Netzstabilität mit Elektromobilität

Transkript

1 Netzstabilität mit Elektromobilität Philipp NOBIS, Florian SAMWEBER, Sebastian FISCHHABER Forschungsstelle für Energiewirtschaft e.v., Am Blütenanger 71, München, Deutschland, , Kurzfassung: Aufgrund der voranschreitenden Entwicklung elektrisch betriebener Fahrzeuge sowie sinkender Batteriekosten, wird zukünftig eine steigende Anzahl elektrifizierter Fahrzeugflotten erwartet. Eine zunehmende Elektrifizierung des Straßenverkehrs bedeutet jedoch auch eine zusätzliche Belastung für die elektrischen Verteilnetze und deren Netzkomponenten. An der Forschungsstelle für Energiewirtschaft (FfE) wurde die Simulationsumgebung GridSim entwickelt um die Auswirkungen von Elektromobilität, erneuerbaren Energieerzeugern und Hauspeichersystemen auf das lokale Niederspannungsnetz zu bestimmen. Im Rahmen dieser Veröffentlichung wird auf veränderte Lastsituationen in Niederspannungsnetzen eingegangen und gezeigt wie geeignete Ladesteuerungen und Blindleistungsregelungen für Elektrofahrzeuge die Netzbelastung reduzieren können. Keywords: Elektromobilität, Stromnetze, Netzintegration, Hausspeichersystem, Spannungshaltung, Niederspannungsnetze, Jahresdauerlinien der Last 1 Einleitung Für die kommenden Jahre ist eine bedeutende Entwicklung in der Elektromobilität zu erwarten. In Verbindung mit intelligenten Ladesteuerungen könnten Elektrofahrzeuge (BEV) für Netz- und Systemdienstleistungen herangezogen werden. Jedoch könnten solche sog. funktionellen Speicher zukünftig bezüglich ihrer Fähigkeit zur Entlastung in Niederspannungsnetzen mit elektrischen Hausspeichersystemen konkurrieren. Die Forschungsstelle für Energiewirtschaft untersucht, ob intelligente Ladesteuerungen von Elektrofahrzeugen bezüglich der Netzentlastung geeignet sind und untersucht wie diese mit einer wachsenden Anzahl an Hausspeichersystemen im Netz wirken. Dabei wird insbesondere die Spannungshaltung im Netz betrachtet, welche ein Kriterium für die Netzqualität ist. 2 Methodik Um die Einflüsse von Elektrofahrzeugen und kleinen Energiespeichersystemen auf die Netzbelastung zu untersuchen, wurden verschiedene Szenarien für die BEV- Marktdurchdringung, den Ausbau der Photovoltaik, Hausspeichersysteme sowie den Verbrauch elektrischer Energie festgelegt /BWK 1-14/,/BWK 1-14/. Es wurde ein Seite 1 von 17

