Az e-mobilitáshoz kapcsolódó közép és hosszú távú villamos hálózati hatások Dr. Farkas Csaba egyetemi adjunktus Villamos Energetika Tanszék Villamos Művek és Környezet Csoport
A villamos autó nem mai találmány 2018. 05. 15. 2
A villamos autók múltja 2018. 05. 15. 3
Nehéz jól előrebecsülni a jövőt! Előrejelzések Magyarországra (2012) és tényadatok (2016) 800 600 Tisztán elektromos (BEV) járművek száma Magyarországon (2016) 400 200 0 2008 2009 2010 2011 2012 2013 2014 2015 2016* 2018. 05. 15. 4
A villamos autók elterjedését segítő ösztönzők A villamos autók elterjedésének segítésére a legtöbb nyugat-európai országban és az USA-ban komoly erőfeszítéseket tesznek: adókedvezményeket, vásárlási kedvezményeket, buszsáv-használati engedéllyel, ingyenes parkolási lehetőséggel, stb. A megfelelő ösztönző rendszer azonban még mindig hiányzik. 2018. 05. 15. 5
Hatótávolság növelés= +kwh akku, ++ kw töltő Kia Soul Renault Zoe Nissan Leaf 2018. 05. 15. 6
Magyarországi töltőtelepítés 253/1997. (XII.20.) kormányrendelet (OTÉK) 2016 februári módosítása Legalább évi 110-130 teljes járműfeltöltés Nyugat-európai használtimport Néhány éven belül 40-50 kw helyett 100-250 kw töltési teljesítményre lesz szükség Jól átgondolt, több szempontot figyelembe vevő módszertan alapján elhelyezett, az ország átjárhatóságát és a városok megfelelő lefedettségét biztosító gyors- és villámtöltő hálózat révén az elektromobilitás technológiai korlátainak hatásai mérsékelhetők és a vásárlási hajlandóság (a hatótávolság, komfortérzet és megbízhatóság javulása következtében) növelhető 2018. 05. 15. 7
Magyarországi töltőtelepítés 2018. 05. 15. 8
Töltési módok 2018. 05. 15. 9
1 22 43 64 85 106 127 148 169 190 211 232 253 274 295 316 337 358 379 400 421 442 463 484 505 526 547 568 589 610 631 652 673 694 THD% Villamos autók töltőáramának THD-je 18 16 14 12 10 8 6 4 THD% (Opel) THD% (Renault) THD% (Nissan) THD% (BMW) 2 0 Töltési idő [perc] 2018. 05. 15. 10
Villamos járművek vezeték nélküli töltése Rezonancián alapuló átvitel (KAIST OLEV busz): 2018. 05. 15. 11
BEV-k villamos hálózati hatásai A villamos autók akkumulátorait fel kell tölteni. A töltés során a hálózat felé plusz terhelés jelenik meg, ami a hálózati elemek túlterhelődéséhez vezethet. A kisfeszültségű hálózaton rendelkezésre álló csatlakozási teljesítmény nem teszi lehetővé nagy számú gyorstöltő alkalmazását, így a garázsokba, utcai parkolókba elsősorban kisebb töltőteljesítményű, lassú töltést biztosító töltőfejek elterjedése várható. A középtávon a gyorstöltők elláthatók a Kif hálózatról, de hosszabb távon a dedikált Köf hálózat és Köf/Kif transzformátor lenne a célszerű megoldás A nagyteljesítményű inverterek (villámtöltők) harmonikus áramkibocsátása így kisebb hálózati zavartatást okoz. Töltésszabályozás! 2018. 05. 15. 12
Villamos autók töltésének hatása a KIF elosztóhálózatra Szimulációs vizsgálat Valós hálózatrészt vizsgálunk. A hálózat egy KÖF/KIF transzformátorhoz tartozó kisfeszültségű hálózatrész. A szimuláció során valódi vezetékparaméterekkel dolgozhatunk. 2018. 05. 15. 13
