Optimization of battery energy storage system: A case study for an electric vehicle fast-charging station

Abstract

Stadig økende andel elbiler og ladeeffekt, samt utbygging av hurtigladestasjoner, skaper nye utfordringer, blant annet økte effekttopper og mer varierende effekt. Med økende ladeeffekt vil ladetiden gå ned, og kombinasjonen av økt effekt og kortere ladetid gir mer fluktuerende laster. For å utsette eller unngå nettinvesteringer kan et stasjonært batterisystem være et alternativ. Batterisystemer brukes til å kutte effekttopper for å holde effekten fra nettet nede på et gitt nivå med formål å unngå oppgradering av eksisterende nett. Denne masteroppgaven ser på en hurtigladestasjon i kombinasjon med et stasjonært batteri for å utsette nettinvesteringer ved økt ladebehov.

Hurtigladestasjonen er stokastisk modellert med forventningsverdier og parametere basert på en reell hurtigladestasjon. Driften av hurtigladestasjonen er optimert i Julia for en fem års periode. I formuleringen av optimeringsproblemet er degradering av batteriets energikapasitet tatt med i de driftsrelaterte variablene. Det vil si at med tid og bruk, vil batteriet ha en redusert tilgjengelig energikapasitet til å kutte effekttopper. Det optimale batterisystemet viser seg å være 225 kWh og 300 kW.

Resultatene viser at det ikke er økonomisk gunstig å investere i et batterisystem i dette tilfellet. Case studiet var ikke det best egnede caset for å se lønnsomhet i en batteriinvestering, men for andre energikonsumenter får man et helt annet resultat - for eksempel dersom lange kraftlinjer måtte oppgraderes. Investeringsanalysen viser at de totale diskonterte kostnadene ved å investere i et batterisystem og drifte det i fem år er 7.5 % dyrere enn å utvide nettkapasiteten. Dersom effekttariffen øker, viser beregningene at det å investere i et batterisystem er fortsatt dyrere sammenlignet med nettutvidelse, men at forskjellen mellom de to alternativene reduseres med 29 %.

Flere sensitivitetsanalyser enn på nettleien er gjort, blant annet på valget av tidssteg i optimeringen. I masteroppgaven er det hele tiden brukt minutt som oppløsning på effekt og degradering. Ved optimering av batteriets drift uten å ha med degradering blir driftskostnadene 14.5 % høyere dersom man bruker tidssteg i minutt i stedet for timer. Dersom man tar med syklisk degradering, altså degradering fra batteriets bruk, går den sykliske degraderingen av batteriet 45 % raskere dersom man har minutt i stedet for timesoppløsning.

Basert på projeksjoner for 2025, går prisen på batterier ned, og nedgangen tilsvarer en reduksjon på 31.5 % i investeringskostnader i dette tilfellet. Dette gir store utslag i lønnsomheten ved å ta i bruk batterier sammenlignet med nettinvesteringer.

The increasing fraction of electric vehicles and their charging power, as well as the development of fast-charging stations, creates grid challenges regarding increased peak power and more power fluctuations. The combination of growing charging power, consequently decreasing charging time, gives higher variations. To postpone grid investments by installing stationary battery storage is an alternative to meet increased EV charging demand. The battery storage can peak shave and then fulfill the purpose of avoiding grid reinforcement. This thesis performs a case study of an EV fast-charging station with stationary battery storage to postpone grid investments in case of increased EV charging demand.

The EV charging demand is generated based on stochastic variables and empirical data. Information from a real fast-charging station in Trøndelag, Norway, is used to estimate the EV charging demand at a given fast-charging station. The operation of the fast-charging station is optimized using Julia for a five year period. The operational constraints include the degradation of the battery's capacity, so with time and use, the battery will have a reduced ability to peak shave because of energy storage fade. The optimal battery storage is 225 kWh and 300 kW in the case study.

The results of the case study show no economic arguments to invest in battery storage. The case was not the most suitable for battery storage integration. A situation where potential grid investment costs are higher can give a completely different outcome, for instance, if long power lines need to be upgraded. The investment analysis shows that investing in battery storage to peak shave has 7.5 % higher discounted costs than reinforcing the grid. It also shows that given a higher power tariff, investing in battery storage is not less costly than reinforcing the grid, but the gap between the options contract with 29 %.

More sensitivity analyses are done, including on time step. Through the whole Master's thesis, the time resolution is in minutes for power and degradation. By optimizing the operation of battery storage without degradation, the operational costs are 14.5 % higher if the time resolution is in minutes compared to hours. If cyclic aging, degradation based on the operation of the battery, is included, the cyclic degradation is 45 % higher if the time resolution is in minutes compared to hours.

If projections on future battery investment price for 2025 is correct, the investment cost of the optimal battery is reduced by 31.5 %. Investment reduction gives enormous impacts on the profitability of applying battery storage compared to grid reinforcement.