2 Niederspannungs-Verteilnetz, basierend auf einem realen Netzgebiet in Garmisch- Partenkirchen (GAP), modelliert und Simulationen über die Dauer eines Jahres durchgeführt. Im Folgenden werden die unterschiedlichen Szenarien und Rahmenbedingungen vorgestellt. 2.1 Simulationsumgebung Zur Analyse der Netzauswirkungen von Elektrofahrzeugen wurde an der FfE das Simulationsmodell GridSim entwickelt (s. Abbildung 1). Mit Hilfe dieses Berechnungsmodells können reale und synthetische Niederspannungsnetze simuliert werden. Als Grundlage der Berechnungen werden den Hausanschlüssen des Stromnetzes Lastgänge zugewiesen. Da in den hier vorgestellten Untersuchungen der Fokus auf private Elektromobilität gelegt wird, werden ausschließlich Wohngebiete, also Lastgänge von Privathaushalten betrachtet. Weiterhin wird über einen Verteilungsschlüssel festgelegt wie viele PV-Anlagen, Elektrofahrzeuge und Hausspeichersysteme im betrachteten Netzgebiet angenommen werden. Diese Komponenten verfügen ihrerseits wiederum über einstellbare Parameter. Die simulierten Elektrofahrzeuge verfügen zudem über individuelle Fahrprofile, welche aus GPS- Daten gewonnen wurden [Eflott-11]. Haushaltslasten Wohngebiete PV-Anlagen Netzstabilisierungsmaßnahmen Ladesteuerungen ront Elektrofahrzeuge Stat. Batterien Blindleistungsregelungen Netztopologie Wirkleistungsregelungen Wiederholungen Zufallsverteilungen Szenarien Ganzjahressimulation mit Lastflussberechnung Berechnungsergebnisse je Zeitschritt und Objekt Spannungen Ströme Reglerzustände SOCs Auswertung Spannungsgrenzen Auslastung Netzstabilität Auswirkungen der Elektromobilität auf das Stromnetz Abbildung 1: In der Untersuchung verwendetes Simulationsmodell GridSim Aufbauend auf den oben beschriebenen Simulationsparametern wird eine Lastflussberechnung durchgeführt und die Ergebnisse ausgewertet. Diese Bottom-Up- Modellierung des Netzgebietes mit einzelnen Haushalten erlaubt es verschiedene Eingangsdaten, z.b. Fahrprofile der Elektrofahrzeuge oder Haushaltslastgänge, mit unterschiedlichen Laderegelungen, z.b. bei der Integration eines Hausspeichersystems oder eines Elektrofahrzeugs, zu kombinieren. Die aktuelle Version des Simulationsmodells wurde auf die Betrachtung von Niederspannungsnetzen mit PV-Anlagen, Hausspeichersystemen Seite 2 von 17

3 und Elektrofahrzeugen optimiert. Für diese Komponenten sind verschiede Ladesteuerungen und Betriebsmodi implementiert. Neben Betrachtungen des Netzzustandes können zusätzlich energetische Analysen durchgeführt werden. Es ist möglich vollständige Jahre, wie für diese Veröffentlichung, oder nur einzelne Tage zu simulieren. Durch die Möglichkeit der Jahressimulation können umfassende Energiebilanzen aller Komponenten erstellt werden. Der modulare Aufbau der GridSim gewährleistet, dass das Simulationsmodell einfach erweitert und auf neue Fragestellungen angepasst werden kann. 2.2 Niederspannungs-Verteilnetz Um die Effekte von Elektrofahrzeugen und Hausspeichersystemen auf das Stromnetz zu untersuchen, wird ein typisches städtisches / vorstädtisches Niederspannungsnetz herangezogen. Dieses im Rahmen einer Sensitivitätsanalyse ausgewählte Netzgebiet ist auf Grund seiner Topologie tendenziell anfällig für Spannungsschwankungen. Wie Abbildung 2 zeigt, handelt es sich bei dem verwendeten Netzgebiet um ein überwiegend strahlenförmiges Netz. Allein der östliche Teil des Gebiets wird durch eine Ringstruktur versorgt. Der Transformator ist auf 315 kva bemessen und ist damit etwas schwächer als übliche Niederspannungs-Netzwerke dimensioniert. Abbildung 2: Für Analysen verwendetes Niederspannungsnetz Im untersuchten Netzgebiet befinden sich 52 Hausanschlüsse. Durchgeführten Messungen und einer nachfolgenden Hochrechnung zufolge liegt der jährliche Energiebedarf des Seite 3 von 17

