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

技术摘要：非道路移动机械领域 V2G 的经济与技术可行性

问题陈述
本文探讨了将车辆到电网（V2G）技术整合进非道路移动机械（NRMM）领域的潜力，特别关注租赁服务模式下的电动拖拉机。虽然 V2G 在乘用车和电动巴士车队中已有深入研究，但在 NRMM 中的应用仍缺乏调查。作者认为，NRMM 车队相比私人电动汽车具有独特的优势，包括可预测的使用调度和较高的闲置时间，这缓解了诸如里程焦虑和停车不确定性等常见障碍。核心问题在于，如何确定利用这些通常处于闲置状态的资产来提供电网服务、通过价格感知充电优化能源成本并降低电网峰值负荷，同时完成必要的能源基础设施（光伏、固定式储能和充电设备）的规模配置，其经济与技术可行性。

方法论
本研究采用了一种新颖的两层模拟与优化框架，用于评估位于德国阿尔登霍芬（Aldenhoven）的一个租赁经销商处的十台电动拖拉机车队。

• 内层（运行优化）： 该层使用 MATLAB 中的线性规划（LP）求解器模拟车队的每日及每周运行。其目标是通过优化拖拉机和电池储能系统（BESS）的充放电调度，使年度电力成本最小化。该模型包含：

  • 使用概况： 三种不同的每周租赁用例（长期周租、日租和周末租），确保拖拉机在出发时电量（SoC）为 100%，返回时为 5%。
  • 能源组件： 光伏（PV）系统、电池储能系统（BESS）、双向电动汽车供电设备（EVSE）以及经销商建筑负载。
  • 成本函数： 最小化能源购买成本（基于动态日前价格）减去能量馈入收入（设定为购买价格的 90%，以考虑损耗并抑制低效交易）的总和，同时受功率限制和 SoC 约束。
  • 简化假设： 模型假设组件效率为 100%，具备对未来价格和车辆调度的完美预知能力（完全预知），并忽略了模拟过程中的组件老化。

• 外层（通过贝叶斯优化进行基础设施规模配置）： 贝叶斯优化（BO）算法迭代搜索多维参数空间，以寻找能源基础设施的最优规模配置。BO 优化以下各项：

  • 峰值光伏功率容量。
  • 电池储能系统（BESS）容量。
  • 最大电网连接功率。
  • EVSE 配置（针对每种用例的功率额定值以及单向或双向能力）。
    BO 最小化总成本（$c_{Tot}$），即内层计算出的累计电费与组件资本成本（基于寿命折旧）之和。BO 内部包含一个误差模型，会对违反最大电网功率限制的配置进行惩罚，从而确保方案的可行性。

主要贡献

1. 新颖的应用场景： 本文引入了专门针对 NRMM 租赁车队的 V2G 集成，强调了该领域由于其可预测的调度和集中式充电而具有的适用性。
2. 集成优化框架： 提出了一种结合用于制定运行策略的能量管理系统（EMS）与用于基础设施规模配置的贝叶斯优化的研究方法。该方法避免了训练神经网络或进行详尽实验设计（DoE）的高昂计算成本，同时能有效处理复杂的非线性参数空间。
3. 租赁模式的经济分析： 研究量化了集合式电动 NRMM 车队的财务潜力，证明了协调的 V2G 策略如何在不同的所有权结构（租赁型对比私人拥有型）下产生收入并降低成本。

结果
经过 51 周的模拟和 100 次 BO 迭代，研究得出以下发现：

• 最优配置： BO 确定了一个由 133.9 kWp 光伏系统、99.0 kWh BESS、69.4 kW 电网连接以及为所有拖拉机配备 11 kW 双向充电器组成的配置。
• 成本表现： 优化后的系统实现了平均 0.068 欧元/kWh 的电价。在模拟的一年中，尽管投入了双向硬件的资本支出，经销商仍通过能源交易（销售收入减去购买成本）实现了 695 欧元的净利润。
• 运行行为： EMS 成功地将拖拉机（特别是用例 3 中的拖拉机）作为临时储能单元使用，在低价或光伏发电高峰时段充电，并在高价时段放电，其行为类似于 BESS。系统始终保持了所有车辆出发时所需的 100% SoC。
• 监管注意事项： 作者指出，其经济可行性取决于固定电网费用和可再生能源税（目前适用于电力消耗而非馈入）得到改革的假设。如果没有取消这种“双重征税”，V2G 的经济效益可能会被抵消。

意义与主张
本文声称，结合 V2G 和智能能源管理，电动化 NRMM 不仅在环境方面有益，而且在经济上也是可行的。研究表明，租赁车队的预测性使其成为电网交互的理想对象，有望提供类似于电动巴士车队的效益。

然而，作者对其发现保持了审慎的态度。他们明确指出，本研究存在以下局限性：

• 缺乏电动 NRMM 的真实运行数据。
• 简化模型忽略了组件老化、转换损耗以及监管不确定性。
• 存在对车辆调度和能源价格的完全预知假设。

因此，本文得出结论：尽管该方法论和初步结果具有前景，但仍需要进一步的研究，利用真实世界的数据来验证这些发现，完善模型以提高准确性，并解决目前阻碍该领域广泛采用 V2G 的监管挑战——特别是针对双向能量流的征税问题。