从被动到主动：电动汽车的灵活性 输电系统发展的背景

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要翻译：
基于RES的电力系统中的交通电气化将支持交通部门的脱碳。然而，由于能源需求的增加和充电的巨大峰值效应，电动汽车的无源集成可能会破坏可持续性努力。本研究调查了欧洲电动汽车的三种不同充电策略，它们提供了不同程度的灵活性：被动充电、智能充电和汽车到电网，并将这种灵活性与互联提供的灵活性结合起来。我们使用Balmorel优化工具来表示能源系统中的短期调度和长期终止，我们在开发新方法方面做出了贡献。我们的结果表明，在2050年之前，增加充电灵活性的每一步如何降低系统成本，影响能源组合，影响现货价格，并减少二氧化碳排放。我们量化了灵活充电和可变发电是如何相互支持的(2050年风能和太阳能的100TWH)，并限制了固定电池的商业案例，其中被动充电导致太阳能替代风能。通过对有无联网扩展的每种收费方案的比较，突出了欧洲国家在电气化交通环境下电价和二氧化碳排放方面的相互作用。尽管在欧盟一级最灵活的情况下取得了最佳结果，但拥有最便宜和最脱碳电力组合的国家的情况受到了损害，这要求在欧盟一级采取适应的协调政策。
---
英文标题：
《From passive to active: Flexibility from electric vehicles in the
  context of transmission system development》
---
作者：
Philipp Andreas Gunkel, Claire Bergaentzl\\\'e, Ida Gr{\\ae}sted Jensen,
  Fabian Scheller
---
最新提交年份：
2020
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
英文摘要：
  Electrification of transport in RES-based power system will support the decarbonisation of the transportsector. However, due to the increase in energy demand and the large peak effects of charging, the passiveintegration of electric cars is likely to undermine sustainability efforts. This study investigates three differentcharging strategies for electric vehicle in Europe offering various degrees of flexibility: passive charging,smart charging and vehicle-to-grid, and puts this flexibility in perspective with the flexibility offered byinterconnections. We use the Balmorel optimization tool to represent the short-term dispatch and long-terminvestment in the energy system and we contribute to the state-of-the-art in developing new methodologiesto represent home charging and battery degradation. Our results show how each step of increased chargingflexibility reduces system costs, affects energy mix, impacts spot prices and reduces CO2 emissions untilthe horizon 2050. We quantify how flexible charging and variable generation mutually support each other(?100TWh from wind and solar energy in 2050) and restrict the business case for stationary batteries, whereaspassive charging results in a substitution of wind by solar energy. The comparison of each charging schemewith and without interconnection expansion highlights the interplay between European countries in terms ofelectricity prices and CO2 emissions in the context of electrified transport. Although the best outcome isreached under the most flexible scenario at the EU level, the situation of the countries with the cheapest andmost decarbonised electricity mix is damaged, which calls for adapted coordination policy at the EU level.
