Ladesteuerung von Elektrofahrzeugen und deren Einfluss auf betriebsbedingte Emissionen

Transkript

1 Ladesteuerung von Elektrofahrzeugen und deren Einfluss auf betriebsbedingte Emissionen Steffen Fattler 1, Felix Böing 1, Christoph Pellinger Forschungsstelle für Energiewirtschaft e.v., Am Blütenanger 71, 8995 München, +49(89) , Kurzfassung: Im Zuge der Energiewende erfolgt eine Umgestaltung der deutschen Energieversorgung mit dem Ziel, die Treibhausgas- (THG) Emissionen bis 25 um 8 bis 95 % (gegenüber dem Basisjahr 199) zu senken. Dieses Ziel kann nur dann erreicht werden, wenn eine Emissionsminderung in allen Verbrauchssektoren konsequent umgesetzt wird. Im Verkehrssektor setzt die Bundesregierung dabei zunehmend auf Elektrofahrzeuge. Die spezifischen CO 2 -Emissionen dieser Fahrzeuge hängen maßgeblich von der Zusammensetzung der Stromerzeuger ab, die zum Zeitpunkt des Ladevorgangs Strom bereitstellen. Ziel des vorliegenden Papiers ist es, den Einfluss verschiedener Ladestrategien auf die spezifischen Emissionen des geladenen Stroms abzuleiten und diese einander gegenüberzustellen. Die Untersuchungen zeigen, dass die gezielte Optimierung der Ladezeitpunkte erst dann einen großen Einfluss auf die spezifischen Emissionen des getankten Stroms hat, wenn der Anteil volatiler Erneuerbarer Energien an der Stromerzeugung und damit die Varianz der spezifischen Emissionen in der Stromerzeugung zunimmt. So ist im Jahr 23 durch eine Optimierung der Ladezeitpunkte eine Reduktion der spezifischen Emissionen um 26 % erzielbar. Keywords: Elektrofahrzeuge, Ladesteuerung, betriebsbedingte Emissionen 1 Einleitung Trotz der von der Bundesregierung im Mai 216 eingeführten Elektrofahrzeug-Prämie gingen die Neuzulassungen in Deutschland 216 zurück. Dennoch ist zumindest mittelfristig davon auszugehen, dass Elektrostraßenfahrzeuge das Bild auf Deutschlands Straßen zunehmend prägen werden. In diesem Zusammenhang wird die Klimafreundlichkeit von Elektrofahrzeugen im Vergleich zu konventionellen Verbrennungsfahrzeugen immer wieder kontrovers diskutiert. Abgesehen von den herstellungsbedingten Emissionen entstehen die meisten Emissionen von Verbrennungsfahrzeugen direkt beim Fahren, also im Betrieb. Die betriebsbedingten Emissionen von Elektrofahrzeugen hängen maßgeblich vom Strommix ab, mit dem die Fahrzeuge geladen werden. In diesem Zusammenhang muss vor allem die Zusammensetzung des zugrundeliegenden Energiesystems und damit der Anteil von fossilen, emissionsintensiven Energieträgern, sowie Erneuerbaren Energien an der 1 Jungautor Seite 1 von 13

