Im Projekt DIVERGENT werden Methoden und Algorithmen erforscht, die ein bidirektionales Laden von Elektrofahrzeugen unter Berücksichtigung der optimalen Nutzung von erneuerbaren Energien und Konzepten zur Glättung von Lastspitzen im Netz ermöglichen.
Geparkte Elektrofahrzeuge (Electric Vehicles, EVs) stellen eine vielversprechende Ressource für die Speicherung fluktuierender erneuerbarer Energie dar. Smartes bidirektionales Laden (Smart Bidirectional Charging, SBC) - also der Austausch relevanter Informationen über Datenverbindungen zwischen Fahrzeug, Ladestation und dem lokalen Energienetzwerk – eröffnet in diesem Kontext die Möglichkeit, das gesamte Netzwerk lokal zu steuern, sodass durch die Nutzung der Fahrzeugbatterie einerseits Leistungsspitzen auf Verbraucherebene (und indirekt auf konventioneller Energieerzeugungsebene) vermieden und andererseits "überschüssige, vorhandene" erneuerbare Energie optimal genutzt werden kann.
Im Rahmen von DIVERGENT erforschen wir dezentrale Entscheidungsfindungsmethoden und -algorithmen zur Unterstützung dieses intelligenten, bidirektionalen Ladens von Elektrofahrzeugen. Als Basis für die Erforschung unserer Entscheidungsfindungsmethoden werden sowohl klassische Entscheidungsalgorithmen sowie Ansätze auf der Grundlage von "Multi-Agenten Reinforcement Learning" (MARL) und/oder anderen maschinellen Lernmethoden dienen. Im Kontext der Berücksichtigung einer umfassenden Entscheidungsgrundlage beschäftigen wir uns in DIVERGENT weiters mit den Bereichen der Fahrzeugnutzungssimulation, der Modellierung des EV-Nutzerverhaltens sowie des Energiemanagements, um insbesondere relevante und entscheidende Anforderungen der Stakeholder realistisch und effektiv abbilden sowie auswerten zu können.
Auf der Grundlage unserer Ergebnisse wird ein Wechselstrom-SBC-Labordemonstrator entwickelt, aufgebaut und evaluiert, der den bidirektionalen Energie- und Datenfluss zwischen der EV-Batterie, dem OBC (OnBoard Charger), der automatisierten AC (Alternating Current)-Ladetechnologie und dem lokalen (Haushalts-)Netz simuliert.
Zusammenfassend sollen im Zuge von DIVERGENT folgende Ergebnisse erzielt werden:
- Entscheidungsfindungsmethoden, die eine bidirektionale und dynamische Steuerung des Ladeprofils unterstützen und in weiterer Folge
- das Energieverbrauchsmuster von Haushalten/Gebäuden, die mit bidirektionalen Ladegeräten ausgestattet sind, optimieren und
- Lastspitzen vermeiden, die durch gleichzeitiges Laden und Entladen von Elektrofahrzeugen verursacht werden.
- Methoden zur Abschätzung des Batteriegesundheitszustands sowie zur Prognose der verbleibenden Batterienutzungsdauer, um die Bewertung und Vorhersage der Auswirkungen von bidirektionalen Ladevorgängen auf die Batterie zu ermöglichen.
- Entwicklung eines Labor-Demonstrators zur Integration und Evaluierung der Softwareprototypen für (a) den Electric Vehicle Communication Controller (EVCC) und (b) den Supply Equipment Communication Controller (SECC).