Detailseite
Projekt Druckansicht

Multi-Domain Modellierung und Optimierung eines integrierten Energieversorgungs- und Fahrzeugsystems für urbane Ballungsräume

Fachliche Zuordnung Elektrische Energiesysteme, Power Management, Leistungselektronik, elektrische Maschinen und Antriebe
Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr
Förderung Förderung von 2019 bis 2023
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 410830482
 
Die Anzahl der elektrischen Fahrzeuge (EVs) in urbanen Ballungsräumen wird in Deutschland und China in den nächsten Jahren erheblich wachsen. Ohne eine flankierende Entwicklung von Strategien zur netzkonformen Integration von EV-Ladevorgängen wird dieses rapide Wachstum zu erheblichen Beeinträchtigungen der Stromversorgungsqualität führen, wie es jüngste Erfahrungen in Zeiten mit hohem Energiebedarf belegen. Daher ist ein systemischer Ansatz zur Integration von Erneuerbaren Energien und EVs erforderlich. Das vorgeschlagene Projekt adressiert die notwendigen Handlungsbedarfe mit einem Multi-Domain-Ansatz, der einerseits eine Analyse von umfangreichen Datensätzen und andererseits eine Modellierung und Optimierung des Gesamtsystems für innerstädtische Referenzgebiete in Deutschland und China beinhaltet.Die große Mehrzahl der relevanten wissenschaftlichen Veröffentlichungen beschreibt das Fahrerverhalten auf der Basis von Befragungen, stochastischen Modellen oder anderen Simulationsansätzen. In einem neuen Ansatz werden umfangreiche Messdaten von mehreren tausend EVs ausgewertet, die den Antragstellern vom Big-Data Monitor Center des chinesischen Industrieministeriums zur Verfügung gestellt werden. Weitere Datensätze zum Bus- und Wirtschaftsverkehr stehen aus Vorarbeiten zur Verfügung. Eine holistische Analyse von derartig umfangreichen und detaillierten EV-Betriebsdaten wurde bisher noch von keiner Forschungseinrichtung durchgeführt. Daher werden geeignete Big Data Methoden entwickelt, um parallele Algorithmen und maschinelles Lernen auf heterogenen Rechnerarchitekturen einzusetzen. Die Ergebnisse der Energiebedarfsanalysen werden klassifiziert und es wird ein Energiebedarfsmodell für urbane Referenzgebiete entwickelt, welches unterschiedliche Fahrzeugtypen berücksichtigt.Basierend auf dieser Analyse können Lastprofile erzeugt werden, um eine Grundlage für die Modellierung der Netzintegration von Elektrofahrzeugflotten zu schaffen. Daraus wird ein integriertes EV-Stromnetz-Referenzmodell entwickelt. Die Energiemarktintegration der EV-Flotten erfolgt durch ein Energie-Management-System. Ferner werden sogenannte "Nanogrids" untersucht, welche in Bereichen, an denen das elektrische Netz schwach und anfällig für große Spannungsschwankungen ist, netzdienlich eingesetzt werden können. Die Nutzbarkeit von EVs wird zu einem Großteil von den Leistungsbatterien bestimmt und die Batteriealterung hat daher einen erheblichen Einfluss auf die Reichweite und den Lebenszyklus. Eine Vehicle-to-Grid-Integration erhöht zusätzlich die Batterie-Lastzyklen und muss daher unter strengen Kosten-Nutzen-Aspekten bewertet werden. Abschließend werden die o.g. Teilaspekte in ein holistisches Gesamtmodell integriert, welches alle relevanten kurz- und langfristigen Effekte berücksichtigt. Das Lademanagement wird damit optimiert, Kosten und Co2-Emissionen werden minimiert und es können Empfehlungen für unterschiedliche Betriebsszenarien gegeben werden.
DFG-Verfahren Sachbeihilfen
Internationaler Bezug China
 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung