Stage-oe-small.jpg

Sarah Detzler2: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
(Die Seite wurde neu angelegt: „{{Veranstaltung |Titel DE=Sarah Detzler |Titel EN=Sarah Detzler |Beschreibung DE=folgt |Beschreibung EN=folgt |Veranstaltungsart=Graduiertenkolloquium |Start=2015…“)
 
 
(Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt)
Zeile 1: Zeile 1:
 
{{Veranstaltung
 
{{Veranstaltung
|Titel DE=Sarah Detzler
+
|Titel DE=Energiemanagement für Ladevorgänge von Elektrofahrzeugen
|Titel EN=Sarah Detzler
+
|Titel EN=Energiemanagement für Ladevorgänge von Elektrofahrzeugen
|Beschreibung DE=folgt
+
|Beschreibung DE=Ein Ziel des deutschen Entwicklungsplanes für Elektromobilität ist es, bis 2020 eine Million Elektrofahrzeuge auf die deutschen Straßen zu bringen. Dies stellt Herausforderungen an die Strominfrastruktur dar, da beim gleichzeitigen Laden von Elektrofahrzeugen neue Lastspitzen entstehen können, die auf lokaler Ebene zu einer Netzüberlastung führen können. Gleichzeitig bedingt die zunehmende Verbreitung dezentraler regenerativer Energiequellen einen deutlich höheren Bedarf an flexiblen Verbrauchern. Ein intelligentes Lademanagement für Elektrofahrzeuge kann durch Verteilung der Ladeleistung über die Standzeit eines Fahrzeugs Lastspitzen verringern und die Elektrofahrzeuge zugleich als flexible Verbraucher dem Stromnetz zur Verfügung stellen.
|Beschreibung EN=folgt
+
Im Vortrag wird ein Lademanagementsystem für Elektrofahrzeuge präsentiert, das ein Flottenmanager den Fahrzeugen einer Flotte bzw. ein E-Mobility-Provider einer Gruppe von Privatkunden zur Verfügung stellt. Ladepläne werden gegen den Strompreis sowie feste Kapazitätsgrenzen optimiert.
 +
Für beide Fälle wurde ein Energiemanagement-Prototyp implementiert, der sowohl einen optimierten Ladeplan als auch das Lastverschiebungspotential berechnet, welches für Demand Response angeboten werden kann.
 +
Die Anforderungen an den Algorithmus sind zunächst die schnelle Berechnung des Ladeplans unter Berücksichtigung der Parameter und des Einsatzplans (Flotten) bzw. Nutzerprofils (Privatkunden). Der Algorithmus ist in der Lage, das oben genannte Lastverschiebungspotential schnell zu berechnen. Zudem reagiert er auf kurzfristige, unvorhergesehene Änderungen, wie z.B. bei Demand Response, unangemeldeten Fahrzeugen, Änderungen im Einsatzplan, usw. Der Algorithmus wurde mittels realitätsnaher Szenarien in Hinblick auf Laufzeit, Performanz und Reaktion auf kurzfristige Änderungen evaluiert. Im Rahmen dieses Vortrages wird auch anhand realer Beispielszenarien der Mehrwert eines solchen Lademanagementsystems im Vergleich zu unkoordiniertem Laden aufgezeigt.
 +
|Beschreibung EN=Ein Ziel des deutschen Entwicklungsplanes für Elektromobilität ist es, bis 2020 eine Million Elektrofahrzeuge auf die deutschen Straßen zu bringen. Dies stellt Herausforderungen an die Strominfrastruktur dar, da beim gleichzeitigen Laden von Elektrofahrzeugen neue Lastspitzen entstehen können, die auf lokaler Ebene zu einer Netzüberlastung führen können. Gleichzeitig bedingt die zunehmende Verbreitung dezentraler regenerativer Energiequellen einen deutlich höheren Bedarf an flexiblen Verbrauchern. Ein intelligentes Lademanagement für Elektrofahrzeuge kann durch Verteilung der Ladeleistung über die Standzeit eines Fahrzeugs Lastspitzen verringern und die Elektrofahrzeuge zugleich als flexible Verbraucher dem Stromnetz zur Verfügung stellen.
 +
Im Vortrag wird ein Lademanagementsystem für Elektrofahrzeuge präsentiert, das ein Flottenmanager den Fahrzeugen einer Flotte bzw. ein E-Mobility-Provider einer Gruppe von Privatkunden zur Verfügung stellt. Ladepläne werden gegen den Strompreis sowie feste Kapazitätsgrenzen optimiert.
 +
Für beide Fälle wurde ein Energiemanagement-Prototyp implementiert, der sowohl einen optimierten Ladeplan als auch das Lastverschiebungspotential berechnet, welches für Demand Response angeboten werden kann.
 +
Die Anforderungen an den Algorithmus sind zunächst die schnelle Berechnung des Ladeplans unter Berücksichtigung der Parameter und des Einsatzplans (Flotten) bzw. Nutzerprofils (Privatkunden). Der Algorithmus ist in der Lage, das oben genannte Lastverschiebungspotential schnell zu berechnen. Zudem reagiert er auf kurzfristige, unvorhergesehene Änderungen, wie z.B. bei Demand Response, unangemeldeten Fahrzeugen, Änderungen im Einsatzplan, usw. Der Algorithmus wurde mittels realitätsnaher Szenarien in Hinblick auf Laufzeit, Performanz und Reaktion auf kurzfristige Änderungen evaluiert. Im Rahmen dieses Vortrages wird auch anhand realer Beispielszenarien der Mehrwert eines solchen Lademanagementsystems im Vergleich zu unkoordiniertem Laden aufgezeigt.
 
