Rekentool voor flexibiliteit van EV’s

Deze dataset is gemaakt voor het GO-e project met als doel de EV laadsessies en -profielen van buurten in NL te genereren. Deze laadsessies en profielen worden gebruikt bij het maken van EV-kansbelastingprofielen voor PhaseToPhase-tooling en het berekenen van de flexmetriek voor EV thuisladen. Dit document beschrijft aannames en verdere uitleg.

De dataset is gemaakt mbv een drietal modellen:

  1. ALBATROSS (Pim Labee, TU/e) voor het genereren van synthetische populaties voor PC4 gebieden en de bijbehorende ritten (obv de MON2009 CBS data). Deze ritten worden gebruikt om rijgedrag van huishoudens de simuleren. Doordat de MON2009 al een wat verouderde dataset is, waren niet voor alle buurten data beschikbaar. Uit de ALBATROSS dataset komt ritteninformatie van een week.
  2. EV Charging model (Peter Hogeveen, TU/e) is een agent-based model die het laadgedrag van EVs simuleert voor een huishouden obv de ritten uit ALBATROSS. Ewoud Werkman (TNO) heeft dit model aangepast om laadsessies te kunnen genereren op basis van beide modellen.
  3. Laadprofielen generator voor thuisladen (Ewoud Werkman, TNO) is een tool dat als input laadsessies neemt en op basis daarvan laadprofielen voor een heel jaar genereert (ofwel 52x een week). Dit betekent o.a. dat er geen seizoensinvloeden meegenomen zijn.

Bestanden

Er zijn 3 bestanden:

  1. ChargeSessionsPrivateCharging.xlsx – Dit bevat de laadsessies voor thuisladen voor elk van de 47 PC4 gebieden (van de 48 buurten) voor 1 week. De file heeft 2 sheets. Op sheet1 staan alle laadsessies (incl pc4 gebied per laadsessie) en op sheet 2 staat de ALBATROSS inputinformatie beschreven: pc4 gebied, populatiegrootte (aantal huishoudens), aantal huishoudens met auto en de sample size. Sample size geeft aan hoeveel huishoudens een EV hebben en waarvoor EV sessies zijn gegenereerd. Standaard is dit ingesteld op 500 (om flink wat sessies te genereren en mits het aantal huishoudens niet minder is dan die 500), maar dit kan geconfigureerd worden, bijv. obv groeimodel per gebied. Deze sample-size van 500 is arbitrair gekozen en levert een gemiddelde penetratie op van EV van 31% van huishoudens met EV over alle gebieden heen. Andere aannames staan beschreven in de bijgevoegde Generating Private EV charging sessions.pdf
  2. GO-e Charge Profiles Private EV charging.csv.zip – Dit bevat de jaarprofielen voor EV laden per huishouden/laadpaal in CSV formaat. Dit is gegenereerd door 52x de laadsessie data achter elkaar te zetten, om zo tot een jaar te komen. Het jaartal (2018) is zo gekozen, zodat 1 januari een maandag is en het geen schrikkeljaar is. ALBATROSS data begint namelijk om een maandag.
  3. GO-e Charge Profiles Private EV charging.parquet.zip – Dit is dezelfde data als 2, maar dan in Parquet formaat.