2 Stromerzeugung berücksichtigt werden. Insbesondere mit Blick auf die Zukunft werden die volatil einspeisenden Erneuerbaren Energien Wind und Photovoltaik (PV) einen immer größeren Teil der Stromerzeugung übernehmen. Entsprechend wird es Zeiten geben in denen der Strombedarf komplett durch Erneuerbare Energien gedeckt werden kann, aber auch solche in denen fossile Energieträger weiterhin einen großen Anteil haben werden. Aus diesem Grund wird die Wahl der Ladezeitpunkte von Elektrofahrzeugen an Bedeutung gewinnen und die Höhe der betriebsbedingten Emissionen maßgeblich mit beeinflussen. Dieser Zusammenhang wird im Rahmen des vorliegenden Papiers untersucht. Grundlage der Untersuchung sind auf den Daten der Erhebung Mobilität in Deutschland 28 aufbauende synthetische Fahrprofile und ein Verbrauchsmodell für Elektrofahrzeuge. Unter Annahme verschiedener Ladestrategien werden Ladelastgänge erstellt, aus welchen anschließend, unter Berücksichtigung des zugrundeliegenden Energiesystems, die betriebsbedingten Emissionen der Fahrzeuge abgeleitet werden. Diese Untersuchungen werden sowohl für das historische Basisjahr 213 als auch für das simulierte Jahr 23 durchgeführt. Die Arbeit entstand in dem Projekt Dynamis Dynamische und intersektorale Maßnahmenbewertung zur kosteneffizienten Dekarbonisierung des Energiesystems (Förderkennzeichen: 3ET437A), das vom Bundesministerium für Wirtschaft und Energie (BWMi) im Rahmen des 6. Energieforschungsprogramms der Bundesregierung gefördert und von zwölf Partnern aus Industrie und Energiewirtschaft unterstützt wird. 2 Stromerzeugung, Emissionen und Preise Im Verlauf eines Tages ändert sich die Zusammensetzung der Stromerzeuger gerade durch die tageszeitabhänge und volatile Einspeisung Erneuerbarer Energien (EE) schon heute beträchtlich. Mit zunehmendem Anteil von EE an der Stromerzeugung wird dieser Zusammenhang noch deutlicher hervortreten. Aus diesem Grund werden im beschriebenen Papier die zwei Jahre 213 mit einem EE-Anteil an der Stromerzeugung von 24 % und 23 mit einem EE-Anteil von 62 % miteinander verglichen. Die zugrundeliegenden Daten sind dabei: Datengrundlage 213 Datengrundlage 23 Bruttostromerzeugung nach Energieträgern EEX [1] Simulationsergebnisse ISAaR 2 Preiszeitreihe Day-Ahead-Markt EPEX [2] Simulationsergebnisse ISAaR 2 Stündliche Emissionsfaktoren Berechnet nach [3] aus [1], [4], [5] Simulationsergebnisse ISAaR 2 Fahrprofile Elektrofahrzeuge Erstellt nach [6] basierend auf [7] Erstellt nach [6] basierend auf [7] Im Folgenden werden die den Auswertungen zugrundeliegenden Daten und Methoden kurz vorgestellt. 2 ISAaR Integriertes Simulationsmodell zur Anlageneinsatz- und Ausbauplanung mit Regionalisierung Seite 2 von 13

3 2.1 Bruttostromerzeugung nach Energieträgern Für das Basisjahr 213 werden die von der EEX veröffentlichen Zeitreihen zur Stromerzeugung konventioneller Kraftwerke sowie der Erneuerbaren Energien Wind und Solar verwendet. Die Erzeugungszeitreihen für das Jahr 23 beruhen auf dem im Projekt MOS - Merit Order der Energiespeicher im Jahr 23 [8] ausgearbeiteten und im Simulationsmodell ISAaR simulierten Szenario NASA3K. Abbildung 1 zeigt die Anteile aller Energieträger exklusive Speichertechnologien an der gesamten Stromerzeugung in den beiden betrachteten Jahren im Vergleich. Biomasse 7 % Laufwasser 4 % Wind 8 % PV 5 % Sonstige fossil 3 % Öl 1 % 213 Gas 11 % Steinkohle 2 % Kernkraft 15 % Braunkohle 26 % FfE BMWi-37#Dynamis_eV_81 Biomasse 9 % Laufwasser 4 % Wind 41 % 23 Gas 13 % Braunkohle 16 % PV 8 % Steinkohle 9 % FfE BMWi-37#Dynamis_eV_82 Abbildung 1: Jahresstromerzeugung in Deutschland nach Energieträgern 213 und 23 (eigene Darstellung, Daten aus [1] Der Anteil der fossilen, emissionsbehafteten Energieträger Steinkohle, Braunkohle, Gas und Öl sinkt im betrachteten Zeitraum von 58 auf 38 % wobei der Anteil von Gas im Vergleich zu Braun- und Steinkohle zunimmt. Den stärksten Zuwachs erfährt die Windkraft, deren Anteil von acht auf 41 % steigt. Abbildung 2 zeigt für eine exemplarische Woche im Sommer ( /23) den Verlauf der Stromerzeugung aufgeteilt nach Energieträgern. 1 % 9 % 8 % 7 % 6 % 5 % 4 % 3 % 2 % 1 % % 213 FfE BMWi-37#Dynamis_eV_9 Mo Di Mi Do Fr Sa So PV Wind Gas Sonstige fossil Steinkohle Braunkohle AKW Biomasse Laufwasser Öl 1 % 9 % 8 % 7 % 6 % 5 % 4 % 3 % 2 % 1 % % 23 FfE BMWi-37#Dynamis_eV_91 Mo Di Mi Do Fr Sa So PV Wind Gas Sonst. fossil Steinkohle Braunkohle Biomasse Laufwasser Öl Abbildung 2: Energieträgeranteile an der Stromerzeugung in einer exemplarischen Sommerwoche vom (Daten aus [1], links) und vom (eigene Berechnung, rechts) Deutlich zu erkennen ist zunächst wieder die klare Dominanz fossiler Energieträger im Jahr 213 im Gegensatz zu einer von Erneuerbaren Energieträgern dominierten Stromerzeugung im Jahr 23. Trotz einer hohen Sonneneinstrahlung in der betrachteten Woche steigt der Anteil Erneuerbarer Energien im Jahr 213 nicht über 4 %. Insbesondere die Braunkohlekraftwerke sind als nahezu konstantes Band durchgehend in Betrieb. Im Jahr Seite 3 von 13

