Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE Patrick Jochem, Christian Will, Axel Ensslen, Florian Zimmermann, Christoph Fraunholz, Dogan Keles, Wolf Fichtner Institut für Industriebetriebslehre und Industrielle Produktion (IIP) Lehrstuhl für Energiewirtschaft (Prof. W. Fichtner) KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu
Motivation und Forschungsfrage
Der Transportsektor hat bisher nicht zu Treibhausgasemissionsminderungen
beigetragen (Creutzig et al., 2015).
E-Pkw werden als Teil der Lösung zur Reduktion anthropogener
Treibhausgasemissionen gesehen (Creutzig et al., 2015).
Eine intelligente Integration von E-Pkw in das Energiesystem erscheint hierfür
unabdingbar (Jochem, 2016).
E-Pkw-Ladedienstleister spielen dabei eine wichtige Rolle (Niesten & Alkemade, 2016).
Grenzkosten
[€/MWh]
Nachfrage
Anforderungen Gebote Merit-Order
E-Pkw-
Gebote
Ladedienstleister
/ Aggregator
Aktives Lade- Lieferung
management von Energie
Kapazität [MW]
Quelle der Piktogramme: freepik.com
Forschungsfrage:
Welchen Einfluss haben EE-fokussierte unidirektionale Ladeservices
(preisoptimiert vs. EE-optimiert) auf den EE-Anteil des Ladestroms?
2 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.
Agenda
Motivation und Forschungsfrage
Agentenbasiertes Energiemarktmodell PowerACE
Ladestrategien und Annahmen
Vorläufige Ergebnisse (wieviel EE werden benötigt,
um Kunden 100% EE-Ladestrom zu garantieren?)
Fazit & offene Fragen
3 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.
PowerACE
Marktgebiet
Langfrist- Profile Erneuerbarer
Ergebnisse Preisprognose Energien
Sell Bid
Investitions- Ergebnisse Day-ahead Netzbetreiber
planung Markt
Nachfrageseitige
Investitions-
Sell Bid Ask Bid Händler
entscheidung
Ask Bid
Angebotsseiteige Nachfrageprofile
Kraftwerke
Händler
E-Pkw
Ladedienst-
Bid leister
Andere
Händler
E-Pkw Diffusion Fahrprofile
Legende: Markt Daten Agenten Informationsfluss
Basierend auf Ensslen et al. (2018)
PowerACE-Modell (Genoese, 2010; Keles et al., 2016; Ringler, 2017)
inkl. E-Pkw-Ladedienstleister (Ensslen et al., 2018).
4 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.
Annahmen und Ladestrategien
E-Pkw-spezifische Annahmen (Ensslen et al., 2019):
Batteriekapazität: 60 kWh
Ladeleistung: 3,7 kW zu Hause und am Arbeitsplatz
Verbrauch: 0,2 kWh/km
Mindestreichweite1: 100 km, d. h. 20 kWh
Betrachtung des Jahres 2030, 6 Mio. E-Pkw in F&D
Untersuchte Ladestrategien:
Direktes Laden / Sofortladen
Preisoptimiertes Laden (Day-Ahead-Market | inkl. Mindestreichweite)
EE-optimiertes Laden:
Variante A: 10%t der EE-Einspeisung als Herkunftsnachweise (HKN) verfügbar
Variante B: 25%t der EE-Einspeisung als Herkunftsnachweise (HKN) verfügbar
1 Mindestreichweite aus einer Nutzerbefragung. Nur oberhalb dieser Mindestreichweite wird Ladeflexibilität angeboten
5 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.
Ladebedarf der untersuchten Ladestrategien
7,000
DE 2030
6,000
5,000
durchschnittl. E-Pkw-Nachfrage / EE-Erzeugung [MWh]
4,000
3,000
2,000
1,000
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
EE‐Erzeugung (25%) EE‐Erzeugung (10%) Sofortladen EE‐opt. 10% EE‐opt. 25%
7,000
FR 2030
6,000
5,000
4,000
3,000
2,000
1,000
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Tageszeit
6 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.
Vorl. Ergebnisse – angebotsbezogen (HKN)
DE 2030
EE-Limit = 10% EE-Limit = 25% Ausschöpfung des (stündl.)
