Revolutionaire Laad- en Ontlaadplanningstrategie voor EV’s: Een Doorbraak in V2G-Technologie
De snelle verspreiding van elektrische voertuigen (EV’s) is uitgegroeid tot een hoeksteen in de globale overgang naar duurzame energie, en biedt een veelbelovende oplossing om energietekorten en milieuverontreiniging te verminderen. Echter, de oncoördineerde oplaading van een groot aantal EV’s vormt grote uitdagingen voor de stabiliteit en betrouwbaarheid van elektriciteitsnetten, wat leidt tot grotere piek-dal lastverschillen en lagere lastfactoren. Om deze problemen aan te pakken, presenteert een baanbrekend onderzoek getiteld Charge and Discharge Scheduling Strategies for Electric Vehicle Double-Layer Optimization Models een nieuwe benadering die de behoeften van zowel elektriciteitsnetten als EV-gebruikers verenigt — een belangrijke vooruitgang in Voertuig-naar-net (V2G)-technologie.
Het onderzoek gaat in op het kritieke probleem van onbestuurde EV-oplaading, wat een aanhoudende zorg is voor netbeheerders. Naarmate de adoptie van EV’s stijgt — met de bezitstelling van nieuwe energieveertuigen in China die tegen het einde van 2023 20,41 miljoen bereikte (6,07% van het totale voertuigbezit) en pure elektrische voertuigen die 76,04% van dat aantal vertegenwoordigden — is de invloed van ongecontroleerde oplaading op de netstabiliteit steeds duidelijker geworden. Traditionele tariefstrategieën op basis van gebruikstijd (TOU), hoewel ze proberen gebruikers te leiden tot oplaading tijdens piekloze uren, leiden vaak tot nieuwe lastpieken wanneer een groot aantal EV’s zich tijdens deze laagtarievenperioden verzamelen. Ondertussen hebben bestaande multi-objectieve optimalisatiestrategieën moeite gehad om bevredigende piekkuis- en dalvullingseffecten te bereiken, met problemen zoals suboptimale gewichtscoëfficiënten bij het wegen van doelfuncties en lage gebruikersparticipatie die hun effectiviteit belemmeren.
Om deze beperkingen te overwinnen, stelde het onderzoeksteam een dubbel-laags optimalisatiemodel voor dat rekening houdt met de dubbele eisen van het elektriciteitsnet en de EV-gebruikers. De eerste laag is gericht op het minimaliseren van de dagelijkse lastvariantie van het net, met als doel de lastcurve te vlakken en de piek-dal verschillen te verminderen — cruciaal voor het behoud van de netstabiliteit, aangezien overmatige fluctuaties de netinfrastructuur belasten en het risico op storingen vergroten. De tweede laag richt zich op het gebruikersperspectief: met de dubbele doelstellingen om de oplaadkosten voor EV-eigenaren te minimaliseren en een voldoende ladingstoestand (SOC) te garanderen om aan hun reizenbehoeften te voldoen. Door beide aspecten te overwegen, tracht de strategie een win-win-scenario te creëren waarin de netbetrouwbaarheid wordt verbeterd terwijl de gebruikerskosten dalen — waardoor de wil van gebruikers om deel te nemen aan V2G-programma’s wordt verhoogd.
Een sleutelinnovatie van deze studie ligt in het gebruik van een verbeterd algoritme voor partikelzwermoptimalisatie-gesimuleerde tempering (PSO-SA) om het dubbel-laags model op te lossen. Het standaard PSO-algoritme is efficiënt maar vatbaar voor lokale optima, vooral bij grote aantallen EV’s. Het SA-algoritme excelleert in het ontsnappen aan lokale optima maar is langzamer. Door beide te combineren, gebruikt het verbeterde PSO-SA eerst PSO om snel naar een bijna optimale oplossing te convergeren, vervolgens SA om deze te verstoren en te optimaliseren — waardoor effectief uit lokale optima wordt gesprongen om een betere globale oplossing te vinden. Deze hybride aanpak verbetert zowel de efficiëntie van het optimalisatieproces als de nauwkeurigheid van de resultaten, en is daardoor geschikt voor het complexe probleem van EV-laad- en ontlaadplanning.
Om de effectiviteit te valideren, voerden de onderzoekers simulaties uit met Matlab, gebaseerd op parameters van een wijk in Chongqing. De simulatie betrof 1.500 EV’s met een accu-capaciteit van 35 kWh, een laadvermogen van 7 kW en een laadefficiëntie van 90%. De TOU-tarieven voor Chongqing dienden als referentie (piek: 0,64 yuan/kWh, vlak: 0,54 yuan/kWh, dal: 0,36 yuan/kWh). Met de Monte Carlo-methode werden de laad- en ontlaadscenario’s over 96 tijdsegmenten (elk 15 minuten) per dag gesimuleerd.