4 23 zeichnet sich ein anderes Bild ab. Nicht nur wird die Stromerzeugung hier deutlich von Wind und Solar bestimmt, die fossilen Kraftwerke werden durch den hohen Anteil Erneuerbarer Energien zu manchen Zeitpunkten bis auf einen Anteil von 11 % aus dem Strommix verdrängt. Entsprechend gering fallen in diesen Zeiten auch die durchschnittlichen Emissionen des Strommixes aus. 2.2 Energieträgerspezifische Emissionsfaktoren Für die Unterteilung der spezifischen betriebsbedingten Emissionen nach Kraftwerkstypen wird vereinfacht der durchschnittliche Wirkungsgrad der jeweiligen Kraftwerkstypen sowie die Emissionsfaktoren der Energieträger verwendet. In Abbildung 3 sind links die spezifischen Emissionen bezogen auf die thermische und rechts die spezifischen Emissionen bezogen auf die elektrische Energie dargestellt Spez. Emissionen in g/kwh th FfE BMWi-37#Dynamis_eV_72 Spez. Emissionen in g/kwh el FfE BMWi-37#Dynamis_eV_83 Abbildung 3: Spezifische Emissionen bezogen auf thermische (rechts) bzw. elektrische (inkl. Wirkungsgrad der Kraftwerke, links) Energie nach Energieträgern (eigene Berechnung, Daten aus [9], [1] und [11]) 2.3 Zeitreihe der spezifischen Emissionen des Strommixes Auf Basis dieser Eingangsdaten werden anschließend die stündlichen Emissionsfaktoren des Basisjahres 213 nach der in [3] ausführlich beschriebenen Methode berechnet. Dabei werden die Einsatzzeitreihen der EEX [1] verwendet und den Energieträgern Emissionsfaktoren nach [5] zugeordnet. Die Emissionen der Kraft-Wärme-Kopplungs- Anlagen werden über die Wirkungsgradmethode alloziert. Für das Jahr 23 können die stündlichen Emissionsfaktoren direkt als Ergebnis der Simulationsläufe des Energiesystemmodells ISAaR ausgegeben werden. In Abbildung 4 sind links die Jahresdauerlinien der spezifischen Emissionen des Strommixes und rechts die entsprechende Häufigkeitsverteilung in den betrachteten Jahren 213 und 23 dargestellt. Seite 4 von 13

5 Spezifische Emissionen in g/kwh Häufigkeit 1. Internationale Energiewirtschaftstagung an der TU Wien IEWT FfE BMWi-37#Dynamis_eV_ Stunden pro Jahr 2 1 FfE BMWi-37#Dynamis_eV_ Spezifische Emissionen in g/kwh Abbildung 4: Jahresdauerlinie (links) und Histogramm (rechts) der spezifischen Emissionen des Strommixes in den Jahren 213 (eigene Berechnungen, Daten aus [1]) und 23 (eigene Berechnungen) Zunächst ist in beiden Abbildungen das grundlegend geringere Niveau der spezifischen Emissionen im Jahr 23 zu erkennen. Zusätzlich weisen die Emissionswerte im Jahr 23 eine deutlich höhere Streuung auf, welche auf den volatilen Charakter der Energieträger Wind und PV und deren höheren Anteil an der Stromerzeugung zurückzuführen ist (σ = im Vergleich zu σ 2 23 = ). Seite 5 von 13

