⚡ electrical engineering

Quantifying Realizable Flexibility Limits in Fast and Ultra-Fast EV Charging Using Real-World Data

Dit artikel presenteert een datagestuurd kader dat gebruikmaakt van 252 real-world laadsessies om de intrinsieke, tijdsafhankelijke flexibiliteitslimieten van snelle en ultra-snelle EV-lading te kwantificeren, waarbij wordt onthuld dat de werkelijke capaciteiten strikt worden begrensd door beperkingen van het batterijbeheersysteem in plaats van door eenvoudige vermogensregelbaarheid.

Oorspronkelijke auteurs: Cesar Diaz-Londono, Liu Zhang, Jorge De La Cruz, Hamidreza Arasteh, Anand R., Daogui Tang, Josep M. Guerrero

Gepubliceerd 2026-06-30

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Cesar Diaz-Londono, Liu Zhang, Jorge De La Cruz, Hamidreza Arasteh, Anand R., Daogui Tang, Josep M. Guerrero

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een vloot elektrische voertuigen (EV's) hebt die zijn aangesloten op snelladers bij een tankstation. De netbeheerder wil weten: "Hoeveel kunnen we deze auto's vragen om hun laadgedrag aan te passen om het elektriciteitsnet te helpen?" Misschien willen ze dat de auto's iets langzamer laden om stroom te besparen, of zelfs een beetje energie teruggeven aan het net tijdens een piekuur.

Dit paper zegt: "Stop met gissen. Laten we naar de werkelijke data kijken om te zien wat er fysiek mogelijk is."

Hier is de uitsplitsing van hun bevindingen met eenvoudige analogieën:

1. De "Bestuurder" vs. De "Auto" (Wie heeft de controle?)

De meeste mensen denken dat het laadstation (de "stekker") de baas is. Ze stellen zich voor dat de netbeheerder simpelweg tegen het station kan zeggen: "Hé, zet het vermogen nu direct met 50% omlaag!"

De Realiteit van het Paper: De auto is eigenlijk de baas.
Beschouw het batterijbeheersysteem (BMS) van de auto als een strenge personal trainer. De trainer weet precies hoeveel de batterij op elk gegeven moment aankan.

Als de batterij bijna leeg is, zegt de trainer: "Ga hard! Laad op volle snelheid!"
Als de batterij bijna vol is, zegt de trainer: "Doe rustig aan! We kunnen niet te hard duwen of we beschadigen de batterij."
De Les: Je kunt de auto niet zomaar dwingen om de snelheid willekeurig te veranderen. De auto heeft een vooraf ingesteld "trainingsplan" (een Power-SoC curve) dat hij moet volgen om veilig te blijven. De flexibiliteit gaat niet over het draaien aan een knop; het gaat over het verschuiven van de timing van dat trainingsplan.

2. De "Wachtkamer" (Waar de flexibiliteit leeft)

Het paper analyseert 252 echte laadsessies van 52 verschillende automerken. Ze ontdekten dat flexibiliteit alleen bestaat in de "wachtkamer."

Het Verplichte Deel: Wanneer je inplugt, moet de auto bijvoorbeeld van 20% naar 80% zo snel mogelijk laden. Je kunt niet vragen om hier de snelheid te verlagen zonder je reis te vertragen.
De Idletijd: Flexibiliteit vindt alleen plaats als je ingeplugd blijft nadat je je doelgestelde laadniveau hebt bereikt.
- Analogie: Stel je voor dat je je training om 17:00 uur hebt voltooid, maar je verlaat de sportschool pas om 18:00 uur. Dat extra uur is jouw "flexibiliteitsvenster."
- Het paper laat zien dat als je dit extra tijd hebt, je kunt verschuiven wanneer je water drinkt (energie) tijdens de training, maar je kunt de training zelf niet veranderen.

3. Het "Schuivende Venster" (Hoeveel kunnen we verplaatsen?)

De onderzoekers gebruikten een "schuivend venster"-concept om flexibiliteit te meten.

