Einführung
Der wichtigste Umweltvorteil von Elektrofahrzeugen (EVs) ist die Reduzierung der Abgasemissionen, was dazu beiträgt, die gesamten Treibhausgasemissionen im Verkehr zu senken. Ein sich abzeichnender Nebeneffekt ist die Nutzung von Elektrofahrzeugbatterien als Energiespeicher, um das Energiemanagement von Gebäuden und die Netzlaststeuerung zu verbessern, was als Vehicle-to-Building (V2B) bzw. Vehicle-to-Grid (V1G und V2G) bezeichnet wird.
Der besondere Vorteil der Verwendung von Elektrofahrzeugbatterien für V2B und V2G besteht darin, dass weniger emissionserzeugende Kraftwerke für die Systemversorgung benötigt werden und so ein flexiblerer und effizienterer Betrieb möglich ist. Für V2B kann die Abhängigkeit von der Netzstromversorgung durch die Erhöhung des Energieverbrauchs, der durch lokale dezentrale Energiequellen (DERs) wie Photovoltaikanlagen (PVs) erzeugt wird, reduziert werden. Darüber hinaus besteht die Möglichkeit, einen autonomen Betrieb über einen Hauptnetzanschluss – den sogenannten Inselbetrieb – zu gewährleisten, wodurch die Versorgungssicherheit bei Netzausfällen verbessert wird.
In diesem Whitepaper erfahren Sie mehr über die Vorteile und die Bedeutung der Optimierung des Ladevorgangs von Elektrofahrzeugen zur Steigerung der Netzeffizienz. Im Bericht wird erläutert, wie intelligente Lademethoden die allgemeine Reaktion des Stromnetzes verbessern können, bewährte Praktiken zur Optimierung werden überprüft und es wird erörtert, wie durch Modellierung und Simulation die Entwicklung der Ladeinfrastruktur verbessert werden kann, und vieles mehr.
Bidirektionales Laden
Damit EV-Batterien als einsatzbereite Komponenten in größeren Systemen fungieren können, müssen sie über bidirektionale Ladegeräte angeschlossen werden, die sowohl das Laden als auch das Entladen der Batterie in ein Stromnetz eines Gebäudes oder das Stromnetz ermöglichen. Diese bidirektionalen Ladegeräte sind Stromrichter, die über digitale Controller betrieben werden. Mithilfe von Modellierung und Simulation lassen sich diese Regler entwickeln. Dieser Ansatz ermöglicht nicht nur die Überprüfung der detaillierten Funktionsweise des Stromrichter-Controllers, sondern auch die Reaktion des Gesamtsystems hinsichtlich betrieblicher Einschränkungen, wie z. B. Spannungs- und Strombegrenzungen, und Fehlerzustände, wie beispielsweise der Ausfall eines Leistungselektronikschalters.
Das bidirektionale Laden wird durch einen bidirektionalen Stromrichter ermöglicht, der steuerbare Leistungselektronikschalter wie IGBTs oder MOSFETs enthält. Die digitale Regelung wird verwendet, um ein Tastverhältnis für die Pulsweitenmodulation (PWM) zu erzeugen, das die Leistungselektronikschalter zum Ein- und Ausschalten anweist. Für das Aufladen von Elektrofahrzeugen werden zwar verschiedene Stromrichtertopologien verwendet, eine beliebte Wahl ist jedoch die Dual Active Bridge (DAB), da diese eine hohe Flexibilität und Effizienz im Betrieb bietet. Abbildung 1 zeigt die Topologie eines DAB, das mithilfe von Simscape Electrical™ modelliert wurde.
Abbildung 1. DAB-Topologie.
Ein DAB besteht aus zwei H-Brücken, die über einen Trenntransformator verbunden sind. Jede H-Brücke wird separat gesteuert, um das gewünschte Gesamtbetriebsprofil zu erreichen.
Abbildung 2 unten zeigt MATLAB®-Grafiken, die von einer Simscape Electrical-Simulation gesteuert werden. Die Abbildung zeigt eine DAB, die mit einer phasenschiebenden Regelung arbeitet, bei der die Phasen der primären und sekundären H-Brückenspannungen relativ zueinander verschoben werden, um eine bestimmte Größe und Richtung des Leistungsflusses zu erreichen. Die Visualisierung zeigt, wie Strom von der Primärseite zur Sekundärseite fließt, wobei die primäre Wechselspannung (VACp) der sekundären Wechselspannung (VACs) vorgreift. Bei einer Umkehrung des Leistungsflusses würde VACp hinter VACs zurückbleiben. Die Simulation wird nicht nur zur Entwicklung des Regelungssystems verwendet, sondern auch zur Auswahl geeigneter elektrischer Komponenten mit entsprechenden Nennwerten, um die betrieblichen Anforderungen zu erfüllen.
