Economic and Technical Feasibility of V2G in Non-Road Mobile Machinery sector

Technische Zusammenfassung: Wirtschaftliche und technische Machbarkeit von V2G im Bereich der nichtstraßenläufigen mobilen Maschinen

Problemstellung
Die Arbeit befasst sich mit dem Potenzial der Integration der Vehicle-to-Grid (V2G)-Technologie in den Sektor der nichtstraßenläufigen mobilen Maschinen (Non-Road Mobile Machinery, NRMM), wobei der Schwerpunkt speziell auf elektrischen Traktoren innerhalb eines Mietdienstleistungsmodells liegt. Während V2G bei Personenkraftwagen und Elektrobusflotten bereits gut untersucht ist, bleibt seine Anwendung auf NRMM unteruntersucht. Die Autoren führen an, dass NRMM-Flotten im Vergleich zu privaten Elektrofahrzeugen einzigartige Vorteile bieten, darunter vorhersehbare Nutzungspläne und hohe Standzeiten, was gängige Barrieren wie Reichweitenangst und Parkunsicherheit abmildert. Das Kernproblem besteht darin, die wirtschaftliche und technische Machbarkeit der Nutzung dieser oft im Leerlauf befindlichen Ressourcen zur Bereitstellung von Netzdiensten, zur Optimierung der Energiekosten durch preisbewusstes Laden und zur Reduzierung der Spitzenlasten im Netz zu bestimmen, während gleichzeitig die notwendige Energieinfrastruktur (PV, stationärer Speicher und Ladeequipment) dimensioniert wird.

Methodik
Die Studie verwendet ein neuartiges zweischichtiges Simulations- und Optimierungsframework, um eine Flotte von zehn elektrischen Traktoren in einem Miethändlerbetrieb in Aldenhoven, Deutschland, zu evaluieren.

• Innere Schicht (Operative Optimierung): Diese Schicht simuliert den täglichen und wöchentlichen Betrieb der Flotte unter Verwendung eines Linearen Programmierers (LP-Solver) in MATLAB. Das Ziel ist die Minimierung der jährlichen Stromkosten durch die Optimierung der Lade- und Entladeschemata der Traktoren und eines Batteriespeichersystems (BESS). Das Modell umfasst:

  • Nutzungsprofile: Drei verschiedene wöchentliche Miet-Anwendungsfälle (Langzeit-Wochenmiete, Tagesmiete und Wochenendmiete), die sicherstellen, dass die Traktoren mit 100 % Ladezustand (SoC) abfahren und mit 5 % SoC zurückkehren.
  • Energiekomponenten: Eine Photovoltaik-Anlage (PV), ein BESS, eine bidirektionale Ladestation (EVSE) und der Lastbedarf des Händlergebäudes.
  • Kostenfunktion: Minimiert die Summe der Strombezugskosten (basierend auf dynamischen Day-Ahead-Preisen) abzüglich der Erlöse aus der Energieeinspeisung (festgesetzt auf 90 % des Einkaufspreises, um Verluste zu berücksichtigen und ineffizientes Handeln zu verhindern), unter Berücksichtigung von Leistungsgrenzen und SoC-Beschränkungen.
  • Vereinfachungen: Das Modell setzt eine 100-prozentige Komponenten-Effizienz voraus, geht von perfekter Kenntnis zukünftiger Preise und Fahrzeugpläne (Perfect Foresight) aus und vernachlässigt die Alterung der Komponenten während der Simulation.

• Äußere Schicht (Infrastrukturdimensionierung via Bayesianischer Optimierung): Ein Bayesianischer Optimierungsalgorithmus (BO) sucht iterativ im mehrdimensionalen Parameterraum nach der optimalen Dimensionierung der Energieinfrastruktur. Die BO optimiert:

  • Die Spitzenleistung der PV-Anlage.
  • Die Kapazität des BESS.
  • Die maximale Netzanschlussleistung.
  • Die Konfiguration der EVSE (Leistungsbewertung und unidirektionale vs. bidirektionale Fähigkeit) für jeden Anwendungsfall.
  • Die BO minimiert die Gesamtkosten ($c_{Tot}$), welche die Summe der kumulierten Stromkosten aus der inneren Schicht und den Investitionskosten der Komponenten (basierend auf der Lebensdauerabschreibung) darstellen. Ein Fehlermodell innerhalb der BO bestraft Konfigurationen, die das maximale Netzleistungslimit verletzen, um zulässige Lösungen sicherzustellen.