Stel je een venster van 10 minuten extra tijd voor.
Vraag: Hoeveel energie kunnen we binnen die 10 minuten rondverschuiven?
Antwoord: Dat hangt af van de auto. Sommige auto's kunnen veel energie verschuiven; andere kunnen slechts een heel klein beetje verschuiven.
De Bevinding: Hoe meer extra tijd je hebt (hoe langer de idletijd), hoe meer energie je kunt verschuiven. Maar het is niet oneindig. Het wordt begrensd door de batterijgrootte van de auto en zijn specifieke "trainingsplan."

4. De "Tweerichtingsweg" (Laden en Ontladen)

Het paper keek ook naar Bidirectionele Flexibiliteit (Vehicle-to-Grid), waarbij de auto energie teruggeeft aan het net.

De Analogie: Stel je voor dat je in de sportschool bent. Je hebt nog 10 extra minuten. Kun je een snelle set push-ups doen (ontladen) en daarna je training afmaken (opladen) voordat je weggaat?
De Haken en ogen: Je kunt dit alleen doen als:
1. Je genoeg tijd hebt om de push-ups te doen en weer terug te keren naar je doelgestelde staat voordat je vertrekt.
2. Je trainer (BMS) ermee instemt dat het veilig is om zo hard te duwen.
Het Resultaat: Het paper vond dat de hoeveelheid energie die een auto kan teruggeven strikt beperkt is. Soms, afhankelijk van wanneer je de manoeuvre start, kan een auto twee keer zoveel energie teruggeven als je zou verwachten, maar alleen als de timing perfect is. Als je te diep of te lang probeert door te gaan, schakelt de "trainer" het systeem uit om de batterij te beschermen.

5. De "Realiteit" vs. "Theoretische" Kloof

Veel eerdere studies gingen ervan uit dat EV's als eenvoudige emmers waren die je op de snelheid kon vullen of legen die het net wilde.

De Correctie van het Paper: EV's zijn geen eenvoudige emmers. Het zijn complexe, slimme apparaten met strikte veiligheidsregels.
De Belangrijkste Les: Je kunt de flexibiliteit van een EV niet behandelen als een "regelbare aan/uit-schakelaar". In plaats daarvan is het een "begrensde energiebron."
- Het is Toestandsafhankelijk: Het hangt ervan af hoe vol de batterij is.
- Het is Tijdsafhankelijk: Het hangt ervan af hoe lang de auto geparkeerd staat.
- Het is Merkafhankelijk: Een Tesla gedraagt zich anders dan een Ford of een Hyundai.

Samenvatting

Het paper vertelt ons dat om elektrische auto's te gebruiken om het elektriciteitsnet te helpen, we moeten stoppen met denken: "Hoeveel vermogen kunnen we aan- of uitzetten?" en beginnen met denken: "Hoeveel energie kunnen we in de tijd verschuiven, gegeven de specifieke regels van de auto en hoe lang hij geparkeerd staat?"

De flexibiliteit is echt, maar het is begrensd, voorspelbaar en strikt beperkt door de eigen veiligheidssystemen van de auto en de planning van de gebruiker. Het is geen toverstaf; het is een zorgvuldig berekende kans.

Technische Samenvatting: Kwantificering van Realiseerbare Flexibiliteitslimieten bij Snel en Ultra-Snel EV-laden met Gebruik van Real-World Data

1. Probleemstelling

De snelle elektrificatie van het transport heeft elektrische voertuigen (EV's) gepositioneerd als cruciale gedistribueerde energiebronnen die de stabiliteit van het elektriciteitsnet, de integratie van hernieuwbare energie en congestiemitigatie kunnen ondersteunen. De bestaande literatuur modelleert de flexibiliteit van EV's echter vaak als een vrij beschikbare vermogensbron, waarbij wordt vertrouwd op vereenvoudigde aannames zoals constant vermogen tijdens het laden of willekeurige temporele verschuivingen. Deze modellen houden geen rekening met de intrinsieke fysieke beperkingen van snel en ultra-snel DC-laden, waarbij het laadtraject strikt wordt beheerst door het Battery Management System (BMS) van het voertuig, de batterijchemie en beschermingslimieten.

