Meer dan de helft van de tijd (61,4 procent) die elektrische voertuigen aan openbare laadpalen besteden, ze bezetten nutteloos een ruimte die een andere auto zou kunnen gebruiken, volgens een door het JRC geleid onderzoek naar de oplaadtijden van elektrische voertuigen in Nederland.

Deze 'inactieve tijd' treedt op wanneer de auto volledig is opgeladen maar aangesloten blijft. Een hoge inactieve tijd vermindert uiteraard de beschikbaarheid van opladers, maar het biedt ook de mogelijkheid voor netbeheerders om het net in evenwicht te brengen.

Met behulp van gegevens van 1,8 miljoen oplaadwaarnemingen van elektrische voertuigen in Nederland over een periode van 6 jaar, de studie analyseert de factoren die van invloed zijn op de leegloop, het verstrekken van een methodologie voor het plannen van effectieve toekomstige laadinfrastructuren. De auteurs van het onderzoek bevelen ook aan om nieuwe oplaadpunten te bouwen in het centrum en aan de rand van de steden waar ze naar keken.

Op basis van de geïdentificeerde factoren, de studie biedt een model dat kan schatten, aan het begin van de oplaadsessie, hoe lang een e-voertuig waarschijnlijk inactief zal blijven nadat het opladen is voltooid.

Naarmate het aantal e-voertuigen op de weg toeneemt en de bestaande laadinfrastructuur onder druk komt te staan, het gevaar bestaat dat bestuurders moeite hebben om een ​​gratis oplaadpunt te vinden voordat hun auto leeg raakt. Tegelijkertijd, volledig opgeladen maar aangesloten voertuigen zouden kunnen worden gebruikt om het bredere elektriciteitsnet van energie te voorzien op momenten dat de vraag groot is. En laadstations kunnen worden beheerd om te profiteren van deze inactieve tijd door het laden te verschuiven naar een moment waarop de vraag groter is.

Dit alles hangt natuurlijk af van een goed begrip van de factoren die van invloed zijn op de leegloop. Voor de studie, GCO-wetenschappers werken samen met ElaadNL, het Nederlandse kennis- en innovatiecentrum voor laadinfrastructuur, om deze factoren te identificeren en hun impact te onderzoeken.

De factoren die van invloed zijn op inactieve tijden

De drie factoren die de grootste invloed blijken te hebben, zijn:

• Het tijdstip van de dag dat de auto voor het eerst wordt aangesloten:terwijl er geen enkel 'piekmoment' is qua aantal stationair draaiende auto's, de wetenschappers ontdekten dat auto's die 's morgens vroeg of' s avonds laat beginnen met opladen, vaker inactief zijn. Dit kan zijn omdat mensen hun auto laten opladen voordat ze naar hun werk gaan en deze aan het eind van de dag weer ophalen, of na het verlaten van het kantoor voordat u naar huis gaat om te slapen en het 's ochtends weer op te halen;
• De hoeveelheid energie die tijdens de laadperiode aan het voertuig wordt geleverd:hoe minder lading er nog in de accu zit voordat deze wordt aangesloten, hoe langer de inactieve tijd nadat het opladen is voltooid. Degenen die hun auto-accu leeg laten lopen voordat ze de stekker in het stopcontact steken, laten de auto vaker stationair draaien dan degenen die hun auto-accu snel opladen. Dit komt ook tot uiting in de positieve correlatie tussen de totale laadtijd en de mate van inactiviteit nadat de auto klaar is met laden;
• Het maximale vermogen dat aan het elektrische voertuig wordt geleverd. Elk voertuig heeft een maximaal laadvermogen dat van invloed is op het vermogen om bij een bepaalde snelheid te worden opgeladen. De wetenschappers vonden de hoogste stationairlooptijd voor auto's met een maximaal laadvermogen tussen 4 en 6 kilowatt, wat ongeveer overeenkomt met het gemiddelde langzame laadvermogen van e-auto's die momenteel op de markt zijn.

De wetenschappers hebben ook wat meer specifieke observaties gedaan. Bijvoorbeeld, terwijl taxichauffeurs tot de grootste gebruikers van openbare oplaadpunten behoren, ze hebben ook de neiging om hun voertuigen minder lang stationair te laten draaien.

Infrastructuurstrategieën en gedragsverandering

De overgang naar een koolstofarme economie is een belangrijke politieke prioriteit voor de EU. Om dit waar te maken, een van de ambities is de wijdverbreide introductie van emissiearme en emissievrije voertuigen in het komende decennium. Een grote uitdaging voor de toekomstige planning is om voor deze voertuigen de juiste verhouding laders beschikbaar te hebben:bestuurders moeten erop kunnen vertrouwen dat ze hun auto kunnen opladen wanneer dat nodig is. De wetenschappers raden aan om hun methodologie te gebruiken om de inzet van toekomstige opladers te plannen op basis van gebieden met 'hoge kwetsbaarheidsscores' - die gebieden waar waarschijnlijk een grotere vraag naar oplaadpunten zal zijn dan er beschikbaar is.

Verschillende gemeenten in Nederland hebben beleid aangenomen dat EV-gebruikers het recht geeft om openbare laders in de buurt van hun huis te laten installeren, zodat deze 'openbare' laders semi-private laders worden. Dit heeft een grote impact op de idle time van deze laders.

Verder kijken dan de studie, de wetenschappers erkennen ook dat eigenaren van laadstations acties kunnen ondernemen om het gedrag te beïnvloeden:ze kunnen een vergoeding gaan vragen voor parkeertijd zodra het voertuig volledig is opgeladen, bijvoorbeeld. Een app kan bestuurders ook een schatting geven van de tijd totdat hun auto volledig is opgeladen, hen een waarschuwing te sturen wanneer dit bijna klaar is. Gebruikers kunnen mogelijk ook via de app te weten komen wanneer een bezette oplader de volgende keer vrij zal zijn, met de mogelijkheid om de lader voor een bepaalde periode te 'reserveren'.

Achtergrond

Overheidsbeleid wordt zowel op regionaal als stedelijk niveau genomen en is gericht op zowel de adoptie van elektrische voertuigen als het beheer van laadinfrastructuur. Door de jaren heen, idle time (de tijd dat een elektrisch voertuig is aangesloten zonder te laden) neemt toe, met directe gevolgen voor de omvang van de infrastructuur, de kosten en de beschikbaarheid ervan.

Dit onderzoek past gesuperviseerde machine learning toe op een dataset over inactiviteit uit Nederland, het identificeren van de belangrijkste beïnvloedende parameters op de inactieve tijd en het meest nauwkeurige algoritme om te schatten hoe lang een elektrisch voertuig geparkeerd zal blijven na het opladen. Het ontwikkelde model biedt nuttige informatie voor gebruikers van elektrische voertuigen en beleidsmakers, maar ook voor netwerkeigenaren, die het netwerkbeheer kunnen verbeteren door zich op specifieke variabelen te richten.