Sähköauton latauksen kustannustehokas optimointi pienaurinkovoimalan omaavassa omakotitalossa
Liikkanen, Juuso; Moilanen, Sara (2023)
Kandidaatintyö
2023
School of Energy Systems, Sähkötekniikka
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2023060252059
https://urn.fi/URN:NBN:fi-fe2023060252059
Tiivistelmä
Sähköajoneuvojen käyttökulut muodostuvat pääasiassa sähköajoneuvon akun lataamiseen käytetystä sähköstä ja kuluvien osien vaihdosta. Tämän työn tavoitteena on optimoida sähköauton akun lataus mahdollisimman kustannustehokkaaksi omakotitalossa, jossa on pienaurinkovoimala. Optimointi, joka perustuu keskivertaisen suomalaisen ajoneuvon käyttötietoihin, on toteutettu ongelmapohjaisella algoritmilla. Mahdollisimman monen vertailukohdan saavuttamiseksi latauskustannukset laskettiin myös ilman älykästä latausta. Alhaisimmat latauskustannukset saatiin optimoinnnille, jossa ei huomioitu käyttäjän käyttäytymistä, vaan sähköauto oli valmiina lataukseen koko ajan. Algoritmi käyttää täydellistä aurinkosähkön ennustetta ja hyödyntää ylijäämä aurinkonsähköä sähköauton latauksessa, muutoin lataukseen käytetään verkkovirtaa. Nord Poolin pörssisähkön hintaa hyödynnetään halvimpien lataustuntien löytämiseen.
Työssä analysoitiin dataa vuosilta 2017—2022 ja vuosittaiset säästöt keskimääräisellä käyttäjäprofiililla olivat 24,7—51,6 %. Optimaalisemmalla latauksella vuosittaiset säästöt olivat 37,4—54 %. Työn tulokset osoittivat, että mitä enemmän sähköautoa ladattiin päivittäin, sitä suuremmaksi rahalliset säästöt kasvoivat verrattuna optimoimattomaan lataukseen. Tulokset osoittivat myös sen, että sähkön hinnan vaihtelun takia joskus on kannattavampaa myydä tuotettu aurinkosähkö sähköverkkoon ja ladata sähköauto verkkosähköllä yöllä kuin ladata aurinkosähköllä. Electricity needed to charge the battery of electric cars, or EVs, and the repair of worn parts account for the majority of their running costs. This study intends to maximize the cost-effectiveness of EV battery charging for a home with a small-scale photovoltaic (PV) power plant. To closely reflect the behavior of the typical Finnish user, optimization is carried out utilizing problem-based optimization. To support the findings from this, optimization was also carried out to make EV charging as economical as feasible, taking into account the most likely user behavior. The lowest grid electricity prizes were found using data from the Nord Pool Spot market. Perfect PV power prediction was also used, and only leftover PV electricity was used for EV charging.
When comparing optimized charging versus uncontrolled charging over a five-year period, yearly savings with average user behavior were between 24.7—51.6 %. The yearly savings varied between 37.4—54.0 %, when the plausible user behavior was ignored and the EV was always able to be charged. This study’s findings indicate that the cost-efficiency of the optimization increases with daily EV use when compared to unrestricted charging methods. The findings also demonstrate that, depending on daily swings in energy pricing, it may occasionally be more advantageous to sell produced. PV electricity than to utilize it to charge an EV, choosing instead to charge the vehicle at night using grid electricity.
Työssä analysoitiin dataa vuosilta 2017—2022 ja vuosittaiset säästöt keskimääräisellä käyttäjäprofiililla olivat 24,7—51,6 %. Optimaalisemmalla latauksella vuosittaiset säästöt olivat 37,4—54 %. Työn tulokset osoittivat, että mitä enemmän sähköautoa ladattiin päivittäin, sitä suuremmaksi rahalliset säästöt kasvoivat verrattuna optimoimattomaan lataukseen. Tulokset osoittivat myös sen, että sähkön hinnan vaihtelun takia joskus on kannattavampaa myydä tuotettu aurinkosähkö sähköverkkoon ja ladata sähköauto verkkosähköllä yöllä kuin ladata aurinkosähköllä.
When comparing optimized charging versus uncontrolled charging over a five-year period, yearly savings with average user behavior were between 24.7—51.6 %. The yearly savings varied between 37.4—54.0 %, when the plausible user behavior was ignored and the EV was always able to be charged. This study’s findings indicate that the cost-efficiency of the optimization increases with daily EV use when compared to unrestricted charging methods. The findings also demonstrate that, depending on daily swings in energy pricing, it may occasionally be more advantageous to sell produced. PV electricity than to utilize it to charge an EV, choosing instead to charge the vehicle at night using grid electricity.