4 Netzgebietes bei 604 MWh. Dies entspricht in etwa dem jährlichen Energiebedarf von 202 Haushalten. Im Durchschnitt befinden sich folglich etwa vier Haushalte je Hausanschlusspunkt. 2.3 Energiebedarf der simulierten Haushalte Der Energiebedarf der 202 simulierten Haushalte basiert auf der statistischen Verteilung der Haushaltsgrößen in GAP /ZENSUS-11/. Abbildung 3 zeigt die Anteile der jährlichen Energieverbräuche zusammen mit den Haushaltsgrößen für GAP. Die Energieverbräuche sind zudem in Übereinstimmung mit /BDEW-10/. Abbildung 3: Verteilung der Haushaltsgrößen in Garmisch-Partenkirchen und ihr Energieverbrauch Die in den Simulationen verwendeten Lastgänge der verschiedenen Haushalte wurden basierend auf realen, gemessen Haushaltslastgängen, Gerätelastgängen und statistischen Untersuchungen synthetisch generiert. 2.4 Durchdringung des Netzgebiets mit Elektrofahrzeugen Der Anteil von Elektrofahrzeugen im Netzgebiet wurde von einer Durchdringung von 10 % bis 50 % in Schritten von 10 % verändert. Für die Simulation wurden BEVs bevorzugt Haushalten zugewiesen, welche eine PV-Anlage besitzen. Die Netzanschlüsse der BEVs wurden jeweils zufällig einer der drei Phasen des Netzes zugeordnet. Das Ladeverhalten der Elektrofahrzeuge basiert auf reellen Fahrtprofilen. Elektrofahrzeuge der neuesten Generation besitzen Batterien mit Kapazitäten von durchschnittlich 22 kwh. Für die Fahrzeuge in der Simulation wurde die für das Jahr 2030 angenommene Kapazitäten von 40 kwh je Elektrofahrzeug verwendet. Seite 4 von 17

5 2.5 Ladesteuerung für Elektrofahrzeuge Die Ladesteuerung für BEVs wurde so entworfen, dass wenn das Fahrzeug an das Netz angeschlossen wird, sofort bis zu einer Ladekapazität (SOC) von 80 % geladen wird. Die restlichen 20 % der Batteriekapazität werden dazu verwendet, den PV-Energieanteil in der Batterie beim Laden zu erhöhen. Mit diesem Ansatz werden die Mobilitätsanforderungen der Fahrzeugbesitzer nicht durch die Ladesteuerung beeinträchtigt, da Studien zeigen, dass die durchschnittlich pro Tag gefahrene Distanz eines Autos bei unter 40 km liegt /MID-2008/, was weniger als 20 % der Batteriekapazität entspricht. 2.6 Ausbau der Photovoltaik der Anwohner Die Durchdringung von Photovoltaik (PV) wurde in der Simulation auf 18 % gesetzt, was einer Anzahl 36 Haushalten mit PV-Anlagen entspricht. Die PV-Anlagen haben eine durchschnittlich installierte Leistung von 5 kwp. Die Zuordnung der PV-Anlagenanschlüsse ans Netz wurde jeweils zufällig zu einer der drei Phasen des Netzes vorgenommen. 2.7 Elektrische Hausspeichersysteme In der Simulation besitzen 30 % der PV-Anlagenbesitzer (elf Haushalte) ein elektrisches Hausspeichersystem (HSS) mit einer Kapazität von 7,5 kwh. Das HSS betreibt die Batterie im Bereich eines Ladezustandes zwischen 20 % bis 90 %. Seite 5 von 17

