Erstellung und Modellierung von stochastischen Ladeprofilen mobiler Energiespeicher mit MATLAB

Abstract

Das rasante Wachstum des Energiebedarfs im Verkehrssektor lässt die CO2-Emissionen drastisch in die Höhe schnellen. Dies verursacht lokale Umweltprobleme und trägt zum globalen Klimawandel bei. Auf Grund dieser umweltpolitischen und einiger wirtschaftlichen Aspekte, wie steigende Rohölpreise und Treibstoffkosten, ist die Elektromobilität aktueller denn je.<br />Bei einem Umstieg von Verbrennungskraftmotoren auf elektrische Antriebe kommt es zu Mehrbelastungen, welche Änderungsmaßnahmen am Energieversorgungssektor notwendig machen. Deshalb wird in dieser Arbeit mit Hilfe der Software MATLAB ein Modell entwickelt, mit dem stochastische Ladeprofile von Elektrofahrzeugen erstellt werden können.<br />Das MATLAB-Programm bietet weiters die Möglichkeit, eine Vielzahl von Parametern zu adaptieren. Konkret werden für die Modellbildung Elektrofahrzeuge mit Li-Ionen-Batterien verwendet. Als Grundlage dienen Verkehrsstatistiken des motorisierten Individualverkehrs in Österreich, aus denen sich die Modellparameter ergeben. Für 100 BEV aus einem Fahrprofilmix werden die berechneten Ergebnisse zu einem Gesamtladeprofil zusammengeführt und die resultierenden Zusammenhänge besprochen. Da die häufigsten Ladevorgänge in Wohngebieten stattfinden werden, ist ein Vergleich von Gesamtladeprofilen mit normierten Haushaltslastprofilen von großem Interesse. Dieser wird für ein Szenario mit 200 Haushalten durchgeführt.<br />Finden die Ladevorgänge sofort nach der Ankunft zu Hause ungesteuert statt, kommt es zur Erhöhung der Abendlastspitze. Es wird gezeigt, dass mehrmaliges Laden pro Tag - ermöglicht durch den Ausbau der Ladeinfrastruktur - diese Auswirkung mindert. Ein verbraucherseitig gesteuertes Laden hingegen hat die kontrollierte Verschiebung der Ladeenergie in die Nachtlastsenke zum Ziel. Dazu werden einige Szenarien erarbeitet, ihre Vor- und Nachteile geschildert und Realisierungsansätze geboten.<br />

The rapid growth of the power demand in the transport sector results in a dramatic increase of carbon dioxide emissions. This causes not only local environmental problems, but also contributes significantly to the global climate change. Against the background of these environmental and moreover some economic aspects, like rising crude oil prices and fuel costs, electric mobility has never been more in focus than today.<br />A future change from combustion engines to electric drives leads to additional loads, which gives rise to the necessity to take corrective measures in the energy supply sector. In order to be able to scrutinize the impacts on the power grid, a model has been developed with the help of the software MATLAB to generate stochastic load profiles for electric vehicles. MATLAB offers the possibility to vary a huge number of parameters. The model exclusively deals with electric vehicles with lithium ion batteries. All parameters originate from the transport statistics of the motorized individual traffic in Austria. In the end the calculated outcome of a driving profile mix for 100 battery-powered electric vehicles is consolidated into an overall load profile and the resulting implications are discussed. As a consequence of the assumption that most charging processes take place in residential areas, a comparison of the overall load profiles with standardized load profiles for regular households is carried out. The underlying scenario comprises 200 households.<br />If the charging processes are started immediately after the respective arrivals at home without being controlled, this will result in a rise of the evening load peak. It is shown that by means of several load cycles per day - provided the expansion of the charging infrastructure - this negative effect is limited. Anyway, the overall goal is a well controlled consumer-oriented charging process in order to shift the energy consumption to the night load depression. For this purpose several scenarios are elaborated and its advantages and drawbacks are described. Finally various approaches for the implementation of the highlighted scenarios are presented.<br />