Kurzbeschreibung
(Deutsch)
|
Die erwartete Zunahme an Elektrofahrzeugen (EVs) kann im Falle von unkontrolliertem sofortigem Laden die existierenden Verteilnetzte deutlichbelasten. Durch ein intelligentes Be- und Entladen können EVs allerdings auch Flexibilität bereitstellen und somit zur stärkeren Integration schwankender erneuerbarer Energien beitragen. Die Forschung hat bisher hauptsächlich auf technische Lösungen zur EV-Integration in das Stromnetz fokussiert; sozio-ökonomische Aspekte wie unterschiedliche Be- und Entladestrategien und unterschiedliche EV-Nutzer mit unterschiedlichen Fahrprofilen werden kaum berücksichtigt. Zudem existieren grosse Unterschiede in den individuellen Netzsituationen (z.B. Anteil erneuerbare Energien, stationäre Speicher) zwischen einzelnen Verteilnetzen. Dies kann, zusammen mit der aktuell geringen Diffusion netzdienlicher Lösungen zur EV-Integration, Anreize für intelligentes Be- und Entladen erfordern. Dieses Projekt analysiert, mit Hilfe unterschiedlicher, mehrheitlich quantitativer Methoden, wie der steigende Anteil an EVs in das Verteilnetz integriert werden kann, und hilft (Politik-) Massnahmen zu identifizieren, welche das Be-/Entladen von EVs netzdienlich steuern können.
|
Kurzbeschreibung
(Englisch)
|
The expected increase in electric vehicles (EVs) can significantly strain existing distribution grids in the event of uncontrolled instantaneous charging. However, through smart charging and discharging, EVs can also provide flexibility and thus contribute to the greater integration of fluctuating renewable energy. Research so far has mainly focused on technical solutions for EV integration into the power grid; socio-economic aspects such as different charging and discharging strategies and different EV users with different driving profiles are hardly considered. In addition, large differences in individual grid situations (e.g., share of renewables, stationary storage) exist between individual distribution grids. This, together with the currently low diffusion of grid-serving solutions for EV integration, may require incentives for smart charging and discharging. This project analyzes, using different, mostly quantitative methods, how the increasing share of EVs can be integrated into the distribution grid, and helps to identify (policy) measures that can manage the charging/discharging of EVs in a grid-serving way.
|
Kurzbeschreibung
(Französisch)
|
L'augmentation attendue du nombre de véhicules électriques (VE) risque de mettre à rude épreuve les réseaux de distribution existants en cas de charge immédiate incontrôlée. Cependant, grâce à une charge et une décharge intelligentes, les VE peuvent également fournir de la flexibilité et contribuer ainsi à une meilleure intégration des énergies renouvelables fluctuantes. Jusqu'à présent, la recherche s'est principalement concentrée sur les solutions techniques d'intégration des VE dans le réseau électrique ; les aspects socio-économiques tels que les différentes stratégies de chargement et de déchargement et les différents utilisateurs de VE avec des profils de conduite différents ne sont guère pris en compte. De plus, il existe de grandes différences dans les situations de réseau individuelles (p. ex. part d'énergies renouvelables, stockage stationnaire) entre les différents réseaux de distribution. Ceci, associé à la faible diffusion actuelle de solutions d'intégration des VE dans le réseau, peut nécessiter des incitations pour des chargements et déchargements intelligents. Ce projet analyse, à l'aide de différentes méthodes, principalement quantitatives, comment la part croissante de VEs peut être intégrée dans le réseau de distribution et aide à identifier des mesures (politiques) qui peuvent gérer le chargement/déchargement de VEs de manière utile pour le réseau.
|
Publikationen / Ergebnisse
(Deutsch)
|
Der erwartete steigende Anteil an Elektrofahrzeugen (EVs) kann im Falle von unkontrolliertem sofortigem Laden die existierenden Verteilnetzte deutlich belasten. Jedoch können EVs auch Flexibilität bereitstellen und somit die Integration schwankender erneuerbarer Energien unterstützen. Trotz des Potenzials von kontrolliertem einwegigen Laden und zweiwegigem Laden (d.h. Be- und Entladen) werden EVs derzeit selten für Netzdienstleistungen genutzt.
