Dílčí studie pro pracovní tým A25 - Predikce vývoje elektromobility v ČR

Transkript

1 Dílčí studie pro pracovní tým A25 - Predikce vývoje elektromobility v ČR EUROENERGY, SPOL. S R. O. ŠVÉDSKÁ 22, PRAHA 5 ČESKÁ REPUBLIKA TEL.: FAX :

2 Zpracováno pro ČEPS, a.s. ČEZ Distribuce, a.s. E.ON Distribuce, a.s. PREdistribuce, a.s. Výtisk číslo

3 OBSAH 1. Úvod Plošná projekce počtu vozidel na elektřinu v ulicích v ČR Úvod do problematiky hrubý popis současného stavu Aktuální stav vozového parku včetně vozidel využívajících elektrickou energii Aktuální stav elektrodobíjecích stanic v ČR Vstupní předpoklady, použitá metodika projekce Predikce počtu obyvatel Predikce počtu registrovaných vozidel Predikce počtu elektrovozidel Predikce počtu elektrovozidel v segmentu lehkých užitkových vozidel, nákladních automobilů a autobusů v rámci MHD Výstupy predikce elektrovozidel Plošná projekce počtu vozidel osobní automobily Plošná projekce počtu vozidel LUV Plošná projekce počtu vozidel nákladní automobily Plošná projekce počtu vozidel autobusy MHD Projekce počtu veřejných dobíjecích stanic a jejich rozmístění na území ČR Očekávaná budoucí výstavba dobíjecích stanic Operační program Ministerstva Dopravy - Doprava Metodika pro přiřazení dobíjecích stanic jednotlivým SO ORP Další výstavba dobíjecí infrastruktury v ČR Výstupy predikce potřeby veřejných dobíjecích stanic Scénář nízký Scénář střední Scénář vysoký Porovnání predikce potřeby veřejných dobíjecích stanic se současným stavem a krátkodobým výhledem výstavby dobíjecích stanic vycházejícím z plnění dotačních výzev MD Výstupy v granularitě SO ORP Výstupy v granularitě dle jednotlivých SO ORP Výstupy v granularitě dle jednotlivých SO ORP a dle typu dobíjecích stanic...77 Predikce vývoje elektromobility v ČR 3 Důvěrné

4 4. Projekce požadavků na výkon veřejného a neveřejného dobíjení Simulační stochastický model Popis modelu Metoda Monte Carlo Typový diagram nabíjení Denní nájezd, potřeba energie Typ dobíjení Příkon dobíjecí stanice Kapacita baterií a omezení dobíjení Časy zahájení dobíjení Dobíjecí charakteristika a základní předpoklady dobíjení Výstupy modelování výkonových dopadů a jejich interpretace Souhrn výkonových dopadů pro ČR v segmentu osobních automobilů Souhrn výkonových dopadů pro ČR ve všech segmentech Výkonové dopady v ČR v denním diagramu nabíjení osobní automobily Výkonové dopady v ČR v denním diagramu nabíjení Možnosti ovlivnění výkonových dopadů z dobíjení elektromobilů Očekávané celkové výkonové dopady v granularitě SO ORP Přílohy Vstupní předpoklady a očekávané rozdělení (přiřazení) dobíjecí infrastruktury jednotlivým SO ORP z operačního programu MD Doprava Ostatní přílohy Očekávaný počet elektromobilů v jednotlivých SO ORP Očekávaný počet LUV v jednotlivých SO ORP Očekávaný počet NA v jednotlivých SO ORP Očekávaný počet BUS MHD v jednotlivých SO ORP Očekávaná potřeba dobíjecí infrastruktury v jednotlivých SO ORP Očekávaná potřeba dobíjecí infrastruktury v jednotlivých SO ORP v členění dle kategorie dobíjecích stanic Očekávané celkové výkonové dopady v jednotlivých SO ORP Očekávané celkové výkonové dopady v jednotlivých SO ORP v členění na veřejné a neveřejné (domácí + v zaměstnání) Predikce vývoje elektromobility v ČR 4 Důvěrné

5 SEZNAM TABULEK Tabulka 1 Přehled vývoje počtu registrovaných vozidel v ČR...13 Tabulka 2 Přehled počtu osobních automobilů dle typu spotřebovávané energie v ČR...13 Tabulka 3 Přehled počtu autobusů dle typu spotřebovávané energie v ČR...14 Tabulka 4 Přehled počtu kategorie nákladních vozidel dle typu spotřebovávané energie v ČR...14 Tabulka 5 Přehled odhadovaného počtu registrovaných vozidel využívající tzv. alternativní paliva v ČR...15 Tabulka 6 Přehled podílu registrací nových vozidel v roce 2017 z hlediska jednotlivých kategorií vozidel M1 ve vybraných zemích...15 Tabulka 7 Přehled avizovaných ambicí vybraných automobilek (výrobců) působících na trhu v ČR...16 Tabulka 8 Pět nejprodávanějších modelů BEV v EU a České republice za rok Tabulka 9 Pět nejprodávanějších modelů BEV v ČR v roce 2017 a jejich vybrané parametry...18 Tabulka 10 Pět nejprodávanějších modelů PHEV v EU a České republice za rok Tabulka 11 Pět nejprodávanějších modelů PHEV v ČR v roce 2017 a jejich vybrané parametry...19 Tabulka 12 Vývoj počtu dobíjecích bodů v ČR v letech Tabulka 13 Přehled používaných konektorů pro nabíjení elektromobilů...24 Tabulka 14 Použité hodnoty koeficientu koa/o (počet osobních vozidel na obyvatele)...31 Tabulka 15 Vstupní/Výstupní parametry - Střední scénář...34 Tabulka 16 Vstupní/Výstupní parametry Vysoký scénář...35 Tabulka 17 Vstupní/Výstupní parametry Nízký scénář...35 Tabulka 18 Použité hodnoty vah faktorů vevj a voaj...37 Tabulka 19 Vstupní/Výstupní parametry Nízký scénář...38 Tabulka 20 Vstupní/Výstupní parametry Střední scénář...38 Tabulka 21 Vstupní/Výstupní parametry Vysoký scénář...39 Tabulka 22 Typy vozovky a použité koeficienty zvýhodnění jednotlivých typů...53 Tabulka 23 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentu osobních automobilů...55 Tabulka 24 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů MHD...57 Tabulka 25 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech ve všech segmentech...58 Tabulka 26 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentu osobních automobilů...59 Predikce vývoje elektromobility v ČR 5 Důvěrné

6 Tabulka 27 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD...60 Tabulka 28 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech ve všech segmentech...61 Tabulka 29 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech Tabulka 30 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD...63 Tabulka 31 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech ve všech segmentech...64 Tabulka 32 Očekávané potřeby (N 95 ) veřejné dobíjecí infrastruktury uvedeny v členění dle jednotlivých SO ORP v letech Tabulka 33 Očekávané potřeby veřejné dobíjecí infrastruktury uvedeny v členění dle jednotlivých SO ORP v letech Tabulka 34 Typové diagramy nabíjení přehled parametrů...82 Tabulka 35 Očekávané celkové výkonové dopady (P 95 ) v členění dle jednotlivých SO ORP v letech Tabulka 36 Očekávané celkové výkonové dopady (P 95 ) v členění dle jednotlivých SO ORP v letech Tabulka 37 Bodové zisky jednotlivých SO ORP a počet očekávaných dobíjecích stanic Predikce vývoje elektromobility v ČR 6 Důvěrné

7 SEZNAM OBRÁZKŮ Obrázek 1 Přehledová mapa dobíjecích stanic v ČR stav k 01/ Obrázek 2 Přehledová mapa dobíjecích stanic v ČR v členění na SO ORP stav k 01/ Obrázek 3 Přehled vývoje počtu dobíjecích bodů v ČR v letech Obrázek 4 Plánované rozmístění dobíjecích stanic v rámci programu NEXT-E...26 Obrázek 5 Mapa páteřní sítě rychlodobíjecích stanic s vymezením počtu dobíjecích stanic pro jednotlivé zeměpisné oblasti v rámci operačního programu Doprava...27 Obrázek 6 Přehledové schéma základních vstupních předpokladů...29 Obrázek 7 Plošná projekce počtu vozidel v letech v jednotlivých scénářích osobní automobily...40 Obrázek 8 Plošná projekce počtu vozidel v letech v jednotlivých scénářích osobní automobily...41 Obrázek 9 Plošná projekce počtu vozidel v letech scénář nízký osobní automobily...42 Obrázek 10 Plošná projekce počtu vozidel v letech scénář střední osobní automobily...43 Obrázek 11 Plošná projekce počtu vozidel v letech scénář vysoký osobní automobily...44 Obrázek 12 Plošná projekce počtu vozidel v letech v jednotlivých scénářích lehké užitkové automobily...45 Obrázek 13 Plošná projekce počtu vozidel v letech v jednotlivých scénářích lehké užitkové automobily...46 Obrázek 14 Plošná projekce počtu vozidel v letech v jednotlivých scénářích nákladní automobily...47 Obrázek 15 Plošná projekce počtu vozidel v letech v jednotlivých scénářích nákladní automobily...48 Obrázek 16 Plošná projekce počtu vozidel v letech v jednotlivých scénářích elektrobusy MHD...49 Obrázek 17 Plošná projekce počtu vozidel v letech v jednotlivých scénářích elektrobusy MHD...50 Obrázek 18 Průnik oblastí definovaných OPD a struktura SO ORP...52 Obrázek 19 Výsledný počet vystavěných dobíjecích stanic v rámci dotačního programu MD...54 Obrázek 20 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentu osobních automobilů...56 Obrázek 21 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů MHD...57 Obrázek 22 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech ve všech segmentech...58 Predikce vývoje elektromobility v ČR 7 Důvěrné

8 Obrázek 23 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentu osobních automobilů...59 Obrázek 24 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD...60 Obrázek 25 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech ve všech segmentech...61 Obrázek 26 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech Obrázek 27 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD...63 Obrázek 28 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech ve všech segmentech...64 Obrázek 29 Porovnání potřeby dobíjecích stanic a očekávané výstavby...65 Obrázek 30 Preference způsobů dobíjení EV...80 Obrázek 31 Struktura nabíjení BEV pro jednotlivé TDN...83 Obrázek 32 Struktura nabíjení PHEV pro jednotlivé TDN...83 Obrázek 33 Ilustrace průběhu jedné simulace modelu...84 Obrázek 34 Histogram najetých km OA v rámci jednoho dne...86 Obrázek 35 Histogram najetých km LUV v rámci jednoho dne...87 Obrázek 36 Souhrnný pohled na jednotlivé typy dobíjení...88 Obrázek 37 Rozdělení příkonů domácího dobíjení - detail...89 Obrázek 38 Rozdělení příkonů domácího dobíjení - agregace...89 Obrázek 39 Rozdělení příkonů dobíjení v zaměstnání - detail...89 Obrázek 40 Rozdělení příkonů dobíjení v zaměstnání - agregace...89 Obrázek 41 Uvažované rozdělení příkonů komerčního dobíjení...90 Obrázek 42 Uvažované rozdělení příkonů veřejného dobíjení - pomalé...91 Obrázek 43 Uvažované rozdělení příkonů veřejného dobíjení - rychlé...91 Obrázek 44 Výchozí stav nejprodávanějších modelů BEV v rámci EU v roce 2017 včetně kapacit baterií...93 Obrázek 45 Přehled omezení dobíjení BEV - výchozí stav...94 Obrázek 46 Výchozí stav nejprodávanějších modelů PHEV v rámci EU v roce 2017 včetně kapacit baterií...95 Obrázek 47 Přehled omezení dobíjení PHEV - výchozí stav...96 Obrázek 48 Rozdělení časů příjezdů rezidentů (zahájení dobíjení) v rámci pracovního dne.97 Obrázek 49 Rozdělení časů zahájení dobíjení v zaměstnání/na pracovišti...98 Obrázek 50 Návštěvnost veřejných míst (veřejné + komerční dobíjení)...99 Obrázek 51 Rozdělení časů zahájení dobíjení veřejného rychlého dobíjení Predikce vývoje elektromobility v ČR 8 Důvěrné

9 Obrázek 52 Uvažovaná dobíjecí charakteristika baterie EV Obrázek 53 Nízký scénář výkonové dopady Obrázek 54 Střední scénář výkonové dopady Obrázek 55 Vysoký scénář výkonové dopady Obrázek 56 Nízký scénář výkonové dopady všechny segmenty Obrázek 57 Střední scénář výkonové dopady všechny segmenty Obrázek 58 Vysoký scénář výkonové dopady všechny segmenty Obrázek 59 Nízký scénář denní diagram nabíjení 2020 osobní automobily Obrázek 60 Střední scénář denní diagram nabíjení 2020 osobní automobily Obrázek 61 Vysoký scénář denní diagram nabíjení 2020 osobní automobily Obrázek 62 Nízký scénář denní diagram nabíjení 2025 osobní automobily Obrázek 63 Střední scénář denní diagram nabíjení 2025 osobní automobily Obrázek 64 Vysoký scénář denní diagram nabíjení 2025 osobní automobily Obrázek 65 Nízký scénář denní diagram nabíjení 2030 osobní automobily Obrázek 66 Střední scénář denní diagram nabíjení 2030 osobní automobily Obrázek 67 Vysoký scénář denní diagram nabíjení 2030 osobní automobily Obrázek 68 Nízký scénář denní diagram nabíjení 2035 osobní automobily Obrázek 69 Střední scénář denní diagram nabíjení 2035 osobní automobily Obrázek 70 Vysoký scénář denní diagram nabíjení 2035 osobní automobily Obrázek 71 Nízký scénář denní diagram nabíjení 2040 osobní automobily Obrázek 72 Střední scénář denní diagram nabíjení 2040 osobní automobily Obrázek 73 Vysoký scénář denní diagram nabíjení 2040 osobní automobily Obrázek 74 Nízký scénář denní diagram nabíjení Obrázek 75 Střední scénář denní diagram nabíjení Obrázek 76 Vysoký scénář denní diagram nabíjení Obrázek 77 Nízký scénář denní diagram nabíjení Obrázek 78 Střední scénář denní diagram nabíjení Obrázek 79 Vysoký scénář denní diagram nabíjení Obrázek 80 Nízký scénář denní diagram nabíjení Obrázek 81 Střední scénář denní diagram nabíjení Obrázek 82 Vysoký scénář denní diagram nabíjení Obrázek 83 Nízký scénář denní diagram nabíjení Obrázek 84 Střední scénář denní diagram nabíjení Obrázek 85 Vysoký scénář denní diagram nabíjení Obrázek 86 Nízký scénář denní diagram nabíjení Obrázek 87 Střední scénář denní diagram nabíjení Predikce vývoje elektromobility v ČR 9 Důvěrné