Zentrale Beiträge

1. Neuartiger Anwendungsfall: Die Arbeit führt die V2G-Integration speziell für gemietete NRMM-Flotten ein und hebt die Eignung dieses Sektors aufgrund der planbaren Zeitplanung und des zentralisierten Ladens hervor.
2. Integriertes Optimierungsframework: Es wird eine Methodik vorgeschlagen, die ein Energiemanagementsystem (EMS) für die operative Strategie mit Bayesianischer Optimierung für die Infrastrukturdimensionierung kombiniert. Dieser Ansatz vermeidet den Rechenaufwand beim Training neuronaler Netze oder umfassender Versuchsplanung (Design of Experiments, DoE) und navigiert gleichzeitig effektiv durch komplexe, nicht-lineare Parameterräume.
3. Wirtschaftliche Analyse von Mietmodellen: Die Studie quantifiziert das finanzielle Potenzial von gepoolten elektrischen NRMM-Flotten und zeigt auf, wie koordinierte V2G-Strategien Einnahmen generieren und Kosten über verschiedene Eigentümerstrukturen hinweg (Miete vs. Privatbesitz) senken können.

Ergebnisse
Die Simulation, die über 51 Wochen mit 100 BO-Iterationen durchgeführt wurde, lieferte die folgenden Ergebnisse:

• Optimale Konfiguration: Die BO identifizierte eine Konfiguration bestehend aus einer 133,9 kWp PV-Anlage, einem 99,0 kWh BESS, einem 69,4 kW Netzanschluss und 11 kW bidirektionalen Ladegeräten für alle Traktoren.
• Kosteneffizienz: Das optimierte System erreichte einen durchschnittlichen Strompreis von 0,068 €/kWh. Über das simulierte Jahr erzielte der Händler einen Nettogewinn von 695 € aus dem Energiehandel mit dem Netz (Erlöse aus dem Verkauf abzüglich der Kosten für den Einkauf), trotz der Investitionen in die bidirektionale Hardware.
• Operatives Verhalten: Das EMS nutzte die Traktoren (speziell jene aus Anwendungsfall 3) erfolgreich als temporären Speicher, indem es diese während der Phasen niedriger Preise/PV-Erzeugung lud und während der Spitzenpreisphasen entlud, ähnlich wie das BESS. Das System hielt den erforderlichen 100 % SoC für alle Abfahrten ein.
• Regulatorischer Hinweis: Die Autoren merken an, dass die wirtschaftliche Rentabilität von der Annahme abhängt, dass feste Netzentgelte und Abgaben auf erneuerbare Energien (die derzeit für den Stromverbrauch, aber nicht für die Einspeisung gelten) reformiert werden. Ohne die Abschaffung dieser „Doppelbesteuerung“ könnten die wirtschaftlichen Vorteile von V2G zunichtegemacht werden.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass elektrifizierte NRMM nicht nur ökologisch vorteilhaft, sondern auch wirtschaftlich rentabel sind, wenn sie mit V2G und intelligentem Energiemanagement kombiniert werden. Die Studie zeigt, dass die Vorhersehbarkeit von Mietflotten sie zu idealen Kandidaten für die Netzinteraktion macht, was potenziell ähnliche Vorteile wie bei Elektrobusflotten bietet.

Die Autoren bewahren jedoch einen bescheidenen Ton hinsichtlich ihrer Ergebnisse. Sie geben explizit an, dass die Studie durch folgende Punkte begrenzt ist:

• Der Mangel an realen Betriebsdaten für elektrische NRMM.
• Vereinfachte Modelle, die die Alterung von Komponenten, Wandlungsverluste und regulatorische Unsicherheiten ignorieren.
• Die Annahme von perfekter Vorausschau bezüglich Fahrzeugplänen und Energiepreisen.

Folglich kommt die Arbeit zu dem Schluss, dass die Methodik und die vorläufigen Ergebnisse zwar vielversprechend sind, weitere Forschung jedoch erforderlich ist, um diese Ergebnisse mit realen Daten zu validieren, die Modelle für eine höhere Genauigkeit zu verfeinern und die regulatorischen Herausforderungen – insbesondere die Besteuerung bidirektionaler Energieströme – zu adressieren, die derzeit die breite Einführung von V2G in diesem Sektor behindern.