Kooperatives Fahrerunterstützungssystem für optimiertes Lademanagement von elektrischen Fahrzeugen (KOFLA)

Projekt: Kooperatives Fahrerunterstützungssystem für optimiertes Lademanagement von elektrischen Fahrzeugen (KOFLA) Titel Deliverable D3.2 Energie-Scheduling Verfahren Version: 3.0 Date: 29.05.2012 Authors: Andreas Schuster, Markus Litzlbauer Status: Final Document History: Version Date Author Description 1.0 29.11.2011 Andreas Schuster Erstellung des Inhaltsverzeichnisses 1.1 30.03.2012 Andreas Schuster Erstellung der Kap. 1-2 1.2 19.04.2012 Andreas Schuster und Markus Litzlbauer Erstellung der Kap. 3-4 1.3 26.04.2012 Andreas Schuster Erste fertige Version erstellt 2.0 14.05.2012 Andreas Schuster Kleine Korrekturen durchgeführt 3.0 29.05.2012 Andreas Schuster und Markus Litzlbauer Endversion erstellt KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 1 von 20

Inhaltsverzeichnis 1 Netzstrukturen... 3 1.1 NS-Beispielnetz aus Bregenz... 4 1.2 Überlastungen im NS-Netz... 5 1.2.1 Spannungshaltung... 5 1.2.2 Stromüberlastung... 5 2 Lastflussberechnungsmethoden... 6 2.1 DC-Lastflussberechnungsmethode mit Stromiteration (EGAM)... 7 2.1.1 EGAM-Methode... 7 2.1.2 Qualität der EGAM-Ergebnisse... 8 2.1.3 EGAM-Berechnungsdauer... 9 2.2 Berechnung der available power für Elektrofahrzeuge... 9 3 Ladeprofilerstellung... 11 3.1 Mobilitätsdaten und Standortverteilungen... 11 3.2 Ladeprofileerstellung... 12 3.3 Ungesteuerte Ladeprofile... 12 4 Ladesteuerungskonzepte... 14 4.1 Auswirkungen an der Ladestelle Zuhause... 15 4.2 Auswirkungen an der Ladestelle Arbeitsplatz... 16 4.3 Auswirkungen der netzorientierten Ladesteuerung... 17 4.4 Vergleiche der Ladesteuerungskonzepte... 18 5 Zusammenfassung... 19 6 Literatur... 20 KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 2 von 20

1 Netzstrukturen In elektrischen Netzen sind verschiedene Netzebenen in Verwendung. Um hohe Leistungen über weite Entfernungen mit geringen Verlusten übertragen zu können, werden diese auf höhere Spannungsniveaus transformiert. Die Transferleitungen werden im Übertragungsnetz (Hoch- und Höchstspannungsnetz) mit 110, 220 und 380 kv betrieben. Abbildung 1 zeigt das österreichische Übertragungsnetz inklusive dem geplanten 380 kv-ring der APG 1. Abbildung 1: Übertragungsnetz Österreichs [1] An den APG Netzknoten und Umspannwerken ist das Übertragungsnetz mit dem Verteilnetz (Mittel- bis Niederspannung) verbunden. Dieses Verteilnetz versorgt alle Endverbraucher (Firmen und Haushalte) mit elektrischem Strom. Ebenfalls sind die Erzeugungsanlagen je nach Einspeiseleistung am Verteil- bzw. Übertragungsnetz angeschlossen. Der neue Verbraucher Elektromobilität ist, genauso wie der Haushalt, am Niederspannungsnetz (NS-Netz) angeschlossen und benötigt bei Normalladung max. Leistungen im Bereich von 2 bis 11 kw. Bei zukünftigen hohen Durchdringungsraten und ungesteuertem Laden kann es primär in der untersten Spannungsebene zu netztechnischen Problemen kommen. Ähnlich wie die Elektromobilität sind PV-Erzeugungsanlagen ebenfalls im Niederspannungsnetz integriert. Daher liegt eine intelligente Kopplung von erneuerbarer PV-Erzeugung und Energiebedarf der Elektromobilität auf der Hand. Aus den beschriebenen Gründen wurde in den folgenden Analysen daher nur das Niederspannungsnetz genauer untersucht. 1 Austrian Power Grid AG: Übertragungsnetzbetreiber Österreichs KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 3 von 20

1.1 NS-Beispielnetz aus Bregenz Im Projekt KOFLA konnte auf ein reales Niederspannungsnetz (NS-Netz) aus der Stadt Bregenz zurückgegriffen werden. Das NS-Netz umfasst die Energieversorgung von vier Häuserblöcken und den Anschluss einer öffentlichen Ladestelle für Elektrofahrzeuge aus der Modellregion VLOTTE. In Abbildung 2 ist die örtliche Lage des Netzes dargestellt. Es handelt sich um die Blöcke mit den Hausnummern 7, 9, 18 und 20. Die öffentliche Ladestelle liegt südwestlich der Hausnummer 7, markiert durch den grünen Punkt. Sie besitzt Steckplätze für das Laden von zwei Elektrofahrzeugen. Abbildung 2: Lageplan des versorgten Gebiets in Bregenz [2] In Abbildung 3 ist die gesamte Struktur des Verteilnetzes dargestellt. Es handelt sich um ein 400 V-Niederspannungsnetz, das von zwei parallel geschalteten Transformatoren mit je 630 kva Nennscheinleistung gespeist wird in Abbildung 2 ist deren örtliche Lage als roter Punkt markiert. Die Speisung durch zwei Transformatoren dient der redundanten Energieversorgung, falls einer der beiden ausfallen sollte. Abbildung 3: Schaltbild des NS-Netzes im Normalzustand aus Bregenz [2] KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 4 von 20

