utjecaj velikog udjela elektriČnih · 2017-11-10 · primjer zimskog tjedna s vršnom potrošnjom....

Seminar

UTJECAJ ELEKTROMOBILNOSTI NA DISTRIBUCIJSKU MREŽU

Zagreb, 29. studenoga 2012.

UTJECAJ VELIKOG UDJELA ELEKTRIČNIH

VOZILA NA ELEKTROENERGETSKI SUSTAV

Marko Aunedi

Imperial College London

Seminar



Elektromobilnost u kontekstu

energetske politike• Električna vozila (EV) – jedan od ključnih elemenata u smanjenju

emisija CO2 iz energetskog sektora– Supstitucija potrošnje energije u prometnom sektoru iz fosilnih goriva

električnom energijom iz niskoemisijskih tehnologija

• Visoko distribuirana narav EV-a pogodna za primjenu principa “pametnih mreža” (Smart Grids)– Učinkovitije upravljanje sustavom i njegova izgradnja

– Mogućnost poboljšanja integracije OIE u EES

– Smanjenje emisija (globalno i lokalno)

– Razvoj novih tehnologija i lokalne industrije

• Izazovi:– Nova infrastruktura za punjenje baterija EV-a

– Povećanje kapaciteta postojeće infrastrukture u EES-u (proizvodnja + mreža) u kombinaciji s nižim stupnjem iskorištenja kapaciteta uslijed većeg udjela OIE

Seminar



Potencijalna uloga EV-a u

upravljanju EES-om• S obzirom na tipične cikluse korištenja osobnih vozila, EV imaju

dobar potencijal da omoguće učinkovitije upravljanje sustavom– Dodatna potrošnja električne energije za pogon EV-a ne predstavlja

dramatično povećanje u odnosu na trenutnu razinu potrošnje (npr. u VB za 100% penetracije EV predstavljaju cca 15% ukupne potrošnje)

– Velika većina vozila koristi se relativno kratko (nekoliko sati) u tijeku jednog dana; u bilo kojem dijelu dana velika većina vozila miruje

– S obzirom na očekivani kapacitet baterija EV-a i potrebno vrijeme punjenja, ukupni kapacitet ovakvog spremišta energije mogao bi se koristiti kao fleksibilni oblik potrošnje, kojim bi se poboljšalo upravljanje sustavom

0%

2%

4%

6%

8%

10%

12%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Pe

rce

nta

ge

of

on

-ro

ad

ve

hic

les

Time

Workday

Weekend

0

50

100

6 12 18 24N

um

be

r o

f e

nd

ed

jo

urn

ey

s

Hour

Seminar



Važnost prometne statistike za

analizu utjecaja EV-a• Statistike o dinamici, trajanju i udaljenostima pojedinih vožnji od

ključne su važnosti za kvanitifikaciju utjecaja EV-a na EES

• Definiranje vremena kad su vozila parkirana

• Konverzija udaljenosti u potrebnu električnu energiju (0.15 kWh/km)

Start time End time Distance bandNo. of journeys

(yearly)

00:00 – 00:59 00:00 – 00:59 Under 1 mile 2,526,441

00:00 – 00:59 00:00 – 00:59 1 to under 2 miles 5,835,213

00:00 – 00:59 00:00 – 00:59 2 to under 3 miles 5,419,649

… … … …

00:00 – 00:59 01:00 – 01:59 2 to under 3 miles 465,936

00:00 – 00:59 01:00 – 01:59 3 to under 5 miles 1,802,352

00:00 – 00:59 01:00 – 01:59 5 to under 10 miles 1,171,135

… … … …

00:00 – 00:59 02:00 – 02:59 50 to under 100 miles 173,152

00:00 – 00:59 03:00 – 03:59 100 to under 200 miles 179,448

00:00 – 00:59 04:00 – 04:59 200 miles and over 141,670

… … … …

23:00 – 2359 23:00 – 23:59 25 to under 35 miles 2,828,670

23:00 – 2359 23:00 – 23:59 35 to under 50 miles 532,048

23:00 – 2359 23:00 – 23:59 50 to under 100 miles 336,859

No. of vehicles (million) 34.2

Daily distance [million km] 738.8 – 1262.3

Average daily distance [km/vehicle] 22 - 37

Energy demand [GWh] 110.8 – 189.3

Energy demand (average) [GWh] 150

Average energy per vehicle [kWh/vehicle] 4.4

Projekcija udjela EV-a u VB u

2030: 29-53%

Seminar



Potrošnja EV-a bez optimizacije za

rad sustava

0

10

20

30

40

50

60

70

80

90

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

De

man

d (G

W)

Time (h)

TotalFixCharge

Net demand

Aggregate

0

10

20

30

40

50

60

70

80

90

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

De

man

d (G

W)