6 Day-Ahead-Strompreis in /MWh Day-Ahead-Strompreis in /MWh Day-Ahead-Preis in /MWh Häufigkeit 1. Internationale Energiewirtschaftstagung an der TU Wien IEWT Zeitreihe der Day-Ahead-Strompreise Abbildung 5 zeigt in gleicher Weise die Day-Ahead-Strompreise der betrachteten Jahre Stunden pro Jahr FfE BMWi-37#Dynamis_eV_6 FfE BMWi-37#Dynamis_eV_ Day-Ahead-Preis in /MWh Abbildung 5: Jahresdauerlinie (links) und Histogramm (rechts) der Day-Ahead-Strompreise in den Jahren 213 (eigene Berechnungen, Daten aus [2]) und 23 (eigene Berechnungen) Die Stufen in der Jahresdauerlinie der Strompreise des Jahres 23 entsprechen dabei den Peaks im Histogramm. Sie sind ein Resultat der fest vorgegebenen Grenzkosten einzelner Kraftwerke, welche in die Optimierung des Energiesystemmodells eingehen und so in ganzen Zeitabschnitten den Marktpreis auf einem Level bestimmen. Auch in der Verteilung der sich ergebenden Marktpreise ist der Einfluss des hohen Anteils Erneuerbarer Energien zu erkennen. So liegt in 836 h einen Strompreis von /MWh vor, welcher auf einen hohen Anteil Erneuerbarer Energien hindeutet. Auf der anderen Seite liegt der Preis in 129 h des Jahres bei ~66 /MWh. Dies sind die Stunden, in denen wenig Wind und PV zur Stromerzeugung beitragen und der Preis nach Merit-Order hauptsächlich von Gaskraftwerken mit hohen Grenzkosten gesetzt wird. In Abbildung 6 sind jeweils die Day-Ahead-Preise der beiden Jahre über die zum gleichen Zeitpunkt auftretenden spezifischen Emissionen des Strommixes aufgetragen R² =, R² =, Day-Ahead-Preis konstant bei 11 /MWh -15 FfE BMWi-37#Dynamis_eV_ Spezifische Emissionen in g/kwh -15 FfE BMWi-37#Dynamis_eV_ Spezifische Emissionen in g/kwh Abbildung 6: Zusammenhang zwischen Day-Ahead-Strompreis und spezifischen Emissionen des Strommixes in den Jahren 213 (eigene Darstellung, Daten aus [1] und [2]) und 23 (eigene Berechnungen) In beiden Fällen ist eine gewisse Korrelation zwischen den Größen zu erkennen. Grundsätzlich ist davon auszugehen, dass sowohl der Day-Ahead-Preis als auch die spezifischen Emissionen des Strommixes mit steigendem Anteil Erneuerbarer Energien an der Stromerzeugung fallen. In Zeiten geringer Einspeisung Erneuerbarer Energien wird die Seite 6 von 13