Die Struktur des Netzes ist ein Strangnetz. Dabei können die Versorgungsleitungen aller Teilnetze im Störungsfall mit mehreren Einspeisestationen verbunden werden, jedoch im Normalzustand sind alle Trennschaltern geöffnet. Die betriebliche Sicherheit wird durch diese Teilvermaschung des Netzes deutlich erhöht. Jeder Häuserblock wird über einen Hausanschluss (HA) versorgt. So wird beispielsweise der Block mit der Hausnummer 7 über HA 7 gespeist und dessen Energieverbrauch in der Last L-146 zusammengefasst. Die Last L-151 entsprach ursprünglich einer Druckerei mit einem Leistungsanschluss von über 150 kw und ist deshalb über eine Doppelleitung gespeist worden. Im jetzigen Zustand treten allerdings nur noch Spitzenleistungen von etwa 30 kw an diesem Lastanschluss auf, da anstatt der Druckerei ein wesentlich kleinerer gewerblicher Verbraucher dort ansässig wurde. Alle anderen Lasten (ausg. VLOTTE) sind Häuser mit kleinen Betrieben und Haushalten. Der Anschluss VLOTTE stellt die öffentliche Ladestation dar. Alle erforderlichen Netz- und Jahresenergieverbrauchsdaten wurden von der Vorarlberger Energienetze GmbH 2 zur Verfügung gestellt. 1.2 Überlastungen im NS-Netz Die Netzkomponenten haben aufgrund ihrer physikalischen Gegebenheiten maximale Übertragungsleistungen, welche stark von der Leitungslänge zum Netztrafo abhängen. Ebenfalls beeinflussen sich die Verbraucher gegenseitig. Um ein stabiles Netz gewährleisten zu können muss einerseits die Netzfrequenz konstant sein und andererseits die Spannung in einem bestimmten Bereich gehalten werden. Die Netzfrequenz wird hauptsächlich von großen Verbrauchern/Erzeugern beeinflusst und die Regelung geschieht in den höheren Netzebenen. In den NS-Netzen sind jedoch die Spannungshaltung und die Stromüberlastung der Komponenten von entscheidender Bedeutung. 1.2.1 Spannungshaltung Die Spannung in allen Niederspannungsknoten muss sich im Folgend definierten Band jederzeit befinden: 6% Spannungsabsenkung vom NS-Verteiler bis zum Hausanschluss, ohne Berücksichtigung des Transformators und 1,5% Spannungsanhebung vom NS-Verteiler bis zum Hausanschluss, mit Berücksichtigung des Transformators. 3 1.2.2 Stromüberlastung Alle Komponenten (Transformatoren, Leitungen) sollen im Normalfall nie über 100% Auslastung betrieben werden. Im Störfall können die Komponenten über dieses Maß hinaus belastet werden. Dieser Störfall darf hingegen nur begrenzte Zeit auftreten, da sonst die inneren Erwärmungen zu stark werden und es zu dauerhaften Schäden kommt. Jedoch jede etwas höhere Auslastung wirkt sich bei den Komponenten durch Erwärmungseffekte negativ auf die Alterungserscheinungen (Materialbelastung) aus. Daher ist es volkswirtschaftlich sinnvoll die Belastungen im Netz zu jedem Zeitpunkt möglichst gering zu halten. 2 Für mehr Informationen siehe http://www.vorarlbergnetz.at/inhalt/at/. 3 Diese Informationen stammen von der Vorarlberger Energienetze GmbH. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 5 von 20

2 Lastflussberechnungsmethoden Um Überlastungen bzw. Spannungsprobleme im Netz zu registrieren, müssen entweder alle Komponenten überwacht werden oder Lastflussberechnungen durchgeführt werden. Bisher wird nur das Übertragungsnetz genauer überwacht und die unteren Ebenen gemäß Abbildung 4 mittels SCADA 4 -Systeme kontrolliert. Abbildung 4: Pyramidenstruktur einer Regelzone [3] Bedingt durch den Ausbau von dezentralen PV-Anlagen und der Elektromobilität wird es immer wichtiger auch die Vorgänge im NS-Netz zu überwachen. Smart Meter 5 können die nötige Information über den Verbrauch bzw. Erzeugung im Netz geben. Sie werden zukünftig vermehrt eingesetzt und anstelle von konventionellen Lastzählern im Hausanschluss montiert. Mit Hilfe der Verbrauchs- bzw. Erzeugungsmessung kann der Netzzustand genau simuliert werden. Ohne exakte Messwerte müssen jedoch synthetische Lastprofile zum Einsatz kommen, welche aber nur ungenau die Wirklichkeit wiedergeben. Derzeit gibt es schon sehr viele Netzberechnungstools 6, welche Großteils nur kommerziell zu erwerben sind. Da für das Projekt KOFLA keine umfangreichen Berechnungen notwendig sind und ein plattformunabhängiges System besser geeignet ist, wurde eine eigene Lastflussberechnungsmethode entwickelt. Diese wird im Folgenden näher beschrieben. 4 Supervisory Control and Data Aquisition 5 Intelligente Lastprofilzähler 6 Zum Beispiel: NEPLAN, INTEGRAL, PowerFactory und PSS-SINCAL KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 6 von 20