---
PDF下载：
--> English_Paper.pdf (7.88 MB)

2022-4-20 21:22:02 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：电动汽车 灵活性 Transmission Quantitative Coordination

Philipp Andreas Gunkela,Claire Bergaentzl\'ea,Ida Grèsted Jensenb,Fabian SchellerbaEnergy Economics and Regulation，DTU Management,丹麦技术大学，Kongens Lyngby,DenmarkbEnergy系统分析，DTU Management,丹麦技术大学，Kongens Lyngby,DenmarkAbstractSector。然而，由于能源需求的增加和较大的充电高峰，电动汽车的无源集成可能会破坏可持续性。本文研究了三种双向互连。我们使用Balmorel优化工具来表示能源系统中的短期调度和长期终止，我们在开发新方法方面做出了贡献。我们的结果显示了地平线2050增加充电的每一步。我们量化了可移植性充电和可变发电是如何相互支持的(2050年风能和太阳能将达到100TWH)，并限制了固定电池的商业案例，其中被动充电导致太阳能替代风能。通过对有无联网扩展的每种收费方案的比较，突出了欧洲国家在电力运输方面的电价和二氧化碳排放之间的相互作用。关键词：可再生能源、电动汽车、传输系统、能源系统、灵活性亮点o电动汽车可再生能源与电网扩张相比的影响建模o电动汽车可再生能源用风力替代太阳能o通过电网扩张对固定电池部署的边际影响o电动汽车可再生能源局部降低电价o电网扩张在空间上平滑电价1。欧洲有雄心勃勃的计划来实现能源系统的脱碳，包括在交通运输等行业。作为一个序列，扇区耦合是在切换发电技术时必须解决的一个挑战，相应的authorEmail地址:phgu@dtu.dk（Philipp Andreas Gunkel）预印本提交给应用能源公司11月12日，2020arxiv:2011.05830 v1[econ.gn]2020.11月11日可变可再生能源方向(VRE)。不可避免地，使用化石燃料的车辆被电动汽车所取代，增加了电力部门对生产单元的需求。然后，这些新的生产单元必须在所需的时间满足新的需求，从而影响投资决策。然而，电动汽车的具体需求高度依赖于所选择的充电方案。一辆典型的电动汽车比普通家庭的用电量高出一倍以上[]。根据Friedldemand对电动汽车的预期部署。弗里德尔等人。[]指出，由于电动汽车的份额为30%，如果应用当前最先进的充电方案，将会出现供应瓶颈。被动式充电(PC)会影响电网，需要长时间的准备；或者避免被动充电行为，这可能会带来经济好处。卡斯滕等人。[]还建议对不断变化的需求引入分散的充电控制，可以为移动部门和电网带来各种好处。

假设消费者价格重新影响批发市场，PCcharging对电网的影响最小，并平滑峰值负载和降低充电成本。此外，Kempton和Tomi C[]表明，平均来说，汽车只有4%的时间在路上。因此，电动汽车电池可能在剩余的96%的时间里用于其他目的，例如在电动汽车和接受者之间“[]。V2G代表从电网到电动汽车单元的双向协调能量流，即充电，但也代表从电动汽车单元用于现货市场交易或不仅提供负备用电力，而且提供正备用电力的协调能量流。相比之下，术语“智能充电”仅用于单向过程。Ganet Al以前的研究。或者Sortomme和El-Sharkawi[]表明，即使是单向智能充电也可以说明潜在的聚合器将面临的优化问题[]。在这种情况下，任何一天都有几个小时。为了确定电动汽车的额外负担，Hanemann等人[]对最坏情况峰值需求蛋白的研究进行综述。他们还提出了一个复杂的模型，该模型将德国一项TRAWHERS C研究中的大量燃烧发动机模式映射为相应的、独特的电动汽车等价物[]。generatedload曲线显示，电动汽车的峰值需求在工作日高于周末。