Die Forschung hat bisher hauptsächlich auf technische Lösungen zur Integration von EVs in das Stromnetz fokussiert; sozioökonomische Aspekte wie Be- und Entladestrategien, unterschiedliche Fahrzeugnutzungstypen und Fahrprofile werden kaum berücksichtigt. Zudem existieren grosse Unterschiede in den individuellen Netzsituationen (z.B. Anteil erneuerbarer Energien, stationäre Speicher) der Verteilnetze. Dies kann, zusammen mit der aktuell geringen Diffusion netzdienlicher Lösungen zur EV-Integration, Anreize für kontrolliertes Be-/Entladen erfordern.
Das Forschungsprojekt «Enabling Flexible Electric Vehicle Grid Integration (ErVIn)» analysiert mit Hilfe unterschiedlicher, mehrheitlich quantitativer, Methoden wie der steigende Anteil an EVs in das Verteilnetz integriert werden kann, um letztendlich (Politik-) Massnahmen zu identifizieren, welche das Be-/Entladen von EVs netzdienlich steuern können. Nach einer Analyse des derzeitigen Standes von zweiwegigem Laden, sowie von vielversprechenden Lösungen und wichtigen Herausforderungen (Arbeitspaket 1), möchten wir mittels quantitativer bottom-up Modellierung die potentielle Flexibilität in verschiedenen Netzsituationen besser verstehen (Arbeitspaket 2) und untersuchen wie Be- und Entladestrategien mit unterschiedlichen (finanziellen) Anreizen in diesen Netzsituationen eine netzdienliche Integration von EVs ermöglichen können (Arbeitspaket 3).
Der Fokus des zweiten Projektjahres lag auf der Entwicklung des quantitativen bottom-up Modells zur Analyse des Flexibilitätspotenzials basierend auf dem Zusammenspiel verschiedener EV-Nutzungstypen und Netzsituationen, welches im dritten Projektjahr um (finanzielle) Anreize erweitert wird. Unser Modellierungsansatz besteht aus zwei Schritten: Der Simulation von (i) Lastprofilen von Gebäuden und (ii) Lastprofilen von EVs, welche wir dann kombinieren und unter einer Verteilnetzperspektive analysieren—für heute und unterschiedliche Szenarien in der Zukunft. In unseren Netzsituationen berücksichtigen wir unterschiedliche Gebiete (urban, sub-urban und ländlich) und Typen (z.B. Wohn- oder Industrieviertel) in unterschiedlichen Geographien. Derzeit erweitern wir unser existierendes Modell um ein agentenbasiertes Modell (ABM), welches die Analyse und die Relevanz unserer Resultate stärken soll. Zusätzlich dazu haben wir aufgrund der zentralen Rolle für unser Modell eine umfassende Literaturrecherche zu Ladestrategien durchgeführt.
Da sich das Modell noch in der Weiterentwicklungsphase befindet und die Resultate stark von den konkreten Modelleinstellungen abhängen, beinhaltet dieser Report exemplarische Resultate für beide Modellierungsschritte, sowie eine Zusammenfassung der Literatur. Beispielsweise zeigt die Analyse des gewählten exemplarischen Settings der Gebäudelastprofile die wichtige Rolle von EVs und Gebäudeanwendungen wie Beleuchtung und Belüftung für zukünftige aggregierte Lastprofile. Für die Simulation von EV Lastprofilen konnten wir mit Hilfe einer Analyse von schweizerischen Mobilitätsdaten Standzeiten und deren Ort (zu Hause, Arbeit, öffentlich) und Gebiet, welche mögliche Einsteckzeiten und -orte darstellen, sowie fünf Cluster der Autonutzung identifizieren. Auf Basis unserer Literaturrecherche konnten wir sowohl Bestimmungsfaktoren für Ladestrategien als auch beobachtete systemische Lademuster ermitteln.
|
Publikationen / Ergebnisse
(Englisch)
|
The expected uptake of electric vehicles (EVs) can challenge existing distribution grids in case of uncontrolled instant charging. However, EVs can also provide flexibility, allowing for high shares of intermittent renewable power production. Despite the potential of controlled unidirectional and bidirectional charging of EVs, they rarely provide services to the grid.
Extant research has mainly focused on technical aspects, but less is known about socio-economic aspects, such as EV dis-/charging strategies, different vehicle use types and driving profiles. Moreover, grid settings (e.g., share of renewables, stationary storage) differ substantially between distribution grids. Together with the currently sparse diffusion of grid-friendly EV integration solutions, incentives for controlled dis-/charging might be necessary.
