Search

In diesem Forschungsprojekt untersuchen wir politische Präferenzen und Kaufentscheidungen in Bezug auf Personenwagen in der Schweiz, da der Automobilverkehr eine der Hauptquellen von Treibhausgasemissionen in der Schweiz ist. Aktuell auf dem Markt verfügbare Fahrzeugmodelle, insbesondere rein batterieelektrisch betriebene Fahrzeuge (BEV), haben das Potenzial die Treibhausgasemissionen im Verkehrssektor zu senken. Um die von einem geringen Niveau aus steigende Nachfrage nach solchen Personenwagen weiter zu erhöhen, benötigt es Verhaltensänderungen in der Bevölkerung hin zum Kauf von energieeffizienteren Fahrzeugen, sowie politische Rahmenbedingungen und gegebenenfalls Anreize. In diesem Projekt haben wir untersucht, welche politischen Anreize durch die öffentliche Meinung akzeptiert werden und ob die Bereitstellung von Informationen und direkte Erfahrungen mit Elektrofahrzeugen die Nachfrage nach diesen erhöhen. Zu diesem Zwecke erhoben wir exklusive Umfragedaten in mehreren Panelbefragungen von einer Stichprobe von zufällig ausgewählten Schweizer AutohalterInnen und führten ein randomisiert-kontrolliertes Feldexperiment durch. Bei diesem wurden entweder nur Informationen zu BEVs bereitgestellt oder die gleichen Informationen zusätzlich zu einer mehrtägigen Probefahrt mit einem rein batterieelektrisch betriebenen Fahrzeug zugeteilt. Die Ergebnisse dieses Projektes zeigen die Notwendigkeit von Ladeinfrastruktur und die öffentliche Unterstützung für deren Bereitstellung. Das Informationstreatment und das kombinierte Treatment aus Informationen mit Testfahrten ändern die Politikpräferenzen nicht signifikant, aber sie erhöhen das Wissen über Elektrofahrzeuge und verbessern die Einschätzung über diese. Die Kaufabsichten steigen, aber kurzfristig erhöhen die Treatments die realisierte Anschaffung von Elektrofahrzeugen nicht signifikant. Dieser Bericht basiert auf dem Schlussbericht des Projektes., ISTP Paper Series, 7