此外，还利用Puree进行了优化研究，确定了PC、SC和V2GHousehold Travel Survey的充电选择。丹麦2050年的能源系统使用EnergyPlankristo of Ersen等人的EnergyPlankristo of Ersen等人的热泵和电动汽车。[].Juul和Meibom[]研究了北欧运输能源系统模型的电气特性--通过可再生发电机和减少峰值负荷发电厂来工作。Modelscosts，导致更强的负荷向早上转移，并以更少的功率扩展充电时间[]。总的来说，V2G充电策略被证明是最有好处的[]。同时，在绝大多数的评估中，消费者的接受程度仍然没有受到影响[27]。文献还比较了上下文资格的直接来源的贡献。税收和Tari的影响简化了传播的假设。欧洲国家要么完全孤立，要么与协同效应联系在一起，因为电动汽车不方便，它们与传输系统的相互作用因此不是关于传输系统扩展等不方便选项的相互作用，在此背景下，本研究旨在研究通过电动汽车提供额外的可环境性，以及在传输系统扩展后的可环境性对欧洲的长期发展的影响，以展示系统对这两种可环境性的反应。另一方面，协同作用又对能源系统的发展产生影响。此外，对其他可选选项的影响，如固定电池和扇区耦合到热区。这是通过对西北地区长期容量投资的技术、经济和环境影响进行基于模型的评估[]，用于估计在2020年至2050年的几十年内引入智能充电和V2G等可选充电方案的收益。本文对电动汽车和插电式混合动力汽车进行了梳理，以便更好地反映两种汽车各自的可选性特征。电动汽车的市场吸收途径随后得到优化。

其次，额外的成本函数被引入电池日历和周期退化的模型，以提供负载转移和充电时间平滑的更详细的表示。第三，开发了一种新的通用数据setis，将车辆集成为具有动态潜力和需求的聚合虚拟存储，以包括电动汽车需求和可预测性潜力。从系统成本的降低、对批发价格变化和分布的影响、VRE整合和CO2排放等方面，对直接收费方案的好处进行了估计。与以前的文献相比，与电动汽车充电方案相比，内源外转移扩展的选择显示了市场耦合的影响和外联以及本地可选性，以突出替代e-ects、协同作用和依赖性。电动汽车附加到巴莫雷尔，而4给出了检查场景的结果。接下来是第5节的讨论和第6.2节的结论。电动汽车的灵活性潜力2.1。通过对现有发电资产的收费计划和未来投资决策提供灵活性，以在必要时满足需求。从理论上讲，从长远来看，电动汽车的适宜充电行为将会对ECT能量系统产生积极的影响。在本研究中，三种直接充电方案的影响随后被调查。已经达到了他们的最高水平。下一个被调查的充电方案是智能充电。这被认为是他们的成本函数。然而，由于额外安装了双向充电器，汽车也可以激活电池放电。因此，电动汽车可以通过平衡供需两个方向来为能源系统做出贡献。因此，这种方案被视为提供最大的脱脂和电池使用的额外成本的选择。消费和客户资格项目2.2.1。电动汽车库存稳定1：北欧和波罗的海国家电动汽车存量发展的假设，以千辆计。年份类型DK NO SE FI EE LV LT2020 BEV 5.0 21.0 20.0 3.0 1.4 0.5 0.52020 PHEV 11.0 11.0 75.0 18.0 0.5 0.5 0.50.52030 BEV 169.8 1068.2 352.5 183.3 43.5 61.7 88.12030 PHEV 540.4 646.9 1121.9 138.3 196.4 280.42040 BEV 583.1 1703.6 1182.1 156.6 222.2 317.42040 PHEV 832.1 1112.7 1688.0 877.8 223.4 317.1 452.92050 BEV 698.3 2354.8 1502.7 781.4 202.0 242.0 34.1 452.92050 761.0 1059.4 1637.6 851.6 220.1 263.7 342.8表2：以千辆计的中欧西北部电动汽车库存发展假设。