Congestion Management of EV Charging in Distribution Networks
(2022) In CODEN:LUTEDX/TEIE EIEM01 20221Industrial Electrical Engineering and Automation
- Abstract
- The societal integration of electric vehicles (EVs) imposes several challenges on the
electrical grid, where congestion and overcurrents through related components are
of focus for this thesis. Active network management through control systems is one
flexible solution to this problem, and in the project Active Network Management
for All (ANM4L), a congestion management algorithm utilizing PI controllers has
been developed. It has the possibility to control the active power (P) of the network
by curtailing the charging power for the active EVs when overcurrents are detected.
The focus of this paper is to evaluate the effectiveness of the ANM algorithms performance
in achieving congestion management, by comparing with an uncontrolled... (More) - The societal integration of electric vehicles (EVs) imposes several challenges on the
electrical grid, where congestion and overcurrents through related components are
of focus for this thesis. Active network management through control systems is one
flexible solution to this problem, and in the project Active Network Management
for All (ANM4L), a congestion management algorithm utilizing PI controllers has
been developed. It has the possibility to control the active power (P) of the network
by curtailing the charging power for the active EVs when overcurrents are detected.
The focus of this paper is to evaluate the effectiveness of the ANM algorithms performance
in achieving congestion management, by comparing with an uncontrolled
scheduling and a decentralized tariff-based scheduling. The purpose of the latter is to
investigate the potential for congestion management without aggregator involvement
and to minimize the charging costs for the EV owners by scheduling all charging to
low-cost hours. The test network was designed without consideration of extensive
EV charging, illustrating a present day network which might have been dimensioned
decades ago. The maximum number of actively allowed EV units in the network was
led by the ANM controlled scheduling at 53%, followed by the uncontrolled (37%)
and tariff-based (24%) scheduling. This illustrates the future network and societal
constraint in terms of EV integration. For the ANM implementation, two prioritization
schemes were implemented. In a 10-bus low voltage test network with 11
kW home-charging stations, the ANM algorithm proved to be efficient in alleviating
the network constraints whilst maintaining the EV owners energy demands when
owners with the highest instantaneus power consumption experienced the highest
curtailment. The tariff-based scheduling on its own proved to severely stressful on
the network due to simultaneous tariff activation, but was in combination with the
ANM algorithm able to alleviate network congestion. Total charging costs were reduced
by 36 percent, although 10 percent of EVs were not able to fulfill their charging
requirements, indicating difficulties in societal adaptation in contrast to monetary
lucrativeness in future implementations. (Less) - Popular Abstract (Swedish)
- Samhället genomgår ett omfattande paradigmskifte för att bekämpa de utmaningar
som är förenade med de antropogena utsläppen av koldioxid (CO2) och andra växthusgaser
som bidrar till den globala uppvärmningen. Fordonsindustrin som står
för en femtedel av de globala utsläppen, varav tre fjärdedelar är kopplade till vägfordon,
ser en omvälvande ökning i efterfrågan på icke-fossildrivna fordon så som
elbilar. Sverige ligger i framkant vad gäller både forskning och utveckling av elbilsindustrin,
men även samhällsanpassning och elbilsintegrering. Detta är tack vare de
statliga incitamenten som införts under det senaste decenniet för att underlätta för
konsumenter att övergå från konventionella fordon med förbränningsmotorer till de
med... (More) - Samhället genomgår ett omfattande paradigmskifte för att bekämpa de utmaningar
som är förenade med de antropogena utsläppen av koldioxid (CO2) och andra växthusgaser
som bidrar till den globala uppvärmningen. Fordonsindustrin som står
för en femtedel av de globala utsläppen, varav tre fjärdedelar är kopplade till vägfordon,
ser en omvälvande ökning i efterfrågan på icke-fossildrivna fordon så som
elbilar. Sverige ligger i framkant vad gäller både forskning och utveckling av elbilsindustrin,
men även samhällsanpassning och elbilsintegrering. Detta är tack vare de
statliga incitamenten som införts under det senaste decenniet för att underlätta för
konsumenter att övergå från konventionella fordon med förbränningsmotorer till de
med elektriska drivlinor.
Denna ökade samhällsnärvaro har som följd en ökad energiefterfrågan för elbilsförsörjning,
och i takt med den ökande elektrifieringen av samhället så väntas efterfrågan
öka med 25 procent under det kommande årtiondet. Detta väcker frågan över kapacitetsbrist
i lågspänningsnät och distributionsnät med tanke på den oregelbundenhet
och höga energiförbrukningen som är förknippat med elbilsladdning. Okoordinerad
laddning i utbredd skala kan negativt påverka elnätet på ett flertal sätt.
Hög koncentration av simultan elbilsladdning kan leda till överbelastning och resultera
i lokala spänningsfall och förluster i ledningar, vilket i sin tur påverkar kundernas
elkvalité. I takt med att fossila energikällor fasas ut för att nå de globala och
nationella klimatmålen, så ersätts dessa med intermittenta förnybara energikällor.