The research project «Enabling Flexible Electric Vehicle Grid Integration (ErVIn)» analyses how increasing shares of EVs can be integrated into distribution grid(s). Applying a mixed-method approach with a quantitative modelling focus, we aim to identify (policy) measures that can steer EV dis-/charging in a grid-friendly way. After analysing the current status of bidirectional implementations as well as identifying promising solutions and important challenges (work package 1), we use quantitative bottom-up modelling to better understand the potential of flexibility in different grid settings (work package 2) and investigate the interplay between dis-/charging strategies with (financial) incentives to enable grid-friendly EV integration into these grid settings (work package 3).
During the second project year, we have focused on developing a quantitative bottom-up model for analysing the flexibility potential based on the interplay of different EV users and distribution grid settings, which will also serve as basis for the integration of incentives during the third project year. Our modelling approach consists of two steps: the simulation of (i) building load profiles and of (ii) EV load profiles, which we then combine and analyse from a distribution grid perspective—for today and different scenarios in the future. We focus on different typical grid settings that cover different areas (urban, rural, suburban) and types (e.g., industrial, residential) in different geographies. We have started to extent our existing model by an agent-based model (ABM), which we expect to strengthen the analysis and yield in more relevant results. Due to its important role for the modelling, we conducted an extensive literature review on EV charging strategies.
Given that the model is still under development and that the results depend on the specific model settings, we present selected exemplary results for the two modelling steps, and a summary of the literature review in this report. For example, our results for the presented exemplary setting show the important role of EVs and building appliances such as lightning or ventilation for future loads. By analyzing Swiss mobility data for simulating EV load profiles, we identified car dwell-times, and their locations (home, work, public) and areas, which represent possible plug-in times and locations of (flexible) EV dis-/charging, and five different clusters of car use. Finally, our literature review on charging strategies revealed both determinants for charging strategies and observed systemic charging patterns.
Zugehörige Dokumente
|
Schlussbericht
(Deutsch)
|
Das Ziel des Forschungsprojektes «Enabling Flexible Electric Vehicle Grid Integration (ErVIn)» ist es, besser zu verstehen, wie der zunehmende Anteil von Elektrofahrzeugen (electric vehicles, EVs) netzdienlich in die Verteilnetze integriert werden kann. Konkret befasst sich dieses Projekt mit drei Forschungsfragen (research questions, RQs) und zielt darauf ab, (RQ1) vielversprechende Rahmenbedingungen sowie Herausforderungen (technisch, sozial und regulatorisch) für die bidirektionale Integration von EVs als Möglichkeit für die Bereitstellung von Flexibilität in Stromnetzen zu identifizieren und zu verstehen, (RQ2) wie das Zusammenspiel zwischen verschiedenen EVLadestrategien, Nutzertypen und Netzsituationen die Attraktivität von EVs als Flexibilitätsquelle in verschiedenen Verteilnetzen beeinflusst, und (RQ3) wie Anreize die Integration von EVs als Flexibilitätsquelle beeinflussen. Wir verwenden sowohl quantitative als auch qualitative Methoden mit einem quantitativen Schwerpunkt (Modellierung). RQ1 wurde mit Hilfe einer Datenbankanalyse und Experteninterviews beantwortet; für die Beantwortung von RQ2 und RQ3 wurde ein agentenbasiertes Modell entwickelt.