年份汽车英国DE NL PL BE FR2020 BEV 70.0100.051.0 1.548.0 70.92020 PHEV 170.0105.0 100.01.5 12.5 172.22030 BEV 3371.1 4340.7 2872.7 17000.0 516.3 3414.92040 PHEV 3371.1 4340.7 1739.6 17000.0 516.3 3414.92040 BEV 7271.1 8472.7 3183.5 34000.0 1032.7 7365.62040 PHEV 5453.3 6354.6 2732.6 2550.0 5524.22050 BEV 117000.0 12396.1 5320.7 5365.62040 9.0 11852.12050 PHEV 7800.0 8264.1 2393.8 3400.0 1032.7 7901.4车辆库存使用几个来源进行预测，2020年之前的值为[]的线性外推。国家具体情况的预测取自[](DK)[](NO)，[](SE、FI、FR、BE)，[](NL)，[][32]。因此，可估计电动汽车的需求。电动汽车驾驶需求与丹麦国家交通调查[]。为了量化基本能源需求，技术和ηBAT、CHSOCBEVCBATPCHCCHAssemptions.addon.[32]:*,[40][41]:**,[42][43][44][45]:***年ηV eh*SOCBEV*SOCP HEV*PCH*CBAT**CCH***[-][-][MWH1000V eh][MWH1000V eh][kW][eMW h][ekW h]2020 0.18 30 10 0.01 175000 220.02030 0.17 30 10 0.01 140000 60.12040 0.16 40 10 0.015 105000 59.72050 0.15 50 10 0.02 0000 70000 57.5 PHEVsSOCP最大电池尺寸HEV*在10kW时保持恒定。增加了与电池退化有关的进一步技术投入。

由于电动汽车车主有兴趣尽可能长时间地使用他们的电池，更智能的充电方案将考虑电池的老化。Gunkel[]将mostageing总结为相关因素。周期性退化取决于放电深度(DOD)，它决定了在一个循环中电池容量的多少。通过使用byThingvad和Marinelli[]以及Kéoll等人建议的调整值。[]，假设细胞年龄为0.003%，具有完全等效的αdeg，循环线性依赖性。这一简单值也用于日历老化，根据电池的充电状态，每小时的日历老化值从0.00006%到0.00015%不等。αdeg，calcree表示电池的老化，αdeg，calfs变量取决于SOC。由于目前不考虑温度，老化全年都是一样的，与从Mempirical数据中提取的丹麦平均情况相对应[]。另一个因素被用来调整电池成本，以适应一般的假设，即当只有75%的原始存储容量仍然存在时，寿命就达到了。该模型以αBAT,Os为代表。为车辆寿命EETS生成可靠的驾驶模式是该模型的关键输入。一方面，它决定了私营运输部门的电力需求。另一方面，一个彻底性的4：电动汽车的恒定技术输入数据。[48]:*，[49]:**，[46][47][26]:***，[50]:****dBEV*dP HEVηCH,DCH**αBAT，OS***，***[km][-][-][-]50250.851.1αBAT，LFTγdeg,CYC***γdeg,Calc***γdeg,Calf***[-][-][-]0.25 0.00004 0.0000006 0.0000009(TU)[]。这包括关于车辆使用情况、进出家园和旅行距离的详细信息。在这项研究中，包含多天的旅行被忽略，距离仅指车辆本身的通勤范围。但是，当车辆停在家外面时（例如。由于可用数据集的限制。不可能建立一个统计上强大的可用性模式，代表工作场所的收费选择。在未来的研究中，必须考虑潜在的工作收费和持续旅行，因为基础设施发展计划和行为变化必须进一步调查。为地区和国家的生活环境创建一个数据集，以便分别准确地估计每一个单一的环境。一般的假设是，车辆必须在一年前的每个工作日有100%的一小时SOC。而在PC充电的情况下，当itPInf lex时，车辆会立即充电，这也是当车辆的SOC低于minimumdBEVdP表示相应车型必须满足的最小距离时的一个不合适的充电需求。