6 3 Ergebnisse Dieses in vier Unterkapitel untergliederte Kapitel zeigt die Simulationsergebnisse. In Kapitel 3.1 wird der Einfluss von Hausspeichersystemen auf das Netz betrachtet. Im Kapitel 3.2 wird das unkontrollierte Laden von Elektrofahrzeugen betrachtet. Im Kapitel 3.3 werden die Ergebnisse der Kombination von Hausspeichersystemen und Elektrofahrzeugen mit Ladesteuerung vorgestellt. Im letzten Kapitel 3.4 wird dargestellt wie mit einer spannungsabhängigen Blindleistungsregelung für Elektrofahrzeuge die Spannung stabilisiert werden kann. 3.1 Einfluss von Hausspeichersystemen auf die Netzlast Um den Einfluss von HSS auf das Netz aufzuzeigen, wurde die Simulation zuerst ohne die Anwesenheit von Elektrofahrzeugen durchgeführt. In Abbildung 4 werden die durchschnittlichen täglichen Haushaltslastgänge, basierend auf allen 202 Haushalten im Netzgebiet, dargestellt. Der blaue Lastgang repräsentiert die durchschnittliche Last mit HSS, während die rote Linie die Last ohne HSS darstellt. Es ergibt sich ein Spitzenlastkappungs- Effekt von ungefähr 10 % in den Abendstunden (*1) und eine etwa vierfach höhere Netzlast unter Tags. Diese wird durch die Ladung der HSS bedingt, welche eine Einspeisung der PV Anlagen reduzieren. Obwohl weniger als 6 % der simulieren Haushalte ein HSS besitzen, ist der Einfluss auf das Netz erheblich. In der Sommerzeit ist dieser Effekt größer als in den Wintermonaten, da mehr Energie aufgrund der mehr verfügbaren Sonneneinstrahlung und deshalb höheren PV- Energieerzeugung gespeichert wird. Abbildung 4: Einfluss von Hausspeichersystemen auf die mittlere Hausanschlusslast (ohne Elektrofahrzeuge) Seite 6 von 17

7 Vergleicht man die auftretende Residuallast eines durchschnittlichen einzelnen Hausanschlusses mit und ohne HSS (vergleiche Abbildung 4) mit der des ganzen betrachteten Netzgebiets (vergleiche Jahresdauerlinie Abbildung 5), so zeigt sich der gleiche ausgleichende Effekt. Es kann festgestellt werden, dass sowohl die positive als auch die negative Last durch die Verwendung der HSS im Netz gesenkt wurde. Die positive Spitzenlast wurde von 163 kw um 5 % herab auf 155 kw gesenkt. Währenddessen wurde die Spitzenlast der Rückspeisung um 7 % gesenkt. Auch der PV-Eigenverbrauch innerhalb des Netzes konnte von 78,5 % auf 87 % angehoben werden. Daher reduzierte sich die Einspeisung von PV-Energie ins Mittelspannungsnetz um 40 %, der Eigendeckungsgrad im Netz erhöhte sich von 23,7 % auf 26 %. Viele Studien prognostizieren Netzüberlastungen aufgrund von PV- und Windenergieeinspeisungen ins Hochspannungsnetz. In diesem Zusammenhang wären HSS eine Möglichkeit, Überlastungen in den höheren Spannungsebenen zu vermeiden und um mehr erneuerbare Energiemengen ins Netz einzubinden. Abbildung 5: Jahresdauerlinien der Leistung am Transformator (ohne Elektrofahrzeuge) Seite 7 von 17

8 3.2 Einfluss von Elektrofahrzeugen auf die Netzlast (ohne HSS) Um das netzentlastende Potenzial von Elektrofahrzeugen bewerten zu können, werden den Haushalten ungesteuert ladende Elektrofahrzeuge hinzugefügt. In Abbildung 6 wird für das betrachtete Netzgebiet das unkontrollierte Laden einer Elektrofahrzeugflotte 61 Fahrzeugen (entspricht einer Durchdringung von 30 %), abhängig von der Ladeleistung dargestellt. Es entsteht eine abendliche Lastspitze zwischen 17 und 20 Uhr, wobei dort bei einer Ladeleistung von 14 kw die durchschnittliche Leistung um ungefähr 39 % höher als bei 3,5 kw Ladeleistung ist (*1). Mit größeren Ladeleistungen werden die Lastprofile um zwei Stunden nach vorne bzw. hinten verlagert (*2,*3). Die differentielle Erhöhung der Spitzenlast wird mit zunehmenden Ladeleistungen geringer. Abbildung 6: Mittlere Ladeleistung von Elektrofahrzeugen für unterschiedliche Ladeleistungen Seite 8 von 17