Bezüglich der Implementierung von bidirektionalem Laden (RQ1) zeigen unsere Analysen, dass sich die aktuellen Pilot- und Demonstrationsprojekte (globale Analyse) auf kommerzielle EVs konzentrieren, welche am Arbeitsplatz laden, sowie auf die Bereitstellung von Vehicle-to-Customer (V2C) (beinhaltet Vehicle-to-Home und Vehicle-to-Building) und Dienstleistungen auf Übertragungsnetzebene. Dies deutet darauf hin, dass insbesondere diese Bereiche vielversprechend für kommerzielle Anwendungen sein können. Allerdings werden kommerzielle Anwendungen derzeit durch verschiedene technologische, soziale und regulatorische Herausforderungen erschwert. Insbesondere die sozialen und regulatorischen Herausforderungen sind stark kontextabhängig und können sich zwischen den jeweiligen Ländern unterscheiden. Beispielsweise—und auch für die Schweiz relevant—bestehen Unsicherheiten hinsichtlich der zukünftigen Nachfrage und des zukünftigen Angebots an Flexibilität, der Beteiligung der Nutzer an bidirektionalem Laden und der Flexibilitätsbeschaffung auf Verteilnetzebene inklusive zukünftiger Markt- und Tarifstrukturen. Hinsichtlich des Zusammenspiels zwischen verschiedenen EV-Ladestrategien, Nutzertypen und Netzsituationen (RQ2) stellen wir fest, dass sich verschiedene Ladestrategien in ihrer Wirksamkeit für die Bereitstellung von Flexibilität unterscheiden. Die Unterschiedlichkeit in der Wirksamkeit hängt vom Ziel der Flexibilität (z.B. Glättung von Lastkurven vs. Reduktion von Lastspitzen), der Technologieentwicklung und -verbreitung (insbesondere dem Ausbau von Ladeinfrastruktur) und dem Netzgebiet (z.B. Stadt, Land, Vorstadt) ab. Darüber hinaus können einige Ladeverhalten mehrere Flexibilitätsziele erfüllen, während andere nur für ein Flexibilitätsziel gut funktionieren und für andere Ziele mit starken Trade-offs einher gehen. Beispielsweise sind für Netzgebiete mit einem hohen Anteil an PV-Strom oder hohen Ambitionen den Anteil an PV-Strom zu erhöhen Ladeprozesse, welche die Ladelast zur Tagesmitte hin verschieben, vorteilhaft. Jedoch führen diese Ladeprozesse in unseren Simulationen nicht dazu, dass die Lastspitze reduziert oder die gesamte Lastkurve abgeflacht wird, was in manchen Netzgebieten eine Herausforderung darstellen kann. Wenn viele Flexibilitätsziele gleichzeitig erreicht werden sollen, können sich beispielsweise Ladeprozesse sehr gut eignen, welche mit geringerer Leistung laden. Dahingegen können andere Ladeprozesse wie beispielsweise ein abendliches netzdienliches Entladen des EVs und Wiederaufladen zur Mittagszeit oder am Ende der Standzeit die Verlagerung eines großen Teils der Last ermöglichen, aber die tägliche Spitzenlast sogar erhöhen. Wir unterscheiden zwischen zwei Komponenten des Ladens: dem Einsteckverhalten (plug-in
behavior) und dem Ladevorgang (charging process). Während Ersteres vom Sozialverhalten des Nutzers abhängt und sich auf die zeitliche und räumliche Verteilung der Last bezieht, ist Letzteres typischerweise automatisiert - sobald es vom Nutzer akzeptiert wurde - und bezieht sich nur auf die zeitliche Verteilung der Last. Unsere Ergebnisse zeigen, dass gesteuerte Ladevorgänge einen größeren Einfluss auf die betrachteten Flexibilitätsmaße haben als Veränderungen im Einsteckverhalten. Die Auswirkungen des Einsteckverhaltens hängen vom Ziel der Flexibilität, der Technologieverbreitung und dem gesteuerten Ladevorgang ab, mit dem es kombiniert wird. Hinsichtlich der verschiedenen Nutzungsarten von EVs stellen wir fest, dass hohe Spitzenlasten typischerweise von bestimmten Nutzertypen verursacht werden, wie z.B. von EV-Nutzern, welche ihr Auto sehr häufig benutzen oder solche, welche sehr weite Strecken fahren – obwohl diese einen relativ geringen Anteil an der Gesamtflotte ausmachen, z.B. ca. 20% im Kanton Zürich. Hinsichtlich der Anreize (RQ3) zeigen unsere Analysen, dass unterschiedliche Ausgestaltungen von zeitvariablen (time-of-use, TOU) Tarifen unterschiedliche Auswirkungen auf die Last haben. Die Ausgestaltungen unterscheiden sich in der Höhe der Tarife zu unterschiedlichen Zeiten und an unterschiedlichen Ladestandorten (zu Hause, am Arbeitsplatz, öffentlich). Zudem berücksichtigen wir unterschiedliches Nutzerverhalten. So zeigen unsere Simulationen, dass beispielsweise typische abendliche Lastspitzen an Heimstandorten durch teure Preisniveaus erheblich reduziert werden können, jedoch eine darauffolgende Niedrigpreisperiode zu einem Überkoordinierungseffekt führen kann, welcher in einer (sogar höheren) Lastspitze resultieren kann. Basierend auf diesen Erkenntnissen leiten wir Implikationen für Entscheidungsträger in Politik, Industrie und Wissenschaft ab, um die netzdienliche Integration des steigenden Anteils von EVs zu unterstützen. Der vorliegende Abschlussbericht fasst die wichtigsten Ergebnisse des Projekts zusammen.