10 Obrázek 88 Vysoký scénář denní diagram nabíjení Obrázek 89 Ilustrace dopadu zavedení tzv. chytrého dobíjení Obrázek 90 Ukázka nesoudobosti výkonových maxim jednotlivých kategorií dobíjení Obrázek 91 Vizualizace výkonových dopadů (P 95 ) nízký scénář Obrázek 92 Vizualizace výkonových dopadů (P 95 ) nízký scénář Obrázek 93 Vizualizace výkonových dopadů (P 95 ) nízký scénář Obrázek 94 Vizualizace výkonových dopadů (P 95 ) střední scénář Obrázek 95 Vizualizace výkonových dopadů (P 95 ) střední scénář Obrázek 96 Vizualizace výkonových dopadů (P 95 ) střední scénář Obrázek 97 Vizualizace výkonových dopadů (P 95 ) vysoký scénář Obrázek 98 Vizualizace výkonových dopadů (P 95 ) vysoký scénář Obrázek 99 Vizualizace výkonových dopadů (P 95 ) vysoký scénář Predikce vývoje elektromobility v ČR 10 Důvěrné

11 SEZNAM ZKRATEK BEV... Vozidlo s pohonem čistě na elektřinu CNG... Stlačený zemní plyn (Compressed natural gas) ČSÚ... Český statistický úřad EE... Euroenergy, spol. s r. o. EV... Elektrické vozidlo FCEV... Vozidlo s pohonem pomocí palivového článku (Fuel cell electric vehicle) ICE... Vozidlo se spalovacím motorem (Internal combustion engine) IPR... Institut plánování a rozvoje hlavního města Prahy LPG... Zkapalněný ropný plyn (Liquified Petroleum Gas) MD... Ministerstvo dopravy MHD... Městská hromadná doprava NAP CM... Národní akční plán čisté mobility OA... Osobní automobil SO ORP... Správní obvod obce s rozšířenou působností PHEV... Plug-in hybridní vozidlo TCO... Celkové náklady vlastnictví vozidla (Total cost of ownership) TDN... Typový diagram nabíjení Predikce vývoje elektromobility v ČR 11 Důvěrné

12 1. Úvod Tato studie byla zpracována na základě Smlouvy o dílo uzavřené dne sdružením zadavatelů složené ze společností PREdistribuce, a.s., E.ON Distribuce, a.s., ČEPS, a.s. a ČEZ Distribuce, a.s. (dále Objednatel) a společností Euroenergy, spol. s r. o. (Zhotovitel) v rámci které Objednatel objednává studii Dílčí studie pro pracovní tým A25 - Predikce vývoje elektromobility v ČR (dále jen Studie). Studie se skládá ze tří základních oblastí, zabývajících se postupně: Stanovením plošné projekce počtu vozidel na elektřinu v ulicích v ČR. Projekcí předpokládaného počtu veřejných dobíjecích stanic a jejich rozmístění na území ČR. Projekcí požadavků na výkon (navýšení výkonu) neveřejného (domácího/firemního) dobíjení Součástí každé z oblastí je popis použité metodiky včetně uvažovaných výchozích předpokladů následovaný prezentací dosažených výstupů a jejich komentářů. Vybrané výstupy Studie jsou formou příloh ve formátu MS Excel nedílnou součástí této Studie a mají za cíl posloužit Objednateli k dalšímu následnému zpracování a využití předložených výstupů. Z hlediska zpracování modelu a prezentovaných výstupů se vychází z předpokladu rozvoje elektromobility ve vybraných sektorech vozidel, přičemž v sektoru osobních automobilů se uvažuje se zachováním současného způsobu užívání osobního automobilu určeného primárně pro individuální uspokojování potřeb vlastníků. V této souvislosti se neuvažuje se změnou způsobu užívání, např. možnosti masivního sdílení osobních automobilů. Predikce vývoje elektromobility v ČR 12 Důvěrné

13 2. Plošná projekce počtu vozidel na elektřinu v ulicích v ČR V následujících podkapitolách je uveden hrubý popis současného stavu elektromobility v ČR, použité vstupní předpoklady pro jednotlivé projekce a výstupy predikce elektrovozidel v ČR. 2.1 Úvod do problematiky hrubý popis současného stavu Období posledních několika let lze bez nadsázky charakterizovat jako období dynamického rozvoje v oblasti elektromobility ve všech jeho aspektech, počínaje výstavbou a rozvojem dobíjecí infrastruktury, rostoucí nabídkou a dostupností jednotlivých vozidel, tak i v neposlední řadě úpravou respektive přípravou související legislativy (jak na půdě ČR, tak i EU). V následujících podkapitolách je stručně uveden základní přehled současného stavu v oblasti elektromobility z pohledu České republiky Aktuální stav vozového parku včetně vozidel využívajících elektrickou energii V rámci ČR bylo ke konci roku 2017 registrováno více než tis. osobních automobilů, přibližně 20,5 tis. mikrobusů a autobusů a přibližně 685 tis. nákladních vozidel. Tabulka 1 Přehled vývoje počtu registrovaných vozidel v ČR Typ dopravního prostředku [ks] Motocykly Osobní automobily Mikrobusy a autobusy Nákladní vozidla Silniční tahače Návěsy Přívěsy * * Speciální automobily Zdroj: Statistiky Ministerstva dopravy, ročenka dopravy 2016 *- v době zpracování nebylo možné dohledat údaje v totožné informační struktuře Detailnější pohled na strukturu jednotlivých kategorií (typů) dopravních prostředků uvádí následující tabulky. Tabulka 2 Přehled počtu osobních automobilů dle typu spotřebovávané energie v ČR Typ spotřebovávané energie (paliva) [ks] Benzin N/A Diesel N/A 1 823** Elektřina (992)* (1 475*) Zkapalněný ropný plyn N/A (LPG) Predikce vývoje elektromobility v ČR 13 Důvěrné

14 Typ spotřebovávané energie (paliva) [ks] Ostatní N/A Celkem Zdroj: Statistiky Ministerstva dopravy, ročenka dopravy 2016; Statistiky Sdružení dovozců automobilů * - Asociace elektromobilového průmyslu; ** - vlastní analýza podkladových dat z registru vozidel MD Tabulka 3 Přehled počtu autobusů dle typu spotřebovávané energie v ČR Typ spotřebovávané energie (paliva) [ks] Benzin Diesel Ostatní celkem z toho elektřina N/A z toho LPG, CNG N/A z toho nespecifikováno N/A Celkem Zdroj: Statistiky Ministerstva dopravy, ročenka dopravy 2016; Statistiky Sdružení dovozců automobilů Tabulka 4 Přehled počtu kategorie nákladních vozidel dle typu spotřebovávané energie v ČR Typ spotřebovávané energie (paliva) [ks] Benzin N/A Diesel N/A Ostatní celkem N/A z toho elektřina N/A z toho LPG, CNG N/A z toho nespecifikováno N/A Celkem Zdroj: Statistiky Ministerstva dopravy, ročenka dopravy 2016; Statistiky Sdružení dovozců automobilů * - Asociace elektromobilového průmyslu Stav ostatních kategorií v rámci tzv. alternativních pohonů lze pouze odhadovat, jelikož nejsou uváděny v žádné oficiální statistice publikované Českým statistickým úřadem respektive Ministerstvem dopravy. Z podkladů jednotlivých zájmových sdružení (asociací) lze uvést následující údaje: Predikce vývoje elektromobility v ČR 14 Důvěrné

15 Tabulka 5 Přehled odhadovaného počtu registrovaných vozidel využívající tzv. alternativní paliva v ČR Typ spotřebovávané energie (paliva) [ks] 2017 LPG ~ CNG ~ Hybridní pohon ~ z toho plug-in hybridů ~ 800 Elektřina ~ Zdroj: Zájmová sdružení a asociace zabývající se elektromobilitou; Z pohledu elektromobility lze tedy konstatovat, že na konci roku 2017 bylo v ČR registrováno přibližně až vozidel využívajících ke svému pohonu čistě elektřinu a dále dalších přibližně vozidel s hybridním pohonem (nejčastěji se jedná o kombinaci spalovacího motoru a elektromotoru spolu se systémem ukládání (akumulace) elektrické energie). Nesoulad uváděných údajů ve vybraných kategoriích (viz Tabulka 5 a Tabulka 2) lze spatřovat zejména v jiné výchozí podkladové základně a způsobu evidence (členění) jednotlivých typů spotřebovávané energie (paliva). Například v případě LPG jsou (viz Tabulka 2) uváděny vozy s čistě pohonem na LPG, zatímco většina těchto vozidel je provozována v kombinaci paliv benzín-lpg a je evidována v kategorii dle primárního paliva, tj. v tomto případě benzínu. Z hlediska rozložení registrací lze pozorovat nestejný poměr prodejů čistě elektrických vozidel vůči ostatním kategoriím elektrických vozidel (PHEV respektive FCEV) v jednotlivých členských státech EU. Přehled údajů z vybraných zemí uvádí následující tabulka. Tabulka 6 Přehled podílu registrací nových vozidel v roce 2017 z hlediska jednotlivých kategorií vozidel M1 ve vybraných zemích Typ vozidla / země EU Velká Británie Francie Německo Nizozemsko Švédsko ČR BEV [%] PHEV [%] Zdroj: EAFO European Alternative Fuels Observatory (1/2018); Z výše uvedené tabulky je patrné, že některé evropské země (např. Francie, Nizozemsko) mají dominantní podíl registrovaných elektrických vozidel v kategorii čistě elektrických (BEV), naopak Velká Británie má tento poměr mezi čistě elektrickými automobily a plug-in hybridy v podstatě opačný. Z hlediska vývoje a rozvoje elektromobility lze předpokládat v nejbližším časovém horizontu následující klíčové faktory: Cenová dostupnost vozidel širšímu okruhu potenciálních zájemců o pořízení Zlepšující se kvalitativní parametry vozidel (dojezd, komfort, užitná hodnota, ) Akceptovatelná infrastruktura z pohledu vlastníka neomezující plánované využití vozidla Předpokládaný pokles celkových nákladů vlastnictví vozidla (TCO) Predikce vývoje elektromobility v ČR 15 Důvěrné

16 Vnější omezující faktory (emisní politika, poplatková a daňová politika, možnost přednostního průjezdu a parkování apod.) Vývoj konkurenčních způsobů mobility a palivové základny automobilů (fosilní paliva, vodík, ) Z pohledu výrobců automobilů avizují jednotlivé automobilky přípravu zcela nových respektive rozvoj stávajících modelů na elektrický pohon ať již čistě elektrických, tak hybridních (plug-in hybridních). Tabulka 7 Přehled avizovaných ambicí vybraných automobilek (výrobců) působících na trhu v ČR Výrobce / automobilka Plánovaný rozvoj / vývoj Volkswagen Škoda Volvo Tesla Aliance Nissan Renault - Mitsubishi BMW Honda Ford Hyundai - Kia Toyota - Lexus Skupina jako celek plánuje představit zákazníkům do roku 2025 více než 80 nových elektrických modelů, zahrnujících 50 čistě elektrických vozů a 30 plug-in hybridů. V roce 2025 koncern předpokládá prodej až 3 mil. čistě elektrických vozidel. Automobilka předpokládá podíl 25% elektrických vozů na prodaných vozech k roku Automobilka plánuje do roku 2025 nabídnout zákazníkům 5 čistě elektricky poháněných modelů v různých segmentech. Prvním modelem automobilky Škoda by se měl v roce 2019 stát plug-in hybrid modelové řady Superb, v roce 2020 by měla automobilka představit první čistě elektrický model. Automobilka plánuje uvedení prvního svého elektromobilu v roce Veškeré modely představené po roce 2019 budou mít kombinaci spalovacího motoru a elektromotoru, případně čistě elektrický pohon. Automobilka plánuje prodat 500 tis. elektromobilů do konce roku 2018 a 1000 tis. elektromobilů do konce roku Registrované prodeje elektrovozidel od roku 2010 překročily celosvětově koncem roku 2017 hodnotu 540 tis. elektrických vozidel, přičemž nejúspěšnějším modelem se stal model Nissan Leaf s více než 300 tis. prodanými kusy. V roce 2017 prodala automobilka cca 100 tis. elektrifikovaných vozidel (BEV, PHEV), v roce 2018 plánuje toto navýšit na cca 140 tis. Model i3 se stal nejúspěšnějším elektrickým modelem značky. Do roku 2025 plánuje automobilka prodávat cca % portfolia prodaných automobilů na elektrický pohon. Automobilka plánuje prodej 2/3 automobilů na elektrický pohon (všech druhů pohonů BEV, PHEV, FCEV) v roce 2030 První čistě elektrické vozidlo plánuje automobilka představit v roce Zároveň do roku 2022 má automobilka plán představit dalších 40 elektrifikovaných modelů automobilů v kombinaci hybridního a plug-in hybridního pohonu. Automobilka plánuje rozvíjet aktivity v oblasti elektromobility, ale z hlediska dlouhodobějšího vývoje spatřuje potenciál v technologii palivových článků. V horizontu do roku 2025 plánuje uvést spolu se sesterskou automobilkou Kia 38 modelů automobilů využívajících různé typy elektrických pohonů (BEV, PHEV). Automobilka se v současné době orientuje na hybridní elektrické vozy. První čistě elektrický automobil má v plánu uvést v roce 2020 v souvislosti s pořádáním letních olympijských her. Toyota je v současnosti jednou z velkých automobilek, které nevidí perspektivu v čistě elektrických automobilech a kloní se směrem k hybridním vozům respektive technologii palivových článků. Přesto, do roku 2025 by měl být každý model automobilky i ve verzi s elektromotorem, do roku 2030 chce prodávat 5500 tis. elektrifikovaných automobilů ročně. Elektrifikované vozy mají být do roku 2025 součástí každé modelové řady Toyota a Lexus. Zdroj: IEA, informace a tiskové zprávy jednotlivých automobilek; Predikce vývoje elektromobility v ČR 16 Důvěrné