00:00 00:45 01:30 02:15 03:00 03:45 04:30 05:15 06:00 06:45 07:30 08:15 09:00 09:45 10:30 11:15 12:00 12:45 13:30 14:15 15:00 15:45 16:30 17:15 18:00 18:45 19:30 20:15 21:00 21:45 22:30 23:15 00:00 Teljesítmény [kw] Villamos autók töltésének hatása a KIF elosztóhálózatra Szimulációs vizsgálat 1.8 Fogyasztói terhelési profil 15 perces átlagokkal 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 2018. 05. 15. 14
Felvett hatásos teljesítmény [W] 2500 Villamos autók töltésének hatása a KIF elosztóhálózatra Szimulációs vizsgálat Az akkumulátor töltésekor felvett hatásos teljesítmény [W] 2000 1500 1000 500 0 0 5 10 15 20 25 30 35 40 45 50 A töltés megkezdésétől eltelt idő [perc] Villamos autók töltésére jellemző hatásos teljesítményfelvétel karakterisztika. A karakterisztikát méréssel meg lehet határozni. 2018. 05. 15. 15
Beérkezett autók száma Villamos autók töltésének hatása a KIF elosztóhálózatra Szimulációs vizsgálat 35 30 25 20 15 10 5 A villamos autók beérkezési eloszlása (példa) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Töltési csoport (15 perces intervallumoknak megfelelően) Vizsgáljunk Poisson-eloszlás szerinti beérkezést: ekkor egy adott időintervallumban (pl. 16:00-20:00) között tételezzük fel, hogy minden autó hazaér. Ennek megfelelően állíthatjuk be a nap egyes részein az éppen töltő autók számát. 2018. 05. 15. 16
00:00 00:45 01:30 02:15 03:00 03:45 04:30 05:15 06:00 06:45 07:30 08:15 09:00 09:45 10:30 11:15 12:00 12:45 13:30 14:15 15:00 15:45 16:30 17:15 18:00 18:45 19:30 20:15 21:00 21:45 22:30 23:15 00:00 Terhelődés [%] Villamos autók töltésének hatása a KIF elosztóhálózatra Szimulációs vizsgálat 160 A KÖF/KIF transzformátor terhelődése különböző EVrészarányok mellett, eltolás nélküli 6 órás töltés esetén 140 120 100 80 60 40 0% autó 20% autó 60% autó 80% autó 100% autó 20 0 2018. 05. 15. 17
00:00 00:45 01:30 02:15 03:00 03:45 04:30 05:15 06:00 06:45 07:30 08:15 09:00 09:45 10:30 11:15 12:00 12:45 13:30 14:15 15:00 15:45 16:30 17:15 18:00 18:45 19:30 20:15 21:00 21:45 22:30 23:15 00:00 Maradó feszültség [p.u] Villamos autók töltésének hatása a KIF elosztóhálózatra Szimulációs vizsgálat 1 Maradó feszültség (legnagyobb feszültségesés esetén), 100% autó-részarány, kábeles hálózat 0.99 0.98 0.97 0.96 0.95 0.94 Alapeset (0% autó) 8 órás töltés 6 órás töltés (eltolás nélkül) 6 órás töltés (22:00-ra) 6 órás töltés (23:00-ra) 0.93 0.92 0.91 2018. 05. 15. 18
00:00 00:45 01:30 02:15 03:00 03:45 04:30 05:15 06:00 06:45 07:30 08:15 09:00 09:45 10:30 11:15 12:00 12:45 13:30 14:15 15:00 15:45 16:30 17:15 18:00 18:45 19:30 20:15 21:00 21:45 22:30 23:15 00:00 Maradó feszültség [p.u.] Villamos autók töltésének hatása a KIF elosztóhálózatra Szimulációs vizsgálat 1 Maradó feszültség (legnagyobb feszültségesés esetén), 100% autó-részarány, szabadvezetékes hálózat 0.98 0.96 0.94 0.92 0.9 Alapeset (0% autó) 8 órás töltés 6 órás töltés (eltolás nélkül) 6 órás töltés (22:00-ra) 6 órás töltés (23:00-ra) 0.88 0.86 2018. 05. 15. 19
Töltőállomás-méretezés 2018. 05. 15. 20
A szimulációs algoritmus Átmenet-valószínűségek Az -edik autó állapota: Ha az autó mozog, akkor a mozgás hátralévő időtartama folyamatosan csökken: 2018. 05. 15. 21
A szimulációs algoritmus Adott időlépésre érvényes fogyasztás: Egy segédparaméter: 2018. 05. 15. 22