剩余需求可以自由转移。此外，充电器容量ηch，dchh在整个建模水平上保持不变。最小，同时包含足够的信息来描述2020年NO1（奥斯陆地区）一个代表性天的bovereXobility选项和Concept。图1：2020年NO1（奥斯陆地区）一天内动态需求的聚合虚拟存储系统的概念。最小容量。在一天开始时，存储的BoveleXobility处于最大值。实际限制和能量水平。相反，到达的电动汽车在旅行后再次提高了存储限制，它们的能量超过了最小存储容量。虚拟SOC用绿线表示，模型可以自由决定在限制范围内向下放电或向上充电。

然而，有些车辆需要对单个车辆模式进行建模，以表示实际的出行资格和充电需求，并将充电行为作为比较。为了创建驾驶需求，开发了一种算法来生成单个车辆的驾驶模式，并随后将所有相关信息分配到整个生命周期的单个输入中。最重要的步骤总结在附录a.1中的alghorithm1中。在第一步中，从排序的依赖于工作日的子集中选择一个随机行程ωd，c(tDep，tArr，lDist)。dtdeptarrvehicle的旅行距离dtdeptarrvehicle的旅行距离dtdeptarrvehicle的旅行距离dtdeptarrvehicle的旅行距离dtdeptarrvehicle的旅行距离。出发和到达时间四舍五入为与βAV ail相对应的整数(βAV ail=1)。当车辆早上离开时，电池应该充满到SoC。它是由模型强制的，带有Tripsocv。它是由tripT rF lexd,c,Trepress表示充电后的车辆电池离开虚拟存储区。PINF lexd,c,Trepress表示如果车辆返回时电池中的能量低于到达最近医院所需的能量，则在旅行后对充电的需求。如果电池的能量大于电池所需的能量，则根据需要确定充电状态，并进行内部能量平衡。对于被动充电选项，PP assivd、c、tis也计算后返回。如果充电器的容量小于所需的需求，充电的能量将自动分配到随后的小时内，使用最大充电器容量。然后，根据可用度计算出每辆车的最小和最大SOCs、SOCd、c、tandSOCd、c、T.最终，cCone大存亡。电池电动汽车和插电式电动汽车分开进行，信息可以保留。在singlevehicles以接近满SOC返回并立即充电到最大容量的情况下，该模型可能会高估充电器容量。因为知道装有专用充电器的车辆不能再使用了。应用前还对这种ECT进行了预充电装置的研究，发现误差很小，在+/-1%以下。因此，假定它是适用的。建模方法3.1。BalmorelThis研究使用Balmorel，一个开源的确定性能源系统优化模型，有一个专门的燃料和投资决策。此外，传输系统是用基于库诺的模型来表示的。这项研究涵盖了北欧、波罗的海和西北欧洲中部国家。几个出版物有[]。优化和一般建模假设的校准来自NETP16，参与不包括在内，因为Balmorel只模拟第二天的市场。V2G计费方案的最后一组限制。电动汽车加法的数学公式-ON3.2.1。在应用的优化模型中，被动充电、s、tPP Cy、a、v、s、TYAVSTT时间步长。在本研究中，Balmorel以每小时的值工作:Ωy,s,t=axavxvpp Cy,a,v,s,t·t(1)与PC循环降解有关的成本Φdeg,Cycy,s,t[e]根据方程（2）确定。γdeg,电池单元的循环降解。DOD是通过每小时循环能量Cy,a,v,s,t·t除以总安装电池容量的份额来确定的，总安装电池容量是当前可用电池容量的最大可用状态a,v,s,t[MWh]和一个系数αbat，os，该系数增加了安装电池容量，以说明可用容量和安装容量之间的差值。之后，电池在容量损失四分之一后更换CBAT、Reply、a、v、s、TEαBAT、LFT。