Detta bidrar till att det traditionellt centraliserade elnätsstrukturen övergår till en
mer decentraliserad sammansättning, med t.ex. privat solelsproduktion med möjlighet
för överskottsförsäljning. Följaktligen måste elnätsbolagen införa förbättrade
kontrollmekanismer och tillämpa aktiv tillgångssamordning för att upprätthålla nätstabilitet
och garantera försörjningstryggheten gentemot sina kunder. Dagens problematik
grundar sig även i att traditionella nätförstärkningar i många fall anses
vara ekonomiskt olämpliga för överbelastning- och trängselhantering på grund av
de enorma investeringsbehoven som krävs, med tanke på den expansiva och oförutsägbara
utvecklingen av energisamhället. Samhällsintegreringen av elfordon innebär
flera utmaningar för elnätet, där överbelastning och överströmmar genom relaterade
komponenter står i fokus för det här examensarbetet. Aktiv nätförvaltning
genom styrsystem är en flexibel lösning på detta problem, och i projektet Active
Network Management for All (ANM4L) har en algoritm för hantering av överbelastning
utvecklats. Detta görs genom att styra nätets aktiva effekt och begränsa
laddningseffekten för aktiva elfordon när överströmmar upptäcks.
Målet med detta examensarbete är att utvärdera ANM-algoritmens effektivitet att
utföra överbelastningshantering, genom att jämföra med en okontrollerad schemaläggning
och en decentraliserad tariffbaserad schemaläggning för elbilsladdning. Syftet
med den senare är att undersöka potentialen för överbelastningshantering utan inblandning
av aggregatorer och att minimera laddningskostnaderna för fordonsägarna
genom att schemalägga all laddning till lågpristimmar. Testnätet utformades utan
hänsyn till omfattande elbilsladdning, vilket illustrerar ett dagsaktuellt nät vars dimensionering
kan ha fastställts för flera decennier sedan. I ett initialt läge fastställdes
den maximalt tillåtna andelen elbilar i testnätet utan införandet av någon
effektbegränsning, vilket leddes av den ANM-kontrollerade schemaläggningen
(53 procent), följt av den okontrollerade (37 procent) och den tariffbaserade (24
procent). Detta illustrerar de framtida elnäts- och samhällsbegränsningarna för elbilsutvecklingen.
För ANM-implementeringen med effektbegränsning genomfördes
två prioriteringsordningar. I ett lågspänningsnät med 10 noder och 11 kW-laddare
för hemmabruk visade sig ANM-algoritmen vara effektiv när det gällde att lindra elnätsbelastningen
samtidigt som fordonsägarnas laddbehov tillfredsställdes, när ägare
med den högsta momentana energiförbrukningen upplevde den högsta effektbegränsningen.
Den tariffbaserade schemaläggningen visade sig på egen hand vara mycket
påfrestande för nätet på grund av en samtidig tariffaktivering, men i kombination
med ANM-algoritmen kunde man lindra nätbelastningen. De totala laddningskostnaderna
minskade med 36 procent, men då kunde inte 10 procent av elfordonen
uppfylla sina laddningsbehov, vilket tyder på svårigheter med samhällsanpassningen
i jämförelse med den monetära lukrativitet i framtida tillämpningar. (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/9099873
- author
- Rosandell, Adam LU
- supervisor
- organization
- course
- EIEM01 20221
- year
- 2022
- type
- H3 - Professional qualifications (4 Years - )
- subject
- publication/series
- CODEN:LUTEDX/TEIE
- report number
- 5476
- language
- English
- id
- 9099873
- date added to LUP
- 2022-09-23 10:31:08
- date last changed
- 2022-09-23 10:31:08
@misc{9099873, abstract = {{The societal integration of electric vehicles (EVs) imposes several challenges on the electrical grid, where congestion and overcurrents through related components are of focus for this thesis. Active network management through control systems is one flexible solution to this problem, and in the project Active Network Management for All (ANM4L), a congestion management algorithm utilizing PI controllers has been developed. It has the possibility to control the active power (P) of the network by curtailing the charging power for the active EVs when overcurrents are detected. The focus of this paper is to evaluate the effectiveness of the ANM algorithms performance in achieving congestion management, by comparing with an uncontrolled scheduling and a decentralized tariff-based scheduling. The purpose of the latter is to investigate the potential for congestion management without aggregator involvement and to minimize the charging costs for the EV owners by scheduling all charging to low-cost hours. The test network was designed without consideration of extensive EV charging, illustrating a present day network which might have been dimensioned decades ago. The maximum number of actively allowed EV units in the network was led by the ANM controlled scheduling at 53%, followed by the uncontrolled (37%) and tariff-based (24%) scheduling. This illustrates the future network and societal constraint in terms of EV integration. For the ANM implementation, two prioritization schemes were implemented. In a 10-bus low voltage test network with 11 kW home-charging stations, the ANM algorithm proved to be efficient in alleviating the network constraints whilst maintaining the EV owners energy demands when owners with the highest instantaneus power consumption experienced the highest curtailment. The tariff-based scheduling on its own proved to severely stressful on the network due to simultaneous tariff activation, but was in combination with the ANM algorithm able to alleviate network congestion. Total charging costs were reduced by 36 percent, although 10 percent of EVs were not able to fulfill their charging requirements, indicating difficulties in societal adaptation in contrast to monetary lucrativeness in future implementations.}}, author = {{Rosandell, Adam}}, language = {{eng}}, note = {{Student Paper}}, series = {{CODEN:LUTEDX/TEIE}}, title = {{Congestion Management of EV Charging in Distribution Networks}}, year = {{2022}}, }