A Stochastic Simulation Tool for Generating Hourly Load Profiles for Residential EV Charging, Based on Real-World Charging Reports

Antall elbiler i Norge øker fort. For planlegge og drifte det langsiktige kraftsystemet og analysere elbilers effekt på strømnettet trengs gode modeller som kan simulere realistiske lastprofiler. I tillegg trengs slike modeller for å analysere optimale ladestrategier for elbiler. Målet for denne oppgaven har vært å utvikle en modell som kan brukes til å simulere realistiske timesbaserte lastprofiler for dum privat hjemmelading, basert på faktiske elbil-ladedata. Dataene som er brukt er laderapporter fra ladeoperatører som gir informasjon om dato, brukertype, bruker-ID, plug-inn og plugg-ut tid, tilkoblingstid og ladet energi for hver målte ladingsøkt. Dataene viser at ladevaner avhenger av elbiltype og dagtype. Dette er tatt hensyn til i modellen. Modellen er en stokastiske bottom-up-modell, og simulerer lastprofiler for elbiler ladet hjemme i Norge gjennom et år. Lastprofilene avhenger av to typer elbiler definert som "stor elbil" og "liten elbil", og henviser til batteristørrelsen til bilen. Modellen kan simulere lastprofiler for hvilket som helst antall elbiler og sammensetning av elbiltyper. I tillegg gis informasjon for plug-in- og plugg-ut tid, energi ladet, ladefrekvens og antall timer elbilen er koblet til uten å lade. For å analysere og evaluere modellen som er utviklet brukes det tre forskjellige case til å simulere lastprofiler for 1000 elbiler: BASE, LOW, og HIGH. I LOW er alle elbiler antatt til å være "liten elbil" med en lav maksimal ladeeffekt på 3,6 kW. I HIGH er alle elbiler antatt til å være "stor elbil" med en høy maksimal ladeeffekt på 7,2 kW. I BASE reflekterer batteristørrelse og maksimal ladeeffekt sammensetningen av elbiler slik den er i dataene, og er en kombinasjon av de to andre casene. De aggregerte lastprofilene har samme form i alle de tre tilfellene, og den gjennomsnittlige toppeffekten inntreffer på samme tid for de ulike dagtypene: mellom klokken 17 og 18 i ukedagene, mellom klokken 18 og 19 på lørdager, og mellom klokken 19 og 20 på søndager. Siden lastprofilene er basert på dum lading, vil de reflektere distribusjonen av ulik plug-in tid for de ulike dag-typene. Effekttoppen og det årlige energibehovet er størst i HIGH og minst i LOW. BASE ligger mellom de to. Resultatene validerer at modellen tar hensyn til faktorer som ladefrekvenser og energibehov, og at disse er avhengig av elbiltype. Dette vises også i antall timer ladere er koblet til nettet uten å lade og hvor mye energi som kan flyttes i tid. Selv om LOW har flere timer koblet til nettet uten å lade, har HIGH mer energi som kan flyttes i tid. For å ytterligere vurdere modellen er det også laget lastprofiler for de samme casene med fleksibel lading. Her betyr fleksibel lading at energien som lades fordeles likt over tilkoblingstiden. Sammenlignet med dum lading reduseres effekttoppene kraftig, med 35-38%. I tillegg inntreffer nå effekttoppene om natten i alle de tre tilfellene. Det er en oppfatting at elbiler med store batterier og høy maksimal ladeeffekt er foretrukket dersom elbiler skal brukes som en fleksibel last i nettet. Gjennom denne oppgaven, sees det at elbiler med disse egenskapene har flere timer koblet til nettet uten å lade. Skal elbiler planlegges til å brukes som en fleksibel last, er det viktig å være klar over denne trenden. Alt i alt gir modellen realistiske resultater. Likevel, for å gjøre den mer robust, bør mer ladedata analyseres og inkluderes