这些标量和参数的利用值列于表4。Φdeg，Cycy，s，t=AxavxVγdeg，Cyc·CBAT，Reply，a，v，s，tαBat，LFT·pp Cy，a，v，s，t·@tαBat，Os·SOCy，a，v，s，t(2)通过PC日历老化的降解成本Φdeg，Caly，s，t[e]由公式（3）确定。由于在旅行期间的SOC是未知的，成本只适用于电池时，它是插入。老化不可避免的部分表现为γdeg，calc，而不适宜的部分则取决于充电状态，在PC充电时与γdeg，Caly，s，t=axavxv(γdeg，calc+γdeg，calf·socp Cy，a，v，s，tαbat，os·SOCy，a，v，s，t)·cbat，Reply，a，v，s，tαbat，Lft(3)3.2.2。智能充电器，s，tPInf lexy，a，v，s，ttrips，而V PF lexy,a,V,s,t[MW]是可移动的可变充电负荷,Ωy,s,t=axavxvpinf lexy,a,V,s,t·t+V PF lexy,a,V,s,t·t(4)循环退化costaΦdeg,Cycy,s,t[e]根据式（5）中的SC和日历的agingDeg,Caly,s,te等充电负荷进行调整,而日历老化成本现在也可以通过控制代表sc的电荷状态的变量SOCy,a,v,s,t[MWh]来降低。Φdeg,Cycy,s,t=axavxvγdeg,cyc·cbat,Reply,a,v,s,tαbat,Lft·pinf lexy,a,v,s,t+v PF lexy,a,v,s,tαbat,os.SOCy,a,v,s,t=axavxv(γdeg,calc+γdeg,CalFV SOCy,a,v,s,tαbat,os.SOCy,a,v,s,t=axavxv,a,v,s,t)·CBAT,Reply,a,v,s,tαBAT,Lft(6)ηCH,DCHE能量通过车辆tripsT ry,a,v,s,t[MWh]。chargeV SOCy,a,v,s,t[MWh]的状态有aSOCy,a,v,s,tSOCy,a,v,s,tSOCy,a,v,s,t=v SOCy,a,v,s,t=v SOCy,a,v,s,t=v SOCy,a,v,s,t=v SOCy,a,v,s,t=v SOCy,a,v,s,t=a,v,s,t=1,SOCF lexd,c,t+ηch,Dch（PInf lexy,a,v,s,t=v PF lexy,a,v,s,t=v,v,s,t=v,v,s,t=v,v Gerpchy,v[MW]和插电车辆数qtybat,Availc,s,t。如公式（9）所示，充气量和充气量之和不应超过可安装充电器的容量，而ev PF lexy,a,v,s,t[MWh]不能为公式（10）所述的负值。0≤PInf lexy,a,v,s,t+v PF lexy,a,v,s,t≤PChy,v·QtyBat,Availc,s,t(9)0≤v PF lexy,a,v,s,t(10)3.2.3。虽然SC方案只允许负载转移，V2G充电方案也可以在价格高时积极出售能量。这对需求约束对ΩS、y、T[MWh]有一个正的E和ECT关系，如方程（11）所示。放电的选择由可变的PV2Gy,a,v,s,T[MWh]表示，并且对于EV用户也降低了EV的Ecost。Ωs,y,t=axavxvpinf lexy,a,v,s,t·t+v PF lexy,a,v,s,t·t-v pv2Gy,a,v,s,t·t(11)方程（5）和（6）的退化约束都可以重复使用，因为周期性退化仅施加于充电，并且日历老化仍然依赖于充电状态。从放电得到的能量平衡乘以e-ciency损耗。v SOCy,a,v,s,t=v SOCy,a,v,s,t-1+SOCF lexd,c,t+ηch,DCH·（PInf lexy,a,v,s,t+v PF lexy,a,v,s,t+v PF lexy,a,v,s,t)·ut(12)-ηch,DCH·v PV 2Gy,a,v,s,t·t-T ry,a,v,s,t(13)充电器约束9也相应地在等式14中刷新。

