Electric vehicles (EVs) are crucial for meeting global climate targets by integrating the transport and energy sectors, promoting a shift from fossil fuels to renewable energy. This dissertation develops a comprehensive framework for smart charging solutions to optimally boost EVs in Germany by investigating technical and oper-ational barriers in the system design and implementation. The dissertation utilizes a multi-faceted methodology, including developing a system architecture for EV use cases, conducting a field trial to transfer theory to real-world applications, developing short-term forecasting models essential for smart charging use cases, and finally, bringing the aspects above together to give a final evaluation. First, the technical infrastructure required for smart charging solutions, including actors and communication protocols, is outlined by designing a comprehensive system architecture. Further, key metrics of implemented use cases and user and system behavior in a field trial are assessed. Short-term forecasting models are developed to predict point and quantile CO2 emission factors, energy demand, and EV availability. The final system evaluation involves analyzing technical, operational, and regulatory aspects to provide practical recommendations for improving smart charging solutions. The developed system architecture, in combination with integration tests, revealed that seamless communication and interoperability between different components and actors remain a technical hurdle even when the system is established on standard-based solutions. Therefore, cross-industry test events should occur regularly and transparently to enable standards' iterative and continuous development. Further, implementing and testing use cases in real environments as part of a field trial disclosed that actual revenues are significantly lower than in theory. One of the reasons for the PV use case is the much lower efficiency in real applications compared to simulations. Considering the specific characteristics of mobile storage in the trading strategy, combined with precise forecasts, is decisive for the intraday use case. Moreover, user behavior is essential and should be incentivized to provide as much flexibility as possible. These results highlight the importance of implementing use cases in field trials and not only examining them in theory. Additional operational improvement incorporates grid forecasts based on schedule registrations from aggregators, which can help to harmonize market and grid requirements and potentially avoid grid congestion. However, the measures of implementing and maintaining more complex forecasting models should always be in proportion to the benefit of a better prediction. Regulatory recommendations include promoting grid-friendly charging to address missing incentives, which could create additional value streams. These findings support policymakers and industry stakeholders in developing regulations and technologies that facilitate the widespread adoption of EVs without compromising grid stability.      «

Electric vehicles (EVs) are crucial for meeting global climate targets by integrating the transport and energy sectors, promoting a shift from fossil fuels to renewable energy. This dissertation develops a comprehensive framework for smart charging solutions to optimally boost EVs in Germany by investigating technical and oper-ational barriers in the system design and implementation. The dissertation utilizes a multi-faceted methodology, including developing a system architecture for EV use c...     »

Elektrofahrzeuge (EVs) sind entscheidend für das Erreichen globaler Klimaziele, da sie den Verkehrs- und Energiesektor integrieren und so den Übergang von fossilen Brennstoffen zu erneuerbaren Energien fördern. Diese Dissertation entwickelt einen umfassenden Rahmen für intelligente Ladelösungen, um EVs in Deutschland optimal zu fördern, indem technische und betriebliche Barrieren bei der Systemgestaltung und -implementierung untersucht werden. Die Dissertation verwendet eine facettenreiche Methodik, die die Entwicklung einer Systemarchitektur für EV-Anwendungsfälle, die Durchführung eines Feldversuchs zur Überführung von Theorie in reale Anwendungen, die Entwicklung kurzfristiger Prognosemodelle, die für intelligente Ladeszenarien unerlässlich sind, und schließlich die Zusammenführung der genannten Aspekte zu einer abschließenden Bewertung umfasst. Zunächst wird die technische Infrastruktur, die für intelligente Ladelösungen erforderlich ist, einschließlich der Akteure und Kommunikationsprotokolle, durch die Gestaltung einer umfassenden Systemarchitektur umrissen. Weiterhin werden die wichtigsten Metriken der implementierten Anwendungsfälle sowie das Nutzer- und Systemverhalten in einem Feldversuch bewertet. Kurzfristige Prognosemodelle werden entwickelt, um Punkt- und Quantil-Vorhersagen für CO2-Emissionsfaktoren, Ladeenergiebedarf und EV-Verfügbarkeit vorherzusagen. Die abschließende Systembewertung umfasst die Analyse technischer, betrieblicher und regulatorischer Aspekte, um praktische Empfehlungen zur Verbesserung intelligenter Ladelösungen zu geben. Die entwickelte Systemarchitektur in Kombination mit Integrationstests zeigte, dass nahtlose Kommunikation und Interoperabilität zwischen verschiedenen Komponenten und Akteuren ein technisches Hindernis bleibt, selbst wenn das System auf standardbasierten Lösungen basiert. Daher sollten branchenübergreifende Testveranstaltungen regelmäßig und transparent stattfinden, um die iterative und kontinuierliche Weiterentwicklung von Standards zu fördern. Darüber hinaus ergab die Implementierung und Prüfung von Anwendungsfällen in realen Umgebungen im Rahmen eines Feldversuchs, dass die tatsächlichen Einnahmen deutlich niedriger sind als in der Theorie. Einer der Gründe für den PV-Anwendungsfall ist die deutlich geringere reale Effizienz im Vergleich zur simulierten. Für den Intraday-Anwendungsfall ist die Berücksichtigung der spezifischen Eigenschaften mobiler Speicher in der Handelsstrategie in Kombination mit präzisen Prognosen entscheidend. Außerdem ist das Nutzerverhalten essenziell und sollte incentiviert werden, um möglichst viel Flexibilität zu bieten. Diese Ergebnisse unterstreichen die Bedeutung der Implementierung von Anwendungsfällen in Feldversuchen und nicht nur deren theoretische Untersuchung. Eine zusätzliche betriebliche Verbesserung umfasst Netzprognosen auf der Grundlage von Fahrplänen von Aggregatoren, die dazu beitragen können, Markt- und Netzanforderungen in Einklang zu bringen und potenziell Netzengpässe zu vermeiden. Die Maßnahmen zur Implementierung und Wartung komplexerer Prognosemodelle sollten jedoch immer im Verhältnis zum Nutzen einer besseren Vorhersage stehen. Regulatorische Empfehlungen umfassen die Förderung netzfreundlichen Ladens zur Schließung von Anreizlücken, was zusätzliche Erlösquellen schaffen könnte. Diese Erkenntnisse unterstützen politische Entscheidungsträger und Branchenakteure bei der Weiterentwicklung der Regulatorik und Technologien, die den Hochlauf von EVs erleichtern, ohne die Netzstabilität zu beeinträchtigen.      «

Elektrofahrzeuge (EVs) sind entscheidend für das Erreichen globaler Klimaziele, da sie den Verkehrs- und Energiesektor integrieren und so den Übergang von fossilen Brennstoffen zu erneuerbaren Energien fördern. Diese Dissertation entwickelt einen umfassenden Rahmen für intelligente Ladelösungen, um EVs in Deutschland optimal zu fördern, indem technische und betriebliche Barrieren bei der Systemgestaltung und -implementierung untersucht werden. Die Dissertation verwendet eine facettenreiche Me...     »