Home | english  | Impressum | Datenschutz | Sitemap | KIT

Data Analytics and eMobility: Assessing the role of uncertainty in the electrification of vehicle fleets

Data Analytics and eMobility: Assessing the role of uncertainty in the electrification of vehicle fleets
Typ:Masterarbeit
Datum:vergeben
Betreuer:

Marc Schmidt

Motivation

Im Jahr 2017 wurden in Deutschland 3,44 Mio. Pkw neu zugelassen, wovon jedoch nur ein Anteil 35,6% auf private Fahrzeughalter zurückzuführen ist [1]. Der Großteil der Anmeldungen von Pkw entfällt auf Unternehmen, welche unter anderem in Flotten zum Einsatz kommen. Dies spiegelt sich auch in der Zahl der Antragsteller für den Umweltbonus für elektrische Fahrzeuge wieder. Hier stellen Unternehmen, Stiftungen, Körperschaften, Vereine, kommunale Betriebe und kommunal Zweckverbände mit 51.823 Anträgen 56% aller Anträge dar [2]. Flotten zeichnen sich häufig durch eine hohe Auslastung der Fahrzeuge, einem zentralisieren Parkplatz und prognostizierbare Fahrten bzw. Routen aus. Insbesondere die Möglichkeit die Nutzung eines Fahrzeuges für einen definierten Zeithorizont vorherzusagen ermöglicht es, gezielt elektrische Fahrzeuge einzusetzen, ohne die Reichweite solcher Fahrzeuge zu überschreiten. Dieser Zeithorizont unterscheidet sich jedoch je nach Einsatz der Flotte. Während Fahrzeuge der Straßenreinigung ihren Einsatz über Wochen planen können, steht Lieferfahrzeugen (z.B. für Lebensmittel) meist weniger als eine Stunde zur Verfügung, um die Fahrten zu planen.

Ziel

Im Rahmen dieser Arbeit soll identifiziert werden, welchen Einfluss Unsicherheit im Betrieb einer Flotte auf deren Elektrifizierungspotential hat. Hierzu sollen mit Hilfe einer Simulation Fahrten von Flottenfahrzeugen analysiert und anhand adäquater Szenarien eine Aussage über den Anteil der Fahrzeuge getroffen werden, die einen vollständig elektrischen Betrieb erlauben. Des Weiteren sollen verschiedene Ladestrategien vor Ort (Lastmanagement) betrachtet werden und deren Güte in den Kontext der Unsicherheit im Betrieb gesetzt werden.

Anforderungen

  • Interesse an Elektromobilität und energiewirtschaftlichen Themen
  • Gute Kenntnisse in der Programmiersprache Python, oder große Motivation, diese zu erwerben
  • Die Arbeit kann auf Deutsch oder Englisch verfasst werden
  • Die Arbeit kann ab sofort begonnen werden

[1] Kraftfahrt-Bundesamt, „Jahresbilanz der Neuzulassungen 2017

[2] Bundesamt für Wirtschaft und Ausfuhrkontrolle, „Elektromobilität (Umweltbonus) – Zwischenbilanz am Antragstand vom 31. Dezember 2018