7 Stromerzeugung auch im Jahr 23 weiterhin hauptsächlich durch die fossilen Energieträger Braunkohle, Steinkohle und Gas geprägt. In diesen Zeiten wird der Zusammenhang zwischen Day-Ahead-Preisen und Emissionen hauptsächlich durch die Einsatzfolge der Kraftwerke bestimmt, welche sich aus der Merit-Order-Kurve des Kraftwerkparks ergibt. Auch hier steigen die spezifischen Emissionen mit zunehmendem Anteil von fossilen Kraftwerken an der Stromerzeugung. Es gilt jedoch zu beachten, dass der Day-Ahead-Preis dabei nicht in gleichem Maße steigt. Erst wenn in der Merit-Order-Kurve mit steigendem Anteil fossiler Kraftwerke die nächsthöhere Preisstufe (also ein neues Kraftwerk mit höheren Grenzkosten) erreicht wird, steigt auch der Day-Ahead-Preis entsprechend an. Dieser Zusammenhang erklärt die horizontalen Linien die insbesondere im Jahr 23 im Punktdiagramm auftreten (hervorgehoben in rot ist hier die sehr charakteristische Preisstufe bei einem Day-Ahead- Preis von 11 /MWh. Bei diesem konstanten Preis kommt es zu spezifischen Emissionswerten in einem Bereich von 66,47 g/kwh bis 431,74 g/kwh). 3 Datengrundlage synthetische Fahrprofile In [6] und [8] wurde eine Methodik entwickelt, die es ermöglicht aus den in der Studie Mobilität in Deutschland 28 [7] erhobenen Eintagesfahrprofilen zusammenhängende und in Bezug auf die statistische Gesamtheit korrekte Jahresfahrprofile einzelner Elektrofahrzeuge abzuleiten. Die Methodik erlaubt es außerdem nutzergruppenspezifische Fahrprofile, wie z.b. Pendlerprofile, zu erstellen. Das grundlegende Vorgehen wird in diesem Abschnitt noch einmal zusammenfassend dargestellt. 3.1 Methodik Fahrprofile Bei den Berechnungen der Ladelastgänge von Elektrofahrzeugen sind naturgemäß vor allem das Fahr- und Ladeverhalten der Fahrzeughalter, sowie technische Randbedingungen von Elektrofahrzeugen relevant. Im Projekt MOS 23 [8] wurden auf Basis der Umfrageergebnisse der Mobilitätsstudie Mobilität in Deutschland 28 (MiD28, [7]) zusammenhängende Fahrprofile erstellt. Durch Zuhilfenahme eines Verbrauchsmodells und Annahme eines spezifischen Ladeverhaltens können aus diesen Fahrprofilen Einzelfahrzeugladelastgänge, sowie der Lastgang der gesamten deutschen Fahrzeugflotte abgeleitet werden. Abbildung 7 zeigt eine Übersicht der Methodik. Seite 7 von 13

8 Abbildung 7: Arbeitsschritte zur Erstellung der Jahresladelastgänge Aus den in der MiD28 erhobenen Eintagesfahrprofilen werden nun zusammenhängende Jahresfahrprofile einzelner Elektrofahrzeuge abgeleitet. Um eine sinnvolle Verknüpfung der einzelnen Tagesfahrprofile verschiedener Nutzer zu zusammenhängenden Wochen- bzw. Jahresfahrprofilen zu gewährleisten, werden die in der Umfrage im Rahmen der MiD zusätzlich erhobenen Basisdaten der Haushalte bzw. Einzelpersonen und weitere Weginformationen für eine Clusterung in verschiedene verhaltenshomogene Nutzergruppen (NG) herangezogen. So wird in Abhängigkeit von der ersten Wegstrecke zur Arbeit sowie dem dortigen Ankunftszeitpunkt eine Clusterung der als Pendler-Profile identifizierten Fahrprofile in zwölf verschiedene Pendlergruppen (PG) vorgenommen. Außerdem werden Informationen zum Haushaltstyp sowie aus dem Fahrverhalten abgeleitete, verkehrsspezifische Kennwerte genutzt, um drei weitere verhaltenshomogene NG abzuleiten, in die die Gesamtheit der Tagesfahrprofile eingeteilt werden kann. Bei der Verknüpfung zu Wochenfahrprofilen wird zwischen Pendler- und Nicht-Pendler-Fahrprofilen unterschieden. Abbildung 8 zeigt die Methodik, welche der Verknüpfung der Tagesfahrprofile zu zusammenhängenden Pendler-Wochenfahrprofilen zugrunde liegt. Seite 8 von 13

9 Abbildung 8: Methodik zur Verknüpfung von Eintagesfahrprofilen zu Wochenfahrprofilen Für weitere Ausführungen sei an diesem Punkt auf [6] verwiesen. Die Berechnung des spezifischen Fahrzeugverbrauchs erfolgt in Anlehnung an das in MOS 23 [8] erarbeitete Verbrauchsmodell, welches auf den Daten von [12] und der Studie [13] beruht. Im Verbrauchsmodell wird zwischen Kleinwagen, Mittelklasse- und Oberklassefahrzeugen differenziert und der elektrische Energiebedarf in Abhängigkeit von Außentemperatur und durchschnittlicher Geschwindigkeit für jede Phase des Fahrzyklus berechnet. 4 Ladesteuerung - Vom Fahrprofil zum Ladelastgang Um aus dem so berechneten Energiebedarf jeder Fahrt den jeweiligen Ladelastgang und damit unter Einbeziehung des Emissionsfaktors der Stromerzeugung die betrieblichen Emissionen der Fahrzeuge abzuleiten, werden im nächsten Schritt verschiedene Annahmen bezüglich des Ladeverhaltens, der Batteriekapazität und der Ladeinfrastruktur getroffen. Im Modell können Ladeleistungen und deren Verteilung, technische Parameter der Fahrzeuge, die Verfügbarkeit von Ladestationen, das individuelle Ladeverhalten der Nutzer und viele weitere Parameter vorgegeben werden. Unter Berücksichtigung dieser Annahmen werden die individuellen Ladelastgänge jedes Fahrzeugs berechnet und bei Bedarf zum Gesamtladelastgang der gesamten E-Fahrzeugflotte aufaddiert. Abbildung 9 zeigt exemplarisch den Vergleich der auf ein Fahrzeug normierten Ladelastgänge einer E- Fahrzeugflotte mit Lademodus direkt laden (links) und spätestmöglich laden (rechts). Seite 9 von 13