假设仍然不可能在同一时间为同一辆车充电和放电，但整个寿命有能力v PV 2Gy,a,v,s,t(15).0≤PInf lexy,a,v,s,t+v PF lexy,a,v,s,t+v PV 2Gy,a,v,s,t≤PChy,v·QtyBat,vailc,s,t(14)0≤v PV 2Gy,a,v,s,t(15)约束使储存的能量保持在电池的物理约束内,电池的降解成本取决于能量的强度和电池内储存的能量的数量。被动充电的相应能量,智能充电和V2G在2.充电和退化成本与绿色盒子能量优化调度结合电池退化成本。实现的约束迫使被动充电方案中的能量在充分充电容量的情况下耗尽，直到电池充满。智能充电约束优化了能源购买，同时采取了intocharging方案，现已在Balmorel引入并应用。下一节介绍使用EV add-on的场景。4。方案和结果4.1.方案描述5列出了六个模拟。表5：所调查的方案和使用的概述简写方案收费方案传输投资sp CnoT ransexpathile o？scnot ransExSmart o？v2gnot ransExV2G o？p CT ransexpathile o？sct ransExSmart o？v2gt ransExV2G on在两种情况下应用。该案例调查了电动汽车安全性与传播的影响，而不是性传播。在这些情况下，2030年后不可能有额外的电网扩展，使系统的调查得到优化，并在平衡不同市场的可变能源资源方面提供了可选性。本发明涉及电池、传输系统和互连线。方案结果为4.2.1。系统costIn为了评估电动汽车的友好集成的好处，分析了全能源系统的年总成本。系统成本将电力和热力发电厂与网络投资成本相结合，包括固定电池、固定和可变运维及燃料成本。3总结了电动汽车在SC和V2G场景中的易用性与PC相比所产生的影响，与(a)没有传输扩展的场景的总系统成本有关，其中p CnoT ransExas为基础。p CT ransexscencio.pct ransexsencenio。图3：模型的总系统成本。上图说明了整个模型传输线扩展的累积系统成本。EV.P CnoT ransEx提供的base case的base base得出的系统总成本为321,091 Me，而smart charging,SCnoT ransEx显示系统成本降低了9,919 Me，这与电动汽车电池在平衡方面发挥的替代作用相对应。除预付款外，所有技术支出都在收缩。它们加在一起，总共节省了-1125亿欧元和14063亿欧元。与基本情况相比，唯一增加的两个支出项目是燃料成本和可变成本。因此，热泵被其他技术取代，导致更高的燃料成本，因为热泵不再能从长期的低价中获得同样多的好处。特别是智能充电和V2G。此外，核能的使用更多，也更方便。相反，使用智能充电和V2G燃烧气体的冷凝式发电厂需要更少，因为它们剃掉了峰值，这意味着基本负载可以比以前产生更多的能量。下图3说明了传输扩展的总累积系统成本和费用，当允许线路扩展和完全电动汽车扩展时，可以节省3.29%。传输系统开发的额外成本在3,722至5,016之间，这取决于场景。

改变计费方案，包括输电扩展，对投资支出也有正向的影响，分别为741和1672 ME,P CT ransExMeMeSCT Ransexmesct Ransexmesct Ransexmest Ransexmest ransExMeP CT Ransexist。因此，利用transmissionSCT ransExMeP CT ransExwhile V2GT Ransex，总的节省甚至实现了高达17,522 Me的改进。通过电动汽车和固定电池的市场耦合，电动汽车的负载转移和存储能力对竞争技术有很大影响。如上所述，大多数大规模的投资节省是通过减少整个周期对固定电池的需求来获得的。图4：在包括所有年份在内的整个模型空间中对固定电池的累计投资。在PC场景中，模型大量投资于电网规模的电池技术，以限制gridMeP CnoT ransex，扩展可以减少1.3%的支出。智能充电方案的引入一直限制着对传输的投资。相对于扩张，固定电池的投资减少了80%至93%。发电在过去的十年里，新的充电方案也越来越适合于替代电热混合中的其他技术。图5显示了在基本情况下P CnoT Ransex，发电量的演变。图5：P CnoT Ransex，从2020年到2030年十年的发电量构成。风力涡轮机和太阳能电池板的能源生产在该系统中占据主导地位，早在2030年就占电力生产的52%。