Durch die steigende Anzahl von elektrisch betriebenen Fahrzeugen w��chst der Bedarf an elektrischer Leistung, wodurch es zu einem Anstieg der Lastspitzen im Versorgungsnetz kommt. Dies f��hrt zu einer h��heren Auslastung des Netzes sowie zu h��heren Kosten, da mehr Kraftwerke ben��tigt werden, welche diesen erh��hten Leistungsbedarf decken. Deshalb ist es sinnvoll, eine Laststeuerung (engl. -Demand Side Management-, kurz DSM) einzusetzen, wodurch eine Lastverschiebung und somit eine Verringerung der Lastspitzen erreicht werden kann. F��r den Einsatz von DSM ist es erforderlich, dass die ben��tigten Energiemengen im Vorhinein bekannt sind. In dieser Arbeit werden mit Hilfe der Software MATLAB zwei Modelle entwickelt, mit denen der Energiebedarf von privat- beziehungsweise dienstlich genutzten Elektrofahrzeugen zeitlich und energetisch prognostiziert werden kann. Die verwendeten Daten wurden von der Modellregion K��stendorf aus Salzburg und von der Firma VLOTTE, deren Sitz in Vorarlberg ist, zur Verf��gung gestellt. Die entwickelten Prognosemodelle sollen eine Vorhersage des Energiebedarfs f��r den aktuellen sowie den folgenden Tag erm��glichen, wobei als Schrittweite eine Stunde gew��hlt wird. Zuerst werden die vorliegenden Daten analysiert. Es wird sich zeigen, dass in beiden Datenmengen Aufzeichnungsfehler vorkommen. Danach erfolgt eine Bereinigung und Aufbereitung der Daten, sodass sie als Datengrundlage zur Prognoseerstellung verwendet werden k��nnen. Im Zuge dieser Datenaufbereitung werden die geladenen Energiemengen aufsummiert, wodurch regelm����ige Verl��ufe ohne gro��e Spr��nge entstehen. Die bereinigten Datenmengen dienen als Grundlage zur Untersuchung verschiedener g��ngiger, in der Literatur zu findender Prognoseverfahren. Dabei wird er��rtert, dass nicht alle Verfahren, welche im Theorieteil dieser Arbeit besprochen werden, zur Prognose der vorhandenen Datenmengen geeignet sind. Bei der Prognose wird die ��nderung der gesamten aufsummierten geladenen Energiemenge erstellt, woraufhin durch R��ckrechnung der jeweilige Tages- beziehungsweise Stundenenergiewert ermittelt wird. Im Anschluss daran werden die beiden Modelle, bei denen verschiedene Parameter wie etwa das verwendete Prognoseverfahren variiert werden k��nnen, in MATLAB implementiert und die Ergebnisse dargestellt. Es erfolgt eine Erl��uterung dar��ber, dass zufriedenstellende Prognosen der Energiebedarfe von ganzen Tagen aufgestellt werden k��nnen. Des Weiteren ist es m��glich Stundenprognosen zu erstellen, was allerdings nur dann Ergebnisse mit geringen Fehlern liefert, wenn Fahrzeuge regelm����ig benutzt werden. Ist dies nicht der Fall, so treten in den aufsummierten geladenen Energiemengen, welche bei der Prognoseerstellung als Datengrundlage dienen, vermehrt sprunghafte, ungregelm����ige ��nderungen auf. Dies f��hrt zu gr����eren Prognoseabweichungen und somit zu h��heren Prognosefehlern. Zum Abschluss wird die Verwendung eines Reservierungssystems in Verbindung mit dienstlich genutzen Elektrofahrzeugen erl��utert. Dabei werden der prinzipielle Aufbau und die Vorteile eines solchen Systems genauer betrachtet., An increasing use of electronically driven vehicles has led to a rise in the demand of electricity. This has caused increased peak loads in the supply network. A higher utilization as well as higher costs are an effect of these described changes, as more power plants are needed to cover this elevated power demand. A constructive solution for this problem is the use of demand side management (DSM). With the help of DSM, a load transfer as well as reduction in load peaks of the supply network can be achieved. In order to be able to use DSM, it is necessary to know the required energy amounts in advance. With the help of the software MATLAB, this paper develops two models for predicting the energy demand of privately as well as officially used electronic vehicles with regard to time and energy. The used data is provided by the model region K��stendorf in Salzburg and by the company VLOTTE, which is located in Vorarlberg. The developed forecast model shall allow a prediction of the energy amount of the current as well as the following day, for which the increment is determined as an hour. First, the provided data will be analysed. This will show that record errors exist in both datasets. After that, adjustment and preparation of the data will enable the use of the data as basis for creating a forecast. In the course of this preparation the recorded energy amounts will be added to ensure constant progressions without significant jumps. The adjusted data will serve as basis for examining various common forecasting methods, which are also found in specialist literature. It will be explained that not all procedures discussed in the first part of this paper are suitable for prognosis in relation with the provided data. For creating the forecast, all loaded energy amounts will be added and adjusted. In a next step, the daily as well as the hourly energy value will be identified via back-calculation. Both mentioned models, which allow a varied use of the forecasting procedure-s parameters, will be implemented in MATLAB and will thus allow a depiction of outcomes. Following that, it will be explained that the most successful forecasts of energy demands can be done for whole days. Doing forecasts on an hourly basis is possible, but only leads to outcomes with low error rates if vehicles are used regularly. If this is not the case, the data base, which are the added loaded energy amounts, tend to show irregularities and changes. This leads to higher forecasting deviations and also to higher forecasting errors. As a final step, the use of a reservation system in relation to officially used electronic vehicles will be illustrated by giving an explanation of its basic structure and its advantages.