17 Obecně lze říci, že trend elektromobility zasáhl všechny výrobce automobilů a všichni výrobci tak připravují uvedení nových modelů respektive evoluci stávajících. Zvyšování dostupnosti jednak soukromé, tak i veřejně přístupné dobíjecí infrastruktury doprovázel růst prodejů elektromobilů. Tento rozvoj je přičítán mimo jiné snaze jednotlivých vlád, municipalit a dalších subjektů prosazovat a zdůrazňovat přínosy elektromobility. Zejména se jedná o: zvyšování energetické bezpečnosti díky vysoké účinnosti přeměny elektrické energie na pohybovou, snížení závislosti na fosilních palivech, zlepšení hygienických a ekologických parametrů v místě pohybu těchto vozidel (hluk, emise skleníkových plynů, emise prachových částic apod.). Mezi používané stimulační nástroje pro podporu elektromobility patří zejména: nákupní dotace pro pořízení elektrovozidel, podpora rozvoje infrastruktury, zvyšující se standardy pro úsporu paliv. Výzkum a vývoj v oblasti elektromobility a souvisejících technologií je také jedním z neopominutelných stimulů k rozvoji elektromobility. S postupným poklesem pořizovací ceny a postupným zvyšováním kapacity pro ukládání elektrické energie se zvyšuje dostupnost i ochota kupujících alespoň uvažovat respektive si následně i pořídit vozidlo na elektrický pohon. Z hlediska nejbližších let lze usuzovat na další zdokonalování jednotlivých technologií a sbližování celkových nákladů vlastnictví (TCO total cost of ownership) mezi vozidly s klasickým pohonem a pohonem využívajícím elektrické energie. V příštích cca 10 až 20 letech lze očekávat postupný přechod trhu s elektrickými automobily z fáze iniciačního nasazení na jejich celoplošnou segmentovou akceptaci. Z hlediska celkových kumulativních odhadů prodejů elektrovozidel (automobilů) je dle studie mezinárodní energetické agentury předpokládáno dosažení rozmezí 9 až 20 milionů prodaných elektrovozidel od současnosti do roku 2020 a rozmezí mezi 40 a 70 miliony kusů od současnosti do roku Spolu s růstem počtu elektromobilů lze očekávat zvýšené nároky (dopady) jednak na samotnou napájecí (dobíjecí) infrastrukturu z hlediska požadavků na soudobost a dostupnost potřebného nabíjecího výkonu. V současné době je v České republice větší zájem o čistě elektrické vozy než o plug-in hybridy. Nejprodávanější modely za rok 2017 v rámci Evropské unie a ČR jsou uvedeny v následující tabulce. Predikce vývoje elektromobility v ČR 17 Důvěrné

18 Tabulka 8 Pět nejprodávanějších modelů BEV v EU a České republice za rok 2017 EU Prodané kusy CZ Prodané kusy Renault Zoe BMW i3 109 Nissan Leaf Volkswagen e-golf 68 Tesla Model S Nissan Leaf 58 BMW i Tesla Model S 56 Volkswagen e-golf Volkswagen e-up! 36 Zdroj: EAFO European Alternative Fuels Observatory Z tabulky je patrné, že se v České republice těší popularitě spíše dražší modely elektromobilů, kdežto prodeje v Evropské unii dominují z pohledu ceny dostupnější modely. Jedním z hlavních atributů a charakteristik vozidla s elektrickým pohonem jsou kapacita baterie (potažmo odpovídající dojezd vozidla) a maximální dobíjecí výkon baterie. V reálném provozu standardně není možné využívat celou kapacitu baterie elektrovozidla od 0 % do 100 %, z toho důvodu je také udávána tzv. využitelná kapacita baterie. Další důležitá informace o elektromobilu je maximální podporovaný dobíjecí výkon. Maximální výkon se liší při dobíjení střídavým nebo stejnosměrným proudem. Při využití střídavého dobíjecího proudu je limitujícím prvkem nejčastěji výkonové omezení integrovaného dobíjecího zařízení v elektromobilu, při využití stejnosměrného proudu je dobíjecí proud limitován z důvodu ochrany baterie elektromobilu. S tím souvisí i další omezení, a to sice nesymetrické dobíjení EV, kdy i při 3f připojení nejsou všechny fáze zatěžovány symetricky a tento jev se ještě v průběhu nabíjecího procesu mnohdy mění. Obecně platí, že vozidla s větší kapacitou baterie umožňují dobíjení vyšším výkonem. Tabulka 9 Pět nejprodávanějších modelů BEV v ČR v roce 2017 a jejich vybrané parametry Model BEV Jmenovitá kapacita baterie/využitelná kapacita [kwh] Max. výkon integrovaného dobíjecího zařízení AC [kw] Max. dobíjecí výkon DC [kw] BMW i3 33,2 / 27,2 11,0 50 Volkswagen e-golf 35,8 / 32 7,2 40 Nissan Leaf 24; 30; 40 / 38 3,3 / 6,6 50 Tesla Model S 75/72,5; 100 / 94 17,0 120 Volkswagen e-up! 20 / 18,7 3,7 50 Zdroj: EAFO European Alternative Fuels Observatory, EV Database Mezi nejprodávanějšími modely v současné době dominují kapacitou akumulátorů a maximálním podporovaným dobíjecím výkonem automobily značky Tesla. Kapacity baterií se u v současnosti nabízených modelů pohybují v rozsahu 70 až 100 kwh, u ostatních populárních modelů se pohybují mezi 20 až 40 kwh. Integrované dobíjecí zařízení elektromobilů nejčastěji podporuje maximální výkony v rozmezí 3,3 až 11 kw, přičemž lze pozorovat tendenci výrobců elektromobilů osazovat elektromobily výkonnějšími integrovanými.dobíjecími zařízeními. Predikce vývoje elektromobility v ČR 18 Důvěrné

19 Nejprodávanější modely PHEV jsou uvedeny v následující tabulce. Obdobně jako v případě BEV lze pozorovat popularitu zejména v luxusnějším segmentu těchto vozidel. Tento trend lze na rozdíl od BEV charakterizovat jako společný pro Českou republiku i Evropskou unii. Tabulka 10 Pět nejprodávanějších modelů PHEV v EU a České republice za rok 2017 EU Prodané kusy CZ Prodané kusy Mitsubishi Outlander PHEV BMW X5 40e 53 Volkswagen Passat GTE Volkswagen Passat GTE 27 Mercedes GLC350e Mitsubishi Outlander PHEV 23 BMW 225xe Active Tourer BMW 225xe Active Tourer 21 BMW 330e BMW 330e 19 Zdroj: EAFO European Alternative Fuels Observatory Technická specifikace vozů PHEV je podobná jako u vozů BEV, rozdíl je ale na první pohled patrný ve velikosti baterie a v maximálním dobíjecím proudu. Výrobci těchto vozidel osazují díky zamýšlenému způsobu provozování kapacitně baterii zpravidla výrazně menší než u čistě elektrických vozidel. Menší kapacita baterie následně znamená menší požadavek na rychlost dobíjení, tudíž plug-in hybridy standardně podporují dobíjení výkonem okolo 3,7 kw ze zdroje střídavého napětí. Vozidla PHEV vesměs nejsou vybavena možností dobíjení stejnosměrným proudem, výjimkou je mezi populárními plug-in hybridy model Mitsubishi Outlander, který podporuje tzv. rychlé dobíjení. Pět nejprodávanějších modelů BEV v ČR v roce 2017 a jejich vybrané parametry udává následující tabulka: Tabulka 11 Pět nejprodávanějších modelů PHEV v ČR v roce 2017 a jejich vybrané parametry Model PHEV Jmenovitá kapacita baterie/využitelná kapacita [kwh] Max. výkon integrovaného dobíjecího zařízení AC [kw] Max. dobíjecí výkon DC [kw] BMW X5 40e 9,2 / 8 3,7 - Volkswagen Passat GTE 9,9 / 8 3,7 - Mitsubishi Outlander PHEV 12 / 9 3,7 22 BMW 225xe Active Tourer 6 / 5 3,7 - BMW 330e 7,6 / 6 3,7 - Zdroj: EAFO European Alternative Fuels Observatory, EV Database Jedním z hlavních zdrojů informací ohledně stavu vozového parku v České republice a následně ohledně počtu registrovaných elektromobilů byl Centrální registr vozidel spravovaný Ministerstvem dopravy. Pro zjištění výchozího stavu všech druhů vozidel včetně druhu paliva s rozlišením na jednotlivé SO ORP byly využity souhrnné statistiky zveřejňované ministerstvem dopravy vždy k začátku roku za rok předchozí. Tyto statistiky agregují data jednotlivých odborů dopravy všech obecních úřadů obcí s rozšířenou působností. Agregované soubory obsahují kombinace následujících informací: druhu vozidla (dle číselníku MD), kategorii vozidla (L, M, N, O, S, R), Predikce vývoje elektromobility v ČR 19 Důvěrné

20 místo registrace (SO ORP), palivo, tovární značku a typ. Pro zjištění současného počtu registrovaných vozidel s rozlišením na SO ORP bylo využito souhrnných statistik s informacemi o druhu vozidla, kategorii vozidla a příslušného SO ORP. Ministerstvo dopravy nabízí veřejně ke stažení soubory s různými agregovanými informacemi, bohužel některé potřebné kombinace informací nejsou veřejně k dispozici. Jedná se například o hledanou kombinaci kategorie vozidla, paliva a místa registrace vozidla v členění na jednotlivé SO ORP. Z toho důvodu bylo nutné provést vlastní analýzu dat na základě tovární značky vozidla, typu a místa registrace. Výstupem provedené analýzy je celkem identifikovaných registrovaných osobních elektromobilů s rozlišením na SO ORP. Tento počet se plně neshoduje s údaji zveřejněnými například svazem dovozců automobilů, nejspíše z důvodu rozdílné metodiky analýzy vstupních podkladů. Pro modely byly použity výstupy provedené vlastní analýzy, neboť bylo žádoucí získat informaci o rozložení elektromobilů napříč Českou republikou s detailem na obce s rozšířenou působností, což ostatní veřejně dostupné zdroje nenabízejí Aktuální stav elektrodobíjecích stanic v ČR V současné době (k lednu 2018) lze z dostupných informačních zdrojů identifikovat v České republice veřejně dostupných cca 222 dobíjecích stanic. Z tohoto počtu je přibližně 137 dobíjecích stanic provozováno prostřednictvím třech největších elektroenergetických skupin, jmenovitě skupiny ČEZ, skupiny PRE a skupiny E.ON. Ve většině případů poskytují tyto skupiny i tzv. rychlodobíjecí vysokovýkonné stanice na stejnosměrný proud. V ostatních případech se jedná o kombinaci dobíjecích stanic na střídavý proud nejčastěji kombinující různý počet zásuvek typu 2 (Mennekes 400 V / 16 A respektive 32 A) a zásuvek typu Schuko (230 V / 16 A) respektive ChADeMO a CCS. V ČR dosud neexistuje oficiálně publikovaná evidence dobíjecích stanic (na rozdíl například od čerpacích stanic) a proto pro zjišťování konkrétního umístění dané dobíjecí stanice (včetně podrobností týkajících se vybavení, časové dostupnosti, způsobu placení apod.) je nutné vycházet buď z dostupných materiálů jednotlivých provozovatelů dobíjecích stanic, případně mapových podkladů jednotlivých zájmových spolků a sdružení. Na základě novelizace legislativy (konkrétně zákon č. 311/2006 Sb. o pohonných hmotách a čerpacích stanicích pohonných hmot a o změně některých souvisejících zákonů) má Ministerstvo průmyslu a obchodu (MPO) za povinnost vést mimo evidence čerpacích stanic i evidenci dobíjecích stanic (zahrnujících jeden nebo více dobíjecích bodů). Dle dostupných informací lze první zveřejnění této evidence dobíjecích stanic očekávat v polovině roku Mapové podklady provozovaných a dostupných dobíjecích stanic provozuje například v tuzemsku magazín Hybrid.cz nebo Asociace pro elektromobilitu České republiky, v zahraničí openchargemap.org včetně informací pro Českou republiku. Nejvíce dobíjecích stanic je v současné době umístěno ve třech největších českých městech, a to v Praze, Brně a Ostravě. Postupně s rozvojem infrastruktury jsou pokrývána i další krajská a okresní města respektive hlavní silniční tahy (zejména dálnice D1). V současné době nejsou dobíjecí stanice dostupné ve větším počtu např. v Liberci, Olomouci respektive Karlových Varech. Z hlediska umístění dobíjecích stanic se lze setkat s následujícím umístěním, které respektuje očekávané požadavky na umístění respektive způsob použití dobíjecí stanice: Predikce vývoje elektromobility v ČR 20 Důvěrné

21 o o o o Rychlodobíjecí stanice s výkonem dobíjení vyšším než 22 kw Obchodní centra Dálnice a rychlostní komunikace Dobíjecí stanice s výkonem dobíjení nižším než 22 kw Parkovací a odstavné plochy (úřadů, veřejných institucí, soukromých společností apod.) V rámci pozemků vlastněných soukromými osobami (rodinné domy apod.) Průběžně lze očekávat i zpřístupnění (zprovoznění) dalších dobíjecích míst (lokalit) poskytujících primárně 3f připojení typu Mennekes (400 V / 16 A respektive 32 A). Tato nová dobíjecí místa vznikají v současné době nejčastěji jako zákaznická služba poskytovatelů parkovacích ploch, ubytovacích zařízení, zařízení pro volnočasové aktivity apod. a využívají ve velké míře stávající možnosti vyvedení výkonu bez potřeby větších stavebních úprav a povolovacích procesů. Na základě využití veřejně dostupných informací od jednotlivých provozovatelů dobíjecích stanic a agregačních mapových portálů byla vytvořená přehledová mapa dobíjecích stanic v ČR se stavem k lednu Obrázek 1 Přehledová mapa dobíjecích stanic v ČR stav k 01/2018 Zdroj: Analýza mapových podkladů provozovatelů dobíjecích stanic a agregačních portálů Euroenergy; rychlodobíjecí stanice, dobíjecí stanice Z výše uvedené přehledové mapy je patrné rozmístění dobíjecích stanic v rámci celé ČR. Z rozmístění jednotlivých dobíjecích stanic lze učinit několik základních zjištění: největší koncentrace dobíjecích stanic je přítomna ve velkých městských aglomeracích (Praha, Brno, Ostrava), Predikce vývoje elektromobility v ČR 21 Důvěrné

22 v současné době nejsou dosud plně k dispozici rychlodobíjecí stanice pokrývající páteřní silniční tahy v rámci ČR. Z provedené analýzy podkladových dat o jednotlivých dobíjecích stanicích dále také vyplynul zjištěný počet dobíjecích bodů, který k lednu 2018 činil 551 dobíjecích bodů. Mírně odlišný grafický pohled v členění na jednotlivé SO ORP uvádí následující obrázek: Obrázek 2 Přehledová mapa dobíjecích stanic v ČR v členění na SO ORP stav k 01/2018 Pro srovnání, statistiku dobíjecích bodů publikovanou pro Českou republiku portálem EAFO (European Alternative Fuels Observatory) udává následující tabulka: Tabulka 12 Vývoj počtu dobíjecích bodů v ČR v letech Typ dobíjecího bodu Normální ( 22kW) Mennekes (Typ 2 AC) ChaDeMo CCS Tesla SC Celkem Zdroj: EAFO European Alternative Fuels Observatory;(leden 2018) Bližší informace ke kategorizaci typu dobíjecího bodu nejsou na webových stránkách EAFO k dispozici. Grafické znázornění výše uvedené tabulky uvádí následující obrázek. Predikce vývoje elektromobility v ČR 22 Důvěrné