|Veranstaltungsart=Graduiertenkolloquium
 
|Veranstaltungsart=Graduiertenkolloquium
 
|Start=2015/04/15 15:45:00
 
|Start=2015/04/15 15:45:00
Zeile 9: Zeile 15:
 
|Gebäude=11.40
 
|Gebäude=11.40
 
|Raum=231
 
|Raum=231
 +
|Vortragender=Sarah Detzler
 
|Eingeladen durch=Hartmut Schmeck
 
|Eingeladen durch=Hartmut Schmeck
 +
|PDF=1Detzler 15 4 14.pdf
 
|Forschungsgruppe=Effiziente Algorithmen
 
|Forschungsgruppe=Effiziente Algorithmen
 
|In News anzeigen=True
 
|In News anzeigen=True
 
}}
 
}}

Aktuelle Version vom 19. März 2015, 09:03 Uhr

Energiemanagement für Ladevorgänge von Elektrofahrzeugen

Veranstaltungsart:
Graduiertenkolloquium




Ein Ziel des deutschen Entwicklungsplanes für Elektromobilität ist es, bis 2020 eine Million Elektrofahrzeuge auf die deutschen Straßen zu bringen. Dies stellt Herausforderungen an die Strominfrastruktur dar, da beim gleichzeitigen Laden von Elektrofahrzeugen neue Lastspitzen entstehen können, die auf lokaler Ebene zu einer Netzüberlastung führen können. Gleichzeitig bedingt die zunehmende Verbreitung dezentraler regenerativer Energiequellen einen deutlich höheren Bedarf an flexiblen Verbrauchern. Ein intelligentes Lademanagement für Elektrofahrzeuge kann durch Verteilung der Ladeleistung über die Standzeit eines Fahrzeugs Lastspitzen verringern und die Elektrofahrzeuge zugleich als flexible Verbraucher dem Stromnetz zur Verfügung stellen. Im Vortrag wird ein Lademanagementsystem für Elektrofahrzeuge präsentiert, das ein Flottenmanager den Fahrzeugen einer Flotte bzw. ein E-Mobility-Provider einer Gruppe von Privatkunden zur Verfügung stellt. Ladepläne werden gegen den Strompreis sowie feste Kapazitätsgrenzen optimiert. Für beide Fälle wurde ein Energiemanagement-Prototyp implementiert, der sowohl einen optimierten Ladeplan als auch das Lastverschiebungspotential berechnet, welches für Demand Response angeboten werden kann. Die Anforderungen an den Algorithmus sind zunächst die schnelle Berechnung des Ladeplans unter Berücksichtigung der Parameter und des Einsatzplans (Flotten) bzw. Nutzerprofils (Privatkunden). Der Algorithmus ist in der Lage, das oben genannte Lastverschiebungspotential schnell zu berechnen. Zudem reagiert er auf kurzfristige, unvorhergesehene Änderungen, wie z.B. bei Demand Response, unangemeldeten Fahrzeugen, Änderungen im Einsatzplan, usw. Der Algorithmus wurde mittels realitätsnaher Szenarien in Hinblick auf Laufzeit, Performanz und Reaktion auf kurzfristige Änderungen evaluiert. Im Rahmen dieses Vortrages wird auch anhand realer Beispielszenarien der Mehrwert eines solchen Lademanagementsystems im Vergleich zu unkoordiniertem Laden aufgezeigt.

(Sarah Detzler)




Start: 15. April 2015 um 15:45
Ende: 15. April 2015 um 16:45


Im Gebäude 11.40, Raum: 231

Veranstaltung vormerken: (iCal)


Veranstalter: Forschungsgruppe(n) Effiziente Algorithmen
Information: Media:1Detzler 15 4 14.pdf