相比之下，热电联产和冷凝机组中的煤很快被淘汰，而天然气在2040年前仍在发挥作用，占芬兰电力供应的3%。到2050年，风能、太阳能和核能占总电力供应的66%，分别为1019t W h、473t W h和430t W h。燃烧生物燃料的热电联产和冷凝发电厂对能源生产的贡献（2050年小于6.2%）。该模型显示，生物燃料在供暖部门的使用更加频繁。然而，随着运输部门的不断转型，生物燃料价格将大幅上涨，这将随后降低该资源在热力部门的竞争力和商业机会。图6显示了与没有传输的最高传输相比的年发电量的差异结果表明，与SC和基本情况相比，V2G的增加的差异主要是有利的。然而，有利的充电方案对太阳能和燃气热电联产有相反的影响。与基本情况相比，PVDepartment持续下降，同时生成的boveleXobility不断增长。生产时间可以桥接。与此同时，鼓励投资于最便宜的现有技术选择，无论生产模式如何。考虑到充电计划仍然提供的实体限制了运行燃气轮机的需求，燃气热电联产的主要生产模式发生在21世纪30年代。然而，燃烧生物燃料的冷凝式发电厂仍然是在高峰时段促进系统平衡的最便宜的资源。在sameT W h并致力于峰值功率容量的替代。在21世纪30年代，随着输电网的扩展和更好的市场，上面描述的所有E级ECTs都将得到进一步的加强，与CT RansexScenema相比，V2G充电将减少35t W h。

更多的输电线路也支持风能的更大整合。windenergy的产量与没有扩张相比，在没有输电扩张的情况下，以p CnoT ransExT为基础场景的能源生产中，增加了24-37吨。(b)在输电扩张的情况下，以p CT Ransexs为基础场景的能源生产中的差异。图6：在整个地区，技术发电的绝对差异。vgnot Ransex，技术发电的绝对差异通过电网扩张获得，在与电动汽车价格竞争的情况下，热泵的商业理由不如以前那么强。而inVGnoT RansexElectrical productionVGT ransExT W hVGnoT ransExin 2050。类似的情况在-6T W H左右的Ransext中也是有效的。主要的例外是太阳能光伏，当扩大电网时，与两种充电情况相比，网络容量减少了太阳能参与。最后，值得强调的是，电动汽车的可靠性特别是一个固定的ECTS技术，具有可变的输出和昂贵的峰值覆盖技术。水力发电的输出不受任何收费方案的影响，而水力发电是为了提供可供选择的条件而保持竞争力的。图7说明了当增加电动汽车的可靠性时，价格标准差的变化(a)没有输电扩展的情况下的标准差。(b)输电扩展的情况下的标准差。图7：2050年从左到右依次为PC、SC和V2G的e/MWh电价标准差。从下一年开始进入车辆，从而根据预期的需求增加优化系统。因此，计费方案在投资决策和电价决策中起着决定性的作用。因此，这种收费模式在过去几年中已经在发电和输电容量的投资决策中得到应用，并在2050年前扩大了电力系统。这种充电方案的方式使ECT的平均现货价格略高。建模区域的最高标准差位于法国，有176辆充电车辆，在高峰时间需要快速响应的发电厂。周边国家价格偏差位于斯堪的纳维亚，特别是挪威。极易操作的水力发电在易操作的电动汽车中的使用寿命。因此，价格变化被限制在87E/MWh的标准差内。引入智能充电已经显著减少了变化。法国将价格的标准差降低了13%，而挪威则降低了57%，只产生了37E/MWh的变化。对比p CnoT ransexwitvgnot ransex进一步显示了通过使用V2G电动汽车的完全可选性来提高价格稳定性的改进。与挪威等具有生产资格的国家相比，智能充电已经最大限度地减少了价格变化。在法国的三个较低的情况下，可以看到价格变化方向上的类似趋势，传输标准差为155E/MWh，与顶级CnoT Ransex相比降低了12%。然而，大多数其他国家因此面临更高的标准差，即与不扩大输电相比，法国电价的标准差更大，以及整体价格稳定的最优性。智能充电改善了这些结果，在法国只有116E/MWh。VGT Ransexix在价格方面实现了最稳定的结果。与VGNOT Ransexi相比，这里的Patial规模也相对较小，最大范围为82E/MWh。尤其是在西南国家。