Entwicklung eines Algorithmus zur oekonomischen Optimierung der Ladevorgange von Elektroautos

Masterarbeit aus dem Jahr 2021 im Fachbereich Ingenieurwissenschaften - Energietechnik, Note: 1,0, Universität Bremen (Institut für Automatisierungstechnik), Sprache: Deutsch, Abstract: In der Arbeit wird ein Algorithmus entwickelt, der die Ladevorgänge von Elektroautos hinsichtlich der Generierung ökonomischen Nutzens optimiert. Durch die Vorausplanung von Ladezeiten und -leistungen werden die Beschaffungskosten im Strombörsenhandel reduziert und der Eigenverbrauch privater PV-Anlagen erhöht. Zudem wird die Ladeflexibilität am Sekundärregelleistungsmarkt vermarktet. Zur Erlangung reduzierter Netznutzungsentgelte werden die Anforderungen des netzdienlichen Ladens gemäß § 14a EnWG beachtet. Der Algorithmus wird in ein Optimierungssystem eingebettet, das mithilfe von Simulationen untersucht wird.

Eine gezielte Steuerung der Ladevorgänge kann Einspeisefluktuationen ausgleichen und Netzüberlastungen vermeiden. Die Optimierung anhand ökonomischer Ziele bietet Chancen für neue Geschäftsmodelle und für eine Attraktivitätssteigerung der Elektromobilität. Die Arbeit bewertet das ökonomische Potenzial der vier kombinierten Quellen ökonomischen Nutzens. Es wird untersucht, ob die ökonomische Optimierung zur Integration von erneuerbaren Energien in das Stromnetz beiträgt. Außerdem wird der Einfluss einer großen Elektroautoflotte auf die Preise am Sekundärregelleistungsmarkt ermittelt.

Das entwickelte Optimierungssystem und die durchgeführten Simulationen basieren auf den Regularien und Mechanismen der deutschen Stromwirtschaft. Es wird ein Prognosemodell für den Day-Ahead-Börsenstrompreis auf der Grundlage von ARX-Modellen entwickelt. Für die Simulationen werden unter der Verwendung realer Fahrprofile Nutzer modelliert und der Regelleistungsmarkt wird virtuell abgebildet. Per linearer Programmierung werden auf der Basis von Prognosen vorausplanend in mehrstündigen Intervallen die optimalen Ladezeiten und -leistungen ermittelt.