9 Abbildung 7 zeigt die Jahresdauerlinie des Transformators in Abhängigkeit von der BEV- Durchdringung (0 %, 10 %, und 50 %) sowie der Ladeleistung (3,5 kw bzw. 14 kw). Es bestätigt sich, dass wie bereits in Abbildung 6 gezeigt die Ladeleistungen einen großen Einfluss auf die positive Spitzenlast hat. Im Vergleich zum Fall keine Elektrofahrzeuge nimmt die Spitzenlast für BEV mit 14 kw Ladeleistung einen etwa dreimal höheren Wert an als bei BEV mit 3,5 kw Ladeleistung. Bis auf die Spitzenlasten ist der Einfluss der Ladeleistungen der BEV auf die Gesamtlast gering. Die Einspeisung von PV-Energie und ebenso die Peak-Einspeiseleistung ins Mittelspannungsnetz sind nur geringfügig von der Ladeleistung abhängig. Abbildung 7: Jahresdauerlinie für verschiedene Elektrofahrzeug-Szenarien Seite 9 von 17

10 3.3 Einfluss von Ladesteuerungen und Hausspeichersystemen im Netz Im Folgenden wird der Einfluss beider Systeme, BEV mit Ladesteuerungen sowie HSS, auf die Residuallast behandelt. In Abbildung 8 ist der durchschnittliche tägliche Lastgang eines Hausanschlusses für ein Szenario mit 40 % BEV-Durchdringung und einer Ladeleistung von 14 kw dargestellt. Es zeigt sich, dass unkontrolliertes Laden von BEV mit der Anwesenheit von HSS eine niedrigere Spitzenleistung verursacht als ohne HSS. Mit zusätzlicher Ladesteuerung kann die Spitzenlastreduzierung verdoppelt werden. Die Ladesteuerung und die Anwesenheit von HSS im Netzgebiet haben einen vergleichbaren Effekt auf die Spitzenleistung. Abbildung 8: Einfluss von Ladesteuerungen und stationären Batteriespeichern auf die mittlere Leistung je Hausanschluss Für ein besseres Verständnis wird der Einfluss der Ladesteuerung sowie der HSS auf die Transformatorleistung als eine differentielle Jahresdauerlinie in Abbildung 9 gezeigt. Dafür wurden die Jahresdauerlinien für die jeweiligen Fälle vom anfänglichen Fall unkontrolliertes Laden der BEV-Flotte ohne HSSs subtrahiert, so dass die Änderung in der Jahresdauerlinie durch die jeweiligen Maßnahmen besser erkennbar ist. Die Spitzenlastminderung (Stunde 0) durch kontrolliertes Laden ohne HSS (hellblau, -13 kw) ist ungefähr zweimal so groß wie durch unkontrolliertes Laden mit HSS (dunkelblau, -7kW). Es ist erwähnenswert, dass in diesem Szenario eine 40 %ige BEV-Durchdringung mit Ladesteuerung vorherrscht, aber nur 6 % der Haushalte ein HSS besitzen. Dies erklärt den größeren Einfluss der BEVs auf die positive Spitzenleistung. Trotz dessen haben HSS einen größeren Einfluss auf die Verringerung der Peak-Einspeiseleistung als Ladesteuerungen (Stunden 7665 bis 8760). Der steile Abfall der Leistung nahe Stunde 8760 begründet sich dadurch, dass beide Seite 10 von 17