23 Obrázek 3 Přehled vývoje počtu dobíjecích bodů v ČR v letech Zdroj: EAFO European Alternative Fuels Observatory (leden 2018); K výše uvedeným informacím týkajícím se počtu dobíjecích bodů je nutné uvést, že údaje publikované portálem EAFO nelze považovat za zcela reprezentativní, jelikož vychází nikoliv ze státem garantovaných oficiálních zdrojů (např. statistiky vedené MPO), ale z předávaných údajů od zájmových sdružení a asociací, které v sobě zahrnují i tzv. neveřejné dobíjecí body ve smyslu možnosti využití domácí dobíjecí infrastruktury pro zájemce o dobití. Z hlediska možných způsobů připojení a používaných zásuvek (resp. zástrček) se jedná o následující nejpoužívanější typy: Predikce vývoje elektromobility v ČR 23 Důvěrné

24 Tabulka 13 Přehled používaných konektorů pro nabíjení elektromobilů Typ 1 (SAEJ1772) Typ 2 (IEC62196) CCS Typ 1 je jednofázová zásuvka umožňující nabíjení střídavým proudem až do výše 7,4 kw (230 V, 32 A). Tento standard je využíván zejména v modelech vozidel pocházejících z Asie (Kia, Nissan) a v rámci Evropy jej využívají některé francouzské automobilky (Peugeot, Citroen). Využíván je také v modifikaci pro USA a Kanadu. Typ 2 (někdy nazývaný též Mennekes) je třífázová zásuvka umožňující nabíjení střídavým proudem až do výše 43 kw (400 V, 63 A). Nejběžnější specifikací je výkon 22 kw (400 V, 32A). V současné době je standardem pro většinu evropských automobilek (BMW, Volkswagen, Mercedes). CCS je kombinovaná zásuvka vycházející z Typu 2. Oproti Typu 2 umožňuje pomocí dvou spodních kontaktů i tzv. rychlonabíjení stejnosměrným proudem do výše 170kW (v praxi dosud nejběžněji do 50kW). CHaDeMo Schuko běžná evropská zásuvka 230 V CHaDeMo je stejnosměrný dobíjecí systém vyvinutý v Japonsku umožňující rychlonabíjení stejnosměrným proudem do výše 50kW. Je podporován celou řadou automobilek, např. Citroën, Honda, Kia, Mazda, Mitsubishi, Nissan, Peugeot, Subaru, Tesla (s adaptorem) a Toyota. Schuko je běžná jednofázová zásuvka umožňující nabíjení střídavým proudem až do výše výkonu 3,7 kw (230 V, 16 A). Je využívána jako jeden z nejběžnějších typů zásuvek v evropských domácnostech. Z uvedené tabulky je patrné, že v současné době se lze v praxi setkat s celou řadou používaných konektorů jak na straně vozidel, tak na straně jednotlivých dobíjecích stanic a jejich výstupů (vývodů). V této souvislosti je nutné připomenout, že Evropská unie prostřednictvím směrnice Evropského parlamentu a Rady č. 2014/94/EU o zavádění infrastruktury pro alternativní paliva stanovila a jejich národních implementací s platností od Predikce vývoje elektromobility v ČR 24 Důvěrné

25 jako povinný standard pro střídavé připojení k dobíjecí stanici typ konektoru Typ 2 (Mennekes) a v případě stejnosměrného dobíjení Combo II (CCS). Rozvoj dobíjecí infrastruktury v ČR již probíhá a bude probíhat jednak na čistě komerční bázi (myšleno výstavbou dobíjecí infrastruktury soukromými subjekty výhradně vlastními prostředky bez zainteresování veřejných prostředků), tak na bázi spolufinancování (využití) finančních prostředků z podpůrných programů Evropské unie respektive České republiky. V tomto ohledu za klíčové lze považovat následující uvedené projekty: Evropský grantový program Connecting Europe Facility (CEF), pomocí něhož Evropská komise podporuje proces propojení jednotlivých členských států EU, jejímž jedním z opatření je výstavba (instalace) dobíjecích míst na hlavní silniční síti TEN-T Operační program Doprava, jehož součástí je výzva č. 30 v rámci programu Podpora infrastruktury pro alternativní paliva Podpora rozvoje páteřní sítě dobíjecích stanic Program Nízkouhlíkových technologií (NUT), kde Výzva II a Výzva III nabízejí státní podporu jednak na koupi elektromobilů, jednak na výstavbu dobíjecích stanic v areálu podniku žadatele Integrovaný regionální operační program (IROP), výzva č. 20 Nízkoemisní a bezemisní vozidla, kde mezi podporované aktivity patří nákup nízkoemisních a bezemisních vozidel veřejné dopravy V rámci evropského grantového programu CEF by mělo v rámci ČR vzniknout v průběhu roku 2018 více než 40 rychlodobíjecích stanic. Dále prostřednictvím schváleného programu by v rámci programu NEXT-E (jako schváleného podprogramu v rámci CEF) mělo v šesti zemích střední a východní Evropy (Česká republika, Slovenská republika, Maďarsko, Slovinsko, Rumunsko, Chorvatsko) vzniknout do konce roku 2020 celkem 222 rychlodobíjecích stanic (50kW) a 30 ultra-dobíjecích stanic ( kW). Pro území České republiky je plánováno 32 rychlodobíjecích stanic a 6 ultra-dobíjecích stanic. Výše uvedené programy jsou dále zohledněny v kapitole 3.1. Přehledovou mapku k programu NEXT-E uvádí následující obrázek: Predikce vývoje elektromobility v ČR 25 Důvěrné

26 Obrázek 4 Plánované rozmístění dobíjecích stanic v rámci programu NEXT-E Zdroj: Skupina E.ON; UC = ultrarychlá dobíjecí stanice; FC = rychlodobíjecí stanice V rámci České republiky je klíčovým rozvojovým prvkem v oblasti infrastruktury již zmíněný operační program Doprava, jehož součástí je výzva č. 30 v rámci programu Podpora infrastruktury pro alternativní paliva Podpora rozvoje páteřní sítě dobíjecích stanic. V rámci tohoto operačního programu a jeho podprogramu 1 je plánována výstavba páteřní a doplňkové sítě rychlodobíjecích a dobíjecích stanic. Další podprogramy (označené 2, 3, 4) jsou zaměřeny na podporu rozvoje infrastruktury CNG v oblasti plnících stanic, podporu rozvoje infrastruktury LNG v oblasti plnících stanic a podporu rozvoje infrastruktury vodíkových plnících stanic. Operační program Doprava a jeho výzva č. 30 je vypsán z hlediska realizačního období na roky s cílem podpořit pomocí tohoto programu v jednotlivých podprogramech výstavbu celkem 500 rychlodobíjecích (podprogram 1 - část 1a)) a 400 pomalých dobíjecích stanic (podprogram 1 část 1b)). Na základě postupně vypsaných 4 výzev v rámci podprogramu 1 část 1a (v současné době je vypsána 1 výzva) by v rámci každé výzvy mělo vzniknout 125 rychlodobíjecích stanic. Základní charakteristiku podprogramu 1 část 1a) definovanou v zadávacích podmínkách definovalo Ministerstvo dopravy následovně: Celkový počet rychlodobíjecích stanic tvořící páteřní síť: 500 Počet výzev k postupné realizaci páteřní sítě: 4 Počet rychlodobíjecích stanic v rámci jedné výzvy: 125 Počet zeměpisných oblastí, v nichž musí žadatel v rámci každé výzvy umístit dobíjecí stanice: 50 Metodika pro vymezení oblastí: o Zeměpisné oblasti byly definovány na úrovni bývalých okresů ČR a v případě okresů s menším počtem obyvatel spojením dvou okresů do jedné oblasti. Počet dobíjecích stanic, které musí žadatel umístit v rámci jednotlivých oblastí: Predikce vývoje elektromobility v ČR 26 Důvěrné

27 o Bylo určeno 25 oblastí, v nichž by v rámci každé výzvy měly být vybudovány vždy 3 dobíjecí stanice. Ve zbývajících 25 oblastech bude muset žadatel zajistit vybudování 2 dobíjecích stanic. o 3 dobíjecí stanice by měly být umístěny do oblastí s vyšším významem z hlediska přepravních toků v ČR (např. zda oblastí prochází silnice plnící funkci sítě TEN-T a dále rovněž hustotu zalidnění). Předmětem podpory v každé z výzev může být jen projekt zahrnující 125 rychlodobíjecích stanic, přičemž u každé z nich musí být zajištěn minimálně výkon 40 kw (DC) a současně minimálně 22 kw (AC). Následující obrázek uvádí vymezení oblastí pro umístění dobíjecích stanic v rámci zadávacích podmínek definovaných Ministerstvem Dopravy. Obrázek 5 Mapa páteřní sítě rychlodobíjecích stanic s vymezením počtu dobíjecích stanic pro jednotlivé zeměpisné oblasti v rámci operačního programu Doprava Zdroj: Ministerstvo Dopravy; Kritéria výběru projektů OP Doprava pro specifický cíl 2.2 (Program Podpora infrastruktury pro alternativní paliva ) Konkrétní umístění jednotlivých dobíjecích stanic v rámci stanovených kritérií tak bude předmětem výběrového řízení respektive nabídky každého konkrétního účastníka výběrového řízení respektive žadatele o podporu. V případě podprogramu 1 část 1b), která se týká výstavby doplňkové sítě dobíjecích stanic je charakteristika tohoto programu definována s nižší granularitou detailu a požadavků oproti podprogramu 1 část 1a). Základním účelem tohoto podprogramu je cíl vybudování 400 ks běžných dobíjecích stanic, které již mohou zohlednit jak průběh výstavby základní sítě dobíjecích stanic a její vytížení, tak i poptávku v jednotlivých regionech. Zvolený přístup k identifikaci možného (uvažovaného) rozmístění dobíjecích stanic je uveden v kapitole zabývající se problematikou projekce počtu veřejných dobíjecích stanic. Výzvy II a III operačního programu Podnikání a inovace pro konkurenceschopnost nabízí pro malé, střední a velké podniky dotace ve dvou oblastech, které se týkají elektromobility: Predikce vývoje elektromobility v ČR 27 Důvěrné

28 V rámci II. výzvy je možné v aktivitě a) čerpat státní podporu na nákup elektromobilů kategorie o o o o L7e (čtyřkolky) M1 (osobní automobil) M2 a M3 do 7,5 t (minibus) N1 do 3,5 t (nákladní automobil) Aktivita a) dále nabízí podporu na výstavbu dobíjecí stanice pro elektromobily v rámci podnikatelského areálu pro vlastní potřebu. V této oblasti nabízí výzva podporu až do výše 75, 65, či 55 % způsobilých výdajů pro malé, střední, respektive velké podniky, alokace prostředků činí 150 mil. Kč, přičemž minimální výše podpory je 50 tis. Kč, maximální výše podpory je 10 mil. Kč. Aktivita b) je zaměřena na podporu zavádění inovativních technologií z oblasti akumulace energie včetně instalace obnovitelných zdrojů energie (OZE). V tomto bodu je možno získat dotaci 60, 70, či 80 % pro velké, střední, respektive malé podniky na výstavbu kompaktních dobíjecích stanic pro akumulaci energie, s možností instalace OZE přiměřeného výkonu v rámci podnikatelského areálu. Na dobíjecí stanice a akumulaci energie je alokována částka 200 mil. korun, minimální výše podpory je 50 tisíc korun, maximální výše podpory činí 30 milionů Kč. Výzva III. nabízí státní podporu pro nákup elektromobilu podobně jako předchozí výzva, s tím rozdílem, že se rozrostl seznam podporovaných vozidel o kategorii L6e (čtyřkolky) a kategorii N2 (nákladní do 12 tun). V případě dobíjecích stanic pro malé, střední a velké podniky je dostupná dotace ve stejné výši jako v případě minulé výzvy, tedy 75 %, 65 %, respektive 55 %. Tato výzva neobsahuje podporu inovativním technologiím z oblasti akumulace energie, svým rozsahem tak zhruba odpovídá pouze aktivitě a) z minulé výzvy. Plánovaná alokace prostředků programu činí 60 mil. Kč, minimální výše dotace zůstala na 50 tisících Kč, maximální výše klesla oproti předchozí výzvě na 5 mil. Kč. Specifický cíl IROP je zvýšení podílu udržitelných forem dopravy, což se promítá do podporovaných aktivit, které jsou: Nákup silničních nízkoemisních vozidel pro zajištění dopravní obslužnosti podle smlouvy o veřejných službách v přepravě cestujících, využívajících alternativní palivo CNG nebo LNG a splňujících normu EURO 6. Nákup silničních bezemisních vozidel pro zajištění dopravní obslužnosti podle smlouvy o veřejných službách v přepravě cestujících, využívajících alternativní palivo elektřinu nebo vodík. Nákup bezemisních drážních vozidel městské dopravy (tramvají nebo trolejbusů) pro zajištění dopravní obslužnosti podle smlouvy o veřejných službách v přepravě cestujících. Výše alokovaných prostředků výzvy činí zhruba 2,94 mld. Kč, přičemž zhruba 2,78 mld. pochází z Evropského fondu pro regionální rozvoj, ze státního rozpočtu pak bude vyplaceno maximálně přibližně 163 mil. Kč. Minimální výše celkových způsobilých výdajů je 5 mil. Kč, maximální výše celkových způsobilých výdajů je 200 mil. Kč. Predikce vývoje elektromobility v ČR 28 Důvěrné

29 2.2 Vstupní předpoklady, použitá metodika projekce V souladu s požadavky variability očekávaných výstupů plošné projekce počtu vozidel na elektřinu v ulicích v ČR byly pro predikce zvoleny celkem tři scénáře: Nízký Střední Vysoký Z hlediska jednotlivých predikovaných segmentů vozidel na elektřinu byly zvoleny následující čtyři segmenty: Osobní automobily Lehká užitková vozidla Nákladní automobily Autobusy (respektive vozidla určená pro městskou hromadnou dopravu) V následujících podkapitolách je popsána použitá metodika projekce a základní vstupní předpoklady pro jednotlivé uvažované scénáře. Obrázek 6 Přehledové schéma základních vstupních předpokladů Predikce počtu obyvatel Očekávaný vývoj počtu obyvatel v jednotlivých krajích vychází z podkladových dat ČSÚ, konkrétně z projekce obyvatelstva v krajích ČR do roku 2050 z roku Vzhledem k tomu, že od roku 2014 nejsou k dispozici novější projekce ČSÚ, bylo potřeba provést nezbytné korekce těchto dat tak, aby navazovala na uváděné skutečné hodnoty počtu obyvatel v letech 2014 až Obecně lze konstatovat, že vyjma hlavního města Prahy nebylo Predikce vývoje elektromobility v ČR 29 Důvěrné