10 Abbildung 9: Vergleich: Auf ein Fahrzeug normierter, durchschnittlicher Ladelastgang im Jahr 23. Direkt laden links, spätestmöglich laden rechts Auf Basis dieser auf ein Fahrzeug normierten Ladelastgänge werden dann unter Verwendung der Emissionszeitreihen die spezifischen betrieblichen Emissionen der Fahrzeuge in den betrachteten Szenarien berechnet. 5 Ergebnisse Wie zu Beginn erwähnt, liegt der Fokus dieses Papiers auf der Untersuchung verschiedener Ladestrategien unter Berücksichtigung der technischen und systemischen Randbedingungen der Jahre 213 und 23. Bei den Untersuchungen werden ausschließlich reine Elektrofahrzeuge betrachtet. Die folgende Tabelle zeigt zusammengefasst die getroffenen Annahmen: Anzahl Elektrofahrzeuge Mio. Batteriekapazität 22 kwh 52 kwh Ladeleistung zu Hause 3,3 & 11 kw (7:3) 3,3 & 11 kw (5:5) Ladeleistung am Arbeitsplatz - 11 & 22 kw (5:5) Unter Annahme dieser technischen und der in Kapitel 2 beschriebenen systemischen Randbedingungen werden für die Jahre 213 und 23 die folgenden Ladestrategien untersucht: direkt laden spätestmöglich laden kostenoptimiert am Day-Ahead-Preis laden (DA-optimiert) emissionsoptimiert auf Basis der Emissionszeitreihe laden Dabei wird sowohl bezüglich der Day-Ahead-Preise, als auch bezüglich der Emissionszeitreihe von einer perfekten Vorhersage ausgegangen. Regulatorische bzw. marktwirtschaftliche Hemmnisse bezüglich dieser beiden Ladestrategien werden nicht berücksichtigt. Abbildung 1 zeigt die spezifischen Emissionen pro Kilometer aufgeteilt nach Seite 1 von 13

11 Spezifische CO 2 -Emissionen in g/km Spezifische CO 2 -Emissionen in g/km 1. Internationale Energiewirtschaftstagung an der TU Wien IEWT 217 den den Emissionen zugrundeliegenden Brennstoffen im Jahr 213 sowie die betriebsbedingten Emissionen eines Golf TSI zur vergleichenden Einordnung Müll Öl Braunkohle Steinkohle Gas -1,8 % +2,9 % -4,4 % FfE BMWi-37#Dynamis_eV_125 Abbildung 1: Spezifische Emissionen der untersuchten Ladestrategien im Jahr 213 (eigene Berechnung) Die aus den verschiedenen Ladestrategien resultierenden spezifischen Emissionen weisen nur sehr geringe Unterschiede auf. Bezüglich der spätestmöglich laden -Strategie war dies zu erwarten, da die Ladesteuerung nicht direkt auf eine Emissionsminderung abzielt, sondern vielmehr die Vermeidung von Lastspitzen zum Ziel hat. Jedoch ist auch durch eine am Day-Ahead-Preis bzw. an der Emissionszeitreihe optimierte Ladestrategie keine signifikante Reduktion der Emissionen erzielbar. Dies hängt mit dem insgesamt in diesem Jahr noch recht geringen Anteil Erneuerbarer Energien zusammen. Im einem Großteil der betrachteten Stunden im Jahr wird die Stromerzeugung von fossilen Kraftwerken dominiert, sodass die Varianz und damit auch das Optimierungspotenzial der Emissionswerte sehr viel geringer ist als im Jahr 23 (siehe auch Abschnitt 2.2). Abbildung 11 zeigt im Vergleich die resultierenden spezifischen Emissionen der untersuchten Ladestrategien im Jahr Müll Öl Braunkohle Steinkohle Gas 1 8-1,2 % -12,7 % -26 % FfE BMWi-37#Dynamis_eV_124 Abbildung 11: Spezifische Emissionen der untersuchten Ladestrategien im Jahr 23 Seite 11 von 13