A szimulációs algoritmus egy összegző mátrix permutációs mátrix a Kronecker-szimbólum. Ekkor az átmenetvalószínűségmátrix időbeli változása: 2018. 05. 15. 23
Bemenő adatok GPS koordináták bemenő adatként. 10357db taxi, 7 napon keresztül: összesen >15 millió GPS-koordináta. Egyszerű euklideszi távolságmetrika alkalmazása. Hihetőségvizsgálat: túl nagy/kis sebesség ill. túl kevés/sok megtett út GPS mérési hibára utaló szűrés. Eloszlásfüggvények illesztése megtett út, ill. út időtartama adatokra, szakirodalmi adatok figyelembe vételével. Eloszlásfüggvények illesztése: inverz Gauss, lognormális A megtett út átlaga 2,99km; az egy út megtételéhez szükséges idő 6,5 Várható perc (ábra érték: x tengelye: 6,78 perc megtett (átlagos út km-ben). utazási idő: ebben az Exponenciális utasszállításvagy nélküli Lévy-eloszlással idő is benne közelíthető van). a megtett út hossza. 2018. 05. 15. 24
f(x) Bemenő adatok 0.044 0.04 0.036 0.032 0.028 0.024 0.02 0.016 0.012 0.008 0.004 0 8 12 Histogram Sűrűségfüggvény 16 20 Gen. Extreme Value A fogyasztást a vezetési stílus befolyásolja. Fenti ábra: Renault Zoe (~1000db autó mérései alapján); a gyári fogyasztás 14,6kWh/100km, a fenti ábrán 17,16kWh/100km); x tengelyen a fogyasztás kwh/100kmben. Akkumulátor-kapacitás: 22kWh. 2018. 05. 15. 25 x 24 28 32 36
Szimulációs eredmények az autók száma 100; a szimulációs napok száma 3 nap; 5 perces lépésközöket használtam (osztás); a járművek akkumulátorkapacitása 22kWh; a gyorstöltők 0,5 óra, a lassú töltők 4 óra alatt töltik fel teljesen az akkumulátorokat; 10 gyors és 10 lassú töltőt tételeztem fel. 2018. 05. 15. 26
M/M/c/N modell töltőállomás méretezésre Kendall-féle jelölésrendszer: A a beérkezési időközök eloszlásfüggvénye; B a kiszolgálási idő eloszlásfüggvénye; m a kiszolgálók száma; K a rendszer befogadóképessége, azaz a kiszolgálóegységben és a várakozási sorban tartózkodó igények maximális száma; n az igényforrás számossága; D pedig azt jelöli, hogy a kiszolgálás milyen elv szerint történik Ezek szerint: az igények érkezése és kiszolgálása Poisson-folyamat; töltők száma c; a töltőállomáson található parkolóhelyek száma N. Jól definiált, zárt alakban felírható összefüggések. 2018. 05. 15. 27
M/M/c/N modell Átlagos sorhossz: ahol Átlagos várakozási idő: 2018. 05. 15. 28
MAP(2) modell töltőállomás méretezésére A Markov érkezési folyamat egy olyan egyszerű pontfolyamat, amelynek érkezéseit egy folytonos idejű Markov-lánc (állapotátmeneti folyamat) modulálja a háttérben. Általánosabb, mint a Poisson-folyamat, ugyanakkor könnyen szimulálható. Másodrendű alak, kanonikus reprezentációja: ahol λ 1 és λ 2 ráták, a és b valószínűségek. Folyamatábra az átlépésekről: Feladat: a paraméterek meghatározása. 2018. 05. 15. 29
MAP(2) modell Modell illesztése: beérkezés és kiszolgálás egyaránt leírható egy-egy hisztogrammal. Ebből z-transzformált polinom előállítása: ahol p i a valószínűsége, hogy egy időosztás alatt i db jármű érkezik tölteni. MAP esetén a beérkező igények eloszlása: ahol α a beágyazott stacionárius eloszlás vektora, 1 egy összegzővektor. A feladat a D 0 és D 1 mátrixokban szereplő paraméterek meghatározása a z-transzformált polinom és a MAP-ot leíró polinom segítségével: az első három momentum és a korrelációra kapott összefüggésekre felírt, négy ismeretlenes egyenletrendszer megoldása által. 2018. 05. 15. 30