Het kernprobleem dat wordt aangepakt, is het gebrek aan een realistisch kader om de fysiek haalbare flexibiliteit van snel en ultra-snel laadsessies te kwantificeren. Huidige benaderingen negeren de niet-lineaire, toestand-afhankelijke aard van de Power–SoC (State of Charge) relaties en de cruciale rol van de beschikbaarheid van vrije tijd (idle time). Hierdoor kunnen systeembeheerders en aggregators de controleerbaarheid van EV-vloten overschatten, wat leidt tot onhaalbare planningen en potentiële batterijdegradatie.

2. Methodologie

Het artikel stelt een data-gestuurd, traject-bewust kader voor om EV-flexibiliteit te kwantificeren als een energie-gebonden en tijd-beperkt proces. De methodologie is gebouwd op de volgende pijlers:

Real-World Dataset: De studie maakt gebruik van 252 echte DC-laadsessies van Fastned, die 52 EV-merken en 141 verschillende Power–SoC-gedragingen beslaan. Deze profielen variëren van batterijcapaciteiten van 18,7 kWh tot 111,2 kWh en pieklaadvermogens van 35 kW tot 403 kW.
Profielreconstructie: Om consistentie te waarborgen, worden incomplete ruwe telemetriegegevens gereconstrueerd tot volledige 1–100% SoC-trajecten. Lineaire extrapolatie wordt toegepast bij de grenzen met een minimaal vermogensvloer om trends te behouden zonder kunstmatige aannames te doen.
Synthetische Ontlaadmodellering: Gezien het gebrek aan real-world Vehicle-to-Grid (V2G) data, worden synthetische ontlaadprofielen gegenereerd. Deze zijn afgeleid van gemeten laadcurves met behulp van een voltage-gelimiteerd batterijmodel. De methode gebruikt spiegelmapping rond een centrale SoC (50%), amplitude-schaling, zachte piekvermogensbeperking (90ste percentiel) en ramp-rate limiting om fysiek plausibele, conservatieve ontlaadomveloppen te creëren.
Flexibiliteitsformulering:
- Unidirectionele Flexibiliteit: Gedefinieerd als de maximale verschuifbare laadenergie binnen een specifiek tijdsvenster ( $\Delta t$ ) terwijl de uiteindelijke doel-SoC behouden blijft. Een sliding-window analyse identificeert de boven- en ondergrenzen van de energie die temporeel kan worden herverdeeld.
- Bidirectionele Flexibiliteit: Gedefinieerd als de maximale extraheerbare ontlaadenergie gevolgd door een herlading naar de doel-SoC. Dit wordt beperkt door:
  1. Tijdshaalbaarheid: De ontlading en de daaropvolgende herlading moeten passen binnen de beschikbare vrije tijd.
  2. Batterijbescherming: Beperkingen omvatten een minimale SoC-limiet ( $SoC_{prot}$ ) en een maximale ontladingsdiepte ( $\Delta SoC_{max} = 60\%$ ) per sessie om overmatige degradatie te voorkomen.
Vloot-aggregatie: Het kader aggregeert resultaten van individuele EV's om vlootbrede flexibiliteitsgrenzen, haalbaarheidskaarten en statistische indicatoren (bijv. haalbaarheidspercentages, genormaliseerde flexibiliteit) te genereren.

3. Belangrijkste Bijdragen

Het artikel levert vier primaire bijdragen aan de huidige stand van zaken:

Omvattend BMS-bewust Dataset: De creatie van een verenigde dataset van 141 verschillende Power–SoC trajecten afgeleid van 252 echte fast/ultra-fast laadsessies, gecategoriseerd in drie groepen op basis van laadcapaciteit (Standard Fast, High-Power Fast, en Ultra-Fast).
Systematische Prestatie-evaluatie: Een systematische analyse van laadprestaties over diverse lader-ratings (7–480 kW), waarbij de afnemende meeropbrengst van hogere ladervermogens wordt gekwantificeerd door BMS-verzadiging, met name in het 80–100% SoC bereik.
Data-gestuurde Intra-sessie Flexibiliteitsmetrieken: De introductie van sliding-window metrieken om verschuifbare energie en genormaliseerde SoC-flexibiliteit te schatten, wat een empirische beoordeling biedt van het flexibiliteitspotentieel zonder te vertrouwen op willekeurige vermogenscontrole-aannames.
Gebonden Bidirectioneel Flexibiliteitskader: Een nieuwe methode om de grenzen van bidirectionele flexibiliteit te schatten met alleen laadgegevens. Door geschaalde symmetrie-gebaseerde ontlaadomveloppen te combineren met window-gebaseerde energiemetrieken, biedt de studie realistische grenzen voor extraheerbare energie onder idle-time en batterij-beschermingsbeperkingen.