|
Schlussbericht
(Englisch)
|
The overall purpose of the research project Enabling Flexible Electric Vehicle Grid Integration (ErVIn) is to understand how the increasing share of EVs can be beneficially integrated into distribution grids. More specifically, this project addresses three research questions (RQs) and aims to (RQ1) identify promising settings of and challenges (technical, social, and regulatory) for the bidirectional integration of EVs as a promising flexibility source in electricity grids, and understand (RQ2) how the interplay between different EV dis-/charging strategies, user types and grid settings affects the attractiveness for EVs as flexibility option in different distribution grids, and (RQ3) how different incentives affect the integration of EVs as a flexibility option. We use both quantitative and qualitative methods with a quantitative (modelling) focus. More specifically, we conducted a database analysis and expert interviews to address RQ1 and developed an agent-based model to address RQ2 and RQ3. Regarding the implementation of bidirectional charging (RQ1), we find that current trials (global analysis) focus on commercial EVs that charge at work as well as the provision of vehicle-to-customer (V2C) (including vehicle-to-home and vehicle-to-building) and transmission services, indicating them as promising settings for commercial application. However, commercial application is hampered by several technological, social, and regulatory challenges. In particular, social, and regulatory challenges strongly depend on the context and can substantially differ between countries. For example—and also relevant for Switzerland—uncertainties exist regarding future demand and supply of flexibility, user participation and flexibility procurement at distribution-grid level including future market and tariff structures. Regarding the interplay between different EV dis-/charging strategies, user types and grid settings (RQ2), we find that different charging strategies differ in their effectiveness for flexibility provision. These differences depend on the goal of the flexibility (e.g., flattening load curves vs. peak reduction), technology development and diffusion (in particular, infrastructure deployment) and the grid area (e.g., urban, rural, suburban). In addition, while some charging behaviors can address several flexibility goals, others only work well for one flexibility goal and come with strong trade-offs for others. For example, and for grid areas with high shares of PV power or high ambitions to increase PV power, charging processes that shift charging loads towards midday can be advantageous. Yet, in our simulations, these charging processes do neither reduce the daily peak nor flatten the overall load curve, which could be challenging for certain grid settings. If several flexibility goals should be reached simultaneously, charging processes that charge with less power can be beneficial. However, other charging processes, for example that discharge in a grid beneficial way during the evening peak and recharge during midday or at the end of the dwell-time allow for shifting a large share of load but can even increase the overall peak. We distinguish between two components of charging, the plug-in behavior, and the charging process. While the former depends on the user`s social behavior and relates to the temporal and spatial distribution of charging load, the latter is typically automated—once it has been accepted by the user—and relates to the temporal distribution of charging load. We find that controlled charging processes show higher impact on the flexibility metrics considered than plug-in behaviors. The beneficial impact of plug-in behavior depends on the flexibility goal, technology diffusion, and the controlled charging scenario that it is combined with. Regarding different EV use types, we find that high peaks are typically caused by certain use types such as EV users using their car very often and EV users driving long distances—despite their relatively low share in the overall car fleet, e.g., about ~20% in the Canton of Zurich. Regarding incentives (RQ3), we find that different designs of time-of-use tariffs result in different effects on charging loads. The designs differ in price levels for different time periods, but also for different charging locations (home, work, public). Moreover, we consider different user reactions. Our simulations show, for example, that while the typical evening peak at home locations can be substantially reduced due to expensive price levels, the following low-price period might result in an over-coordination effect, causing an even higher peak at the beginning of the low-price period. Based on these findings, we derive implications for decision makers in policy, industry, and academia on how to support the integration of increasingly high shares of EVs in a grid-friendly way. This final report summarizes the main findings of the project.