Der Klimawandel ist in der Welt nicht mehr zu leugnen. Fast t��glich ereilen uns Nachrichten ��ber neue Hitzerekorde, verheerende Katastrophen oder einschneidende landschaftliche Ver��nderungen auf unserem Planeten. Umso wichtiger erscheint es nun, rasche L��sungen zu finden, um diese Tendenzen aufzuhalten bzw. weitestgehend zu entschleunigen. Die Elektromobilit��t kann hierzu ��ber den Sektor Verkehr einen entscheidenden Beitrag in der gesamten L��sungsstrategie liefern. Diese Dissertation setzt sich mit dem Thema Elektromobilit��t nicht nur aus Sicht der Fahrzeugtechnik auseinander, sondern betrachtet speziell die Auswirkungen, die diese bei der Integration in das elektrische Energiesystem mit sich bringt. Zus��tzlich sollen nicht nur die H��rden, sondern auch die Potentiale aufgezeigt werden, die vor allem im Zusammenspiel mit zuk��nftigen Smart Grid-Konzepten ihre Anwendung finden werden. Die Erkenntnisse und Erfahrungen stammen zu einem gro��en Teil aus einer Reihe von wissenschaftlichen Arbeiten, die w��hrend der T��tigkeiten am Institut durchgef��hrt worden sind. Dies soll auch die praktische Relevanz dieser Arbeit f��r den realen Netzbetrieb unterstreichen. Durch diese Arbeiten konnte zun��chst die Elektromobilit��t in ihrem Verhalten in eine entsprechende elektrische Last transformiert werden. Im Zusammenspiel mit der station��ren Ladeinfrastruktur wird die systemische Auswirkung auf das Energiesystem beschrieben. Zus��tzlich wurden spezielle Aspekte und Gegebenheiten, die im Zusammenhang mit der Elektromobilit��t auftreten, beleuchtet. Als Ergebnis lassen sich anhand dieser Dissertation Antworten auf die Fragestellungen hinsichtlich Netzplanung und Netzbetrieb im Kontext der Elektromobilit��t geben. Es zeigt sich, dass entgegen vieler unbegr��ndeter Aussagen die Elektromobilit��t bereits ihren Platz im elektrischen Gesamtsystem einnehmen kann. Die Rahmenbedingungen, die jedoch teilweise daf��r eingehalten werden m��ssen, sollen in dieser Arbeit ausgearbeitet werden., Climate change on Earth can no longer be denied. We hear news stories about new heat records, devastating catastrophes or drastic landscape changes on our planet almost every day. This makes it even more important to quickly find solutions in order to halt or decelerate these trends as far as possible. In the transport sector, electro mobility can make a significant contribution to the overall solution strategy. This thesis does not only deal with the topic of electric mobility from the point of view of vehicle technology, but also specifically considers the effects this has on its integration into the electrical energy system. In addition, not only the barriers, but also the potentials of this system are to be pointed out, which will find their application mainly with future Smart Grid concepts. The findings and experiences were largely derived from a series of scientific papers that were gathered during the activities at the institute. This should also underline the practical relevance of this work for real network operation. This work initially made it possible to transform the behaviour of electro mobility into a corresponding electrical load. In interaction with the stationary charging infrastructure, the systemic effect on the energy system is described. Moreover, special aspects and conditions that occur in connection with electro mobility were examined. As a result, this dissertation provides answers to questions regarding network planning and operation in the context of electro mobility. Contrary to many unfounded statements, electro mobility can already take its place in the overall electrical system. However, the framework conditions, which have to be maintained to some extent, have been worked out in this thesis.

Alternative vehicle drivetrain technologies as used in electric vehicles (EV) are expected to play a major role in future passenger car markets. Yet, there is a lack of knowledge on the benefits or drawbacks. The aim of this paper is to present energy consumption and emission data of a battery electric vehicle (BEV) and a plug-in hybrid electric vehicle (PHEV) taken from two measurement campaigns. The BEV fleet is equipped with OBD data loggers, collecting information on the state of charge (SOC). Results for the chosen BEV show seasonal variations with an up to 60% higher energy demand in winter. Taking data on energy consumption at charging station, an average annual total energy demand of 19 kWh/100 km is computed. Well-to-tank NOx emissions per charging event are calculated based on hourly electricity mix data in Germany. Survey results of the BEV users show that there is a positive perception of EV, although only a minority is convinced that EV are suitable for daily use. In the second measurement campaign, different EURO6 passenger cars are tested on a dynamometer at 23°C and 0°C. Results for a PHEV of the C segment show that exhaust emissions of air pollutants and greenhouse gases strongly depend on the vehicle`s operating strategy and ambient temperatures, influencing the electric range, the share of ICE use and the catalyst temperature notably. This in turn shows the importance of an appropriate design of PHEV.

This paper investigates country-specific total cost of ownership of electric mobility for different vehicle owners and usage patterns. A utility function approach is used to incorporate non-monetary aspects.