30 zapotřebí provádět výrazné korekce jednotlivých predikovaných hodnot, neboť projekce ČSÚ s relativně vysokou přesností předpověděla skutečnost posledních zmiňovaných roků. Naproti tomu hlavní město Praha se od projekce odchýlilo výrazněji zejména z důvodu vyšší imigrace obyvatel cizích státních příslušníků, tak českých občanů z ostatních krajů. Institut plánování a rozvoje hlavního města Prahy (IPR PRAHA) vydal v červnu 2015 vlastní prognózu demografického vývoje Prahy do roku 2050, která detailně popisuje možné vývoje ve třech scénářích, přičemž současný vývoj inklinuje k vysokému scénáři, který předpovídá rovnoměrný nárůst s hodnotami počtu obyvatel přesahujících 1,5 mil. v roce Ve stejném dokumentu jsou rovněž popsány a predikovány ty katastrální území nebo městské části Prahy, u kterých lze očekávat nejvyšší přírůstky obyvatel. Jde zejména o periferní oblasti, jmenovitě správní obvody jako například Praha 13, 15, 17, 18 a 22. Na základě historického vývoje a těchto zveřejněných predikcí byla navržena uvažovaná predikce počtu obyvatel pro jednotlivé správní obvody hlavního města Prahy. Vyjma hlavního města Prahy se v ČR nachází celkem 205 SO ORP (správních obvodů obcí s rozšířenou působností), pro které již žádné demografické predikce nejsou k dispozici. Projekce vývoje počtu obyvatel v jednotlivých SO ORP byla tedy realizována takovým způsobem, při kterém byl zachycen trend lokálního vývoje počtu obyvatel (jako průměrný přírůstek/úbytek posledních 5 roků), který byl primárně zachován a pro každý nadcházející predikovaný rok korigován tak, aby součet počtu obyvatel v SO ORP příslušejících danému kraji (nadřazenému územnímu celku) byl roven predikovanému počtu obyvatel v daném kraji dle predikce ČSÚ. Korekce byly proporcionálně rozloženy mezi jednotlivé SO ORP na základě velikosti absolutních meziročních přírůstků počtů obyvatel, jak popisuje rovnice (1). No ij = No ij 1 + No i No i n i=1 n (No No i j 1 No j + No i ) (1) i=1 No ij No i No j n No i i=1 Počet obyvatel v i-tém SO ORP v j-tém roce Průměrná meziroční změna počtu obyvatel v i-tém SO ORP mezi roky Predikovaný počet obyvatel daného kraje v j-tém roce Součet průměrných meziročních změn počtu obyvatel SO ORP příslušejících kraji, ve kterém se dané SO ORP nachází Predikce počtu registrovaných vozidel Predikce počtu registrovaných vozidel v ČR vychází jednak z výše popsané populační prognózy (predikce počtu obyvatel) a jednak z omezení plynoucích z očekávaného nasycení trhu osobními vozidly. Vývoj počtu registrovaných vozidel v jednotlivých SO ORP popisuje rovnice (2), přičemž počet osobních vozidel v daném SO ORP je vždy menší hodnota z následujících dvou uvažovaných možností: počet OA v předchozím roce plus průměrný přírůstek OA za poslední 4 roky nebo počet obyvatel v daném roce krát koeficient počtu osobních vozidel na obyvatele. Vývoj počtu registrovaných vozidel je tedy následující: N OA ij = MIN (N OAij 1 + N i; OA k OA/O No ij ) (2) Predikce vývoje elektromobility v ČR 30 Důvěrné

31 N OA ij N i OA No ij k OA/O Počet osobních vozidel v i-tém SO ORP v j-tém roce Průměrná meziroční změna počtu registrovaných osobních vozidel v i-tém SO ORP mezi roky Počet obyvatel v i-tém SO ORP v j-tém roce Koeficient počtu osobních vozidel připadajících na obyvatele Následující tabulka zobrazuje použité hodnoty koeficientu k OA/O. Tabulka 14 Použité hodnoty koeficientu k OA/O (počet osobních vozidel na obyvatele) SO ORP k OA/O do roku 2030 k OA/O po roce 2030 Praha 0,7 0,7 0,01 0,6 SO ORP > 100 tis. obyvatel 0,6 0,6 0,01 0,5 SO ORP < 100 tis. obyvatel 0,6 0,6 Pozn.: 0,01 nese význam meziroční změny o 0,01, tj. jde o rovnoměrný pokles o jednu setinu mezi roky 2030 a 2040 Z pohledu koeficientu počtu vozidel na obyvatele se hl. m. Praha jeví oproti ostatním SO ORP z hlediska počtu vozidel na obyvatele dosti odlišně. K bylo v hlavním městě Praze registrováno (evidováno) 818 tis. osobních vozidel (dále OA), což při celkovém udávaném počtu tis. obyvatel odpovídá poměrné hodnotě cca 0,64 OA/obyvatele. Trend růstu tohoto koeficientu (ukazatele) v posledních několika letech lze charakterizovat zejména prudkým nárůstem registrovaných automobilů mezi roky 2013 a 2017 v průměru o cca 36 tis. OA/rok. Průměrný růst registrovaných vozidel za toto období tak výrazně převyšuje průměrný nárůst počtu obyvatel za stejné období. Tento růstový trend registrovaných vozidel tak v konečném důsledku vede k růstu hodnoty tohoto poměrového ukazatele (počet OA/obyvatele) a pokračování růstového trendu registrovaných vozidel lze s největší pravděpodobností očekávat i v období několika následujících let. Růst tohoto poměrového koeficientu (ukazatele) OA/obyvatele však nelze očekávat neomezeně, neboť od jistého okamžiku lze očekávat dosažení meze nasycení trhu s automobily. O tom, jaké hodnoty tohoto ukazatele lze dosáhnout, se lze inspirovat například ve vybraných evropských velkoměstech. Nejvyšších hodnot tohoto koeficientu je v rámci Evropy dosahováno v metropolích Varšavě či v Monaku, a to hodnoty 0,7 OA/obyvatele. Vzhledem k tomu, že již v současnosti se hl. m. Praha potýká s problematikou dopravy ve smyslu intenzity dopravy způsobené zejména osobními vozidly, dostupnosti parkovacích míst apod., byla hodnota koeficientu počtu automobilů na obyvatele ve výši 0,7 OA/obyvatele stanovena jako horní mez. Při zachování současného trendu růstu lze očekávat její dosažení již v roce Od tohoto okamžiku je tedy v modelu uplatněno zastropování tohoto koeficientu k OA/O, přičemž tato skutečnost však zároveň neznamená, že by absolutní počet osobních vozidel dále nerostl. Ten je v modelu i dále rostoucí, avšak přímo úměrně predikovanému počtu obyvatel. Vzhledem k tomu, že v rámci hl. m. Prahy lze očekávat prosazení trendů z okolních metropolí, je uvažovaná hodnota koeficientu k OA/O po roce 2030 rovnoměrně snižována na cílovou hodnotu ve výši 0,6 OA/obyvatele. Z pohledu velkých městských aglomerací je trendem poslední dekády provádět regulaci individuální automobilové dopravy na svém území a naopak vytvářet podmínky pro maximální využívání hromadné dopravy. Jedním z mnoha opatření je například i možnost podpory a rozvoje sdíleného využívání automobilů. Jako příklady z okolních zemí lze zmínit Predikce vývoje elektromobility v ČR 31 Důvěrné

32 vybraná velkoměsta Německa (Berlín 0,32 OA/obyv., Mnichov 0,48 OA/obyv.), Rakouska (Vídeň 0,4 OA/obyv.), či Švýcarska (Curych 0,37 OA/obyv.) 1. V rámci ostatních měst ČR (mimo hl. m. Prahy) s počtem obyvatel nad 100 tis. se koeficient k OA/O v současnosti pohybuje okolo hodnoty 0,5 OA/obyvatele. V rámci predikčního modelu byl u těchto územních celků (SO ORP) použit podobný přístup jako v případě hl. m. Prahy s tím rozdílem, že nárůst koeficientu k OA/O byl zastropován na hodnotě 0,6 OA/obyvatele do roku 2030 a v následujícím období poté rovnoměrně snižován až na konečnou hodnotu ve výši 0,5 OA/obyvatele k roku Odlišný přístup byl uplatněn v rámci jednotlivých SO ORP s méně než 100 tis. obyvateli. Jejich současný stav z hlediska koeficientu k OA/O se velmi různí, přičemž hodnoty koeficientů se pohybují od hodnoty v rozmezí od 0,38 až po 0,57 OA/obyvatele. Zvolený modelový přístup v rámci této kategorie respektuje pozorované trendy ze zahraničí, kde ve vyspělých zemích Evropy lze identifikovat obecný trend, v rámci kterého se dlouhodobě snižují rozdíly životní úrovně mezi městskými aglomeracemi a venkovem. Současně lze identifikovat i trend, kdy na venkově jsou hodnoty koeficientu k OA/O výrazně vyšší než ve městech z důvodu nutné potřeby využití osobního automobilu pro dopravu za prací, vzděláním, nákupy, koníčky apod., zatímco pro pohyb v rámci moderního města vybaveného dostupnou veřejnou dopravní infrastrukturou tato potřeba klesá. Na základě výše uvedeného byl jako jeden z předpokladů koeficient k OA/O v této kategorii zastropován na hodnotě koeficientu k OA/O rovnému 0,6 OA/obyvatele po celé sledované období až do roku 2040 a tato hodnota koeficientu nebyla v průběhu sledovaného období snižována. Díky výše uvedeným předpokladům bylo v celorepublikovém průměru pro ČR dosaženo hodnoty koeficientu k OA/O rovno 0,58 OA/obyvatele k roku 2040, přičemž současná celorepubliková hodnota činí cca 0,50 OA/obyvatele. Pro porovnání, vyspělé země západní Evropy dosahovaly v roce 2012 následujících hodnot poměru osobních automobilů na obyvatele: Německo 0,54, Rakousko 0,54, Švýcarsko 0, Predikce počtu elektrovozidel Metodika Přístup k predikci vývoje počtu EV je založen na velikosti tržního podílu EV na všech prodaných osobních vozidlech v ČR. Současně lze k predikci využít zpracovaný vývoj celkového počtu registrovaných vozidel (viz předchozí kapitola), díky čemuž bylo možné přizpůsobit vývoj počtu nově registrovaných a registrovaných dovezených ojetých vozidel. Vzhledem k obtížné predikci vývoje stáří vozového parku, byla pro modelování použita současná míra obnovy vozového parku, která je proporcionálně korigována dle celkového počtu osobních vozidel, jak popisují rovnice (3) a (4): 1 Ralph Buehler, John Pucher, Regine Gerike & Thomas Götschi (2016) - Reducing car dependence in the heart of Europe: lessons from Germany, Austria, and Switzerland, Transport Reviews Predikce vývoje elektromobility v ČR 32 Důvěrné

33 N nregj = N nregj 1 (1 + N OAj N OAj 1 ) (3) N OA j 1 N nregj N OA j Počet nových registrovaných osobních vozidel v ČR v j-tém roce Počet osobních vozidel v ČR v j-tém roce Analogicky pro registraci ojetých vozidel platí: N ojregj = N ojregj 1 (1 + N OAj N OAj 1 ) (4) N OA j 1 N ojregj Počet dovezených ojetých nově registrovaných osobních vozidel v ČR v j-tém roce Data pro výchozí stav počtu elektromobilů v členění na jednotlivé SO ORP byla získána vlastní analýzou registru vozidel. Jelikož výchozí podkladová data registru vozidel nerozlišují mezi hybridními vozy a plug-in hybridy, pro výchozí přiřazení PHEV do jednotlivých SO ORP byl využit zjištěný poměr BEV v rámci jednotlivých SO ORP (viz Tabulka 6). Predikce počtu elektrovozidel Celkový počet EV je určen tržním podílem EV na nově prodaných (registrovaných) osobních vozidlech a dovezených ojetých vozidlech snížený o předpokládaný počet vyřazených EV po dosažení jejich technické životnosti, jak popisuje rovnice (5). N EV j = N EVj 1 + p xj N nregj N EV j s ev + (p xj sdev + k dov ) N ojregj (5) N EV j p xj N nregj N EV j s ev p xj sdev k dov N ojregj Celkový počet EV v ČR j-tém roce Tržní podíl EV v ČR v x-tém scénáři v j-tém roce Počet nových registrovaných osobních vozidel v ČR j-tém roce Přírůstek EV v roce j mínus průměrná doba stáří EV Tržní podíl EV v ČR v x-tém scénáři v roce j mínus průměrná doba stáří dovezeného EV Koeficient respektující vyšší tržní podíly EV v zemích původu dovážených EV Počet dovezených ojetých registrovaných osobních vozidel v ČR v j-tém roce Nastavení tržních podílů prodaných EV na všech prodaných vozidlech v daném roce (parametr p xj ), je determinováno v závislosti na přijatých předpokladech v jednotlivých scénářích. Střední scénář Střední scénář vývoje počtu EV byl navázán na údaje publikované v NAP CM do roku Po roce 2030 dochází v základním scénáři NAP CM k nasycení trhu (výraznému zpomalení růstu), neboť se očekávalo, že EV si budou uživatelé pořizovat pouze jako druhé vozidlo do rodiny. Tento předpoklad se v současné době jeví jako méně pravděpodobný, neboť lze očekávat, že díky aktivitám státu respektive snahy EU o snižování emisí skleníkových plynů povede ke stupňování tlaku na postupnou obměnu celého současného vozového parku za nízkoemisní a bezemisní vozidla. Predikce vývoje elektromobility v ČR 33 Důvěrné

