Smart electric vehicle charging

Transportsektoren bidrager betydeligt til udledning af drivhusgasser (greenhouse gases, GHGs). Elektrificering af transport fjerner den direkte afhængighed af fossile brændstoffer og eliminerer udstødningsgasser. Der opstår dog nogle bekymringer i forbindelse med vedtagelsen af elektriske køretøjer (electric vehicles, EVs). Ukoordineret opladning af EV’er kan drastisk ændre den øjeblikkelige efterspørgselsform og skabe udfordringer for elnettet. Derudover er det udfordrende at sikre en rimelig fordeling af forsyningsstrømmen og maksimere den leverede energi for at tilfredsstille EV-brugerne, især i opladningsnetværk med begrænset forsyning. Derudover skal energikilderne til opladning af EV’er være bæredygtige, så EV’er virkelig kan hjælpe med at reducere GHG-emissioner og forbedre luftkvaliteten. I den sammenhæng bliver samspillet mellem EV-belastningen og bæredygtige energikilder kritisk.

Denne Ph.d. afhandling bidrager til modellering og optimering af EVopladning på forskellige skalaer. Simuleringer af EV-opladning på lokalplan adresserer bekymringen om det lokale elnet, hvor optimeringsmålet er at udjævne den samlede opladningsbelastning, og bekymringen fra EV-brugerne, hvor målet er at sikre en rimelig fordeling af forsyningsenergien og maksimere den leverede energi til EV’erne. Simuleringer af EV-opladning på stor og bymæssig skala fokuserer på samspillet mellem EV-belastningen og vedvarende energikilder (renewable energy sources, RESs). Undersøgelserne blev udført i fem studier.

Studie I evaluerede forskellige online kontrolstrategier for at udjævne den samlede EV-opladningsbelastning i det lokale opladningsnetværk, hvor der tages hensyn til eksistensen af forskellige typer opladningsstationer, nemlig ukontrollerede, centraliserede og decentraliserede. Studie I fandt, at med en lille procentdel af ukontrollerbare EV-opladningsstationer kan smart EVopladning stadig opnå god ydeevne. Studie I fandt også, ved blot at bruge middelværdien af historiske data til at forudsige opladningsadfærden for de kommende EV’er signifikant kan forbedre planlægningsydelsen. Studie II leverede en præcis begrænsningsmodel for smart EV-opladning for at maksimere den leverede energi til EV’erne. Samtidig sikres en rimelig fordeling af energien. Studie II fandt, at i et opladningsnetværk med begrænset forsyning er forbedringen i energileveringsmængden ubetydelig ved at overveje maksimal opladningskraft afhængig af tilstanden af opladning.

Studie III havde til formål at forenkle opladnings- og afladningsmodellen for et stort antal EV’er, hvilket vil være meget nyttigt i energisystemvurderinger, der involverer mange EV’er. Studie III viste, at beregningstiden blev markant reduceret ved blot at aggregere opladningskraften og energiindholdet. Dog overestimerer denne enkle model energisystemets ydeevne. På den anden side har overestimeringen tendens til at konvergere, når der tages hensyn til flere og flere EV’er, og værdierne er små. Studie IV havde til formål at opnå optimal EV-opladning og -afladning på bymæssig skala og undersøgte, hvordan man dimensionerer RES for at opnå den bedste energisystemydelse. Studie IV fandt ud af, at i forhold til smart opladning kan tilladelse af køretøj-til-net opnå optimal energisystemydelse i en netto-nul-energiby med RES. Ellers fører netto-nul til overdimensioneret RES-produktion.

Studie V havde til formål at tilbyde en totrins tilgang til storstilet EV-opladning med on-site fotovoltaisk (photovoltaic, PV) produktion, hvor det første trin tilnærmer sig den samlede opladningsbelastning, og det andet prioriterer opladning. Studie V fandt, at tilgangen er anvendelig for storstilet EV-opladning, hvor målet er at maksimere PV-EV-matchning. Desuden anvendte Studie V den aggregerede model fra Studie III til at tilnærme den samlede opladningsbelastning og forskellige sorteringsbaserede metoder til at prioritere opladning. Studie V fandt, at den aggregerede model nøjagtigt kan tilnærme belastningen, og forskellige sorteringsbaserede metoder udfører lidt forskelligt, når de prioriterer opladning, men med andre forskellige adfærdsmønstre.

Afslutningsvis viser afhandlingen modellering og optimering af EV-opladning på forskellige skalaer samt potentialet for smart EV-opladning i at tackle forskellige bekymringer vedrørende elektrificering af transport.