Time (h)

TotalFixCharge

Net demand

Aggregate

0

10

20

30

40

50

60

70

80

90

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

De

man

d (G

W)

Time (h)

TotalFixCharge

Net demand

Aggregate

0

10

20

30

40

50

60

70

80

90

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

De

man

d (G

W)

Time (h)

TotalFixCharge

Net demand

Aggregate

Nakon 1. vožnje Nakon 2. vožnje

Nakon 1. i 2. vožnje Kad god vozilo miruje

Seminar



Optimizacija punjenja baterija EV-a

• Funkcija cilja:– Minimalno vršno opterećenje (optimizacija kapaciteta)

– Minimalni operativni troškovi (optimizacija energije)

• Uzima u obzir ograničenja po pitanju raspoloživosti vozila za punjenje, kapaciteta baterije, potrebe za energijom itd.

0 4 8 12 16 20 240

1

2

3

4

5

6

7

8

Time (h)

Ch

arg

ing

po

we

r(kW

)

Optimised charging

Non-optimised charging

Driving

Seminar



Model za optimizaciju troškova

proizvodnjeDynamic

characteristics of

plant (Ramp rates,

min. up/down times,

Fuel/start up costs

etc)

Multiple

stochastic

realisations

Thermal Generation (cost and technical characteristics)

Storage & DSM

(parameters)

Dispatch Optimization Module

Objective function:

Minimization of overall production

costs

Renewables

(parameters & profiles)

Demand

(hourly)

Additional (flexible) capacity

Operating

Reserve req.

Network configuration

Hydro Generation

(weekly inflows)

Key Outputs:

• Hourly dispatch of wind, solar, hydro geothermal, biomass, nuclear and thermal & storage

• Generation utilization and (expected) energy penetration level of renewables

• Changes in demand profiles

• CO2 emissions

• Total system operational costs

• Reserve provision by electric vehicles

• Magnitude of energy curtailment (wind, solar, hydro, geothermal etc) and associated costs

• Impact of different charging strategies on operational costs

Electric Vehicles

hourly usage patterns,

Business models,

Charging strategies,

Social constraints

Seminar



Neproporcionalni utjecaj na povećanje

potrošnje i vršnog opterećenja

4

9

16

5

9

18

0

10

20

30

40

50

60

0 25 50 100

Dem

an

d i

ncre

ase (

%)

EV penetration (% of total fleet)

Peak demand Energy

Optimized EV Charging

12

25

50

5

9

18

0

10

20

30

40

50

60

0 25 50 100

Dem

an

d i

ncre

ase (

%)

EV penetration (% of total fleet)

Peak demand Energy

Non-Optimized EV Charging

Seminar



Utjecaj optimalnog punjenja EV-a na

neto potrošnju sustava

0

10

20

30

40

50

60

70

80

90

100

1 25 49 73 97 121 145G

W

Time (hours)

Optimised EV charging (MW) Net demand

Net demand =

Non EV demand - Wind0

10

20

30

40

50

60

70

80

90

100

1 25 49 73 97 121 145

GW

Time (hours)

Non-optimised EV charging Net demand

Net demand =

Non EV demand - Wind

Neoptimizirano punjenje Optimizirano punjenje

Punjenje se preklapa s razdobljem vršne

potrošnjePunjenje se odvija tijekom razdoblja s

niskom potrošnjom

Seminar



Nužnost redukcije vjetra u uvjetima

niske potrošnje i jakog vjetra

Negativna neto

potrošnja (redukcija

vjetra)

Neto potrošnja

-10

0

10

20

30

40

50

60

1 25 49 73 97 121 145

GW

Time (hours)

Net demand = Non EV demand - Wind

0

10

20

30

40

50

60

1 25 49 73 97 121 145

GW

Time (hours)

System demand, excl. EV

Wind

Primjer ljetnog tjedna s niskom potrošnjom i

visokom proizvodnjom vjetroelektrana

Seminar



Izbjegavanje redukcije vjetra kroz

optimalno punjenje baterija EV-a

-20

0

20

40

60

80

100

1 25 49 73 97 121 145

GW

Time (hours)

Net demand

Net demand = Non EV demand - Wind

-10

0

10

20

30

40

50

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

GW

Time (hours)

Net demand

Optimised EV charging (MW)

Non-optimised EV charging

Optimalno punjenje

povećava potrošnju tijekom

jakog vjetra kako bi se

izbjegla redukcija

Neoptimizirano punjenje

dovodi do redukcije vjetra

Seminar



Utjecaj optimalnog punjenja i pražnjenja

(V2G) EV-a na dijagram potrošnje

0

2

4

6

8

10

12

14

0

10

20

30

40

50

60

70

1 25 49 73 97 121 145

EV c

har

gin

g/d

isch

argi

ng

po

we

r (G

W)

