Electric mobility is supposed to contribute to climate policy targets by reducing CO2-emissions in the transportation sector. Increasing penetration rates of electric vehicles (EV) can lead to new challenges in the electricity sector, especially with regard to local distribution networks. Thus the management of charging loads is discussed as a key issue in energy economics. Due to their long parking times, high electricity and power demand, EV seem to be predestined for load management. Monetary incentives as dynamic pricing can be suitable for that: They reflect the current supply situation, pass the information to the consumers and can thus lead to a corresponding charging behaviour. In this article we analyse this interaction between dynamic pricing and charging loads. For this reason we have developed the optimization model DS-Opt+. It models a total number of 4,000 households in two residential areas of a major city with regard to its electricity demand, its mobility behaviour and its equipment of photovoltaic systems. Four different pricing models are tested for their effects on charging behaviour and thus the total load of the residential area. The results illustrate that only fairly high penetration rates of EV lead to remarkably higher electricity demand and require some load management. The tested dynamic pricing models are suitable for influencing charging loads; load-based tariffs are best in achieving a balanced load curve. In our analysis uncontrolled charging strategies are superior regarding a balanced load curve than controlled strategies by time-varying tariffs. Our results lead to several implications relevant for the energy industry and further research.
Monetäre Anreize zur Steuerung der Ladelast von Elektrofahrzeugen - eine modellgestützte Optimierung
Managing charging loads of electric vehicles by monetary incentives - A model-based optimization
Zeitschrift für Energiewirtschaft ; 37 , 1 ; 1-12
2013
12 Seiten, 10 Bilder, 3 Tabellen, 36 Quellen
Article (Journal)
German
Modellgestützte Temperaturüberwachung von HV-Komponenten in Elektrofahrzeugen
Springer Verlag | 2020
|Anreize für die Erreichung des Markthochlaufs von Elektrofahrzeugen im internationalen Vergleich
TIBKAT | 2017
|Modellgestützte Optimierung des Verkehrsflusses
Springer Verlag | 2010
|