2.1 DC-Lastflussberechnungsmethode mit Stromiteration (EGAM) Die Lastflussberechnung soll einfach und vor allem schnell zu einem gültigen Ergebnis kommen. Aus diesem Grund wurde eine DC-Lastflussberechnungsmethode mit Stromiteration (Easy Grid Analysis Method EGAM) mit folgenden Annahmen entwickelt: Die Wirkleistung und der Leistungsfaktor aller Hausanschlüsse bzw. dezentralen Energiequellen im Niederspannungsnetz sind bekannt. Alle Lasten sind symmetrisch und deshalb kann die Berechnung mittels Mehrphasen- Mitsysteme erfolgen. Die Berechnungsmethode löst ausschließlich Strahlennetze ohne Vermaschung. Diese Lastflussberechnungsmethode (EGAM) ermittelt einfach und schnell die Belastungen aller Komponenten (Trafos, Leitungen) sowie Spannungen aller Netzknoten im NS-Netz. EGAM beinhaltet Gleichungen, welche mittels verschiedener Programmiersprachen in unterschiedliche Steuersysteme leicht integriert werden können. Konkret kann diese Methode in zukünftige Smart Grids implementiert werden. 2.1.1 EGAM-Methode Das Prinzip der EGAM-Methode 7 ist im Folgenden anhand eines simplen Modellnetzes, siehe Abbildung 5, beschrieben. Im ersten Schritt wird das NS-Netz in Teile (Grid Sections) ausgehend von der letzten Last bis zum Transformator geteilt. Abbildung 5: Modellnetz eines Strahlensystems [4] Die Methode an sich kann in fünf Abschnitte (Initialisierung, DC-LF Berechnung, Stromiteration, Auslastungsberechnung und Netzverlustberechnung) unterteilt werden (siehe Abbildung 6). Im ersten Schritt werden alle Komponentenwerte und Knotenspannungen mit der Nennspannung sowie die Lasten (P1 und P2) mit den jeweiligen Werten aus den Lastprofilen initialisiert. Schritt 2 berechnet zuerst über die Scheinleistung den Strom der Leitung Z1 (Grid Section 2) um dann den Strom und die Scheinleistung des Knoten N2 8. Analog dazu werden alle Netzsektoren (Grid Section 3) bis zum Transformator anaylsiert. Schritt 3 ermittelt dann die Leitungsströme und die Knotenspannungen in umgekehrter Richtung vom Transformator zur letzten Last. Die Schritte 2 und 3 werden in einer Regelschleife so lange durchgeführt (in dem NS-Beispielnetz aus Bregenz dreimal) bis die Ergebnisänderungen nur mehr einen geringen Anteil ausmachen. Die so erhaltenen Ergebnisse gelten als stabil. Schritt 4 kalkuliert die Knotenspannungen, Leitungsströme und Transformatorauslastungen bezogen auf die Nennwerte. Um den konstanten Offsetfehler der EGAM-Ergebnisse auszugleichen, wurden mittels Parallelberechnungen im Softwaretool NEPLAN Korrekturfaktoren berechnet. 7 für nähere Informationen siehe [4] 8 für nähere Informationen siehe [5] KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 7 von 20

Abbildung 6: Flussdiagramm der Easy Grid Analysis Method Der letzte Schritt 5 berechnet auf einfache Weise 9 die Netzverluste im gesamten Niederspannungsnetz. Mit den Schritten 1 bis 5 wird der Lastfluss eines Zeitpunktes (konstante Lasten) berechnet. Sollen ganze Zeitreihen (z.b.: Tagesbetrachtung) analysiert werden, so müssen alle Schritte (1 bis 5) für jeden Zeitpunkt durchgeführt werden. Die gesamte Kalkulation ist in einem MATLAB-Model implementiert. Die folgend beschriebene Methodik kann für alle NS-Netze angewendet werden. Jedoch kommt es auf Grund unterschiedlicher Netz-Topologien, -komponenten und Lastverteilungen bei jedem betrachteten NS-Netz zu unterschiedlichen Belastungsergebnissen. 2.1.2 Qualität der EGAM-Ergebnisse Zur Qualitätsüberprüfung wurde das NS-Beispielnetz aus Bregenz verwendet und mit den Simulationsergebnissen einer erweiterten Newton-Raphson-Berechnung mit der Software NEPLAN verglichen. Dafür wurden mit zufälligen Lastverteilungen 720 Lastflüsse berechnet und gegenübergestellt. Abbildung 7: Vergleich der Lastflussergebnisse (Knotenspannungen, Leitungsströme und Transformatorauslastungen) mit Korrekturfaktoren [4] 9 für nähere Informationen siehe [6] KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 8 von 20

Mit den Korrekturfaktoren ergibt sich eine Fehlerverteilung wie in Abbildung 7 dargestellt. Die größten Ungenauigkeiten treten bei den Knotenspannungen auf und liegen zwischen -0,22 und 0,14%. Jedoch ist dieser Fehler sehr gering und die EGAM-Ergebnisse valid genug um im weiteren Kontext verwendet zu werden. 2.1.3 EGAM-Berechnungsdauer Da diese Lastflussberechnung oftmalig durchgeführt werden muss, sollte sie sehr schnell zum Ergebnis kommen. Eine EGAM-Berechnung benötigt 0,6 ms. Eine ganze Jahresanalyse mit einer 10-minütigen Auflösung benötigt somit rund 31 Sekunden. Die Geschwindigkeit von EGAM ist daher ausreichend für die Anwendung im KOFLA-Projekt und auch in zukünftigen Smart Grids. 2.2 Berechnung der available power für Elektrofahrzeuge Ziel des Projekts KOFLA ist es, den Verbrauch der Elektromobilität durch intelligentes Routing der Fahrzeuge und effizientes planen der Ladezeitpunkte netzfreundlicher zu gestalten ohne Mobilitätseinbußen hinnehmen zu müssen. Das Routing- und das Energie-Scheduling- Programm benötigt für die zukünftige Planung die available power. Diese gibt jene Wirkleistung an, welche an der jeweiligen Ladestation noch zur Verfügung steht ohne Überlastungen im Netz hervorzurufen. Der Wert gilt natürlich nur für einen Zeitpunkt und unter der Annahme, dass der restliche Verbrauch im Netz sich wie prognostiziert verhält. Wenn mehr als eine gesteuerte Ladestation im Verteilnetz vorhanden ist, dann sind die available powers auch voneinander abhängig, wie in Abschnitt 1.2 schon beschrieben. Bei genau zwei Ladepunkten ergibt sich für genau einen Zeitpunkt beispielhaft der in Abbildung 8 gezeigte Polygonzug. Die x-achse stellt hierbei die Ladeleistung der Station 2 und die y-achse die der Station 1 dar. Erlaubte Ladeleistungen liegen nur innerhalb der, durch den Polygonzug sowie x- und y-achse aufgespannten, Fläche. Abbildung 8: Polygonzug der available power (kw) von zwei Ladestellen zu einem beispielhaften Zeitpunkt [7] Aufgrund der sehr umfangreichen Berechnungen des gesamten Polygonzuges, wurde im Projekt KOLFA entschieden, dass die Schnittstelle zwischen Grid flow calculation und EV Charging Scheduler wie folgt definiert wird. Der EV Charging Scheduler gibt die erwartete KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 9 von 20