11 Speichersysteme, BEV und HSS, voll aufgeladen sind und daher ein Spitzenwert durch PV- Energieeinspeisung während dem Jahr auftritt. Abbildung 9: Differenz der Jahresdauerlinien für Ladesteuerung und Hausspeichersystem 3.4 Blindleistungsregelung für Elektrofahrzeuge und ihre Auswirkung auf die Netzspannung Ladende Elektrofahrzeuge senken die Spannung im Niederspannungsnetz ab. Dadurch kann es ab einer hohen Anzahl von Elektrofahrzeugen zu Spannungsbandproblemen kommen. Da Elektrofahrzeuge, wie PV-Anlagen ebenfalls, mittels Umrichter mit dem Stromnetz gekoppelt sind, könnten auch sie über eine Blindleistungsregelung verfügen um die Spannung zu regeln. Lediglich mit dem Unterschied, dass sie die Blindleistung verwenden um die Spannung anzuheben und nicht abzusenken wie PV-Anlagen es bezwecken. Die einfachste Möglichkeit die Blindleistung zu kontrollieren besteht in der Anwendung eines konstanten Leistungsfaktors. Beispielsweise kann festgelegt werden, dass jedes Elektrofahrzeug mit einem Leistungsfaktor von 0,95 kapazitiv laden muss. Dies verringert bereits den Spannungsabfall, speist aber auch Blindleistung ein, wenn das Spannungsniveau ausreichend hoch ist. Hinzu kommt, dass neue PV-Anlagen sich bereits an einer statischen Spannungsstützung (mittels Q(P)) beteiligen. Ein konstanter Leistungsfaktor bei BEVs ist dabei kontraproduktiv. PV-Anlagen beziehen bei einer hohen Einspeiseleistung Blindleistung. Wenn nun die Fahrzeuge trotz eines hohen Spannungsniveaus Blindleistung einspeisen, würde der Effekt der Q(P) Regelung der PV- Anlagen ausgehebelt. Dies wiederum kann zu höheren Belastungen der Betriebsmittel und somit zu höheren Verlusten führen. Aus diesen Gründen kann diese Variante der Blindleistungsregelung bereits im Vorfeld als nicht zielführend ausgeschlossen werden. Seite 11 von 17

12 Um eine Einspeisung bei einem hohen Spannungsniveau zu verhindern, muss die Blindleistung in Abhängigkeit der Spannung geregelt werden. Die Höhe der eingespeisten Blindleistung sollte von dem Spannungsniveau abhängen. Damit der Fall, dass bei einem Strang mit mehreren BEVs und einer Spannung über 1 p.u., die Fahrzeuge am Stranganfang Blindleistung aufnehmen und die Elektrofahrzeuge am Strangende Blindleistung einspeisen auftritt, sollte die Regelung im Bereich um 1 p.u. herum nicht aktiv werden. Die Q(U)-Kennlinie ist in Abbildung 10 dargestellt. Es erfolgt ein Bezug oder eine Bereitstellung von Blindleistung nur bei einer Spannung nah an einer Grenze des Spannungsbandes. Hierbei ist gewährleistet, dass es zu keiner unnötigen Einspeisung oder Bezug kommt. Zudem sinkt durch die Streckung die Wahrscheinlichkeit, dass Elektrofahrzeuge sich gegenseitig ausregeln, da hierfür der Spannungsabfall über einen Strang mindestens 10% betragen muss. Die Auswirkungen des stückweise linearen Leistungsfaktors und der bereits vorgestellten Ladesteuerung auf die Spannung wird im Weiteren untersucht. Abbildung 10: Kennlinie der Q(U)-Regelung für Elektrofahrzeuge Für den Betrieb eines Niederspannungsnetzes in Deutschland beschreibt die DIN EN 50160: Merkmale der Spannung in öffentlichen Elektrizitätsversorgungsnetzen, dass die Spannung an allen Netzverknüpfungspunkten im Bereich ± 10 % der Nennspannung von 400 V liegen muss. Die Erweiterung, dass für 5 % der Spannungswerte ein Wert von - 15 % der Nennspannung erlaubt ist wird hier vernachlässigt und für die Betrachtung der Spannungshaltung das ± 10 %-Kriterium verwendet. Seite 12 von 17

