Algoritmer ger snabbare och effektivare elbilsladdning

torsdag, oktober 4, 2018

När elbilarna blir allt vanligare gäller det att undvika överbelastning i det lokala elnätet när många bilägare vill ladda samtidigt. Genom smart styrning av laddningen kan man också utnyttja elnätet mer effektivt. Med rätt algoritmer för laddningen vill forskarna se till att elnätet kan hållas i balans.

Joakim Munkhammar är docent och leder forskningen i Electric Transport Group, Uppsala universitet och är engagerad i Swedish Electromobility Centre. Han och forskarkollegorna arbetar med att hitta optimala modeller för smart laddning av elfordon.

”Smart” i detta fall innebär att laddningen styrs utifrån algoritmer, för att uppnå förändring av det annars förväntade laddmönstret. Fördelen är att smart elbilsladdning ska kunna minimera risken för överbelastning av det lokala elnätet, samtidigt som laddningsmodellen under tider av låg belastning ska kunna utnyttja mer kapacitet för laddningen, jämfört med standardladdning utan styrning.

– Konventionell okontrollerad elbilsladdning kan leda till problem med det lokala elnätet. Alternativt kan det vara sub-optimalt att inte använda kvarvarande effektmöjligheter i det lokala elnätet för elbilsladdning. Detta forskningsprojekt bygger på att ta fram modeller eller algoritmer för smart elbilsladdning som ska kunna få laddningen att undvika lokala problem i elnätet samtidigt som de också, vid andra tidpunkter, kan ladda elbilar snabbare än vid okontrollerad laddning, berättar Joakim Munkhammar.

Den stora utmaningen inom området är att skapa algoritmer som fungerar väl och är robusta – och som kopplar direkt till existerande teknologi inom industrin. Därför är forskningen är nära knuten till både energi- och fordonsbranschen, i form av Vattenfall RnD och CEVT.

– Tanken är att koppla detta närmare till industrin än vad som gjorts tidigare, och då anknyta till CEVT och Vattenfall RnD genom att skapa algoritmer som går att implementera i existerande teknologi. Vägen dit är att skapa modeller eller algoritmer för detta, validera dem mot data och göra försök till implementering i verkliga system.

Förhoppningen är att algoritmerna för smart laddning som forskarna utvecklar ska kunna användas direkt i bilindustrin. I just denna studie fokuseras på personbilar och hemmaladdning, men Joakim Munkhammar poängterar att algoritmerna också kan visa sig bli användbara för andra fordonstyper.

Så vad har forskarna kommit fram till hittills?

– Vi har i en studie, som presenteras på E-mobility Symposium i Stockholm i oktober, funnit att mängden problem med det lokala elnätet som förväntas uppstå vid hemmaladdning är minimal. Därmed är behovet av smart laddning för det i stort sätt obefintligt. Resultaten, som är preliminära, är beräknade utifrån elanvändning utan elvärme och är en jämförelse mellan elanvändning från hushåll med eller utan elbilsladdning och en given säkringsnivå. Beräkningar vad som händer med elnätet kommer göras senare. Speciellt intressant är det kanske på kvartersnivå eller stadsnivå.

– Vi fann även att elbilsladdningen skulle kunna göras snabbare för de allra flesta av årets dagar för i stort alla simulerade fall med olika installerad laddeffekt.
Resultaten kan alltså få betydelse för den enskilde elbilsägaren, men också i ett större perspektiv.

– Smart elbilsladdning går ut på att designa så att resurser används mera effektivt, i detta fall det lokala elnätet. På så sätt vinner alla parter på att implementera sådana algoritmer. För samhället i stort kan räckviddsångesten hos elbilsförare minska genom kortare laddtid, det kan också assistera med att hålla det lokala elnätet i balans, även med till exempel lokal solelproduktion, som annars kan skapa problem.

Var finns behoven av fortsatt forskning?

– Laddning på publika platser och arbetsplatsladdning är ett naturligt nästa steg att kolla på. Sedan behövs forskning kring elnätens påverkan av elbilsladdning och kombinationen av elbilsladdning och intermittenta källor till energi, så som vindkraft eller solel, är viktiga för att avgöra hur algoritmerna ska designas. Vidare är det en utmaning att skapa transporter för framtida smarta städer, där detta bara är första steget, avslutar Joakim Munkhammar.

/ Daniel Karlsson