Ladeleistung aller E-Fahrzeuge und den gewünschten Zeitpunkt vor und die Grid flow calculation berechnet für diesen die noch zusätzliche available power. So kann die Berechnung auf einen einzigen Durchgang minimiert werden. Abbildung 9: Gesamtnetzverluste (MVA) über die Ladeleistung (kw) von zwei Ladestellen [7] Ein zusätzliches Kriterium zur optimalen Planung könnte die Betrachtung der Netzverluste darstellen. Im Allgemeinen gilt, dass die Netzverluste quadratisch mit der Belastung steigen. Abbildung 9 zeigt die Gesamtnetzverluste in Abhängigkeit der Ladeleistungen an den Ladestationen 1 und 2 (analog zu Abbildung 8). Eine Reduktion der Gesamtbelastung führt netztechnisch zu jedem Zeitpunkt zu Verbesserungen. Sind hingegen PV-Anlagen im Niederspannungsnetz integriert, so könnte sich das Verhalten aus Abbildung 9 ändern. Bei starker Sonneneinspeisung und hohen installierten PV- Leistungen ist es netztechnisch sinnvoll Elektrofahrzeuge zu laden, um die eingespeiste PV- Leistung und die daraus resultierende Netzlast zu verringern. Dieser Effekt wird in weiteren Projekten am Institut für Energiesysteme und Elektrische Antriebe genauer untersucht. 10 10 Institut für Energiesysteme und Elektrische Antriebe, TU Wien: z.b. EZ-IF: adsm Aktives Demand Side Management, FFG-Projekt 834612. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 10 von 20

3 Ladeprofilerstellung Um den zukünftigen Leistungsbedarf von privaten bzw. öffentlichen Ladestellen zu ermitteln, muss der Ladezustand von Elektroautos fahrzeugexakt modelliert werden. Dafür wurde mittels MATLAB ein Programm entwickelt, welches auf Basis von Mobilitätserhebungen, Ladeprofile im Tagesverlauf für einzelne Elektrofahrzeuge bzw. ganze Kollektive berechnet. 3.1 Mobilitätsdaten und Standortverteilungen Zur Modellierung der Ladeprofile von batteriebetriebenen Elektrofahrzeugen (BEV) des motorisierten Individualverkehrs (MIV) sind im Projekt KOFLA zwei schriftlich-postalische Stichtagserhebungen aus Niederösterreich 2008 [8] und Vorarlberg 2008 [9] 11 herangezogen worden. Aus diesen wurden die Werte der Parameter Beginnzeiten der Wege, Dauer der Wege, Weglängen und Zielzwecke (wird hier mit dem Standort nach einem Weg gleichgesetzt) für jede befragte Person an einem Arbeitstag (Mo bis Fr) extrahiert. Der Anteil verschiedener Standorte im Tagesverlauf sind in Abbildung 10 dargestellt und zeigen, dass mehr als 90% aller Fahrzeuge der beiden Erhebungen in den Nachtstunden von 00:00 bis 04:00 Uhr und mindestens 40% zu allen Tageszeiten Zuhause 12 stehen. Weitere Analysen ergaben, dass der Anteil der am Arbeitsplatz abgestellten Fahrzeuge sein Maximum um 10 Uhr vormittags hat und ca. 37% beträgt. Die nächsthäufigeren Standorte sind Freizeit und Besuche. Sie erreichen jedoch einzeln zu keinem Zeitpunkt einen Anteil über 7%. Die Standortverteilungen der zwei Erhebungen haben gemein, dass die betrachteten Pkw zeitlich am häufigsten Zuhause und am Arbeitsplatz parken. Dies lässt darauf schließen, dass vorrangig an diesen beiden Standorten eine Errichtung von Ladeinfrastruktur für den MIV notwendig ist. An dieser Stelle ist jedoch festzuhalten, dass diese Verteilungen vom privaten Individualverkehr stammen. Firmenfuhrparks sowie der öffentliche Verkehr zeigen mit Gewissheit andere Verläufe. Abbildung 10: Vergleich der Standortverteilungen von zwei verschiedenen Mobilitätserhebungen (VBG 2008 und NOE 2008) 11 Nähere Informationen zu den Mobilitätserhebungen können im Deliverable D1.1 AP1.3, Kapitel 1.3 Mobilitätsverhalten in Niederösterreich 2008 und Kapitel 1.4 Mobilitätsverhalten in Vorarlberg 2008 nachgelesen werden. 12 Da die Erhebungen nur mobile Personen (eine Person gilt als mobil, wenn sie am Erhebungstag zumindest einen Weg außer Haus unternommen hat) beinhalten, wurde angenommen, dass ein Sechstel der zugrunde gelegten Fahrzeuge am betrachteten Tag nie den Standort Zuhause verlassen. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 11 von 20