EE-Limits
EE-Anteil am Ladestrom
100% 98%
99% 100%
95%
95% 94% • Preisgesteuertes Laden
90%
von E-Pkw hat den
85%
80% 83%
geringsten EE-Anteil
75%
75% • Je höher der Anteil EE, der
75%
70%
für das Laden der E-Pkw
65%
verwendet werden kann,
60%
Sofortladen Preis-opt. EE-opt. 10% EE-opt. 25%
desto höher der Anteil EE
am Laden der E-Pkw.
FR 2030
• Wenn ca. 10 – 30 GW EE
EE-Limit = 10% EE-Limit = 25%
pro Land für E-Pkw
EE-Anteil am Ladestrom
100% 97%
reserviert werden, kann der
100%
95% 96% Ladestrom (fast)
96%
90% vollständig aus EE gedeckt
85% 89%
werden.
80%
75% • Kaum nationale
70% 72% 66% Unterschiede
65% 67%
60% EE-Anteil: 44% D und 38% F
Sofortladen Preis-opt. EE-opt. 10% EE-opt. 25%
7 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.
Fazit und offene Fragen
Fazit
Bereits mit ca. 10 bis 30 GW EE (Mix aus Sonne und Wind) kann
nahezu der gesamte Ladestrom für 2030 aus Grünstrom garantiert
werden.
Sofortiges Laden kommt in unserer Analyse bereits relativ nah an die
Ergebnisse des optimierten, gesteuerten Ladens.
Offene Fragen:
Zahlungsbereitschaften der Kunden und Auswirkungen auf Aggregator?
Auswirkungen von CO2-Minimierung anstelle von EE-Maximierung?
Konkrete Einführung der Herkunftsnachweise?
8 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.
Literatur
Creutzig, F.; Jochem, P.; Edelenbosch, O. Y.; Mattauch, L.; Vuuren, D. P. van; McCollum, D.; Minx, J.
(2015): Transport: A roadblock to climate change mitigation? Science 350 (6263), 911–912,
doi:10.1126/science.aac8033.
Ensslen, A.; Will, C.; Jochem, P. (2019): Simulating Electric Vehicle Diffusion and Charging Activities
in France and Germany. EVS32 Proceedings, May 19–22, Lyon.
Ensslen, A.; Ringler, P.; Dörr, L.; Jochem, P.; Fichtner, W. (2018): Incentivizing smart charging:
Modeling charging tariffs for electric vehicles in German and French electricity markets, Energy
Research & Social Science 42, 112–126.
Genoese, M. (2010): Energiewirtschaftliche Analysen des deutschen Strommarkts mit
agentenbasierter Simulation, Nomos Verlag, Baden-Baden, ISBN 978-3-8329-6016-2.
Jochem, P. (2016): Electric mobility & energy systems: a techno-economic impact analysis of electric
vehicles on the energy systems, Habilitation, KIT, Karlsruhe.
Keles, D.; Bublitz, A.; Zimmermann, F.; Genoese, M.; Fichtner, W. (2016): Analysis of design options
for the electricity market: The German case, Applied Energy 183, 884–901,
doi:10.1016/j.apenergy.2016.08.189.
Niesten, E.; Alkemede, F. (2016): How is value created and captured in smart grids? A review of the
literature and an analysis of pilot projects, Renewable and Sustainable Energy Reviews 53, 629–638.
Ringler, P. (2017): Erzeugungssicherheit und Wohlfahrt in gekoppelten Elektrizitätsmärkten,
Dissertation, KIT, Karlsruhe, doi: 10.5445/IR/1000064573
9 5. Juli 2019 Integration von flexiblen E-Pkw-Ladevorgängen in das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem et al.Backup:
Integration von flexiblen E-Pkw-Ladevorgängen in
das agentenbasierte Energiemarktmodell PowerACE
Patrick Jochem, Christian Will, Axel Ensslen, Florian Zimmermann, Christoph Fraunholz,
Dogan Keles, Wolf Fichtner
Institut für Industriebetriebslehre und Industrielle Produktion (IIP)
Lehrstuhl für Energiewirtschaft (Prof. W. Fichtner)
Fragen?
jochem@kit.edu
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.eduSie können auch lesen
