Titelaufnahme

Titel
Entwicklung von Lastprognosemodellen für rein elektrisch betriebene Fahrzeuge / von Martin Zinggl
Weitere Titel
Development of charging demand forecast models for battery electric vehicles
VerfasserZinggl, Martin
Begutachter / BegutachterinGawlik, Wolfgang ; Litzlbauer, Markus
ErschienenWien 2016
Umfang132 Seiten
HochschulschriftTechnische Universität Wien, Univ., Diplomarbeit, 2016
Anmerkung
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprueft
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheDeutsch
DokumenttypDiplomarbeit
Schlagwörter (DE)Lastprognose / Elektrofahrzeuge / Ladeprofile / Modellierung
Schlagwörter (EN)Demand prognosis / electric vehicles / charging profiles
URNurn:nbn:at:at-ubtuw:1-8189 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Entwicklung von Lastprognosemodellen für rein elektrisch betriebene Fahrzeuge [14.5 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Durch die steigende Anzahl von elektrisch betriebenen Fahrzeugen wächst der Bedarf an elektrischer Leistung, wodurch es zu einem Anstieg der Lastspitzen im Versorgungsnetz kommt. Dies führt zu einer höheren Auslastung des Netzes sowie zu höheren Kosten, da mehr Kraftwerke benötigt werden, welche diesen erhöhten Leistungsbedarf decken. Deshalb ist es sinnvoll, eine Laststeuerung (engl. -Demand Side Management-, kurz DSM) einzusetzen, wodurch eine Lastverschiebung und somit eine Verringerung der Lastspitzen erreicht werden kann. Für den Einsatz von DSM ist es erforderlich, dass die benötigten Energiemengen im Vorhinein bekannt sind. In dieser Arbeit werden mit Hilfe der Software MATLAB zwei Modelle entwickelt, mit denen der Energiebedarf von privat- beziehungsweise dienstlich genutzten Elektrofahrzeugen zeitlich und energetisch prognostiziert werden kann. Die verwendeten Daten wurden von der Modellregion Köstendorf aus Salzburg und von der Firma VLOTTE, deren Sitz in Vorarlberg ist, zur Verfügung gestellt. Die entwickelten Prognosemodelle sollen eine Vorhersage des Energiebedarfs für den aktuellen sowie den folgenden Tag ermöglichen, wobei als Schrittweite eine Stunde gewählt wird. Zuerst werden die vorliegenden Daten analysiert. Es wird sich zeigen, dass in beiden Datenmengen Aufzeichnungsfehler vorkommen. Danach erfolgt eine Bereinigung und Aufbereitung der Daten, sodass sie als Datengrundlage zur Prognoseerstellung verwendet werden können. Im Zuge dieser Datenaufbereitung werden die geladenen Energiemengen aufsummiert, wodurch regelmäßige Verläufe ohne große Sprünge entstehen. Die bereinigten Datenmengen dienen als Grundlage zur Untersuchung verschiedener gängiger, in der Literatur zu findender Prognoseverfahren. Dabei wird erörtert, dass nicht alle Verfahren, welche im Theorieteil dieser Arbeit besprochen werden, zur Prognose der vorhandenen Datenmengen geeignet sind. Bei der Prognose wird die Änderung der gesamten aufsummierten geladenen Energiemenge erstellt, woraufhin durch Rückrechnung der jeweilige Tages- beziehungsweise Stundenenergiewert ermittelt wird. Im Anschluss daran werden die beiden Modelle, bei denen verschiedene Parameter wie etwa das verwendete Prognoseverfahren variiert werden können, in MATLAB implementiert und die Ergebnisse dargestellt. Es erfolgt eine Erläuterung darüber, dass zufriedenstellende Prognosen der Energiebedarfe von ganzen Tagen aufgestellt werden können. Des Weiteren ist es möglich Stundenprognosen zu erstellen, was allerdings nur dann Ergebnisse mit geringen Fehlern liefert, wenn Fahrzeuge regelmäßig benutzt werden. Ist dies nicht der Fall, so treten in den aufsummierten geladenen Energiemengen, welche bei der Prognoseerstellung als Datengrundlage dienen, vermehrt sprunghafte, ungregelmäßige Änderungen auf. Dies führt zu größeren Prognoseabweichungen und somit zu höheren Prognosefehlern. Zum Abschluss wird die Verwendung eines Reservierungssystems in Verbindung mit dienstlich genutzen Elektrofahrzeugen erläutert. Dabei werden der prinzipielle Aufbau und die Vorteile eines solchen Systems genauer betrachtet.

Zusammenfassung (Englisch)

An increasing use of electronically driven vehicles has led to a rise in the demand of electricity. This has caused increased peak loads in the supply network. A higher utilization as well as higher costs are an effect of these described changes, as more power plants are needed to cover this elevated power demand. A constructive solution for this problem is the use of demand side management (DSM). With the help of DSM, a load transfer as well as reduction in load peaks of the supply network can be achieved. In order to be able to use DSM, it is necessary to know the required energy amounts in advance. With the help of the software MATLAB, this paper develops two models for predicting the energy demand of privately as well as officially used electronic vehicles with regard to time and energy. The used data is provided by the model region Köstendorf in Salzburg and by the company VLOTTE, which is located in Vorarlberg. The developed forecast model shall allow a prediction of the energy amount of the current as well as the following day, for which the increment is determined as an hour. First, the provided data will be analysed. This will show that record errors exist in both datasets. After that, adjustment and preparation of the data will enable the use of the data as basis for creating a forecast. In the course of this preparation the recorded energy amounts will be added to ensure constant progressions without significant jumps. The adjusted data will serve as basis for examining various common forecasting methods, which are also found in specialist literature. It will be explained that not all procedures discussed in the first part of this paper are suitable for prognosis in relation with the provided data. For creating the forecast, all loaded energy amounts will be added and adjusted. In a next step, the daily as well as the hourly energy value will be identified via back-calculation. Both mentioned models, which allow a varied use of the forecasting procedure-s parameters, will be implemented in MATLAB and will thus allow a depiction of outcomes. Following that, it will be explained that the most successful forecasts of energy demands can be done for whole days. Doing forecasts on an hourly basis is possible, but only leads to outcomes with low error rates if vehicles are used regularly. If this is not the case, the data base, which are the added loaded energy amounts, tend to show irregularities and changes. This leads to higher forecasting deviations and also to higher forecasting errors. As a final step, the use of a reservation system in relation to officially used electronic vehicles will be illustrated by giving an explanation of its basic structure and its advantages.