De resultaten toonden opvallende verbeteringen ten opzichte van bestaande strategieën. Wat het net betreft, daalde het piek-dal verschil van de dagelijkse lastcurve (een sleutelindicator voor netstabiliteit) drastisch: de TOU-strategie leverde 3.251,44 kW, de multi-objectieve strategie 2.340,90 kW, maar de dubbel-laags strategie bereikte slechts 1.682,79 kW — een reductie van 48,24% t.o.v. TOU en 28% t.o.v. de multi-objectieve aanpak. De dagelijkse lastvariantie (meting van fluctuaties) daalde met 51,6% t.o.v. TOU en 19,75% t.o.v. de multi-objectieve strategie, wat een veel vlakkere en stabielere lastcurve betekent.
Vanuit het gebruikersperspectief waren de voordelen even indrukwekkend: de gemiddelde oplaadkosten per EV bij onbestuurde oplaading bedroegen 12,01 yuan. De multi-objectieve strategie reduceerde dit tot 9,97 yuan, de dubbel-laags strategie tot 9,05 yuan — een besparing van 24,63% t.o.v. onbestuurde oplaading en 9,18% t.o.v. de multi-objectieve aanpak. Deze kostenbesparingen stimuleren niet alleen individuele gebruikers, maar ook een grotere participatie in V2G-programma’s — essentieel voor de wijdverbreide adoptie.
Een andere opmerkelijke voorsprong is het vermijden van nieuwe lastpieken, een nadeel van de TOU-strategie. De simulatie toonde aan dat TOU wel een piekkuiseffect had tijdens 18:00-21:00, maar leidde tot een nieuwe piek tussen 10:15 en 3:00 de volgende dag. De dubbel-laags strategie gladde deze fluctuaties uit, waardoor geen nieuwe pieken werden gevormd en de lastcurve evenwichtiger was.
Het succes van het model komt door zijn gestructureerde aanpak van conflicterende behoeften: door optimalisatiedoelstellingen in twee lagen te scheiden en resultaten iteratief te feedbacken, wordt zowel de netstabiliteit als de economische belangen van gebruikers behouden. De eerste laag zorgt voor veilige netwerking, de tweede voor kostenminimalisatie en gebruikersprikkels — een cyclus waarin netbetrouwbaarheid, kostenbesparingen en participatie elkaar versterken.
Het verbeterde PSO-SA-algoritme speelde een cruciale rol: het combineerde de snelheid van PSO met de nauwkeurigheid van SA, en leverde daardoor superieure prestaties in convergentie en optimalisatie. Dit maakt het geschikt voor de complexe, dynamische natuur van EV-planning, waar grote aantallen variabelen en beperkingen een rol spelen.
Kijkend naar de toekomst, heeft dit onderzoek belangrijke implicaties voor V2G-technologie en de integratie van EV’s in slimme netten. Met projecties dat nieuwe energieveertuigen tegen 2026 meer dan 50% van de marktaandeel zullen innemen, worden effectieve planningstrategieën cruciaal. De dubbel-laags aanpak kan worden geschaald voor grotere aantallen EV’s en aangepast aan regionale tarieven en netcondities. Daarnaast voegt de inclusie van accudegradatiekosten in de tweede laag een realistische dimensie toe, waardoor de strategie niet alleen nauwkeuriger is maar ook bijdraagt aan duurzamere V2G-beleidsregels.
Kortom, het onderzoek van MA Yongxiang, WANG Xixin, YAN Qunmin, KONG Zhizhan en DAN Wenguo (van de Shaanxi University of Technology, Shaanxi Electric Power Company en Ulanqab Electric Power Bureau) vertegenwoordigt een belangrijke stap voorwaarts in EV-laad- en ontlaadplanning. De dubbel-laags optimalisatiestrategie, gecombineerd met het verbeterde PSO-SA-algoritme, evenwichtigt netbehoeften en gebruikersinteresses, vermindert piek-dal verschillen, verlaagt kosten en voorkomt nieuwe lastpieken.
Gepubliceerd in het Journal of Chongqing University of Technology (Natural Science) (Vol. 38, Nr. 2, 2024, doi: 10.3969/j.issn.1674-8425(z).2024.02.029), biedt dit onderzoek een praktische en efficiënte oplossing voor de integratie van grote aantallen EV’s in het net — terwijl stabiliteit en economische werking worden gegarandeerd. Terwijl de wereld doorgaat met de overgang naar een laag koolstoftoekomst, zullen dergelijke innovaties een cruciale rol spelen bij het maximaliseren van de voordelen van EV’s en het bevorderen van slimme, duurzame energiesystemen.