Zugehörige Dokumente
|
Schlussbericht
(Französisch)
|
Le but principal du projet de recherche Ervin est de comprendre comment une plus grande proportion de véhicules électriques peut être intégrée de manière flexible aux réseaux de distribution électrique. Ce projet vise à répondre à trois questions de recherche (QR) : (QR1) identifier les environnements prometteurs et les défis (techniques, sociaux et réglementaires) pour l'intégration bidirectionnelle des véhicules électriques (VE) en tant que source de flexibilité dans les réseaux électriques ; (QR2) comprendre comment l'interaction entre les différentes stratégies de décharge/charge des VE, les types d'utilisateurs et les paramètres du réseau affectent l'attrait des VE en tant qu'option de flexibilité dans différents réseaux de distribution ; et (QR3) analyser comment les différentes incitations affectent l'intégration des VE en tant qu'option de flexibilité. Nous combinons des méthodes quantitatives et qualitatives pour quantifier et modéliser. Plus précisément, nous avons effectué une analyse de base de données et mené des entretiens avec des spécialistes afin de répondre à QR1, et créé un modèle multi-agents pour répondre à QR2 et QR3. Concernant la mise en oeuvre de la charge bidirectionnelle (QR1), nous avons constaté que les études actuelles (analyses globales) se concentrent sur les véhicules électriques commerciaux qui sont rechargés au travail, ainsi que sur la fourniture de services vehicle-to-customer (V2C) (notamment vehicle-to-home et vehicle-to-building) et de transmission, ce qui les rend prometteurs pour une application commerciale. Toutefois, l'utilisation à des fins commerciales est entravée par plusieurs défis technologiques, sociaux et réglementaires. Les difficultés sociales et réglementaires, en particulier, dépendent fortement du contexte et peuvent varier considérablement d'un pays à l'autre. Par exemple, en Suisse, des incertitudes persistent quant à la demande et l'offre futures de flexibilité, la participation des utilisateurs et l'acquisition de flexibilité au niveau du réseau de distribution, notamment les futures structures tarifaires et de marché. En ce qui concerne l'interaction entre les différentes stratégies de décharge/recharge des véhicules électriques, les types d'utilisateurs et les paramètres du réseau (QR2), nous avons constaté que l'efficacité des différentes stratégies de recharge dépend de l'objectif de la flexibilité (par exemple, aplatissement des courbes de charge par rapport à la réduction des pics), du développement et de la diffusion de la technologie (en particulier, déploiement de l'infrastructure) et de la zone du réseau (par exemple, urbain, rural, suburbain). En outre, bien que certaines pratiques de charge puissent répondre à plusieurs objectifs de flexibilité, d'autres fonctionnent bien uniquement pour un objectif de flexibilité et s'accompagnent de fortes contreparties pour les autres. Par exemple, dans les zones de réseau avec de fortes parts de puissance PV, les processus de charge qui déplacent les charges vers le milieu de journée peuvent être avantageux, mais ils ne réduisent pas le pic quotidien et n'aplatissent pas la courbe de charge globale. Pour atteindre plusieurs objectifs de flexibilité simultanément, des processus de charge avec moins d'énergie peuvent être bénéfiques, mais d'autres processus de charge, tels que la décharge avantageuse du réseau pendant le pic du soir et la recharge en milieu ou à la fin de la journée, permettent de déplacer une grande partie de la charge. Cependant, ils peuvent même contribuer à accroître le pic global. Nous distinguons ici deux types de charge : le comportement de branchement et le processus de charge. Si le premier dépend du comportement social de l'utilisateur et concerne la répartition dans le temps et l'espace de la charge de travail, le second est généralement automatisé (une fois accepté par l'utilisateur) et traite de la répartition dans le temps de cette charge. Nous avons constaté que les processus de facturation contrôlés ont plus d'influence sur les adaptations faites que les fonctionnalités des plug-ins. L'efficacité du plug-in dépend de l'objectif de flexibilité, de la diffusion technologique et du scénario de charge qu'il est censé gérer. En ce qui concerne les véhicules électriques, nous constatons que les pics de consommation sont principalement dus à certains types d'utilisation, notamment ceux qui les utilisent fréquemment et ceux qui parcourent de longues distances. Bien que ces types d'utilisation représentent une part relativement faible de la flotte automobile, par exemple environ 20 % dans le Canton de Zurich, ils contribuent grandement à la consommation. En ce qui concerne les incitations (QR3), nous avons constaté que différents modèles de tarifs horaires ont des conséquences variées sur les coûts de charge. Les prix varient selon le moment et le lieu de la recharge (chez soi, au travail ou en public), et nous tenons compte des réactions des utilisateurs. Nos simulations indiquent que, bien que les pics typiques du soir sur les sites domestiques puissent être considérablement réduits grâce à des tarifs élevés, le prix bas qui suit peut entraîner une coordination excessive, entraînant ainsi un pic encore plus élevé au début de la période de tarification basse. Sur la base de ces résultats, nous pouvons déduire des implications pour les décideurs en matière de politique, d'industrie et d'enseignement afin de soutenir l'intégration des véhicules électriques dans le réseau électrique et de permettre une plus grande part de marché de cette technologie. Ce rapport final récapitule les conclusions les plus importantes du projet.
|