3.2 Ladeprofileerstellung Mit Hilfe der Simulationssoftware MATLAB wurde ein Programm erstellt, welches dem Benutzer die Möglichkeit bietet Ladeprofile für batteriebetriebene Elektrofahrzeuge auf Basis der Mobilitätserhebungen fahrzeugexakt zu modellieren und dabei die relevanten Parameter in Bezug auf Batterieeigenschaften, Ladeleistung und Ladestellenausbau einzustellen. In den folgenden Analysen wurde eine Batteriekapazität von 25 kwh je BEV 13 mit einer IUa- Ladecharakteristik 14, ein Wirkungsgrad des Batterieladesystems von 90%, eine Anschlussleistungen von 3,7 kw (einphasig ~230 V, 16 A) und eine mittlerer spezifischer Verbrauch von 0,2 kwh/km angenommen. Abbildung 11 stellt die Ergebnisse des MATLAB-Tools für die Berechnung der relevanten Profile im Tagesverlauf für ein BEV bei ungesteuertem Laden nur Zuhause dar. Abbildung 11: Schematischer Tagesverlauf von kumulierte Distanz, Standortverteilung, Ladeleistung und Ladezustand für eine beispielhaftes Elektrofahrzeug 3.3 Ungesteuerte Ladeprofile Beim ungesteuerten Laden wird der Ladevorgang unmittelbar nach Erreichen eines Standorts mit Ladeinfrastruktur begonnen und bis zur Abfahrt bzw. Vollladung der Batterie nicht unterbrochen. Wie aus den Standortverteilungen ersichtlich, sind vor allem die Standorte Zuhause und Arbeitsplatz primär für den Ausbau von Ladestellen interessant. Zusätzlich haben diese beiden Standorte die Besonderheit, dass ihnen im Regelfall eine konstante Position 15 zugeordnet werden kann, während Freizeit, Einkaufen, etc. sich innerhalb der Ka- 13 Es wurde eine Lithium-Ionen-Polymer Batterietechnologie zugrunde gelegt und angenommen, dass diese Batterien zwischen den SOC-Grenzen (SOC State Of Charge = Ladezustand) von 10 bis 90% betrieben werden => nutzbare Batteriekapazität entspricht 20 kwh. 14 Für das Ladesystem der Batterie wurde eine IUa-Charakteristik gewählt. Bei dieser wird die Batterie in der ersten Phase mit konstantem Strom und annähernd konstanter Leistung geladen, bis ein SOC von 80% erreicht ist. Danach (zweite Phase) bleibt die Spannung konstant und die Leistung nimmt exponentiell ab bis die Batterie vollgeladen wurde. 15 Diese Position muss nicht zwingend ein privater Stellpatz sein, vor allem im urbanen Bereich stehen viele Fahrzeuge in halböffentlichen Garagen. Aber auch Park&Ride-Anlagen mit Anschluss an öffentliche Verkehrsmittel, die Pendler zu den Arbeitsplätzen bringen, könnte man zu dieser Kategorie zählen. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 12 von 20

tegorie auf viele verschiedene Orte aufteilen. Besonders in einer Startphase mit geringer Fahrzeugdurchdringung würden die kleinen Kategorien kaum hohe Auslastungen erzielen können, um eine Investition zu rechtfertigen. 16 Wird für die Gesamtheit der betrachteten Fahrzeuge das Summenladeprofil berechnet und dieses auf ein BEV bezogen, ergibt sich der im Verteilnetz durchschnittlich je Elektrofahrzeug auftretende Leistungsbedarf. Abbildung 12 stellt die bezogenen Summenladeprofile für die Mobilitätserhebungen VBG 2008 und NOE 2008 für zwei unterschiedliche Ladeinfrastrukturausbaustufen dar. Der Vergleich der normierten Summenladeprofile zeigt eine hohe zeitliche Korrelation der Profile. Unterschiede ergeben sich vorwiegend durch lokale Gegebenheiten. Für das Szenario Laden nur zu Hause beträgt die normierte Lastspitze etwa 0,7 kw/bev. Aufgrund der zeitlichen Abweichungen der Ankunftszeiten am Standort Zuhause kommt es zu einer geringen Gleichzeitigkeit der Ladevorgänge, wodurch eine Lastspitze weit unterhalb der Anschlussleistung von 3,7 kw entsteht. Abbildung 12: Ungesteuerte Summenladeprofile von zwei verschiedenen Mobilitätserhebungen und Ladeinfrastrukturausbaustufen (VBG 208 und NOE 2008) Bedeutend ist weiters der Vergleich mit dem normierten Haushaltslastprofil 17. Wie in Abbildung 12 ebenfalls dargestellt, kann die ungesteuerte gemittelte Lastspitze des Ladens eines Fahrzeugs (bei 3,7 kw und Laden nur zu Hause ) etwa zwei Drittel der gemittelten Lastspitze des H0-Profils noch dazu zur gleichen Tageszeit erreichen. Dieser Fall würde zu einer deutlichen Erhöhung der Abendlastspitze in Verteilnetz führen. Für zukünftige Durchdringungsraten von Elektrofahrzeugen kann es dadurch unter Umständen zu Überlastungen im Verteilnetz kommen. Um dies zu vermeiden muss entweder die Ladeinfrastruktur auf weitere Standorte ausgedehnt werden (vergleiche Abbildung 12 Szenario Laden zu Hause und am Arbeitsplatz ) oder intelligente Ladesteuerungskonzepte (siehe Abschnitt 4) zum Einsatz kommen. 16 Einzelne Freizeitstandorte, an denen das Fahrzeug regelmäßig und lange abgestellt wird, können ebenfalls zu den wichtigen Standorten hinzugezählt werden. 17 Angegeben für einen Haushalt mit Stromverbrauch von 4,417 MWh/a [10] an einem starken Winterwerktag (Dynamisierungsfaktor von 1,25 verwendet). KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 13 von 20