De

man

d (G

W)

Hour

Demand Demand Demand + EV Total net (incl. wind) EV charge EV discharge

Primjer zimskog tjedna s vršnom potrošnjom

Seminar



Utjecaj optimalnog punjenja EV-a na

redukciju proizvodnje vjetroelektrana

Značajno izbjegavanje redukcije vjetra kroz optimalno punjenje

EV-a već i kod niskih penetracija EV-a

0

1

2

3

4

5

6

7

8

9

10

0 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

WIn

d S

he

dd

ing

(% o

f av

aila

ble

)

EV Penetration (% of total)

NonOpt OptUni OptV2G

Godišnja redukcija VE

je veća od potrošnje

cca 15% penetracije

EV-a

Seminar



Utjecaj na emisije CO2 iz proizvodnje

električne energije

0

20

40

60

80

100

120

140

160

0 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Emis

sio

ns

(Mt)


NonOpt CO2 emissions

OptUni CO2 emissions

OptV2G CO2 emissions

Smanjenje emisija uslijed:

- bolje apsorpcije vjetra

- većeg korištenja tehnologija

s nižim emisijama

Seminar



Smanjenje operativnih troškova sustava

zbog optimalnog upravljanja EV-ima

Uzroci smanjenja operativnih troškova:

• Izbjegavanje redukcije vjetra

• Smanjeno korištenje skupih vršnih generatora

• Smanjene potrebe za uslugama sustava od konvencionalnih generatora

• Smanjen trošak emisija

-5

0

5

10

15

20

25

30

35

40

45

0 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Co

sts

incr

eas

e,

%(a

bo

ve 0

%EV

pe

ne

trat

ion

leve

l)


NonOpt OptUni OptV2GDodatni

troškovi

sustava

Seminar



Bruto i neto utjecaj elektromobilnosti na

emisije CO2

-60

-40

-20

0

20

40

60

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Ch

an

ge

in C

O2

em

issi

on

s [M

t]

EV penetration

NonOpt

OptUni

OptV2G

Fuel substitution

-60

-40

-20

0

20

40

60

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Ne

t ch

an

ge

in C

O2

em

issi

on

s [M

t]

EV penetration

NonOpt OptUni OptV2G

Bruto Neto

(Pretpostavka: emisija iz motora s unutarnjim

izgaranjem od 120 g/km)

Seminar



Ključni aspekti utjecaja EV-a na

elektroenergetski sustav• Povoljan utjecaj optimalnog upravljanja EV-ima već kod niskih

penetracija

• Uštede u troškovima i smanjenje emisija uvelike ovisi o prirodi sustava u kojem se promatraju EV

• Optimalno punjenje smanjuje operativne troškove zbog:– Poboljšane sposobnosti sustava da apsorbira OIE

– Manje korištenje skupljih vršnih generatora

– Mogućnosti EV-a da pružaju neke usluge sustava

– Smanjenih emisija i njima pridruženih troškova

• Dodatne koristi od dvostranog upravljanja EV-ima (V2G koncept) su relativno male, dok bi s druge strane pražnjenje baterija uključivalo i neke dodatne troškove (ICT, životni vijek itd.)

Seminar



Utjecaj optimalnog upravljanja EV-ima

na investicije u distributivnu mrežu• Elektrifikacija prometnog (i toplinskog) sektora kroz primjenu EV-a (i

toplinskih pumpi) imat će bitan utjecaj na potrebno pojačanje distributivne mreže

– “Business as usual” scenarij ne obuhvaća nikakvo upravljanje, odn. uključuje pasivni pristup novim oblicima potrošnje, pri čemu se mreža planira prema očekivanoj potrošnji

– “Smart” scenarij uključuje upravljanje mrežom kroz optimizaciju potrošnje korištenjem naprednih funkcija “pametnih” brojila i odgovarajuće komunikacijske infrastrukture

(ENA report)

0

10

20

30

40

50

60

70

80

90

100

Pene

trat

ion

leve

ls (%

)

Year

SCEN 10% SCEN 25% SCEN 50% SCEN 75% SCEN 100%

Scenarios of EVs and HPs

penetration levels

Seminar



Ključna zapažanja

• Prema trenutnoj filozofiji planiranja troškovi pojačanja mreže bit će visoki– Odvajanje operativnog od planskog aspekta nije učinkovito i može dovesti

do prekomjernog investitanja u mrežu

• Potencijal za optimalno upravljanje potrošnjom radi rješavanja ograničenja u mreži je značajan, a bez negativnog utjecaja na navike vozača i korištenje EV-a

