Refine
Document Type
- Article (2)
Institute
Has Fulltext
- yes (2)
Is part of the Bibliography
- yes (2)
Keywords
Verbraucherseitige Laststeuerung (Demand Side Management – DSM) wird als ein möglicher Ansatz betrachtet, um die Auswirkungen des Ausbaus von fluktuierenden Erneuerbaren im Stromnetz auszugleichen. Sollen viele verteilte Energiesysteme damit angesprochen werden, stellen zentralistische Ansätze dabei hohe Anforderungen an die Kommunikationsinfrastruktur. Als Alternative wird vielfach eine autonome Laststeuerung (ADSM) mit anreizbasierter Optimierung direkt auf dem Verbrauchergerät betrachtet. Dabei kann die Anreizfunktion mittels unidirektionaler Kommunikation übertragen werden.
Am Forschungszentrum Energie der Fachhochschule Vorarlberg wurden in den letzten Jahren Algorithmen und Prototypen für den Einsatz von ADSM auf verschiedensten verteilten Energiespeichern im elektrischen Stromnetz entwickelt. Dabei werden sowohl thermische Energiespeicher (z. B. Haushalts-Warmwasserspeicher) als auch elektrochemische Speicher (z. B. Batteriespeichersysteme oder Elektroautos) betrachtet. Außerdem werden die Auswirkungen solcher Systeme auf das elektrische Verteilnetz untersucht. Dieser Artikel gibt einen Überblick über die entwickelten Methoden und Ergebnisse aus diesem Forschungsfeld mit dem Ziel, ein weitreichendes Verständnis für die Chancen und Grenzen des ADSM zu schaffen.
Increasing electric vehicle penetration leads to undesirable peaks in power if no proper coordination in charging is implemented. We tested the feasibility of electric vehicles acting as flexible demands responding to power signals to minimize the system peaks. The proposed hierarchical autonomous demand side management algorithm is formulated as an optimal power tracking problem. The distribution grid operator determines a power signal for filling the valleys in the non-electric vehicle load profile using the electric vehicle demand flexibility and sends it to all electric vehicle controllers. After receiving the control signal, each electric vehicle controller re-scales it to the expected individual electric vehicle energy demand and determines the optimal charging schedule to track the re-scaled signal. No information concerning the electric vehicles are reported back to the utility, hence the approach can be implemented using unidirectional communication with reduced infrastructural requirements. The achieved results show that the optimal power tracking approach has the potential to eliminate additional peak demands induced by electric vehicle charging and performs comparably to its central implementation. The reduced complexity and computational overhead permits also convenient deployment in practice.