4 Ladesteuerungskonzepte Sind der aktuelle Ladebedarf der Elektrofahrzeuge sowie die Haushaltslasten höher als geplant und Überlastungen im elektrischen Netz treten auf, so sind Ladesteuerungsstrategien notwendig um die Netzkomponenten zu schützen. Im Allgemeinen gibt es eine Vielzahl unterschiedlicher Ladesteuerungsklassifikationen. Abbildung 13 zeigt die von uns verwendete Klassifizierung, welche aus folgenden Kategorien besteht: Ungesteuertes Laden: In diesem Fall beginnt der Ladeprozess unmittelbar nach dem Anstecken und endet mit vollgeladener Batterie oder beim Ausstecken. Verbraucherorientiertes Laden: Hierbei wird der Ladebeginn und/oder Ladeleistung geändert um ein gleichmäßiges Lastprofil zu erhalten. Mit dem gleichförmigen Profil können Energieversorger den Kraftwerkseinsatz optimaler planen. Erzeugungsorientiertes Laden: Unter diesen Einstellungen wird die Ladeleistung mit der Einspeisung erneuerbarer Energiequellen (z.b.: Photovoltaik) gekoppelt. Dadurch wird die neue Mobilität Großteils mit CO2-armer Energie versorgt und die Niederspannungsnetze entlastet. Netzorientiertes Laden: Ladeleistungen werden reduziert, wenn Spannungsbandverletzungen oder Stromüberlastungen im NS-Netz auftreten. Diese Methode kann sehr gezielt auf Netzprobleme eingehen. Abbildung 13: Grobstrukturierung der Ladestrategien von Elektrofahrzeugen inkl. benötigter Kommunikationsaufwand [11] Um die unterschiedlichen Auswirkungen der Ladesteuerungen analysieren zu können, wurde das unter Abschnitt 0 beschriebene NS-Netz verwendet. Als Haushaltslastprofile wurden gemessene Einzelhaushaltslastprofile (Daten aus [12]) verwendet, welche gemäß den Jahresenergieverbräuchen der Vorarlberger Energienetze GmbH skaliert wurden. Dadurch wurde ein sehr realistisches Abbild des wirklichen elektrischen Verbrauchs erstellt. Die Ladeprofile der Elektrofahrzeuge wurden unter den Rahmenbedingungen, wie in Abschnitt 3 beschrieben, erstellt. Die gesamten Berechnungen wurden mit dem Simulationstool NEPLAN, welches durch MATLAB-Routinen gesteuert wird, durchgeführt. Folgende Annahmen wurden dabei getroffen: KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 14 von 20

Der Betrachtungszeitraum war das Jahr 2030. Der derzeitige Verbrauch (Haushalte und Industrien) wurde mit 2%/Jahr erhöht. Auf jedem Hausdach wurde eine 9 kw peak Photovoltaikanlage installiert. Eine E-Mobilitätsdurchdringung von 80% wurde für private Haushalte angenommen. Weiters können insgesamt 40 Elektroautos am öffentlichen und Firmenparkplatz laden. Für verbraucherorientierte Ladesteuerung wurde die mögliche Ladezeit von 22:00 bis 06:00 definiert. Beginn des Ladefensters mit zeitlicher Staffelung. Für erzeugerorientierte Ladesteuerung (PV) war es nur zwischen 08:00 und 18:00 möglich zu laden. Beginn des Ladefensters mit zeitlicher Staffelung. Bei der netzorientierten Ladesteuerung werden jene Elektrofahrzeuge nur gepulst geladen, welche im überlasteten Bereich gerade laden. 18 Im Folgenden werden die Ergebnisse dieser Analysen detailliert dargestellt. 4.1 Auswirkungen an der Ladestelle Zuhause Für die Ladestelle Zuhause ist die erzeugungsorientierte Ladesteuerung in der angewendeten Form nicht zielführend, da die Mehrheit der Fahrzeuge zwischen 08:00 und 18:00 nicht Zuhause sind. Sie können unter den gegebenen Bedingungen die Mobilitätsbedürfnisse nicht erfüllen und die Ladesteuerung ist unbrauchbar. Im Folgenden wird daher nur die verbrauchsorientierte Ladesteuerung näher betrachtet. Abbildung 14: Lastprofil (Werktags) der Last L-138 mit Haushalten, Industrien und Elektrofahrzeuge (ungesteuert und verbrauchsorientiert gesteuert). Daten aus [2] Abbildung 14 zeigt das Leistungsprofil der Last L-138 (siehe Abbildung 3) eines Werktages mit ungesteuerter und verbrauchsorientierter Ladung. Mit dieser Ladesteuerung reduziert sich die Spitzenleistung und alle Fahrzeuge sind um rund 03:00 Uhr wieder voll aufgeladen. Im ungesteuerten Fall wird eine hohe Leistung um rund 18:00 benötigt, welche die Versorgungsleitung L92 mit rund 60% auslastet (siehe Abbildung 15). Hingegen ergibt sich bei der verbrauchsorientierten Ladesteuerung keine Erhöhung der normalen Maximalauslastung von 30%. Es tritt jedoch eine zweite gleich hohe Beanspruchung um rund 23:00 Uhr auf. 18 Für nähere Informationen siehe [2] KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 15 von 20

Abbildung 15: Auslastung (Werktags) der Versorgungsleitung L92 mit Elektrofahrzeugen (ungesteuert und verbrauchsorientiert gesteuert). Daten aus [2] 4.2 Auswirkungen an der Ladestelle Arbeitsplatz Gegengleich zur Ladestelle Zuhause ist unter den gegebenen Bedingungen am Arbeitsplatz nur die erzeugungsorientierte Ladesteuerung, vor allem mit eigener PV-Anlage, sinnvoll. Diese Ladesteuerung kann beispielsweise bei der Last L-156 die Verbrauchsspitze um fast 50% reduzieren, ohne die Mobilitätsbedürfnisse einzuschränken. Abbildung 16: Auslastung (Werktags) der Versorgungsleitung L120 mit Elektrofahrzeugen (ungesteuert und erzeugungsorientiert gesteuert). Daten aus [2] Abbildung 16 zeigt die Auslastung der Versorgungsleitung L120, an der die Last L-156 angeschlossen ist. Die Spitzenauslastung von rund 65% wird durch die erzeugungsorientierte Ladesteuerung auf rund 35% reduziert. Jedoch ist die Auslastung durch den zusätzlichen Verbraucher Elektromobilität in jeden Fall erhöht. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 16 von 20

