In der Masterarbeit von Raphael Stöckinger werden die wirtschaftlichen Vorteile der Verwendung von Ladeoptimierungen in Kombination mit dynamischen Strompreisen in der E-Mobilität untersucht. Zu diesem Zweck wird ein objektorientiertes Analyseprogramm entwickelt, welches die Einflussfaktoren in einer gewerblichen Liegenschaft simuliert und die Ergebnisse des ungesteuerten und wirtschaftlich gesteuerten Ladens miteinander vergleicht. Durch diesen Vergleich lassen sich Einsparungen in den Gesamtkosten, sowie die relevanten Einflussfaktoren mit einer hohen ökonomischen Bedeutung, herausarbeiten.
Das mit Python realisierte Tool verwendet folgende Eingangsparameter:
- Lastgang Liegenschaft
- kWp für PV-Anlage
- Ausrichtung PV-Anlage
- PLZ für PV-Anlage
- Statisches Netzentgelt pro kWp
- Statisch konfiguriertes Leistungslimit für Peak Shaving
- Statische Entgelte und Umlagen pro kWh
- Ankunftszeitfenster E-Auto und Verteilung der Ankünfte
- Abfahrtszeitfenster E-Auto und Verteilung der Abfahrten
- Ladebedarf kWh pro Ladepunkt pro Tag
Darauf basierend berechnet das Toll jeweils aufgeschlüsselt auf die einzelnen Kostenbestandteile:
- Kosten ASAP-Ladung
- Kosten optimierte Ladung nach Nutzung unserer operativen API
- Differenz ist die Ersparnis durch uns
Durch den Vergleich zweier Referenzszenarien, welche sich an zwei gewerblichen Liegenschaften im Karlsruher Osten orientieren, konnte hierbei festgestellt werden, dass eine wirtschaftlich gesteuerte Ladeoptimierung 25-35% der Gesamtkosten reduzieren kann. Die starken Schwankungen im Optimierungsergebnis treten dabei aufgrund der verschiedenen Einflussfaktoren und deren Interaktionen miteinander auf. Die Gesamtkosten bestehen aus den leistungsbezogenen Netznutzungsentgelten, welche durch Peak Shaving reduziert werden können, und den Energiekosten, welche durch das Nutzen von Tiefpreiszeiträumen und lokal erzeugter PV-Energie reduziert werden.
Es konnte zudem durch die Erkenntnisse dieser Arbeit erwiesen werden, dass durch die wirtschaftlich gesteuerte Ladeoptimierung priorisiert erneuerbare Energie zum Laden von E-Fahrzeugen verwendet wird. Durch die fortschreitende Elektrifizierung des Verkehrssektors und dem Ausbau der erneuerbaren Energien, welcher zukünftig zu stärkeren Schwankungen im Strompreis führt, werden wirtschaftlich gesteuerte Möglichkeiten zum Demand Side Management immer wichtiger.
Durch die Erkenntnisse dieser Arbeit kann gezeigt werden, dass Systeme zur intelligenten Ladeoptimierung einen immer wichtigeren Beitrag zum wirtschaftlichen und verlässlichen Betrieb unseres Energiesystems und für eine CO2-arme Mobilität der Zukunft liefern können.
Falls Sie die vollständige Masterarbeit einsehen möchten, wenden Sie sich bitte per Mail an info@smart-east-ka.de.