• Optimalno upravljanje potrošnjom ne može se odrediti a priori, već izrazito ovisi o lokaciji i vremenu– U nekim mrežama se vršno opterećenje javlja ujutro, a u drugima

poslijepodne i navečer

– Razina neiskorištenog kapaciteta u različitim mrežama može jako varirati

• Za učinkovito upravljanje potrošnjom potrebna su pametna brojila s naprednim funkcijama i odgovarajućim komunikacijskim rješenjima, koja omogućuju upravljanje u realnom vremenu

Seminar



Konflikt između smanjenja vršnog

opterećenja i troškova proizvodnje

60.7 GW

0

10

20

30

40

50

60

70

80

00

:00

01

:00

02

:00

03

:00

04

:00

05

:00

06

:00

07

:00

08

:00

09

:00

10

:00

11

:00

12

:00

13

:00

14

:00

15

:00

16

:00

17

:00

18

:00

19

:00

20

:00

21

:00

22

:00

23

:00

De

man

d (

GW

)

Time

EV charging

Original demand

Smanjenje troškova proizvodnjeSmanjenje vršnog opterećenja

Punjenje EV-a raspoređeno

tijekom dana radi smanjivanja

vrha

71 GW

0

10

20

30

40

50

60

70

80

00

:00

01

:00

02

:00

03

:00

04

:00

05

:00

06

:00

07

:00

08

:00

09

:00

10

:00

11

:00

12

:00

13

:00

14

:00

15

:00

16

:00

17

:00

18

:00

19

:00

20

:00

21

:00

22

:00

23

:00

De

man

d (

GW

)

Time

EV charging

Original demand

Wind

Snažan porast vjetra za vrijeme

vrha u sustavu –> punjenje EV-

a pomaknuto u vršno razdoblje

Seminar



Reprezentativne NN mreže za

urbana i ruralna područja

Ruralna NN mreža

LegendaDistribucijska stanicaKućanstvo

Urbana NN mreža

Seminar



Reprezentativna VN mreža

Legenda:Primarne staniceDistribucijske stanice

Površina: 134 km²Vršno opt.: 300 MVABroj potrošača: 123,000

Seminar



EV u rezidencijalnom području

0

2

4

6

8

10

12

14

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

De

man

d (M

W)

Time

EV charging

Total load

Demand

0

2

4

6

8

10

12

14

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

De

man

d (M

W)

Time

EV charging

Total load

Demand

Potencijalno smanjenje vršnog

opterećenja kroz punjenje EV-a

noću

Značajna korelacija u povratku kući

s posla – izrazito povećanje vršnog

opterećenja

Seminar



EV u komercijalnom području

Potencijalno smanjenje vršnog

opterećenja kroz punjenje EV-a za

vrijeme boravka na poslu

Značajna korelacija u dolasku na

posao – izrazito povećanje vršnog

opterećenja

Seminar



Postotak preopterećenih elemenata

mreže sa i bez upravljanja EV-ima

0%

20%

40%

60%

80%

100%

0% 25% 50% 75% 100%

Combined EV and HP penetration levels

BaU

Smart

0% 25% 50% 75% 100%


0%

20%

40%

60%

80%

100%

0% 25% 50% 75% 100%


0% 25% 50% 75% 100%


NN

VN

% preopterećenih

kabela

% preopterećenih

transformatora

Seminar



Dodatne investicije u mrežu u BaU

i Smart scenarijima

Scenarios SCEN

10%

SCEN 25% SCEN 50% SCEN 75% SCEN

100%

Cost of BaU

[b£]0.8 – 2.7 2.1 – 6.9 4.1 – 13.4 5.4 – 17.8 6.2 – 20.5

Cost of

Smart [b£]0.3 – 1.1 0.7 – 2.4 1.6 – 5.3 2.7 – 8.8 3.2 – 10.4

NPV Value of

SMART [b£]0.5 – 1.6 1.4 – 4.5 2.5 – 8.1 2.7 – 9.0 3.0 – 10.1

Seminar



Dodatni izvori

• G4V projekt: www.g4v.eu

• Green eMotion projekt: www.greenemotion-project.eu

• “Benefits of Advanced Smart Metering for Demand Response Based Control of Distribution Networks”(ENA report): www.energynetworks.org

• “Making the connection: the plug-in vehicle infrastructure strategy”: http://assets.dft.gov.uk/publications/making-the-connection-the-plug-in-vehicle-infrastructure-strategy/plug-in-vehicle-infrastructure-strategy.pdf

• Source London projekt: www.sourcelondon.net

http://www.g4v.eu/

http://www.greenemotion-project.eu/

http://www.energynetworks.org/

http://assets.dft.gov.uk/publications/making-the-connection-the-plug-in-vehicle-infrastructure-strategy/plug-in-vehicle-infrastructure-strategy.pdf

http://www.sourcelondon.net/

utjecaj velikog udjela elektriČnih · 2017-11-10 · primjer zimskog tjedna s vršnom potrošnjom....

Documents