4.3 Auswirkungen der netzorientierten Ladesteuerung Diese Ladestrategie vermeidet Überlasten und Spannungseinbrüche im gesamten NS-Netz durch Steuerung aller relevanten Ladestellen ( Zuhause, Arbeitsplatz und Öffentliche Ladestelle ). Wie in Abbildung 16 dargestellt, hat die Versorgungsleitung L120 bei ungesteuerter Ladung eine max. Auslastung von über 60%. Um diese Auslastung zu reduzieren (<50%), werden die Elektrofahrzeuge an der Last L-156 netzorientiert gesteuert. Abbildung 17: Detailiertes Lastprofil (Werktags) der Last L-156 mit Haushalten, Industrien und Elektrofahrzeugen (ungesteuert und netzorientiert gesteuert). Daten aus [2] Abbildung 17 zeigt den Effekt der Steuerung im Detail. Die Ladeleistungsspitze wird deutlich reduziert. Jedoch verlängert sich die Ladedauer durch das periodische Zu- und Abschalten der Elektrofahrzeuge. Aufgrund dieser Steuerung verringert sich ebenfalls die max. Auslastung der Versorgungsleitung L120 auf rund 40% (siehe Abbildung 18) und trotzdem sind alle Batterien der Elektrofahrzeuge voll aufgeladen. Abbildung 18: Auslastung (Werktags) der Versorgungsleitung L120 mit Elektrofahrzeugen (ungesteuert und netzorientiert gesteuert). Daten aus [2] KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 17 von 20

4.4 Vergleiche der Ladesteuerungskonzepte Für den Vergleich der Ladesteuerungskonzepte untereinander sind zwei Parameter sehr entscheidend: Die Auslastung der Versorgungsleitungen und die Netzverluste. Jede erhöhte Auslastung an Leitungen verursacht einen thermischen Stress und reduziert die Lebensdauer der elektrischen Komponenten. Daher sollte jede Ladesteuerung die Auslastung aller Leitungen verringern. Abbildung 19: Auslastungsbereiche aller beteiligten Leitungen mit ungesteuerter und gesteuerter Ladung im Vergleich. Daten aus [2] Abbildung 19 zeigt die Auslastungsbereiche aller Versorgungsleitungen im ungesteuerten Fall und in allen gesteuerten Fällen. Die reine verbraucher- und erzeugerorientierte Ladesteuerung führt, wie oben beschrieben, zu Mobilitätsausfällen und dadurch zu niedrigeren Auslastungen. Deshalb müssen diese beiden Ladesteuerungen gesondert betrachtet werden. Für eine bessere Vergleichbarkeit wurde eine Kombination beider (verbraucherorientiert Zuhause und erzeugerorientiert Arbeitsplatz ) analysiert. Durch diese Kombination sind die Mobilitätsbedürfnisse wieder erfüllt und die Auslastungen am geringsten. Die netzorientierte Ladesteuerung besitzt etwas erhöhte Auslastungen, aber das Maximum liegt unter 50%. Jede Steuerung reduziert die maximalen Belastungen verglichen mit dem ungesteuerten Fall. Abbildung 20: Gesamtnetzverluste mit ungesteuerter und gesteuerter Ladung im Vergleich. Daten aus [2] Eine Reduktion der Netzverluste ergibt automatisch einen Rückgang der vergeudeten Energie und ist somit nicht nur ökonomisch, sondern auch ökologisch sinnvoll. Abbildung 20 zeigt die Netzverluste des gesamten Niederspannungsnetzes im ungesteuerten Fall und in allen gesteuerten Fällen. Jede Ladesteuerung reduziert die Verluste. Die Ladestrategie Kombination besitzt die größte Reduktion mit gleichbleibender Mobilitätserfüllung. Für mehr Informationen siehe [2]. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 18 von 20