12 Durch den hohen Anteil Erneuerbarer Energien an der Stromerzeugung sind bereits die spezifischen Emissionen bei ungesteuertem Laden um 43 % niedriger als im Vergleichsjahr 213. Wie schon 213 hat die spätestmöglich laden -Strategie keine signifikante Verbesserung zur Folge. Sowohl das Day-Ahead-Preis- als auch das Emissionsoptimierte Laden hingegen führt zu einer deutlichen Reduktion der spezifischen Emissionen. So ist durch eine Optimierung des Ladevorgangs am Day-Ahead-Preis eine Reduktion der spezifischen Emissionen um 12,7 % und durch eine Optimierung an den spezifischen Emissionen des Strommixes eine Reduktion um 26 % erzielbar. Die starke Differenz zwischen Day-Ahead-optimierter und Emissionsoptimierter Ladesteuerungsoptimierung beruht auf dem nichtlinearen Zusammenhang zwischen Day-Ahead-Preisen und spezifischen Emissionen des Erzeugungsmixes welcher in Abschnitt 2.4 vorgestellt wurde. 6 Literatur [1] Marktdaten verschiedener Jahre in: Leipzig: European Energy Exchange AG (EEX), 213 [2] Marktdaten verschiedener Jahre in: Paris: EPEX Spot, 213 [3] Conrad, Jochen; Corradini, Roger: Wärmepumpe versus Solarthermie - Vergleich der Emissionen von Wärmepumpen- und solarthermischen Systemen in: BWK Ausgabe 6/216. München: Forschungsstelle für Energiewirtschaft e.v., 216 [4] The ecoinvent database, Version 3.3. In: Zürich: Ecoinvent Association, 216 [5] Bundesministerium für Wirtschaft und Technologie (BMWi): Zahlen und Fakten - Energiedaten - Nationale und Internationale Entwicklung. Berlin: BMWi, [6] Samweber, Florian; Wachinger, Kristin; Köppl, Simon: Laufendes Projekt: Merit Order des Netzausbaus im Jahr 23 (MONA 23) - Systemübergreifender Vergleich von netzoptimierenden Maßnahmen in: München: Forschungsstelle für Energiewirtschaft e.v. (FfE), 214 [7] Follmer, Robert; Gruschwitz, Dana; Jesske, Birgit; Quandt, Sylvia; Lenz, Barbara; Nobis, Claudia; Köhler, Katja; Mehlin, Markus: Mobilität in Deutschland 28 - Struktur Aufkommen Emissionen Trends. Bonn: infas Institut für angewandte Sozialwissenschaft GmbH, 21 [8] Pellinger, Christoph; Schmid, Tobias; et al.: Merit Order der Energiespeicherung im Jahr 23 - Hauptbericht. München: Forschungsstelle für Energiewirtschaft e.v. (FfE), 216 [9] Berichterstattung unter der Klimarahmenkonvention der Vereinten Nationen und dem Kyoto-Protokoll Nationaler Inventarbericht zum Deutschen Seite 12 von 13

13 Treibhausgasinventar Dessau-Roßlau: Umweltbundesamt (UBA), 216 [1] Energiebilanzen der Bundesrepublik Deutschland Stand: Berlin: Arbeitsgemeinschaft Energiebilanzen e.v. (AGEB), 216 [11] Bundesministerium für Wirtschaft und Energie: Strommarkt der Zukunft in: (Abruf: ). Berlin: Bundesministerium für Wirtschaft und Energie, 216 [12] Huss, Arno; Maas, Heiko; Hass, Heinz: JEC WELL-TO-WHEELS ANALYSIS. Ispra: European Commission, Joint Research Centre, Institute for Energy and Transport, 213 [13] Batterieelektrische Fahrzeuge in der Praxis. Wien: Österreichischer Verein für Kraftfahrzeugtechnik (ÖVK), 212 Seite 13 von 13