13 Im Folgenden wird der Einfluss der Elektrofahrzeuge und Ladesteuerung auf die Netzspannung dargestellt. In Abbildung 11 sind zwei Histogramme zum Szenario 50 % BEV-Durchdringung und 14 kw Ladeleistung) mit den Spannungen aller Netzknoten des gesamten Simulationszeitraumes dargestellt. Das dunkelgrüne Histogramm stellt den Fall ohne Ladesteuerung und ohne Blindleistungsregelung dar. Das hellgrüne Szenario stellt denn Fall mit Ladesteuerung und mit Blindleistungsregelung dar. Es ist zu sehen, dass eine Abweichung von mehr als ± 10 % sehr selten Auftritt und die Verteilung relativ ähnlich ist. Abbildung 11: Spannungsbandverletzungen im Vergleich: Ungesteuert vs. Gesteuert mit Q(U)-Regelung Seite 13 von 17

14 Um die Unterschiede besser darzustellen wurde in folgender Abbildung 12 die Differenz der beiden Histogramme dargestellt. Hierbei ist deutlich die Auswirkung der Blindleistungsregelung und der Ladesteuerung auf die Spannung zu sehen. Die Anzahl von Spannungen im Bereich kleiner 0,96 p.u. werden deutlich gesenkt, die Anzahl der Spannungsbandverletzungen bei einer Spannung unter 0,9 p.u. werden um 52,6 % gesenkt. Die Anzahl hoher Spannungen reduziert sich ebenfalls ein wenig. Abbildung 12: Differenz-Spannungshistogramm zur Verdeutlichung der Unterschiede In Abbildung 13 werden für die verschiedenen Regelungsarten, v. l. n. r. ungesteuertes, gesteuertes Laden und gesteuertes Laden mit Q(U)-Regelung, die Häufigkeit von Spannungsbandverletzungen bezogen auf alle Spannungswerte im Simulationszeitraum dargestellt. Die Häufigkeit der Spannungsbandverletzungen wird in Promille angegeben. Die Häufigkeit der Spannungsbandverletzungen V vio berechnet sich zu: V vio = H v dt v H a dt a H v = Haushalte mit mindestens einer Spannungsbandverletzung H a = Alle Haushalte; hier: 202 dt v = Zeitschritte in denen eine Spannungsbandverletzung auftrat; 15 Minuten dt a = Alle Zeitschritte; hier: ein Jahr in 15 Minutenauflösung Seite 14 von 17

15 Abbildung 13: Spannungsbandverletzungen bei unterschiedlichen Elektrofahrzeug- Szenarien Für alle Ladearten zeigt sich, dass sowohl die Elektrofahrzeugdurchdringung als auch die Ladeleistung Einfluss auf die Spannungshaltung hat. So führt beispielsweise im Fall der Q(U)-Regelung eine Durchdringung von 50 % mit einer Ladeleistung von 3,5 kw zu einer ähnlichen Anzahl an Spannungsbandverletzungen, wie eine Durchdringung von 30 % mit einer Ladeleistung von 14,0 kw. Die meisten Spannungsbandverletzungen (im Mittel 8, in Extremfällen bis zu 16 ) treten bei einer Durchdringung von 50 % und ungesteuertem Laden mit 14,0 kw auf. Sowohl durch die Verringerung der Ladeleistung als auch der Elektrofahrzeugdurchdringung nehmen die Spannungsbandverletzungen ab. Ebenso können die Spannungsbandverletzungen durch das gesteuerte Laden der Elektrofahrzeuge leicht (0 15 %) reduziert werden. Deutlich effektiver zur Spannungshaltung ist die Q(U)-Regelung, welche im Durchschnitt 45 % (25 58 %) der Spannungsbandverletzungen verhindert. Mehr als 95 % aller Spannungsbandverletzungen traten in den Abendstunden auf. Ein positiver Nebeneffekt der Spannungshaltung mithilfe der Q(U)-Regelung ist es, dass lokale Blindleistung kompensiert wird. Dadurch können Übertragungsverluste reduziert werden und dem Ortsnetztransformator steht mehr Kapazität zur Transformierung von Wirkleistung zur Verfügung. Seite 15 von 17

