Optimization of Electric Vehicle Charging Station Placement and Charge Scheduling in Current and Future Energy Systems
Considering the current global scenario, battery electric vehicles will play a pivotal role in personal mobility in the future; thus, necessitating an increase in charging infrastructure. According to several studies, greater diffusion of these vehicles can be expected to have an impact on electricity demand. Furthermore, as electricity generation is becoming increasingly volatile, increasing the flexibility of electricity demand is imperative.
The current electric vehicle charging models aim to coordinate vehicle charging in a predefined charging network to optimize an objective, such as meeting the demands of all vehicles or cost minimization (electric vehicle charge scheduling problem). Another stream of literature aims to optimize the placement of charging stations and the design of the charging infrastructure. In models supporting these decisions, the charging demand is predefined, and differences in demand over time are not explicitly considered. In this thesis, a decision support model is developed to determine the relationships between different charging network layouts, and to optimize vehicle charging in current and future energy system configurations. To achieve this, a mixed integer linear programming model, which simultaneously optimizes the layout of the charging network and vehicle charging while considering factors related to mobility and the electricity system, was developed. Exact and heuristic solution approaches are presented to solve the model that combines the charging station placement problem and electric vehicle charge scheduling. Furthermore, the geographically and temporally resolved mobility data required for the real-world application of the model is synthetically generated using an activity database and an open-source geographic information system, while factors related to the electricity system are derived from existing energy scenarios.
To evaluate how the developed model can support real-world decision-making, it was applied to a case study of charging station placement and coordination of charging activities in Essen. The results were analyzed based on factors such as the geographical and temporal distribution of the charging activities or the economic and ecological effects of the optimized charging network and coordinated vehicle charging. In the case study, the results of a combined optimization of charging station placement and vehicle charging indicate that the joint consideration of both decision problems can influence the charging pattern, yielding different and in some parts more exact results than the previously considered approaches.
The model can be used to analyze the impact of changes in the electricity system configurations, changes in mobility behavior, and vehicle charging technology on the energy system, and it can be used to support decisions of charging infrastructure planners, network operators, or policymakers.
Aktuellen Prognosen zufolge werden batterieelektrische Fahrzeuge in Zukunft eine entscheidende Rolle im Individualverkehr spielen, was einen Ausbau der Ladeinfrastruktur erfordert. Die stärkere Verbreitung elektrisch betriebener Fahrzeuge wird außerdem zu einer höheren Stromnachfrage führen, während auch die Stromerzeugung - aufgrund der Verschiebung hin zu einer Erzeugung aus erneuerbaren Quellen - volatiler wird. Die Sektorenkoppelung ist ein entscheidender Baustein, damit die Integration von batterieelektrischen Fahrzeugen in ein erneuerbares Energiesystem gelingt.
Aktuelle Studien beschäftigten sich unter anderem mit der Ladeinfrastrukturplanung oder Ladeplanung, wobei beide Bereiche in der Regel in getrennten Forschungsgebieten und Entscheidungsproblemen behandelt werden. Die Koordination des Ladens von Elektrofahrzeugen erfolgt in einem vordefinierten Ladenetz, um ein Ziel, z. B. die Minimierung der Ladekosten oder Maximierung des verwendeten Ladestroms aus erneuerbaren Quellen, zu optimieren. Ladeinfrastrukturplanungsmodelle hingegen gehen von einem vordefinierten Ladebedarf aus und unterscheiden in der Regel nicht, wie die Nachfrage über die Zeit variieren kann, berücksichtigen allerdings die geografische Verteilung des Ladebedarfs.
In dieser Arbeit wird ein Optimierungsmodell entwickelt, um beide Entscheidungen simultan zu berücksichtigen. Dieses gemischt-ganzzahlige lineare Optimierungsmodell erlaubt gleichzeitig die Auslegung des Ladenetzes und die Optimierung des Ladens von Fahrzeugen unter Berücksichtigung, der variierenden Standorte von Elektrofahrzeugen und volatilen Stromerzeugung. Zur Lösung dieser miteinander verknüpften Planungsaufgaben des entwickelten Modells werden exakte und heuristische Lösungsansätze entwickelt und vorgestellt. Geographisch und zeitlich aufgelöste Mobilitätsdaten, die für die reale Anwendung des Modells erforderlich sind, werden synthetisch aus einer Aktivitätsdatenbank und einem Open-Source-Geoinformationssystem generiert, während die Kenngrößen, die mit dem Stromsystem zusammenhängen, aus bestehenden Energieszenarien abgeleitet werden.
Zur Evaluation wird das entwickelte Modell in einer Fallstudie für die Platzierung von Ladestationen und die Koordination von Ladeaktivitäten in der Stadt Essen angewendet. Die Modellergebnisse werden nach Faktoren wie der räumlichen und zeitlichen Verteilung der Ladeaktivitäten oder den ökonomischen und ökologischen Effekten des optimierten Ladenetzes und der koordinierten Ladung der Fahrzeuge analysiert. Ergebnisse einer kombinierten Optimierung der Platzierung von Ladestationen und der Fahrzeugladung zeigen, dass die gemeinsame Betrachtung beider Entscheidungsprobleme zu Ergebnissen führen kann, die sich von denen bisheriger Ansätze unterscheidet.
Das entwickelte Modell und die entwickelten Lösungsansätze ermöglichen es, die Auswirkungen von Änderungen der Energiesystemkonfiguration, des Mobilitätsverhaltens und der Ladetechnologie auf das Energiesystem zu analysieren. Das Modell kann eingesetzt werden, um die Entscheidungen von Ladeinfrastrukturplanern, Netzbetreibern oder politischen Entscheidungsträgern zu unterstützen.