34 Další faktor podporující navýšení prodejů EV po roce 2030 je zejména klesající pořizovací cena EV, přičemž na základě údajů z podrobné studie společnosti Bloomberg - New Energy Finance dostupných zde 2 nebo zde 3 lze očekávat dosažení cenové parity mezi BEV a ICE v období mezi roky 2025 až Z tohoto důvodu byl růst tržního podílu EV po roce 2030 dále navyšován s ohledem na plnění zmíněných faktorů. Za uvedených předpokladů, při použití navazujícího růstu prodejů EV, je pak dosaženo asi třetinového tržního podílu prodejů EV v roce 2040, což kumulativně odpovídá celkovému počtu cca 1 milionu EV. Vývoj poměru mezi BEV a PHEV po roce 2030 se ve středním scénáři očekává ve prospěch BEV s ohledem na plnění klíčových faktorů jako plnění požadavků na klesající emisní limity, klesající cenu baterií atd. Vstupní/výstupní parametry charakterizuje následující tabulka: Tabulka 15 Vstupní/Výstupní parametry - Střední scénář Ukazatel p xj BEV 0,18% 0,35% 2,30% 3,00% 12,50% 22,00% p xj PHEV 0,08% 0,90% 4,00% 5,00% 8,00% 11,00% N EV j BEV N EV j PHEV Pozn.: Uvedené údaje jsou vždy k uváděného roku Vysoký scénář Vysoký scénář byl navázán na ambiciózní cíle kampaně EV30@30, která si klade za cíle dosáhnout 30% tržního podílu EV na prodejích v roce Této kampaně se účastní země, které jsou součástí uskupení EVI (Electric Vehicles Initiative). Patří sem Kanada, Čína, Francie, Německo, Japonsko, Nizozemsko, Norsko, Švédsko, Velká Británie a USA. ČR není součástí tohoto uskupení, nicméně budoucí účast nelze vyloučit. Nastavený růst tržního podílu tohoto scénáře má progresivní charakter s cílem dosáhnout 30% tržního podílu k roku Navazující růst tržního podílu po roce 2030 má nastavenou zrychlenou progresi v souvislosti s předpoklady dosažení cenové parity EV s ICE po roce 2030 s tím, že je tak dosaženo 90% podílu EV na nově prodaných OA v roce 2040, čemuž odpovídá cca 50% podíl EV na vozovém parku v tomto roce, tj. cca 3 milióny osobních elektrických vozidel. Poměr mezi BEV a PHEV ve vysokém scénáři je zachován po celé sledované období na současné úrovni Predikce vývoje elektromobility v ČR 34 Důvěrné

35 Tabulka 16 Vstupní/Výstupní parametry Vysoký scénář Ukazatel p xj BEV 0,18% 3,36% 11,32% 19,27% 39,96% 63,83% p xj PHEV 0,08% 1,47% 4,95% 8,44% 17,50% 27,95% N EV j BEV N EV j PHEV Pozn.: Uvedené údaje jsou vždy k uváděného roku Nízký scénář Nízký scénář vychází ze současného meziročního růstu resp. tržního podílu EV v ČR, který byl zachován až do roku 2023, přičemž teprve poté dochází k navyšování tržního podílu. Po tomto roce dochází ke kopírování růstu dle středního scénáře, resp. NAP CM, přičemž růst je časově posunut o 5 let s ohledem na předpokládané zpoždění plnění zmíněných klíčových faktorů. Pro příklad, tržní podíl v nízkém scénáři v roce 2024 odpovídá tržnímu podílu středního scénáře v roce Tento trend je uplatněn až do roku 2030, po tomto roce se uplatňuje rovnoměrný růst tržního podílu odpovídající průměru předchozích 5 roků pro BEV. V případě PHEV se počítá s nižší hodnotou růstu oproti BEV z důvodu pouze částečného plnění klíčových faktorů, které upřednostňují BEV. Tabulka 17 Vstupní/Výstupní parametry Nízký scénář Ukazatel p xj BEV 0,18% 0,18% 0,35% 2,30% 4,24% 6,00% p xj PHEV 0,08% 0,08% 0,90% 4,00% 4,51% 5,00% N EV j BEV N EV j PHEV Pozn.: Uvedené údaje jsou vždy k uváděného roku Dovoz vozidel ze zahraničí Dovoz ojetých EV se v závislosti na scénářích uplatňuje až od roku: 2035 v nízkém scénáři 2030 ve středním scénáři 2025 ve vysokém scénáři Koeficient k dov (viz rovnice (5)) byl použit z toho důvodu, že dovoz ojetých vozidel převládá ze západních zemí Evropy, zejména Německa, kde lze ovšem z hlediska budoucnosti v daném konkrétním roce očekávat vyšší zastoupení EV na tržním podílu prodaných vozidel ve srovnání s tuzemskem. Nastavení koeficientu, který navyšuje toto procento, bylo expertně odhadnuto na hodnotu 0,05, což znamená, že v průměru lze očekávat tržní podíl EV v zemích původu dovezených EV o 5 % vyšší oproti ČR. Výše tohoto koeficientu zahrnuje i možnou averzi českého zákazníka ke koupi ojetého EV. V současnosti jsou v ČR elektrovozy stále vnímány jako luxusní zboží, které si z hlediska pořizovacích nákladů může dovolit pouze malá část populace, případně podnikatelské subjekty. Lze předpokládat, že ojeté EV vzhledem k vyšší pořizovací ceně, budou mít rovněž vyšší cenu v případě prodeje ojetého kusu, a vzhledem k tomu, že zákazník kupující ojetý automobil uvažuje ve většině případů pragmaticky, lze Predikce vývoje elektromobility v ČR 35 Důvěrné

36 předpokládat, že jeho postoj k nákupu ojetého EV bude minimálně zpočátku sledovaného období značně skeptický. Při predikování vývoje obnovy vozového parku je dále zapotřebí zohlednit fakt, že s přibývajícím počtem EV, u nichž byl stanoven předpoklad průměrné životnosti 8 roků, se toto nutně projeví do průměrného stáří vozového parku, a tudíž i do výše celkové obnovy vozového parku. Přepočtený vývoj nových registrací popisuje rovnice (6). N přep,nregj = N nregj (1 N EVj ) + N N nregj N EVj s k (6) OA N j OA s j ev N přep,nregj s k s ev Přepočtený počet nových registrovaných osobních vozidel v ČR v j-tém roce Průměrná životnost konvenčních osobních vozidel (se spalovacím motorem) v ČR Průměrná životnost elektrických vozidel v ČR Pro usnadnění byl přijat zjednodušující předpoklad, že průměrné stáří konvenčních osobních automobilů zůstane v ČR na současné úrovni po celé sledované období, tj. 15 roků (vychází ze statistik MD), stejně tak, že průměrné stáří EV neporoste a bude zachováno na 8 letech (vychází z proklamací výrobců EV ohledně minimální životnosti baterií). Ve skutečnosti lze očekávat, že výhledově s rostoucí životní úrovní obyvatelstva ČR se bude zkracovat průměrné stáří konvenčních automobilů, zatímco průměrná životnost EV v čase vzroste z důvodu zdokonalování současných a nástupu nových technologií v rámci segmentu EV. Uvedený předpoklad byl přijat také z toho důvodu, že polarity těchto případných chyb, vzniklých tímto zjednodušením, jsou opačné, a tudíž se částečně samy eliminují. Rozdělení jednotlivých EV na SO ORP Rozdělení celkového počtu EV v ČR do jednotlivých SO ORP je založeno na dvou faktorech. Prvním faktorem, který se v modelu plně uplatní v nejbližší budoucnosti, je výchozí stav rozdělení EV v jednotlivých SO ORP. Data o výchozím rozdělení EV mezi SO ORP pochází z registru vozidel MD. Druhý z faktorů, který určuje rozpad EV do SO ORP, je počet všech registrovaných osobních vozidel v jednotlivých OPR (data opět získaná z registru vozidel). Tento faktor se začne uplatňovat postupně po roce 2020 na úkor prvního zmíněného faktoru. Vztah pro rozpad EV do SO ORP vyjadřuje rovnice (7). N EV ij = N EVij 1 + N EVj (N EVi,2018 N EV 2018 v EV j + N OAij N OA j v OA j ) (7) N EV ij N EV j N EV i,2018 N EV 2018 v EV j N OA ij N OA j v OA j Počet EV v i-tém SO ORP v j-tém roce Absolutní přírůstek EV v j-tém roce v ČR Poměr EV v i-tém SO ORP k celkovému počtu EV v ČR k (výchozí stav) Váha faktoru poměr výchozího stavu EV v j-tém roce Poměr OA v i-tém SO ORP v j-tém roce k celkovému počtu OA v ČR v j-tém roce Váha faktoru poměr registrovaných OA v j-tém roce Predikce vývoje elektromobility v ČR 36 Důvěrné

37 Současně musí platit, že: v EV j + v OAj = 1 Použité hodnoty vah uvádí následující tabulka: Tabulka 18 Použité hodnoty vah faktorů v EV j a v OAj Váha faktoru do roku 2020 mezi roky 2020 až 2030 po roce 2030 v EV j 1 1 0,1 0 0 v OA j 0 0 0,1 1 1 Z provedených analýz se ukázalo, že použití pouze faktoru všech registrovaných osobních vozidel nekoresponduje s výchozím stavem rozdělení EV mezi jednotlivé SO ORP. Faktor poměr registrovaných OA sice zvýhodňuje velká města oproti venkovu, nicméně nedostatečně. Pro dosažení vyšší přesnosti v rámci modelu byl vzat v úvahu druhý faktor, a to sice poměr výchozího počtu EV v jednotlivých SO ORP k celkovému počtu EV na území ČR. Přiřazení váhy jedna tomuto faktoru znamená, že se předpokládá v budoucím období stejné (nebo podobné) rozdělení přírůstku nových EV mezi jednotlivé SO ORP. Tento předpoklad lze uplatnit pouze v krátkodobém horizontu, tudíž po roce 2020 byl nastaven rovnoměrný pokles váhy tohoto faktoru na úkor růstu druhého faktoru, tj. rozpadu dle rozdělení všech OA. Rok 2020 byl zvolen i z toho důvodu, že po tomto datu lze očekávat vyšší míru prodejů EV vycházející například z dostupných prohlášení a plánů jednotlivých výrobců automobilů, což rovněž souvisí mimo jiné se zpřísněním emisních limitů CO 2, které EU uplatní od roku Použití faktoru poměru registrovaných OA je také výhodné zejména z toho důvodu, že lze využít predikci vývoje počtu registrovaných vozidel napříč SO ORP, která vychází z demografické prognózy. Po roce 2030 již nelze očekávat, že by současný stav rozdělení EV mezi SO ORP mohl silně souviset s rozpadem EV v takto vzdálené budoucnosti. Mimoto, jak vyplývá z mnoha analyzovaných studií, okolo roku 2030 se očekává dosažení cenové rovnováhy mezi BEV a vozidlem se spalovacím motorem z hlediska pořizovacích nákladů a následného provozování. Z tohoto důvodu již není účelné uplatňovat při rozdělování EV do jednotlivých SO ORP faktor pro výrazné zvýhodnění SO ORP v rámci velkých městských aglomerací Predikce počtu elektrovozidel v segmentu lehkých užitkových vozidel, nákladních automobilů a autobusů v rámci MHD Obdobnou metodikou jako v případě predikce elektrovozidel bylo přistoupeno k predikci elektromobility v segmentu lehkých užitkových vozidel, nákladních automobilů a autobusů. Zásadní odlišností oproti segmentu osobních automobilů je skutečnost, že v těchto segmentech byl uvažován předpoklad predikce pouze v segmentu čistě bateriových vozidel (BEV), nikoliv plug-in hybridních vozidel. Celkový počet EV v jednotlivých segmentech je tak určen tržním podílem očekávaných EV na nově prodaných (registrovaných) vozidlech a dovezených ojetých vozidlech snížený o předpokládaný počet vyřazených EV po dosažení jejich technické životnosti. (blíže viz kapitola 2.2.3). Výše uvedené tři segmenty lze charakterizovat ještě nižším stupněm adopce v rámci České republiky oproti segmentu osobních automobilů. Ve všech těchto segmentech probíhá vývoj a rozvoj, z hlediska reálného nasazení u koncových uživatelů lze tyto segmenty Predikce vývoje elektromobility v ČR 37 Důvěrné

38 charakterizovat ve fázi pilotních projektů. I z tohoto důvodu byl v případě predikce v segmentu autobusů uvažován tento segment pouze v rámci provozování městské hromadné dopravy (MHD), v rámci které lze očekávat největší potenciál rozvoje. Následující tabulky uvádějí vstupní/výstupní parametry pro jednotlivé segmenty a scénáře: Tabulka 19 Vstupní/Výstupní parametry Nízký scénář Ukazatel LUV p xj BEV 0,84% 0,86% 1,85% 6,93% 9,35% 11,60% N EV j BEV Nákladní automobily (NA) p xj BEV 0,00% 0,00% 0,00% 0,00% 5,00% 10,00% N EV j BEV Autobusy MHD p xj BEV 2,80% 5,00% 7,00% 15,00% 20,00% 25,00% N EV j BEV Pozn.: Uvedené údaje jsou vždy k uváděného roku Tabulka 20 Vstupní/Výstupní parametry Střední scénář Ukazatel LUV p xj BEV 0,84% 1,85% 6,93% 8,60% 21,10% 33,60% N EV j BEV Nákladní automobily (NA) p xj BEV 0,00% 0,00% 0,00% 5,00% 10,00% 15,00% N EV j BEV Autobusy MHD p xj BEV 2,80% 15,00% 17,00% 25,00% 35,00% 50,00% N EV j BEV Pozn.: Uvedené údaje jsou vždy k uváděného roku Predikce vývoje elektromobility v ČR 38 Důvěrné

39 Tabulka 21 Vstupní/Výstupní parametry Vysoký scénář Ukazatel LUV p xj BEV 0,84% 5,43% 16,87% 28,31% 58,06% 92,38% N EV j BEV Nákladní automobily (NA) p xj BEV 0,00% 0,00% 5,00% 10,00% 15,00% 20,00% N EV j BEV Autobusy MHD p xj BEV 2,80% 20,00% 30,00% 40,00% 60,00% 80,00% N EV j BEV Pozn.: Uvedené údaje jsou vždy k uváděného roku Výše uvedené ukazatele lze charakterizovat jako: p xj N EV j Podíl EV na nově prodaných vozidlech v j-tém roce Absolutní počet EV v j-tém roce Predikce vývoje elektromobility v ČR 39 Důvěrné

40 2.3 Výstupy predikce elektrovozidel V této podkapitole jsou uvedeny vybrané výstupy týkající se predikce elektrovozidel v ČR se zaměřením na kategorii osobních automobilů Plošná projekce počtu vozidel osobní automobily Na základě provedených projekcí jsou na následujících obrázcích uvedeny jednotlivé projekce počtu vozidel v ČR v členění dle jednotlivých scénářů. Obrázek 7 Plošná projekce počtu vozidel v letech v jednotlivých scénářích osobní automobily Šedou barvou je znázorněn celkový predikovaný počet osobních automobilů v ČR, s barevným rozlišením pak celkové predikované počty elektrovozidel v jednotlivých scénářích. Jak je patrné z výše uvedeného obrázku, v jednotlivých scénářích se predikovaný počet osobních elektromobilů pohybuje k roku 2040 od 469 tis. vozidel ve scénáři nízkém, přes tis. vozidel ve scénáři středním až po tis. vozidel ve scénáři vysokém. Predikce vývoje elektromobility v ČR 40 Důvěrné

