Optimierung des Lastverschiebepotentials von Elektrofahrzeugen in HPC / Cloud Umgebungen

Das Energiesystem in 2030 wird zwei Grundfeste der Energiewirtschaft aufgeweicht haben: Einerseits wird das Angebot an Elektrizität durch einen gestiegenen Anteil an Wind- und Photovoltaikenergieerzeugung weniger steuerbar sein und andererseits könnte hierfür ein Demand-Side-Management (DSM) auf Seiten der Elektrizitätsnachfrage eine entsprechende Flexibilisierung erreichen um künftig nicht mehr das Angebot der Nachfrage anzupassen, sondern die Elektrizitätsnachfrage dem -angebot.

Hierfür müssen jedoch entsprechend große Verbraucher zeitunabhängig zur Verfügung stehen. Bei privaten Haushalten werden neben einigen Nachtspeicheröfen kaum nennenswerte Potentiale gesehen – mit Ausnahme des 2030 vielleicht schon relevanten Umfangs an Elektrofahrzeugen (EV). Diese würden bei heimischem Laden in der Regel in den Abendstunden aufgeladen – wo die Tageslastkurve bereits heute schon ein Maximum verzeichnet. Um diese Problematik zu verdeutlichen steht hier einem durchschnittlichen täglichen Energieverbrauch für ein EV von ca. 8 kWh einer sonstigen häuslichen Elektrizitätsnachfrage von ca. 5 kWh gegenüber. Ein verzögertes Aufladen würde somit das Lastmaximum eines Haushalts erheblich vermindern und gleichzeitig die geringe nächtliche Elektrizitätsnachfrage steigern.

Ein verzögertes Laden könnte beispielsweise durch eine Steuerung über sog. Smart Grids erfolgen. Diese leiten nicht nur die benötigte Elektrizität, sondern auch gleichzeitig viele Informationen über den Haushalt und den Elektrizitätsmarkt. Damit könnten in Zukunft Elektrofahrzeuge dann aufgeladen werden, wenn gerade (zu)viel elektrische Energie im Elektrizitätsmarkt kostengünstig zur Verfügung stünde. Neben den technischen Möglichkeiten sind aber auch die Bedenken und Vorlieben der Kunden (insb. Akzeptanz) zu berücksichtigen. So ist es denkbar die Knappheitsinformationen des Elektrizitätsmarktes in Form von Preisen an die Kunden weiterzugeben. In wie weit diese dann (wie im Smart Home automatisiert) reagieren ist bisher schwierig abzuschätzen, da Erfahrungen mit variierenden Elektrizitätspreisen in Deutschland nicht existieren. Daher bleibt die Akzeptanzproblematik im Folgenden unbeachtet.

Um die technischen Lastverschiebepotentiale zu bestimmen muss das komplexe Zusammenspiel von Millionen von stationären und mobilen Verbrauchern bei Energieeinspeisung mit vielen spezifischen Restriktionen, auf unterschiedlichen Ebenen und verteilten Aggregierungs- und Steuerungspunkten evaluiert werden. Dieses Problem ist auf den ersten Blick zwar ein einfaches Stock-Flow-Problem – ist jedoch hinsichtlich der Heterogenität und Vielzahl der einzelnen Objekte sehr komplex. Es ist im Prinzip nicht möglich dieses Problem aggregiert oder abstrahiert mit dem notwendigen Detailgrad zu lösen. Hierzu bedarf es einer „Smart Energy Simulation Platform“, mit der Verfahren, Algorithmen und Protokolle der Interaktion aller beteiligten heterogenen Agenten und Objekte getestet werden können.

Im Projekt „Optimierung des Lastverschiebepotentials von Elektrofahrzeugen in Cloud Umgebungen“, das auf das technische Lastverschiebepotential durch intelligentes Lademanagement von Elektrofahrzeugen abzielt, soll der Grundstein der „Smart Energy Simulation Platform“ gelegt werden. Unter Verwendung effizienter mathematischer Optimierungsverfahren, die auch die späteren enormen Problemgrößen berücksichtigen und unter Anwendung von ebenfalls unabdingbaren Methoden des High Performance Computing soll das Ladeverhalten von Elektrofahrzeugen unter Berücksichtigung von Netz-, Fahrzeug- und Kundenanforderungen optimal gesteuert werden.

Durch die in der Analyse vernachlässigte Nutzerbereitschaft spiegeln die ermittelten technischen Verschiebepotentiale eher eine obere Grenze des tatsächlichen Potentials wider. Für die technisch optimierende Steuerung unter verschiedenen Optimierungskriterien sind insbesondere Folgende Ausprägungen möglich:

Diese können dann insbesondere für ein optimiertes intelligentes Lademanagement der Elektrofahrzeuge genutzt werden. Hieraus resultiert dann das Lastverschiebepotential.

Über unsere aktuellen Projekte informieren auch unsere Projektnewsletter.

Bildquelle: KIT