5 Zusammenfassung Die Ladeleistungen der Elektrofahrzeuge werden fast ausschließlich in der untersten Netzebene (Niederspannungsnetz) abgerufen. Daher liegen die Fokusse der Ladeauswirkungen und deren Steuerung auch in diesem Bereich. Für alle weiteren Analysen wurde ein reales Netz (offener Ring) aus Bregenz verwendet. Das Netz besteht aus vier Häuserblöcken und einer öffentlichen Ladestation. Die Fehlerfälle im Niederspannungsnetz können in zwei Bereiche eingeteilt werden: Einerseits Spannungsverletzungen und andererseits Stromüberlastungen. Beide Bereiche müssen zu jedem Zeitpunkt in einem erlaubten Zustand sein und haben ihren Ursprung in unterschiedlichen physikalischen Effekten. Für das Projekt KOFLA wurde eine DC-Lastflussberechnungsmethode mit Stromiteration (EGAM) entwickelt. Der Vorteil dieser Methode ist eine schnelle und plattformunabhängige Berechnung des Netzzustands. Weiters kann diese Methode auch in Smart Grids - Systemen integriert werden. Die Qualität der Berechnung ist mit einem maximalen Fehler von 0,22% ausreichend und die Berechnungsdauer pro Lastfluss benötigt unter den gegebenen Bedingungen 0,6 ms. Mit Hilfe dieser Methode kann die available power für die Ladestellen im Niederspannungsnetz berechnet werden. Diese verfügbaren Leistungen sind voneinander abhängig und können daher nicht trivial berechnet werden. Als zusätzliches Kriterium des Routing bzw. der Ladesteuerung können die Netzverluste herangezogen werden, welche auch durch EGAM berechnet werden. Mittels einem im Projekt KOFLA erstelltem MATLAB-Programm können mit Hilfe von Mobilitätserhebungsdaten ungesteuerte Lastprofile erstellt werden. Hierbei können die Parameter Batteriegröße, Ladeleistung und mögliche Ladestellenorte variiert werden. Die wichtigen Ladeorte sind Zuhause und Arbeitsplatz. Die ungesteuerten Tageslastprofile der verschiedenen Mobilitätserhebungen haben ein ähnliches Verhalten und erreichen eine Lastspitze mit rund 0,7 kw/elektrofahrzeug um etwa 18:30 Uhr. Mit zukünftig erhöhter E- Fahrzeugpenetration könnte es daher zu Netzproblemen mit der schon vorherrschenden Abendlastspitze kommen. Diese müssen mit Ladesteuerungskonzepten verhindert werden. Die Ladevorgänge können wie folgt grob strukturiert werden: Ungesteuertes Laden Erzeugungsorientiertes Laden Verbraucherorientiertes Laden Netzorientiertes Laden Mit zukünftigen Annahmen (gesteigerter Stromverbrauch + Elektrofahrzeuge + PV-Anlagen am Hausdach) ergeben sich folgende Auswirkungen in dem realen Niederspannungsnetz. An der Ladestelle Zuhause ist nur die verbraucherorientierte Ladesteuerung sinnvoll. Diese Steuerung egalisiert die Mehrbelastung, welche durch die Elektromobilität zu Stande kommt indem die Elektrofahrzeuge in den Nachtstunden geladen werden. In dieser Zeit erhöht sich die Leitungsbelastung auf denselben Wert wie zur Abendlastspitze, jedoch nicht höher. An der Ladestelle Arbeitsplatz ist wiederum nur die erzeugungsorientierte Ladesteuerung möglich. Diese reduziert die Verbrauchsspitze um fast 50%, ohne die Mobilitätsbedürfnisse einzuschränken. Auch die Leistungsbelastung wird um rund 30% verringert. Die Frühladungen werden durch die Ladesteuerung bis in den frühen Nachmittag hinein verschoben. Die netzorientierte Ladesteuerung hingegen beeinflusst gezielt alle Ladestellen, welche eine Überlastung hervorrufen. Die Ladesteuerung wirkt solange bis der Schwellwert der Überlastung unterschritten ist. Der Vergleich der Ladesteuerungen zeigt, dass die Kombination aus verbrauchsorientierter ( Zuhause ) und erzeugungsorientierter ( Arbeitsplatz ) Ladesteuerung die Belastungen sowie Netzverluste am stärksten reduziert, ohne Mobilitätsverlust. Die netzorientierte Ladebeeinflussung verringert jedoch auch die Verluste sowie die Auslastungen gegenüber der ungesteuerten Variante. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 19 von 20

6 Literatur [1] Austrian Power Grid AG: APG-Masterplan 2020, 4. Überarbeitete Auflage, Februar 2011. [2] M. Lanner: Auswirkungen von Ladesteuerungen elektrischer Fahrzeuge in einem konkreten Verteilnetz, Diplomarbeit, TU Wien, Institut für Energiesysteme und Elektrische Antriebe, März 2012. [3] R. Sapetschnig: Anwendungsgebiete von SCADA-Systemen in der energietechnischen Netzleittechnik, Bakkalaureatsarbeit, TU Wien, Institut für Energiesysteme und Elektrische Antriebe, März 2011. [4] A. Schuster, M. Litzlbauer: Easy Grid Analysis Method for a central observing and controlling system in the low voltage grid for E-Mobility and Renewable Integration, 3rd European Conference SmartGrids and E-Mobility, München, 17-18. Oktober, 2011. [5] V. Crastan: Elektrische Energieversorgung 1, 2. Ausgabe, Springer-Verlag, Berlin, 2007. [6] S. Kuhn: Betriebsoptimierung von elektrischen Energieerzeugungsanlagen und Übertragungssystemen bei unvollständiger Information, 2. Ausgabe, Cuvillier Verlag, Göttingen, 2008. [7] S. Bessler et.al.: Supporting E-mobility Users and Utilities towards an Optimized Charging Service, European Electric Vehicle Congress EEVC, Brüssel, 26.-28. Oktober 2011. [8] M. Herry, I. Steinacher, R. Tomschy: Mobilität in NÖ Ergebnisse der landesweiten Mobilitätsbefragung 2008, HERRY Consult GmbH im Auftrag des Amtes der NÖ Landesregierung, Gruppe Raumordnung und Umwelt, Abt. Gesamtverkehrsangelegenheiten, Ergebnisbericht, Wien 2009. [9] M. Herry, I. Steinacher, R. Tomschy: Mobilität in Vorarlberg Ergebnisse der Verkehrsverhaltensbefragung 2008, HERRY Consult GmbH im Auftrag des Amtes der Vorarlberger Landesregierung, Abt. VIa Allgemeine Wirtschaftsangelegenheiten, Endbericht, Wien 2009. [10] Statistik Austria: Energiestatistik: Strom- und Gasverbrauch 2008, http://www.statistik.at/web_de/static/durchschnittlicher_stromverbrauch_der_haushalte_nach_ver brauchskategorien 035454.pdf (18. April 2012) [11] C. Leitinger: Netzintegration von solarer elektrischer Mobilität Auswirkungen auf das elektrische Energiesystem, Dissertation, TU Wien, Institut für Energiesysteme und Elektrische Antriebe, September 2011. [12] Institut für Energiesysteme und Elektrische Antriebe, TU Wien: EZ-IF: Konzeptentwicklung für ADRES Autonome Dezentrale Regenerative Energie Systeme, FFG-Projekt 815674. KOFLA D3.2 Energie-Scheduling Verfahren; Schuster, Litzlbauer Seite 20 von 20