Developing a location model for fast charging infrastructure in settlement areas and on the major highways

  • Entwicklung eines Standortfindungsmodells für Schnellladeinfrastruktur in den Siedlungsräumen und auf den Fernverkehrsstraßen

Shirmohammadli, Abdolmatin; Vallée, Dirk Heinrich August (Thesis advisor); Oeser, Markus (Thesis advisor); Huber, Felix (Thesis advisor); Wegener, Michael (Thesis advisor)

Aachen (2017, 2018)
Doktorarbeit

Dissertation, RWTH Aachen University, 2017

Kurzfassung

Die Elektrofahrzeuge als Komponente der nachhaltigen Mobilitätsentwicklung bereinigen die lokale Luftverschmutzung und verringern den CO2 Ausstoß durch ihren effizienteren Energieverbrauch. Somit lassen sie die wachsenden erneuerbaren Energien eine wichtigere Rolle zur Unabhängigkeit von den fossilen Brennstoffen zu spielen. Trotz exzessiver ökologischer Vorteile war jedoch die bisherige Akzeptanz der E-Mobilität, aus unterschiedlichen Gründen, nicht vielversprechend. Neben den höheren Anschaffungskosten und der beschränkten Reichweite der E-Fahrzeuge, zählt die mangelnde öffentliche Ladeinfrastruktur als wichtigsten Gründen. Die Nutzung der E-Fahrzeuge beschränkt sich im Wesentlichen zu den kürzen innerstädtischen Wegen und die E-Fahrzeug Besitzer bestehen (fast) ausschließlich aus den jenen, denen eine private Lademöglichkeit, zu Hause oder bei der Arbeit, zur Verfügung steht (Frenzel et al., 2015). Daher ist die Errichtung öffentlich-zugänglicher Ladeinfrastrukturen äußerst wichtig um die neuen Nutzergruppen zu schaffen. Die technischen Eigenschafften der Ladeinfrastruktur sind sehr unterschiedlich jedoch maßgebend ist hier die Ladezeit. Während die Ladezeit bei den konventionellen Ladeinfrastrukturen Stundenlang dauert, die Schnellladestationen laden die Batterie eines E-Fahrzeuges innerhalb 30 bis 60 Minuten auf (je nach Ladeleistung und Große der Batterie) und schaffen den E-Fahrzeugnutzer eine große Flexibilität in den Siedlungsräumen. Darüber hinaus ermöglichen sie die lang-Strecken Wege. Die Schnellladetechnologie kann daher als eine Zwischenlösung für die beschränkte Reichweite der heutigen E-Fahrzeuge betrachtet werden, bis die Batterie Technologie sich genüg fortschreitet. Errichtung der Schnellladestationen ist jedoch sehr kostenintensiv von daher sind ihre Standorte für eine langfristige Funktionalität und Profitabilität sehr wichtig. Das Ziel dieser Dissertation ist eines nachfrageorientierten und flächendeckenden Standortfindungsmodells für Schnellladestationen unter Berücksichtigung der Nutzer Aktivitäten und Reiseverhalten zu entwickeln. Das präsentierte Modell in dieser Dissertation untersucht die Nutzungsszenarien der Schnellladestationen in den Siedlungsräumen (inner-city) und auf den Fernverkehrsstraßen (inter-cities). Auf Grundlade dieser Nutzungsszenarien unterteilt sich das entwickelten Modell zu zwei Sub-Modelle; „Settlement Areas“ und „Major Highways“. Die Nutzung der Schnellladestationen in den Siedlungsräumen soll zur höhere Flexibilität der Nutzer mit ihren täglichen Aktivitäten wie z. B. Einkaufen, Freizeit und private Angelegenheiten führen. Im „Settlement Areas“ Sub-Modell soll die Aktivitätszeit der Nutzer in unterschiedlichen Einrichtungen zum Aufladen der E-Fahrzeuge benutzt werden. Unter diesem Nutzungsszenario sind die Zusammenhänge zwischen dem Reiseverhalten der Nutzer und den städtebaulichen Einrichtungen