MAP(2) modell Nehézség: az egyes momentumok meghatározása a mátrix-exponenciális függvények miatt. Algebrai egyszerűsítések, numerikus megoldás MATLABban. Pl. első momentum, Taylor-sorba fejtéssel: A mátrixok miatt a szorzások sorrendje nem felcserélhető: Jobbról 1-gyel, balról α-val szorozva és felhasználva, hogy egyszerűsítés után (a szummákból tagok tűnnek el): 2018. 05. 15. 31
Várakozó autók maximális száma MAP(2) modell 35 A paraméterek ismeretében a folyamat visszajátszása MATLAB-ban. 30 Kiszolgálás 25 hasonlóképpen modellezhető (a példában egyszerűbb modell). 20 Kiindulási hisztogram jó közelítése (Hellinger-távolság: Eredeti 15 0,0223) Robosztus 10 megoldás, kis bemeneti perturbációkra érzéketlen. 5 MAP illesztett M/M/c/N 0 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Töltők száma 2018. 05. 15. 32
Li-Ion akkumulátorok alkalmazási területei Mennyi is az 1 kwh energia? - Helyzeti energiában: 1 m 3 víz 367 m magasan - Mozgási energiában (1/2mv 2 ) 1 tonna, 305 km/h - Kb 0.1 liter benzin v gázolaj 2018. 05. 15. 33
Az e-mobilitás hatása a villamosenergia fogyasztásra Háztartási méret Rendszerszintű hatások 2018. 05. 15. 34
Az aggregátor szerepköre a rendszerszintű optimalizálásban 2018. 05. 15. 35
Teljesítményaggregálás villamos autók segítségével - Völgyfeltöltés 2018. 05. 15. 36
Teljesítményaggregálás villamos autók segítségével (V2G, néha már V4G-nek is hívják) A teljesítményaggregálás célja szabályozásban való részvétel, valamint energiatárolás. A szabályozás elsősorban frekvenciaszabályozást jelent. Energiatárolás segítségével a villamosenergia-rendszer üzemében hirtelen változások hatását lehet kompenzálni. Az energiatárolás megoldást jelenthet a meglehetősen sztochasztikusan termelő megújuló energiaforrások integrálására is a villamosenergia-rendszerbe: a megújulók által megtermelt többlet villamos energiát tároljuk, majd szükség esetén felhasználjuk. A teljesítményaggregálás megvalósításához intelligens töltésre van szükség, ami maga után vonja a fejlett kommunikációs infrastruktúrát a villamosenergiatermelők, -kereskedők, -elosztók, valamint a rendszerirányító és az aggregátor között. 2018. 05. 15. 37
Beavatkozási lehetőségek a töltésbe Tarifával: ilyenkor a villamos autók töltését valamilyen rugalmas árazással, dinamikusan változó tarifával befolyásolják: ToU: ToU esetén a villamos energia ára napközben változik, a legmagasabb a csúcsidőben. Csak villamos autókra kialakított, külön mérőt igénylő tarifák. Árengedmény nyújtása csúcsidőn kívüli töltés esetén. Árengedmény nyújtása szabályozott töltés esetén. Dinamikus árazás a valós piaci áraknak megfelelően (az EU szabályozás ilyen irányba szeretne menni). Szabályozási jellel a hálózati és/vagy piaci szempontoknak megfelelően: Demand response: ilyenkor egyszerűen megállítják a töltést, ha arra van igény. Szabályozott töltés: nem csak megállítani tudja, hanem ütemezni ill. a töltőteljesítményt is tudja befolyásolni. Visszatáplálás (Vehicle-to-Grid) 2018. 05. 15. 38
Köszönöm a figyelmet! 2018. 05. 15. 39