Blog: ‘Hoe lang en hoe veel wilt u laden?’
Door: Bart Nijenhuis (Promovendus, Universiteit Twente)
Het vaak ontbrekende puzzelstukje bij de implementatie van Smart Charging is een klein beetje informatie vanuit de elektrische auto: hoe lang blijft deze auto hier staan en hoeveel energie moet er geladen worden? Om deze informatie te verkrijgen, zouden wij complexe data-analyse kunnen loslaten op historische informatie over voorgaande laadsessies of geavanceerde voorspellingsmodellen kunnen inzetten – maar als het gaat om de wensen van een enkele individuele gebruiker te voorspellen, is dat lastig. ‘Waarom vragen we het de gebruiker van de laadplek niet gewoon?’
Figuur 1: Smart Charging web interface voor smartphone gebruikers
Dat staat centraal bij het experiment met een Smart Charging app bij het Living Lab op de campus van de Universiteit Twente. Een groep gebruikers start sinds halverwege juni 2022 hun laadsessie met een app waarin zij aangeven hoe laat ze verwachten te vertrekken met hun auto. Ook geven zij aan hoeveel energie (of kilometers) ze in hun auto willen bijladen. In de toekomst zou deze informatie idealiter via het dashboard van de auto ingevoerd kunnen worden en van daaruit gedeeld kunnen worden met het energiesysteem. Tot die tijd onderzoeken wij alvast wat de potentie van deze informatie is voor intelligent laden.
Hoe werkt de interactie?
Gebruikers komen op het laadplein aan, pluggen hun auto in, navigeren met een snelkoppeling op hun smartphone naar de app (zie Figuur 1) en geven hun laadvoorkeuren aan. Om het voor de gebruiker wat eenvoudiger te maken, rekenen we de hoeveelheid kWh energie om naar het verwachtte aantal kilometers wat het model auto van de gebruiker met de geladen energie kan rijden. Met een slim algoritme wordt bepaald hoe de auto het best in onze laadomgeving kan opladen en de gebruiker krijgt direct het laadprofiel voor die dag te zien. Het algoritme heeft als doel het uitvlakken van de netbelasting en zorgt er voor dat de auto zoveel als mogelijk rechtstreeks met de verwachtte zonopbrengst van de zonnepanelen op de carport wordt geladen! Uiteraard heeft de gebruiker ook de keuze om ‘snel’ te laden.
EV-rijders leren snel
Om het effect van het systeem te analyseren, vergelijken we de gemiddelde netbelasting van de 4 deelnemende laadstations in de periode vóór 15 juni 2022 met de periode ná 15 juni 2022 (het moment dat gebruikers de app moesten gebruiken om de laadsessie te starten). De meeste gebruikers gebruiken de app 1 tot 3 keer per week en geven dus iedere keer de verwachtte vertrektijd en hun energiebehoefte in. De praktijktesten wijzen uit dat het voor gebruikers toch lastig blijkt een goede inschatting van de energie behoefte te doen: in de eerste maand van de test werd er gemiddeld zo’n 45% méér energie ‘besteld’ dan dat er daadwerkelijk in de auto bijgeladen kon worden. Dit zou er op kunnen duiden dat gebruikers liever een ‘veilige’ optie kiezen zodat ze zeker weten genoeg energie te ontvangen. Anderzijds lijken gebruikers wel te leren om beter met het systeem om te gaan: het percentage van ‘te veel bestelde energie’ zakte naar 41% in de tweede maand en 33% in de derde maand van het onderzoek!
Positieve resultaten
Ondanks de foutmarges op de inschattingen en daarmee de input van gebruikers zijn de eerste resultaten met de app zeer positief te noemen: doordat gebruikers ons de vrijheid geven hun laadsessie te plannen, binnen de door hun aangegeven kaders, kunnen we het energieverbruik van de laadstations goed verplaatsen naar wanneer de zonnepanelen ook het meeste energie opwekken (zie Figuur 2).
Deze aanpak werkt: de piekbelasting op het net in de ochtend neemt af, de laadvraag wordt uitgesmeerd over de dag én wanneer er relatief gezien de meeste lokale zonnestroom wordt opgewekt vindt ook de grootste energieconsumptie plaats. Win-win-win!
Met deze eerste resultaten van de testperiode met de app laten we zien dat, ondanks dat mensen niet zo heel goed zijn in het inschatten van de energievraag van hun laadsessies, de impact van het toepassen van deze sturing op het verlagen van de netbelasting groot is. Doordat we op deze manier ook in staat zijn méér van de lokaal opgewekte zonne-energie rechtstreeks in de auto’s te laden neemt de CO2 footprint van het laden af. We zien ook dat de input van gebruikers niet perfect hoeft te zijn om dit concept toe te passen, maar dat we vooral moeten zorgen dat we op een gebruiksvriendelijke manier het laatste puzzelstukje aan informatie kunnen vergaren én kunnen inzetten.
Vervolgstappen
Om dit concept bruikbaar te maken voor een grote groep EV-gebruikers zullen zij op één of andere manier onderdeel moeten worden van het Smart Charging ecosysteem van de exploitant van het laadstation: de CPO (charge point operator). Dit houdt dat de gebruikers zich moeten aanmelden, zichzelf kenbaar maken aan het systeem, en een klein stukje informatie moeten delen. Om de acceptatie van dit proces te verhogen, willen we ook onderzoeken op welke andere manieren we de benodigde informatie op een gebruiksvriendelijke manier kunnen krijgen, bijvoorbeeld met een display op de laadpaal zelf.
Door in het SmoothEMS met GridShield project hier direct ervaring in de praktijk op te doen, werken we toe naar een praktijkgericht concept dat direct invloed heeft op het realiseren van de energietransitie. Onderdeel van het vervolgonderzoek is om te testen hoe wij de gebruiker beter en makkelijker kunnen overhalen om deze extra handeling(en) te doen. Is dit op basis van een gereduceerd laadtarief of kunnen we gebruikers ook duidelijk maken dat hun keuze direct impact heeft op de CO2 footprint van de laadsessie, -en is dit al voldoende om de gebruiker over te halen?