16 4 Schlussfolgerung Bereits wenige Hausspeichersysteme im Stromnetz reduzieren die Lastschwankungen deutlich. Ohne spezielle Ladesteuerung, sind sie jedoch nicht geeignet um die vereinzelten Jahreslastspitzen oder -Einspeisespitzen zu dämpfen. Elektrofahrzeuge verursachen hohe abendliche Lastspitzen. Eine Steigerung der Ladeleistung erhöht die Lastspitze nicht im selben Maße. Je höher die Ladeleistung, desto geringer ist die anteilige Steigerung der Lastspitze. Mit steigender Ladeleistung, verschiebt sich Spitzenlast durch Elektrofahrzeuge im Stromnetz zeitlich nach vorne und fällt auch zum Abend hin früher ab. Während die Ladeleistung der Fahrzeuge kaum Einfluss auf die mittlere Jahresgesamtlast hat, ist sie jedoch maßgeblich für die hohen Lastspitzen verantwortlich. Eine Ladesteuerung für Elektrofahrzeuge, welche zum Ziel hat den PV-Eigenverbrauch zu erhöhen, reduziert auch automatisch die abendlichen Lastspitzen und dämpft die PV- Einspeisung mittags. Der Einfluss von gesteuerten Elektrofahrzeugen auf die Netzspannung ändert sich durch zusätzliche Hausspeichersysteme nur wenig. Die vorgestellte Blindleistungsregelung reduziert die Spannungsbandverletzungen deutlich. Ein positiver Nebeneffekt ist, dass die Verluste im Stromnetz geringfügig sinken. Nachteilig ist, dass aufgrund des am Strangende großen Spannungsabfalls die Elektrofahrzeuge hier am stärksten zur spannungsabhängigen Blindleistungsregelung beitragen und damit mehr Blindleistung abgeben müssen. Ein weiterer Nachteil des vorgestellten Verfahrens ist, dass eine Überdimensionierung der Umrichter notwendig ist. Bei einem minimalen Leistungsfaktor von 0,9 ist eine Erhöhung der Stromtragfähigkeit des Umrichters von ca. 11 % erforderlich. Seite 16 von 17

17 Die Hans und Klementia Langmatz-Stiftung aus Garmisch-Partenkirchen sowie das Bayerische Staatsministerium für Wirtschaft und Medien, Energie und Technologie fördern die Projekte aus denen diese Ergebnisse entstanden sind. Für die Unterstützung bei der Erstellung dieser Veröffentlichung danken wir Janis Reinhard und Mathias Müller. Abkürzungen BEV GAP HSS p.u. PV Q(U) SOC Battery Electric Vehicle (Elektrofahrzeug) Garmisch-Partenkirchen Hausspeichersystem per unit Photovoltaik Spannungsabhängige Blindleistungsregelung State of Charge (Ladezustand) Literatur [BWK 1-14] [BWK 2-14] [Eflott-11] Samweber, Florian; Nobis, Philipp; Gallet, Marc: Den eigenen PV- Strom tanken - Ladesteuerung zur Erhöhung des Photovoltaik- Eigenverbrauchs (Teil 1) in: BWK Issue 01/2013, S Düsseldorf: Springer VDI Verlag, 2014 Samweber, Florian; Nobis, Philipp; Gallet, Marc: Den eigenen PV- Strom tanken - Ladesteuerung zur Erhöhung des Photovoltaik- Eigenverbrauchs (Teil 2) in: BWK Issue 03/2014, S Düsseldorf: Springer VDI Verlag, 2014 Nobis, Philipp; Pellinger, Christoph; eflott -Wissenschaftliche Analysen zur Elektromobilität. München: Forschungsstelle für Energiewirtschaft e.v. (FfE), 2011 [ZENSUS-11] Zensus Wiesbaden: Statistisches Bundesamt, 2011 [BDEW-10] Energieverbrauch im Haushalt. Berlin: Bundesverband der Energieund Wasserwirtschaft e.v. (BDEW), 2010 [MID-2008] Follmer, Robert; Lenz, Babara; et al.; Mobilität in Deutschland Abschlussbericht. Bonn und Berlin: infas und DLR, 2010 Seite 17 von 17