41 Následující obrázek uvádí detailnější pohled výše uvedených údajů k časovému horizontu roku Obrázek 8 Plošná projekce počtu vozidel v letech v jednotlivých scénářích osobní automobily Následující sada obrázků uvádí výše uvedené údaje v rozdělení na dva predikované typy elektrovozidel (BEV, PHEV). Predikce vývoje elektromobility v ČR 41 Důvěrné

42 Obrázek 9 Plošná projekce počtu vozidel v letech scénář nízký osobní automobily Predikce vývoje elektromobility v ČR 42 Důvěrné

43 Obrázek 10 Plošná projekce počtu vozidel v letech scénář střední osobní automobily Predikce vývoje elektromobility v ČR 43 Důvěrné

44 Obrázek 11 Plošná projekce počtu vozidel v letech scénář vysoký osobní automobily Podkladová data pro výše uvedené predikce ve formátu MS Excel jsou přílohou této Studie včetně přiřazení rozpadu těchto predikcí v detailu dle jednotlivých SO ORP. Predikce vývoje elektromobility v ČR 44 Důvěrné

45 Plošná projekce počtu vozidel LUV Na základě provedených projekcí jsou na následujících obrázcích uvedeny jednotlivé projekce počtu lehkých užitkových vozidel v ČR v členění dle jednotlivých scénářů. Obrázek 12 Plošná projekce počtu vozidel v letech v jednotlivých scénářích lehké užitkové automobily Šedou barvou je znázorněn celkový predikovaný počet lehkých užitkových automobilů v ČR, s barevným rozlišením pak celkové predikované počty těchto elektrovozidel v jednotlivých scénářích. Jak je patrné z výše uvedeného obrázku, v jednotlivých scénářích se predikovaný počet lehkých užitkových automobilů pohybuje k roku 2040 od 35 tis. vozidel ve scénáři nízkém, přes 74 tis. vozidel ve scénáři středním až po 207 tis. vozidel ve scénáři vysokém. Následující obrázek uvádí detailnější pohled výše uvedených údajů k časovému horizontu roku Predikce vývoje elektromobility v ČR 45 Důvěrné

46 Obrázek 13 Plošná projekce počtu vozidel v letech v jednotlivých scénářích lehké užitkové automobily Predikce vývoje elektromobility v ČR 46 Důvěrné

47 Plošná projekce počtu vozidel nákladní automobily Na základě provedených projekcí jsou na následujících obrázcích uvedeny jednotlivé projekce počtu nákladních vozidel v ČR v členění dle jednotlivých scénářů. Obrázek 14 Plošná projekce počtu vozidel v letech v jednotlivých scénářích nákladní automobily Šedou barvou je znázorněn celkový predikovaný počet nákladních automobilů v ČR, s barevným rozlišením pak celkové predikované počty těchto elektrovozidel v jednotlivých scénářích. Jak je patrné z výše uvedeného obrázku, v jednotlivých scénářích se predikovaný počet nákladních automobilů pohybuje k roku 2040 od 6 tis. vozidel ve scénáři nízkém, přes 10 tis. vozidel ve scénáři středním až po 16 tis. vozidel ve scénáři vysokém. Následující obrázek uvádí detailnější pohled výše uvedených údajů k časovému horizontu roku Predikce vývoje elektromobility v ČR 47 Důvěrné

48 Obrázek 15 Plošná projekce počtu vozidel v letech v jednotlivých scénářích nákladní automobily Jak je patrné z výše uvedeného obrázku, v nízkém scénáři je předpokládán nulový rozvoj v tomto segmentu do roku Plošná projekce počtu vozidel autobusy MHD Na základě provedených projekcí jsou na následujících obrázcích uvedeny jednotlivé projekce počtu elektrobusů v rámci MHD v ČR v členění dle jednotlivých scénářů. Predikce vývoje elektromobility v ČR 48 Důvěrné

49 Obrázek 16 Plošná projekce počtu vozidel v letech v jednotlivých scénářích elektrobusy MHD Šedou barvou je znázorněn celkový predikovaný počet autobusů v rámci MHD v ČR, s barevným rozlišením pak celkové predikované počty těchto elektrovozidel v jednotlivých scénářích. Jak je patrné z výše uvedeného obrázku, v jednotlivých scénářích se predikovaný počet elektrobusů pohybuje k roku 2040 od 0,8 tis. vozidel ve scénáři nízkém, přes 1,5 tis. vozidel ve scénáři středním až po 2,5 tis. vozidel ve scénáři vysokém. Následující obrázek uvádí detailnější pohled výše uvedených údajů k časovému horizontu roku Predikce vývoje elektromobility v ČR 49 Důvěrné

50 Obrázek 17 Plošná projekce počtu vozidel v letech v jednotlivých scénářích elektrobusy MHD Predikce vývoje elektromobility v ČR 50 Důvěrné

51 3. Projekce počtu veřejných dobíjecích stanic a jejich rozmístění na území ČR V následující kapitole je uvedena projekce v oblasti veřejných dobíjecích stanic a jejich rozmístění na území ČR. Na tomto místě je vhodné uvést definici pojmů dobíjecí stanice a dobíjecí bod v souladu se zákonem o pohonných hmotách č. 311/2006 Sb.: Dobíjecí stanice o označuje jeden nebo více dobíjecích bodů Dobíjecí bod o označuje zařízení umožňující dobíjet v určitém okamžiku jedno elektrické vozidlo Dále ve studii je z důvodu segmentace na SO ORP přijat zjednodušující předpoklad, že dobíjecí stanice = dobíjecí bod (více viz kapitola 3.2). 3.1 Očekávaná budoucí výstavba dobíjecích stanic Operační program Ministerstva Dopravy - Doprava Omezený dojezd elektromobilů a omezené či komplikované možnosti jejich nabití na cestě výrazně hrají v neprospěch většího rozšíření elektromobility. Předpokládá se, že dostatečná hustota dobíjecích stanic by fungovala částečně jako stimul pro nákup elektromobilu, neboť by alespoň částečně odpadla obava z nemožnosti dobít elektromobil na cestě. NAP CM nastiňuje potřebný počet dobíjecích lokalit v rámci celé ČR, při kterém by měla být zajištěna dostatečně hustá dobíjecí infrastruktura. Toto číslo se promítlo do operačního programu Doprava (OPD) Ministerstva dopravy, který očekává do června roku 2023 výstavbu 500 rychlodobíjecích stanic pro vytvoření páteřní sítě a doplňkových 400 pomalých dobíjecích stanic (více viz kapitola 2.1.2). V programu OPD se vyskytují vozovky tří významností: Vozovky plnící funkci sítě TEN-T Významné silnice 1. třídy Silnice 1. třídy regionálního významu Zeměpisné oblasti definované v OPD zhruba odpovídají správním obvodům obcí s rozšířenou působností, respektive skupinám těchto obvodů. Větší města představují samostatné oblasti, kdežto méně lidnaté SO ORP jsou v různé míře seskupeny. Predikce vývoje elektromobility v ČR 51 Důvěrné

52 Obrázek 18 Průnik oblastí definovaných OPD a struktura SO ORP Pozn.: Zelenou linií jsou ohraničeny oblasti dle OPD MD, společnou barvou v různých odstínech jsou znázorněny SO ORP ležící ve stejném kraji. Ve významnějších oblastech se očekává výstavba 3 dobíjecích stanic v rámci jedné výzvy (dohromady 12 ve všech výzvách), v méně významných oblastech se počítá s výstavbou 2 dobíjecích stanic za každou výzvu (dohromady tedy 8). Finální umístění v budoucnu očekávaných dobíjecích stanic nejsou v tuto chvíli známé, tudíž nebylo možné využít tyto informace pro přiřazení do jednotlivých SO ORP přímo Metodika pro přiřazení dobíjecích stanic jednotlivým SO ORP Pro určení počtu rychlodobíjecích stanic přináležejících jednotlivým SO ORP byla zvolena následující metodika. Každý SO ORP byl ohodnocen 0-3 body pro každou ze tří významových tříd vozovek dle míry, kterou daný typ vozovky (silnice) danou oblastí prochází. V operačním programu je kladen důraz na výstavbu dobíjecích stanic zejména v blízkosti silničních tahů plnících funkci sítě TEN-T. Z toho důvodu byl bodový zisk z jednotlivých kategorií znásoben koeficientem k s, který zvýhodňuje vozovky s větším národním a mezinárodním významem oproti ostatním uvažovaným typům. Přehled typů vozovek, bodová škála a koeficient zvýhodnění jsou uvedeny v následující tabulce: Predikce vývoje elektromobility v ČR 52 Důvěrné

53 Tabulka 22 Typy vozovky a použité koeficienty zvýhodnění jednotlivých typů Typ vozovky Bodová škála Koeficient ks Koeficient zvýhodnění Vozovky plnící funkci sítě TEN-T P k s1 3 Významné silnice 1. třídy P k s2 2 Silnice 1. třídy regionálního významu P k s3 1 Každý SO ORP získal počet bodů dle rovnice (8), přičemž maximální bodový zisk byl 12 bodů z teoreticky dosažitelných 18. P ORP i = k s 1 P 1i + k s2 P 2i + k s3 P 3i (8) P ORP i P ki k sk Celkový bodový zisk v i-tém SO ORP Míra výskytu dané k-té vozovky v daném i-tém SO ORP Koeficient vozovky k-té kategorie Výsledný počet rychlodobíjecích stanic v jednotlivých SO ORP vznikl proporcionálním rozdělením počtu stanic, které OPD uvažuje do jednotlivých oblastí, přičemž bodový zisk P ORP slouží jako váha. V každé výzvě má dojít k vybudování 2 respektive 3 dobíjecích stanic i (viz Obrázek 5), přičemž stanice vybudované v předešlých výzvách přirozeně zůstávají v provozu. Tímto způsobem lze v jednotlivých SO ORP očekávat postupné navyšování počtu dobíjecích stanic, tempo růstu se liší v závislosti na bodovém zisku daného SO ORP, viz rovnice (9). P ORP i N ORP il = v n OPD P ORP i (9) N ORP il v n OPD P ORP i P ORP i Kumulovaný počet dobíjecích stanic v i-tém SO ORP a l-té výzvě Pořadí výzvy operačního programu Počet dobíjecích stanic pro danou oblast dle OPD Celkový bodový zisk v i-tém SO ORP Celkový bodový zisk oblasti dle OPD Grafickou interpretaci výsledného očekávaného počtu vystavěných stanic v rámci dotačního programu MD uvádí následující obrázek: Predikce vývoje elektromobility v ČR 53 Důvěrné

54 Obrázek 19 Výsledný počet vystavěných dobíjecích stanic v rámci dotačního programu MD Kromě vybudování páteřní sítě rychlodobíjecích stanic počítá operační program v části 1b i s podporou výstavby doplňkové sítě dobíjecích stanic s výkonem menším než 40 kw (DC) a současně 22 kw (AC). Bodové kritérium veřejné soutěže klade požadavek na výstavbu pomalých dobíjecích stanic v blízkosti stanic veřejné dopravy. (zejména autobusová a vlaková nádraží). Tento požadavek nepředstavuje příliš konkrétní indicii, kde by bylo možné výstavbu očekávat, a proto byla při rozdělení doplňkových dobíjecích stanic využita lidnatost jednotlivých SO ORP a 400 pomalých stanic bylo mezi ně poměrným způsobem rozděleno Další výstavba dobíjecí infrastruktury v ČR Kromě využití dotačních titulů lze pochopitelně očekávat také výstavbu veřejných i neveřejných dobíjecích stanic dalšími subjekty na podnikatelské bázi. Mnoho společností v současnosti předesílá svůj zájem podílet se na výstavbě dobíjecí infrastruktury, motivaci hrají jednak zmiňované formy podpory, které snižují investiční náročnost zřízení dobíjecích stanic, jednak je motivací těchto společností být aktivním hráčem v oblasti nových technologií a v neposlední řadě i pozitivní PR, které je spojené s využíváním technologií s příznivějším environmentálním dopadem. Přes zmiňované avízo k výstavbě dobíjecí infrastruktury je možné budoucí záměry identifikovat pouze u největších hráčů na současném trhu. Lze dohledat podrobnější plány společností skupiny ČEZ a skupiny E.ON, kdy první jmenovaný plánuje během roku 2018 zřídit dalších 40 nových rychlodobíjecích stanic, kdežto skupina E.ON plánuje výstavbu 32 rychlých dobíjecích stanic o výkonu 50 kw a 6 ultrarychlých stanic s výkonem 150 až 350 kw. V době zpracování této studie nebyly známé přesné lokality, kde by měly tyto dobíjecí stanice vyrůst, byly tedy rozděleny do SO ORP vlastním klíčem. Vzhledem k faktu, že předmětné dobíjecí stanice mají být z kategorie rychlých, respektive ultrarychlých, lze jejich výstavbu očekávat ve frekventovanějších respektive atraktivních oblastech. Predikce vývoje elektromobility v ČR 54 Důvěrné