4. Belangrijkste Resultaten

Laaddynamiek: De laadtijd in het 20%–80% SoC bereik daalt met meer dan 60% vergeleken met de volledige cyclus, en het gemiddelde vermogen neemt met wel 40% toe. Echter, laden voorbij 80% SoC levert beperkte winst op in snelheid vanwege door het BMS opgelegde vermogensafname (tapering).
Unidirectionele Flexibiliteit: Flexibiliteit is geen vast vermogensreserve, maar een energie-gebonden capaciteit. Korte vrije vensters (5–10 minuten) staan enkele procentpunten SoC-variatie toe, terwijl vensters van 20 minuten of meer de haalbare energieverschuivingsrange aanzienlijk vergroten.
Bidirectionele Flexibiliteit: De maximale extraheerbare ontlaadenergie is sterk afhankelijk van de activatietiming en de beschikbare vrije tijd. De studie vindt dat de extraheerbare energie tweemaal de waarde kan overstijgen, afhankelijk van wanneer de flexibiliteitsmanoeuvre wordt geïnitieerd.
Beperkingen: Batterijbeschermingsbeperkingen (specifiek de 60% ontladingsdiepte-limiet) en vrije tijd zijn de dominante limiterende factoren. Voor korte vrije periodes is de haalbaarheid tijd-beperkt; voor langere vrije periodes is deze batterij-beperkt.
Vlootheterogeniteit: Er is een aanzienlijke variabiliteit binnen de vloot. Sommige ultra-fast charging voertuigen vertonen zelfs met lange vrije tijden een beperkt bidirectioneel potentieel, terwijl anderen aanzienlijk meer energie kunnen extraheren, wat de noodzaak voor vloot-aggregatie in plaats van uniforme modellering benadrukt.

5. Betekenis en Claims

Het artikel claimt dat EV-flexibiliteit in de context van fast en ultra-fast laden niet moet worden geïnterpreteerd als een controleerbare vermogensbron, maar als een gebonden, toestand-afhankelijke en tijd-gekoppelde energiecapaciteit.

Operationele Realiteit: De studie stelt dat de fysiek haalbare flexibiliteit gezamenlijk wordt bepaald door de EV-specifieke Power–SoC kenmerken, de beschikbare aansluitingstijd buiten de verplichte laadduur, en batterijbeschermingslimieten.
Actiegerichte Limieten: Het voorgestelde kader biedt actiegerichte onder- en bovengrenzen (LB/UB) voor flexibiliteit. Deze grenzen definiëren het haalbare gebied voor elk toelaatbaar laad- of ontlaadtraject, waardoor systeembeheerders en aggregators realistische limieten krijgen voor planning, peak shaving en kortdurige flexibiliteitsdiensten.
Strategische Implicatie: De bevindingen suggereren dat strategieën om waarde te extraheren uit EV-flexibiliteit prioriteit moeten geven aan connectiebeheer (bijv. het beheren van vrije tijd) boven simpelweg het verhogen van de ladervermogensratings. Bovendien moeten energiediensten gericht op fast-charging EV's worden ontworpen rond het midden-SoC window (20–80%), waar de vermogensniveaus hoog zijn en de BMS-beperkingen minder restrictief zijn.
Methodologische Verschuiving: Door het perspectief te verschuiven van "controleerbaar vermogen" naar "realiseerbare energiegrenzen", biedt het kader een fysiek consistente basis voor de integratie van EV's in systeemniveau-studies, waarbij de valkuilen van het overschatten van de dispatchbaarheid inherent aan vereenvoudigde modellen worden vermeden.

Het artikel concludeert dat hoewel het kader praktische kwantificering van flexibiliteit mogelijk maakt zonder directe V2G-metingen, toekomstig werk vereist is om deze grenzen te vertalen naar real-time operationele instrumenten en om de analyse uit te breiden naar zware transportsectoren en haven-gebaseerde elektrificatie-toepassingen.