Development of operating and pricing concepts for the V2G provision of an EV aggregator through a bi-level dynamic Stackelberg optimization

Abstract

[ES] Impulsada por la urgencia de mitigar el cambio climático, la creciente penetración de fuentes de energía renovables volátiles y de vehículos eléctricos (VE) ha catalizado la exploración de soluciones innovadoras como la tecnología de vehicle-to-grid (V2G). Los VE pasan la mayor parte del tiempo inactivos, lo que les confiere un potencial sin explotar y los convierte en activos atractivos para la distribución de tecnología V2G. Al mejorar la estabilidad de la red y evitar medidas de despacho perjudiciales para el clima, las aplicaciones V2G abordan positivamente el cambio climático promoviendo una mayor integración de las fuentes de energía renovables. Además, aceleran la electrificación del sector de la movilidad al reducir los costes operativos de los vehículos eléctricos, lo que refuerza su atractivo como opciones de transporte sostenible. Para desplegar el máximo potencial de los servicios V2G, un agregador de VE debe optimizar estratégicamente su modelo de negocio y las operaciones V2G para presentar una propuesta de valor convincente a los clientes. Esto incentiva al propietario del VE a favorecer los servicios V2G frente a las aplicaciones individuales de vehicle-to-home (V2H). Por lo tanto, esta tesis de máster tiene como objetivo desarrollar conceptos óptimos de operación y fijación de precios para la provisión V2G facilitada por un agregador de VE a través de una optimización dinámica de Stackelberg de dos niveles. La optimización dinámica a dos niveles de Stackelberg es un sofisticado enfoque matemático que tiene en cuenta la interacción dinámica entre el agregador de VE, que actúa como líder, y los propietarios individuales de VE, que actúan como seguidores. El objetivo es optimizar iterativamente las decisiones operativas y de precios del agregador de VE para alcanzar un equilibrio que maximice la rentabilidad y el atractivo de los servicios V2G prestados. De este modo, se crea una situación en la que tanto el agregador como el propietario del vehículo eléctrico salen ganando. Basándose en un modelo de código abierto existente para la provisión V2G de un único propietario de VE desarrollado por la Universidad RWTH de Aquisgrán, esta tesis construirá un modelo a medida considerando un agregador de VE y múltiples propietarios de VE. A través del desarrollo de escenarios representativos que incorporen diversos parques de VE, configuraciones domésticas y estrategias de precios, se llevará a cabo un amplio análisis del modelo de negocio de los agregadores de VE. Para la tesis de máster subyacente, se planea una introducción inicial y una fase de investigación en el tema de V2G, agregador EV y optimización binivel, así como en el marco de enfoque existente de la Universidad RWTH de Aquisgrán. Posteriormente, se desarrollarán y modelarán los requisitos y la arquitectura resultante de la optimización dinámica binivel Stackelberg en el lenguaje de modelado Python. Sobre la base de escenarios claramente definidos, se evaluará el programa de optimización en relación con las preguntas de investigación derivadas. Como resultado, se desarrollarán conceptos óptimos de funcionamiento y fijación de precios para el agregador de VE. Por último, el trabajo se registra por escrito con una introducción, estado de la cuestión, metodología, evaluación y conclusión.

[EN] Driven by the urgency to mitigate climate change, the increasing penetration of volatile renewable energy sources and electric vehicles (EVs) has catalyzed the exploration of innovative solutions such as Vehicle-to-Grid (V2G) technology. EVs spend most of their time idle, presenting untapped potential and making them attractive assets for the distribution of V2G technology. By enhancing grid stability and avoiding climate-damaging dispatch measures, V2G applications positively tackle climate change by promoting a further integration of renewable energy sources. Additionally, they accelerate the electrification of the mobility sector by lowering the operational costs of EVs, as a result strengthening their attractiveness as sustainable transportation options. In order to unfold the maximal potential of V2G services, an EV aggregator must strategically optimize its business model and V2G operations to present a compelling value proposition to customers. This gives the EV owner incentives to favor V2G services over individual vehicle-to-home (V2H) applications. Therefore, this master thesis aims to develop optimal operating and pricing concepts for V2G provision facilitated by an EV aggregator through a dynamic bi-level Stackelberg optimization. A dynamic bi-level Stackelberg optimization is a sophisticated mathematical approach that accounts for the dynamic interplay between the EV aggregator, acting as the leader, and individual EV owners, acting as followers. The goal is to iteratively optimize operational and pricing decisions of the EV aggregator for achieving an equilibrium that maximizes profitability and attractiveness of the provided V2G services. Thus, creating a win-win situation for the EV aggregator and EV owner. Drawing upon an existing open-source model framework for V2G provision of a single EV owner developed by the RWTH Aachen University, this thesis will construct a tailored model considering one EV aggregator and multiple EV owners. Through development of representative scenarios that incorporate diverse EV pools, household setups and pricing strategies, an extensive analysis of the business model of EV aggregators will be accomplished. For the underlying master's thesis, an initial introduction and research phase is planned into the topic of V2G, EV aggregator and bi-level optimization as well as into the existing focus framework of the RWTH Aachen University. Subsequently, the requirements and resulting architecture of the targeted dynamic bi-level Stackelberg optimization will be developed and modeled in the modeling language Python. Based on clearly defined scenarios, the optimization program is evaluated with regard to the derived research questions. As a result, optimal operating and pricing concepts for the EV aggregator will be developed. Finally, the work is recorded in writing with an introduction, state of the art, methodology, evaluation and conclusion.