Multi-Agent Based Simulation Framework for Evaluating Digital Energy Solutions and Adoption Strategies

Den stigende digitalisering af elnettet til et Smart Grid indebærer introduktion af et stigende antal nye digitale energiløsninger til energiøkosystemerne. Digitale energiløsninger forventes at løse problemer, der især opstår på grund af overgangen til CO2- neutralitet. Dette er især tilfældet for sektorkobling mellem el- og transportsektoren. Elektrificeringen af transportsektoren medfører dog også udfordringer for energisystemet. Udfordringerne relaterer sig til mange økosysteminteressenter, og konsekvensen af masseadoption af elektriske køretøjer er uklar. Desuden er der ingen tilstrækkelig metode til at kunne identificere og evaluere forskellige digitale energiløsninger, såsom opladningsalgoritmer for elbiler og deres påvirkning af energiøkosystemet.

For at løse disse udfordringer foreslår og udvikler denne forskning et integreret framework bestående af tre hoveddele: økosystemmodellering og multi-dimensionel konsekvensanalyse af økosystemet, multi-agent baseret modellering og simulering og multi-kriterie beslutningstagning til: 1) undersøgelse af økosystemdynamikken med forskellige scenarier af opladningsstrategier for elbiler og dynamiske distributionstariffer, og 2) evaluering af virkningerne af opladningsstrategier for elbiler og dynamiske distributionstariffer på relaterede interessenter.

Fire hovedmetoder anvendes i denne forskning til at udvikle frameworket: Forretnings økosystem modellering og CSTEP multi-dimensional økosystem indvirkningsanalyse; Gennemførlighedsevaluering med flere kriterier til vurdering og identifikation af avancerede teknologier; Multi-agent baseret modellering og simulering; Beslutningsmodeller med flere kriterier. Et casestudie af et dansk radialt distributionsnetværk med 126 private forbrugere med stigende adoption af elbiler er valgt til at verificere og validere, det udviklede framework.

Baseret på den udviklede multi-dimensionelle og multi-kriterie gennemførlighedsmetode, identificeres tre decentrale og fire centraliserede EV-opladningsstrategier i litteraturen og vælges til evaluering udover den traditionelle EV-opladningsstrategi. Endvidere evalueres forskellige state-of-the-art dynamiske distributionstariffer. De tidsdifferentierede distributionstariffer vurderes som de mest gennemførlige i Danmark og næste generation af danske tariffer, Tarif Model 3.0, er en type tidsdifferentierede distributionstarif.

Fra de multi-agent-baserede simuleringsresultater viser hovedresultaterne, at overbelastning forekommer i nettet i 2031 med den traditionelle opladning med en 67%- adoption af elbiler. Adoptionen af andre decentraliserede opladningsstrategier resulterer i hurtigere og hyppigere overbelastning, f.eks. 2028 med Real-Time Pricing. I mellemtiden kan overbelastning undgås ved at anvende centraliserede strategier med en begrænset indvirkning på elbilbrugeres ladeoplevelse (med en andel på 71-78 % af elbiler i nettet) i 2032. Overbelastning kan også undgås med en 100 % adoption af elbiler i 2039; med de centraliserede strategier kan elbilbrugere med elbilsmodeller, der oplader med 7,2 kW eller mere, nå det ønskede opladningsniveau inden afgang.

Resultaterne af multi-kriterie beslutningstagnings-evalueringen viser, at omkostningsorienterede og miljøorienterede elbilbrugere højst sandsynligt vil anvende Real-Time Pricing og Time-of-Use Pricing strategier med Tarif model 3.0 og timebaseret elpris. Distributionssystemoperatøren foretrækker den traditionelle opladning (under alle prisstrukturer) til elbilbrugerne og vil højst sandsynligt selv anvende Round Robin og FirstCome-First-Serve centraliserede opladningsstrategier.

Evalueringen af de kombinerede strategier viser, at den bedste kombination er med Real-Time Pricing- og Round Robin. Round Robin er den bedste centraliserede strategi til at styre Real-Time Pricing og Time-of-Use Pricing decentraliserede strategier. Kombinationen af Real-Time Pricing med Round Robin eller First-Come-First-Serve påvirker i høj grad elbilbrugere. Brugerne oplever øget hyppighed for hvornår det ønsket ladeniveau inden afgang ikke opnås. Hyppigheden øges med 42 gange med Round Robin og 47 gange med First-Come-First-Serve i 2032 (elbil andel på 71-78 %) sammenlignet med Real-Time Pricing uden centraliseret kontrol. Kombinationen af Real-Time Pricing og Time-of-Use Pricing strategierne resulterer i overbelastning i 2029, men med omkring 80 % færre overbelastninger året efter (sammenlignet med de enkelte strategieksperimenter).

Denne forskning foreslår et nyt integreret framework, der kan fange den fulde økosystemdynamik i en langsigtet periode med en høj opløsning (hver time), og derfor kan en klar belastningsprofil for distributionsnet i fremtiden på grund af adoption af elektriske køretøjer indfanges. I mellemtiden introducerer denne forskning en systematisk metode, der kan anvendes til at undersøge virkningerne af stigende brug af elektriske køretøjer eller dynamiske distributionstariffer i energisystemet under hensyntagen til økosystemdynamikken. Ydermere kan den udviklede multi-agent baserede simulering afkode den komplekse adfærd og aggregerede konsekvenser på grund af økosystemets dynamik. Det er også anvendeligt til at undersøge andre fremtidige hvad-nu-hvis-situationer i lignende energiøkosystemer. Desuden tillader multikriteriebeslutningsmodellen evaluering af smarte energiløsninger og -strategier under hensyntagen til individuelle interessenter og økosystemperspektiv.