essentiell. Als wichtigste Kriterien dieses Sub-Modells sind u. A. die Anzahl der angezogenen motorisierten individual Verkehr (MV-Verkehr), Aktivitätszeit der Nutzer, Einzugsgebiet der Einrichtungen, Gebiet Type der Einrichtungen und der Einfluss von heute vorhandenen Schnellladeinfrastruktur. Im Gegensatz zum „Settlement Areas“ Sub-Modell, ist den lang-Strecke Reisenden sehr wichtig, schnellst möglich das Ziel zu erreichen somit die täglichen Aktivitäten spielen keine Rolle beim „Major Highways“ Sub-Modell. Bei einer Strecke länger als die verfügbare Reichweite des E-Fahrzeuges ist eine Zwischenladung unvermeidbar. Die Aufladungszeit kann in dieser Stelle für eine kurze Pause während der Reise genutzt werden. Unter dieser Annahme spielt die Reichweite des E-Fahrzeuges eine wichtige Rolle in diesem Sub-Modell. Die weiteren wichtigen Kriterien in diesem Sub-Modell sind die Folgenden: die nationale und internationale Verkehrsstärke auf den Fernverkehrsstraßen, die Bedeutung der Strecken als Erschließung der schlecht erreichbaren Regionen, die Umwegakzeptanz von den Fahrern auf den Fernstraßen und die Ladeverhalten der E-Fahrzeugnutzern bezüglich des Ladestandes der Batterie beim Ankommen und Abfahren der Schnellladestation. Die Nutzer des entwickelten Standortmodells können unterschiedliche Gewischte, je nach Projektziele und ihren individuellen Prioritäten, den Kriterien des Modells festlegen und ihre Szenario-basierten Ergebnisse rechnen lassen. Der letzte Teil des Standortfindungsmodells präsentiert ein Verfahren zur Zusammenrechnung des Potentiales der Standorte aus den separat berechnete Potentiale der Sub-Modelle. Die Kombinierung der Ergebnisse der Sub-Modelle ist wichtig, da ggf. ein Standort sowohl die Nachfrage für Schnellladeinfrastruktur in den Siedlungsräumen als auch auf den Fernverkehrsstraßen befriedigen kann. Somit ist ein Kombiniertes Potential aus beiden Sub-Modelle zu rechnen. Dabei spiegelt die Gewichtung jeweilige Sub-Modelle die Prioritäten dieser Sub-Modell. Die Implementierung des Standortfindungsmodells wurde im Geographic Information System (ArcGIS) Programm durchgeführt. Zur Untersuchung geo-referenzierter Layers und räumliche Verbindung unterschiedlicher Informationen wurden die eigendefinierten und individuellen ArcGIS Tollboxen in Python programmiert. Die geschriebenen Skripte in Python wurden in grafischem Form als ArcGIS Toolboxen entwickelt, damit die nicht-Programmierer auch einfach und bequem das Standortfindungsmodel benutzen können. Das Standortfindungsmodel wurde in dem Untersuchungsgebiert Deutschland implementiert und einige Szenario-basierte Beispielergebnisse durch Gewichtung der Kriterien in 4. Kapitel dargestellt. Obwohl der Schwerpunkt dieser Dissertation auf Schnellladeinfrastruktur liegt, kann das Standortfindungsmodel zur Festlegung des optimalen Standortes weiterer Treibstoffstationen wie z. B. Wasserstoff oder CNG (Compressed Natural Gas) Stationen konfiguriert werden. Die mangelnden Nutzer-Studie Daten ist das eindeutige Optimierungspotential des präsentierten Modells. Der letzte Abschnitt dieser Dissertation schlägt die weiteren Forschungsbereiche zu den Interessierten, die durch ihre Weiterforschung in diesem Thema einen aktiven Beitrag zur Verbreitung der E-Mobilität als saubere und nachhaltige Technologie in Verkehrsbereich beitragen wollen.

Identifikationsnummern

Downloads