Intelligentes Laden
Wenn mehrere Elektrofahrzeuge an V2B- oder V1G/V2G-Systeme angeschlossen sind, besteht die Möglichkeit, intelligente Ladevorgänge durchzuführen. V1G bezieht sich auf unidirektionales Laden und V2G auf bidirektionales Laden. Beim intelligenten Laden können Optimierungstechniken eingesetzt werden, um die individuellen Ladeprofile der einzelnen Batterien anzupassen und so einen gewissen Nutzen auf Systemebene zu erzielen.
Die folgende Abbildung (Abbildung 3) zeigt beispielsweise ein V2G-System, bei dem vier Elektrofahrzeuge an ein Stromnetz angeschlossen sind. Sie können davon ausgehen, dass die vier Elektrofahrzeuge zu unterschiedlichen Zeiten angeschlossen und getrennt werden und dass jedes Elektrofahrzeug am Ende der Verbindungszeit vollständig aufgeladen sein muss. Sie können auch davon ausgehen, dass Sie die Verbindungszeit und die Trennzeit im Voraus kennen – dies ist eine vereinfachende Annahme, die ausschließlich zu Illustrationszwecken dient. Wenn Sie die Elektrofahrzeuge mit einer konstanten Rate (nicht intelligent) aufladen, können Sie die rot dargestellten Lademuster erwarten, bei denen Sie sehen, dass jedes Elektrofahrzeug am Ende des Ladezyklus vollständig aufgeladen ist. Beachten Sie jedoch, dass die Netzleistung in diesem Szenario einen beträchtlichen Spitzenwert aufweist. Wenn Sie stattdessen Optimierungsmethoden anwenden und eine Einschränkung zur Minimierung der Spitzenleistung des Stromnetzes festlegen, während Sie gleichzeitig sicherstellen, dass jedes Elektrofahrzeug am Ende der Ladezeit vollständig aufgeladen ist, dann können Sie die grün dargestellten Lademuster erwarten. Beachten Sie, dass die Batterien während der Verbindungszeiträume geladen und entladen werden können, um die Energie rechtzeitig zu verschieben und die Spitzenlast im Stromnetz zu reduzieren. Ein potenzieller Nachteil des intelligenten Ladens besteht darin, dass die Batterien von Elektrofahrzeugen mehr Zyklen durchlaufen können als bei konstantem Laden, wodurch sich die verbleibende Nutzungsdauer verringert. Das Framework zur Optimierung kann erweitert werden, um andere technische Einschränkungen zu berücksichtigen, wie z. B. die Minimierung der Ladezyklen jeder Batterie.
Technisch-ökonomische Optimierung von Ladestationen
Die techno-ökonomische Analyse (TEA) ist ein wichtiger Bestandteil der Dimensionierung und des Betriebs des Gesamtsystems, die in der Regel mithilfe von Optimierungsmethoden durchgeführt wird, die auf einfache Energiebilanzmodelle angewendet werden. Das Ziel dieser TEA ist es, den optimierten Betrieb anhand einiger Kriterien zu bestimmen, wie z. B. die Minimierung der Ladezyklen einzelner EV-Batterien und/oder die Bereitstellung ausreichender Speicherkapazität zur Erfüllung der Netznachfrage und um sicherzustellen, dass die Betriebsgrenzen nicht überschritten werden. Sobald die TEA durchgeführt wurde, kann eine detaillierte Modellierung hinzugefügt werden, die die eher technischen Aspekte der Entwicklung des Energiemanagementsystems erfasst und auf die TEA verweist, um zu überprüfen, ob der detaillierte Entwurf den beabsichtigten betrieblichen Anforderungen entspricht.
In Abbildung 4 unten sehen Sie eine Microgrid-Systemstruktur, die neben einer Verbindung zum Versorgungsnetz, das eine Ladestation für Elektrofahrzeuge und einige industrielle Lasten versorgt, auch erneuerbare Energien und eine Speicherung auf Netzebene umfasst. Das zu betrachtende Szenario bezieht sich auf eine Situation, in der die Ladestation für Elektrofahrzeuge nur erneuerbare Energien nutzen kann, die industrielle Last jedoch sowohl erneuerbare Energien als auch das allgemeine Stromnetz nutzen kann. In diesem Fall besteht eine technische Einschränkung darin, dass der Netzspeicher nur dann aufgeladen werden kann, wenn erneuerbare Energie verfügbar ist, und die Ladestation für Elektrofahrzeuge nur Energie aus erneuerbaren Energiequellen und dem Netzspeicher aufnehmen kann.
Neben den technischen Einschränkungen im Zusammenhang mit dem Energiefluss zielt eine techno-ökonomische Optimierung auch darauf ab, die Systemkomponenten so zu dimensionieren, dass die Kapital- und Betriebskosten über die voraussichtliche Lebensdauer des Systems minimiert werden. Bei der techno-ökonomischen Analyse und Optimierung werden in der Regel Zeiträume von einem Jahr in Zeitintervallen von einer Stunde betrachtet: die sogenannte 8760-Simulation (ein Standardjahr hat 8760 Stunden). Die folgende Abbildung 5 zeigt das Ergebnis einer techno-ökonomischen Optimierung, die Leistung jeder Komponente zu jeder Stunde, wodurch ein Energiegleichgewicht zwischen Angebot und Nachfrage sichergestellt wird.
