Influence of zero-emission mobility on the residual load

Abstract

Die Durchdringung von Elektrofahrzeugen (EVs) und Brennstoffzellen-Elektrofahrzeugen (FCEVs) wird sich in den kommenden Jahren aufgrund immer strengerer Emissions- vorschriften für den Verkehrssektor voraussichtlich beschleunigen. Das Laden von EVs und die Erzeugung von grünem Wasserstoff für FCEVs stellen eine flexible Last für das Stromnetz dar und bieten das Potenzial, die Lade- oder Betankungsprozesse auf be- stimmte Ziele wie die Reduzierung von Lastspitzen abzustimmen. In dieser Diplomarbeit wurde die Auswirkung des Ladens von Elektrofahrzeugen auf die regionale Residuallast aus der Sicht eines Netzbetreibers untersucht, wobei ein gemischt-ganzzahliges lineares Optimierungsmodell (MILP) zur Minimierung der gesamten Energieversorgungskosten verwendet wurde. Das Modell berücksichtigt verschiedene Ladeszenarien zur Deckung des lokalen Strombedarfs unter Einbeziehung von Netzanschluss, Photovoltaik und lokaler Batteriespeicherung. Es wurden zwei verschiedene Anwendungsfälle untersucht, wobei für jeden Fall verschiedene Ladeoptimierungsszenarien basierend auf der EV- und FCEV-Durchdringungsrate entwickelt wurden. Um die Auswirkungen der Ladeverfahren zu bewerten, wurden drei Ansätze untersucht: ungesteuertes Laden, kostenbasiertes intelligentes Laden und intelligentes Laden mit parallelen Ladebeschränkungen. Die Ergebnisse zeigten, dass der ungesteuerte Laden die höchsten Stromkosten verursachte, während beide intelligenten Ladeverfahren eine deutliche Kostenreduzierung bewirk- ten. Die reine Kostenoptimierung führte jedoch zu extremen Lastspitzen, die durch zusätzliche parallele Ladebedingungen mit leicht erhöhten Ladekosten verringert werden können. Die Ladeleistung spielte eine große Rolle, da der Zusatztarif für das DC-Laden einen großen Teil der Gesamtkosten ausmachte. Die Kombination aus EVs und FCEVs erwies sich als die kostenoptimalste Lösung, hauptsächlich aufgrund des nicht vorhan- denen Gleichstromladetarifs für die Wasserstofferzeugung, da die Elektrolyseure im Wechselstrombetrieb angeschlossen sind. Die Wasserstoffproduktion führte zu keiner erhöhten Spitzenlast, da der Lastbedarf über den Tag verteilt ist und in Zeiten mit hoher PV-Erzeugung anfällt. Weitere Verbesserung der Modellierung können insbesondere den Einsatz von ein größeres Spektrum an Fahrprofilen und Vehicle-to-Grid Konzept beinhalten. Durch die Berücksichtigung eines breiteren Spektrums von Fahrprofilen könnte die Vorhersage der Mobilitätslast verbessert und die Modellgenauigkeit erhöht werden. Das V2G-Potenzial könnte die Flexibilität und Stabilität des Netzes erhöhen. Eine dynamische, ladungsbasierte Tarifstruktur an Gleichstrom-Schnellladestationen sowie ein Anreizprogramm zur Abstimmung der Ladeleistung von Elektrofahrzeugenauf die aktuelle Netzlast könnten die Einführung von E-Fahrzeugen beschleunigen.

The penetration of electric vehicles (EVs) and fuel cell electric vehicles (FCEVs) is expected to accelerate in the coming years due to increasingly stringent regulations on emissions from the transportation sector. EV charging and the generation of green hydrogen for FCEVs represent a flexible load, offering the potential to align charging or refueling processes with specific goals such as reducing peak loads. The lack of charging coordination can result in a substantial increase in peak load demands and a need for additional peak load capacity. This thesis investigated the impact of EV and FCEV on regional residual load from the perspective of a grid operator, using a mixed-integer linear optimization model (MILP) to minimize total energy procurement costs. The model considered various charging scenarios that meet local power demand while taking into account the main grid connection, photovoltaic generation and local battery storage. Two use cases have been examined, with each one having various charging optimisation scenarios based on the EV and FCEV penetration rate. To assess charging method impact, three approaches were examined: instantaneous or uncontrolled charging, cost- based smart charging, and smart charging with parallel charging constraints. Results indicated that instant charging incured the highest energy procurement costs while both smart charging methods yielded notable cost reduction. Nevertheless, exclusively prioritizing cost optimization led to extreme peak loads, that can be mitigated by adding several parallel charging constraints at a marginally increased charging cost. Notably, the charging power supply played a crucial role, as the additional tariff for DC charging contributed substantially to the overall costs. The combination of EVs and fuel cell electric trucks and buses proved to be the most cost-optimal solution, mainly due to the absence of DC charging tariffs for the hydrogen production as the electrolysers are connected in AC mode. Additionally, hydrogen production did not trigger a surge in peak loads, as the load demand was spread over the day and during periods of high PV generation. Continued advancements in modelling techniques could entail the incorporation of a greater range of specific driving profiles and vehicle-to-grid (V2G) functionalities. By incorporating a broader spectrum of driving patterns, the forecasting accuracy of mobility demand could be enhanced, and the modelling precision could be improved. Additionally, leveraging the V2G potential can bolster grid flexibility and mitigate grid stress. As a prospective strategy, the deployment of a dynamic power-based pricing scheme at DC fast charging stations and the rollout of an incentive program to align the EV charging load with the instantaneous grid demand could expedite the adoption of EVs.