Studien zur Netzintegration
Die in den vorherigen Analysen verwendeten vereinfachten Energiebilanzgleichungen sind zwar für die Anwendung von Optimierungstechniken nützlich, bieten jedoch nur begrenzte technische Erkenntnisse. Um die Auswirkungen der Aufladung von Elektrofahrzeugen auf die Netzreaktion zu bewerten, müssen detailliertere Simulationen des Stromnetzes durchgeführt werden. Netzsimulationen werden grob in zwei Typen unterteilt: Phasor (Zeiger) und elektromagnetische Transienten (EMT). Abbildung 6 zeigt den Hauptunterschied zwischen EMT-und Phasor-Simulation. EMT simuliert die detaillierten Wellenformen, während Phasor die Simulation durch die Verwendung von Effektivwerten vereinfacht, wodurch die Simulationsschrittzeiten erhöht werden können. Beachten Sie, dass die Phasor-Simulation keine Transienten der Wellenform erfasst, sondern lediglich die stationären Betriebsbedingungen.
Abbildung 6: Simulationsmethoden für Stromversorgungssysteme.
Phasor-Simulationen eignen sich besser für Langzeitstudien zu Netzauswirkungen beim Laden von Elektrofahrzeugen, da sie quasistatische Simulationen über größere Zeitschritte und längere Zeiträume ermöglichen. Bei einer quasistatischen Simulation müssen keine detaillierten dynamischen Reaktionen simuliert werden. Stattdessen konzentriert sie sich auf die Bewegung durch eine große Anzahl von Betriebspunkten, wobei die Zeitschritte von einigen Minuten bis zu einer Stunde und die untersuchten Zeiträume von einigen Stunden bis zu einem Jahr oder länger reichen können.
Abbildung 7 zeigt die Knotenspannungen eines repräsentativen Verteilernetzmodells, das in 10-minütigen Zeitschritten über einen Zeitraum von 24 Stunden mithilfe einer quasistatischen Phasor-Simulation dargestellt wird. Auf der linken Seite werden die Spannungshöhen für jeden Zeitraum angezeigt, und auf der rechten Seite wird ein Histogramm der Spannungshöhen über den gesamten Zeitraum von 24 Stunden angezeigt. Die statistische Analyse ist eine wertvolle Ergänzung zur Zeitbereichsanalyse, um zusätzliche Erkenntnisse über Betriebsmuster in mehreren Szenarien zu gewinnen.
Abbildung 7: Visualisierung von Schwankungen der Knotenspannung im Zeitverlauf und deren Verteilungsprofil.
Bei Netzauswirkungsstudien müssen in der Regel viele, möglicherweise sogar Tausende von Betriebsszenarien berücksichtigt werden. Für eine effiziente Simulation einer großen Anzahl von Einsatzszenarien kann Parallel Computing verwendet werden, um die Szenarien auf mehrere Kerne zu verteilen. Im folgenden Beispiel werden vier Kerne verwendet, um mehrere Szenarien zu verteilen, was zu einer 3,5-fachen Beschleunigung führt. Je mehr Kerne verfügbar sind, desto höher ist die Beschleunigung.
EMT-Studien sind notwendig, wenn detailliertere Informationen über den Betrieb einer bestimmten Technologie erforderlich sind, wie beispielsweise bei der Beurteilung der Auswirkungen leistungselektronischer Schaltoberschwingungen auf das Stromnetz. Ladestationen für Elektrofahrzeuge sind in der Regel über Wechselrichter (IBRs) an das Stromnetz angeschlossen. Dabei handelt es sich um Stromrichter, die über eine digitale Regelung betrieben werden. Die Simulation von IBRs erfordert kleine Zeitschritte in der Größenordnung von Mikro- oder Nanosekunden, um die Auswirkungen des Schaltens der Leistungselektronik zu erfassen, und erfordert auch die Modellierung der detaillierten Topologie des Leistungswandlers und des Regelungssystems. Die dynamische Visualisierung unten zeigt die Reaktion eines dreiphasigen Wechselrichters, der mithilfe der Pulsweitenmodulation (PWM) gesteuert wird. Beachten Sie die durch das Schalten der Leistungselektronik verursachten höheren Frequenz-Oberschwingungen.
Fazit
Durch Modellierung und Simulation in Verbindung mit anderen Computertools wie der Optimierung können Systementwicklern bereits in einem frühen Stadium der technologischen Entwicklung wichtige Informationen an die Hand gegeben werden. Auf diese Weise sollen Konstruktionsfehler vermieden und sichergestellt werden, dass das entwickelte System über den vorgesehenen Betriebsbereich hinweg zuverlässig und effizient funktioniert.