55 Pro účely přiřazení těchto dobíjecích stanic k jednotlivým SO ORP bylo využito bodového hodnocení jednotlivých SO ORP z operačního programu Doprava Ministerstva dopravy a dobíjecí stanice byly obdobným způsobem rozděleny mezi SO ORP s největším bodovým ziskem. Uvažovaných 40 nových dobíjecích stanic skupiny ČEZu a 32 stanic skupiny E.ON bylo rozděleno mezi celkem 28 SO ORP, 6 ultrarychlých stanic skupiny E.ON bylo rozděleno do 6 SO ORP, více viz tabulka v příloze. 3.2 Výstupy predikce potřeby veřejných dobíjecích stanic Pro určení predikce potřeby veřejných dobíjecích stanic byl využit simulační stochastický model (blíže popsaný v rámci následující kapitoly 4.1). Jeho využití bylo zvoleno zejména z důvodu, že na základě dostupných vstupních údajů by bylo obtížné predikovat přímo vznik dobíjecích stanic v budoucím období. Proto byl zvolen metodický přístup, v rámci kterého na základě očekávaného počtu EV v jednotlivých časových řezech (a scénářích) byla provedena simulace chování těchto vozů (z hlediska využití, nájezdu, způsobu dobití) a na základě zjištěných výsledků zjištěna potřeba dobíjecích stanic pro zajištění poptávky po dobíjení těchto vozidel. V rámci modelu se pracuje s pojmem dobíjecí stanice, a to sice z toho důvodu, že potřeby veřejné dobíjecí infrastruktury jsou prezentovány ve formě požadavků na počet jednotlivých rezervovaných příkonů veřejných dobíjecích bodů. Z hlediska dohodnuté územní segmentace (SO ORP) dopadů dobíjení EV není pro tvorbu predikcí podstatné, kde se tyto dobíjecí body, resp. stanice nachází uvnitř daného územního celku (SO ORP) a z tohoto důvodu byl přijat zjednodušující předpoklad, že dobíjecí stanice = dobíjecí bod. Problematika kumulace více dobíjecích bodů uvnitř daného územního celku (dobíjecí lokalita) by znamenala detailnější studii s užším zaměřením na konkrétní oblast v rámci ČR. V následujících podkapitolách jsou uvedeny výsledky predikce Scénář nízký Osobní automobily Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v segmentu osobních automobilů. Tato struktura byla převzata z upřesňujících požadavků zadavatele studie a tvoří základ modelu predikcí. Tabulka 23 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentu osobních automobilů Rok / kategorie příkonu dobíjecí stanice < 11 kw kw kw > 120 kw Celkem Predikce vývoje elektromobility v ČR 55 Důvěrné

56 Obrázek 20 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentu osobních automobilů Z výše uvedených výstupů je patrné, že s ohledem na zajištění adekvátnosti veřejné dobíjecí infrastruktury v ČR nastává zlom v potřebě počtu dobíjecích stanic v segmentu osobních automobilů v roce Obrázek 20 rovněž poukazuje na souvislost s předpokládaným počtem EV. Lehká užitková vozidla, nákladní automobily, elektrobusy v rámci MHD Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD. Pro dobíjení vozidel v těchto segmentech bylo uvažováno s využitím pouze rychlodobíjecích stanic v kategoriích od 50 kw. Predikce vývoje elektromobility v ČR 56 Důvěrné

57 Struktura uvedená v následující tabulce byla převzata z upřesňujících požadavků zadavatele studie a tvoří základ modelu predikcí. Tabulka 24 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů MHD Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Obrázek 21 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů MHD Z výše uvedených výstupů je patrná potřeba počtu dobíjecích stanic v jednotlivých letech sledovaného období v daných segmentech. Predikce vývoje elektromobility v ČR 57 Důvěrné

58 Všechny segmenty (osobní automobily, lehká užitková vozidla, nákladní automobily a elektrobusy MHD) Následující tabulka a graf udávají souhrnné zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic v nízkém scénáři ve všech segmentech. Tabulka 25 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech ve všech segmentech Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Pozn.: Uvedené údaje nejsou prostým součtem dílčích segmentů (OA, LUV, NA, BUS MHD), kumulativní rozdíly jsou způsobeny superpozicí dílčích výstupů modelování. Obrázek 22 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic v nízkém scénáři v letech ve všech segmentech Z výše uvedených výstupů je patrné, že s ohledem na zajištění adekvátnosti veřejné dobíjecí infrastruktury v ČR nastává zlom v potřebě počtu dobíjecích stanic ve všech segmentech v roce Predikce vývoje elektromobility v ČR 58 Důvěrné

59 Scénář střední Osobní automobily Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic ve středním scénáři v segmentu osobních automobilů. Tabulka 26 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentu osobních automobilů Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Obrázek 23 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentu osobních automobilů Z výše uvedených výstupů je patrné, že v kontextu očekávaného stavu veřejné dobíjecí infrastruktury v ČR v segmentu osobních automobilů nastává zlom již v roce 2025 (zejména v oblasti dobíjecích stanic s výkonem mezi kw). Na základě výstupů z modelu lze usuzovat, že poměr EV k celkovému počtu dobíjecích stanic (pomalých i rychlých) konverguje k hodnotě 13 EV/dob. stanice. Predikce vývoje elektromobility v ČR 59 Důvěrné

60 Lehká užitková vozidla, nákladní automobily, elektrobusy v rámci MHD Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic ve středním scénáři v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD. Pro dobíjení vozidel v těchto segmentech bylo uvažováno s využitím pouze rychlodobíjecích stanic v kategoriích od 50 kw. Tabulka 27 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Obrázek 24 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD Z výše uvedených výstupů je patrná potřeba počtu dobíjecích stanic v jednotlivých letech sledovaného období v daných segmentech. Predikce vývoje elektromobility v ČR 60 Důvěrné

61 Všechny segmenty (osobní automobily, lehká užitková vozidla, nákladní automobily a elektrobusy MHD) Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic ve středním scénáři ve všech segmentech (osobní automobily, lehká užitková vozidla, nákladní automobily a elektrobusy MHD). Tabulka 28 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech ve všech segmentech Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Pozn.: Uvedené údaje nejsou prostým součtem dílčích segmentů (OA, LUV, NA, BUS MHD), kumulativní rozdíly jsou způsobeny superpozicí dílčích výstupů modelování. Obrázek 25 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve středním scénáři v letech ve všech segmentech Z výše uvedených výstupů je patrná potřeba počtu dobíjecích stanic v jednotlivých letech sledovaného období ve všech segmentech. Predikce vývoje elektromobility v ČR 61 Důvěrné

62 Scénář vysoký Osobní automobily Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři. Tabulka 29 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Obrázek 26 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech Z výše uvedených výstupů je patrné, že v kontextu očekávaného stavu veřejné dobíjecí infrastruktury v ČR nastává zlom již v roce 2025, kdy při předpokládaném rozvoji elektromobility by dosud plánovaná (a očekávaná) infrastruktura přestávala poptávce dostačovat. Predikce vývoje elektromobility v ČR 62 Důvěrné

63 Lehká užitková vozidla, nákladní automobily, elektrobusy v rámci MHD Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD. Pro dobíjení vozidel v těchto segmentech bylo uvažováno s využitím pouze rychlodobíjecích stanic v kategoriích od 50 kw. Tabulka 30 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Obrázek 27 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech v segmentech lehkých užitkových vozidel, nákladních automobilů a elektrobusů v rámci MHD Z výše uvedených výstupů je patrná potřeba počtu dobíjecích stanic v jednotlivých letech sledovaného období v daných segmentech. Predikce vývoje elektromobility v ČR 63 Důvěrné

64 Všechny segmenty (osobní automobily, lehká užitková vozidla, nákladní automobily a elektrobusy MHD) Následující tabulka a graf udávají zjištěné výstupy týkající se očekávané potřeby z hlediska počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři ve všech segmentech (osobní automobily, lehká užitková vozidla, nákladní automobily a elektrobusy MHD). Tabulka 31 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech ve všech segmentech Rok / kategorie příkonu dob. stanice < 11 kw kw kw > 120 kw Celkem Pozn.: Uvedené údaje nejsou prostým součtem dílčích segmentů (OA, LUV, NA, BUS MHD), kumulativní rozdíly jsou způsobeny superpozicí dílčích výstupů modelování. Obrázek 28 Očekávaná potřeba počtu a struktury veřejných dobíjecích stanic ve vysokém scénáři v letech ve všech segmentech Z výše uvedených výstupů je patrná potřeba počtu dobíjecích stanic v jednotlivých letech sledovaného období ve všech segmentech. Predikce vývoje elektromobility v ČR 64 Důvěrné

65 3.3 Porovnání predikce potřeby veřejných dobíjecích stanic se současným stavem a krátkodobým výhledem výstavby dobíjecích stanic vycházejícím z plnění dotačních výzev MD Obrázek 29 Porovnání potřeby dobíjecích stanic a očekávané výstavby Z obrázku je patrné, že v časovém řezu 2020 by současný stav navýšený o předpokládaný vývoj počtu dobíjecích stanic vycházející z dotačních výzev měl být dostačující (mírný nedostatek by se mohl projevit v případě vysokého scénáře vývoje počtu EV). Vývoj současných dotačních výzev na výstavbu veřejných dobíjecích stanic ovlivňuje počet dobíjecích stanic do roku 2023, další vývoj není známý. Při aplikování navazujícího vývoje do roku 2025 lze však identifikovat možný nedostatek počtu veřejných dobíjecích stanic již pro střední scénář. K tomu je však potřeba dodat, že šedivá křivka počtu veřejných dobíjecích stanic nezahrnuje výstavbu dobíjecích stanic mimo dotační programy, kterou nelze opomenout. Dále je třeba upozornit, že v horizontu mezi roky lze předpokládat i výstavbu dobíjecí infrastruktury na komerční bázi související s předpokládaným rostoucím počtem elektrických vozidel. Predikce vývoje elektromobility v ČR 65 Důvěrné

66 3.4 Výstupy v granularitě SO ORP V následujících dvou tabulkách jsou uvedeny očekávané potřeby veřejné dobíjecí infrastruktury všech kategorií elektrovozidel v členění dle jednotlivých SO ORP Výstupy v granularitě dle jednotlivých SO ORP Tabulka 32 Očekávané potřeby (N 95 ) veřejné dobíjecí infrastruktury uvedeny v členění dle jednotlivých SO ORP v letech Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V N S V Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Benešov Beroun Brandýs n. Lab.- St.Boleslav Čáslav Černošice Český Brod Dobříš Hořovice Kladno Predikce vývoje elektromobility v ČR 66 Důvěrné

67 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V N S V Kolín Kralupy nad Vltavou Kutná Hora Lysá nad Labem Mělník Mladá Boleslav Mnichovo Hradiště Neratovice Nymburk Poděbrady Příbram Rakovník Říčany Sedlčany Slaný Vlašim Votice Blatná České Budějovice Český Krumlov Dačice Jindřichův Hradec Kaplice Milevsko Písek Prachatice Soběslav Strakonice Tábor Trhové Sviny Třeboň Týn nad Vltavou Vimperk Vodňany Blovice Domažlice Horažďovice Horšovský Týn Klatovy Kralovice Predikce vývoje elektromobility v ČR 67 Důvěrné

68 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V N S V Nepomuk Nýřany Plzeň Přeštice Rokycany Stod Stříbro Sušice Tachov Aš Cheb Karlovy Vary Kraslice Mariánské Lázně Ostrov Sokolov Bílina Děčín Chomutov Kadaň Litoměřice Litvínov Louny Lovosice Most Podbořany Roudnice nad Labem Rumburk Teplice Ústí nad Labem Varnsdorf Žatec Česká Lípa Frýdlant Jablonec nad Nisou Jilemnice Liberec Nový Bor Semily Tanvald Predikce vývoje elektromobility v ČR 68 Důvěrné

69 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V N S V Turnov Železný Brod Broumov Dobruška Dvůr Králové nad Labem Hořice Hradec Králové Jaroměř Jičín Kostelec nad Orlicí Náchod Nová Paka Nové Město nad Metují Nový Bydžov Rychnov nad Kněžnou Trutnov Vrchlabí Česká Třebová Hlinsko Holice Chrudim Králíky Lanškroun Litomyšl Moravská Třebová Pardubice Polička Přelouč Svitavy Ústí nad Orlicí Vysoké Mýto Žamberk Bystřice nad Pernštejnem Havlíčkův Brod Humpolec Chotěboř Jihlava Moravské Budějovice Náměšť nad Oslavou Predikce vývoje elektromobility v ČR 69 Důvěrné

70 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V N S V Nové Město na Moravě Pacov Pelhřimov Světlá nad Sázavou Telč Třebíč Velké Meziříčí Žďár nad Sázavou Blansko Boskovice Brno Břeclav Bučovice Hodonín Hustopeče Ivančice Kuřim Kyjov Mikulov Moravský Krumlov Pohořelice Rosice Slavkov u Brna Šlapanice Tišnov Veselí nad Moravou Vyškov Znojmo Židlochovice Hranice Jeseník Konice Lipník nad Bečvou Litovel Mohelnice Olomouc Prostějov Přerov Šternberk Šumperk Predikce vývoje elektromobility v ČR 70 Důvěrné

71 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V N S V Uničov Zábřeh Bystřice pod Hostýnem Holešov Kroměříž Luhačovice Otrokovice Rožnov pod Radhoštěm Uherské Hradiště Uherský Brod Valašské Klobouky Valašské Meziříčí Vizovice Vsetín Zlín Bílovec Bohumín Bruntál Český Těšín Frenštát pod Radhoštěm Frýdek-Místek Frýdlant nad Ostravicí Havířov Hlučín Jablunkov Karviná Kopřivnice Kravaře Krnov Nový Jičín Odry Opava Orlová Ostrava Rýmařov Třinec Vítkov Pozn.: N nízký scénář; S střední scénář; V vysoký scénář Predikce vývoje elektromobility v ČR 71 Důvěrné

72 Tabulka 33 Očekávané potřeby veřejné dobíjecí infrastruktury uvedeny v členění dle jednotlivých SO ORP v letech Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Praha Benešov Beroun Brandýs n. Lab.- St.Boleslav Čáslav Černošice Český Brod Dobříš Hořovice Kladno Kolín Kralupy nad Vltavou Kutná Hora Lysá nad Labem Mělník Mladá Boleslav Predikce vývoje elektromobility v ČR 72 Důvěrné

73 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V Mnichovo Hradiště Neratovice Nymburk Poděbrady Příbram Rakovník Říčany Sedlčany Slaný Vlašim Votice Blatná České Budějovice Český Krumlov Dačice Jindřichův Hradec Kaplice Milevsko Písek Prachatice Soběslav Strakonice Tábor Trhové Sviny Třeboň Týn nad Vltavou Vimperk Vodňany Blovice Domažlice Horažďovice Horšovský Týn Klatovy Kralovice Nepomuk Nýřany Plzeň Přeštice Rokycany Stod Predikce vývoje elektromobility v ČR 73 Důvěrné

74 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V Stříbro Sušice Tachov Aš Cheb Karlovy Vary Kraslice Mariánské Lázně Ostrov Sokolov Bílina Děčín Chomutov Kadaň Litoměřice Litvínov Louny Lovosice Most Podbořany Roudnice nad Labem Rumburk Teplice Ústí nad Labem Varnsdorf Žatec Česká Lípa Frýdlant Jablonec nad Nisou Jilemnice Liberec Nový Bor Semily Tanvald Turnov Železný Brod Broumov Dobruška Dvůr Králové nad Labem Hořice Predikce vývoje elektromobility v ČR 74 Důvěrné

75 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V Hradec Králové Jaroměř Jičín Kostelec nad Orlicí Náchod Nová Paka Nové Město nad Metují Nový Bydžov Rychnov nad Kněžnou Trutnov Vrchlabí Česká Třebová Hlinsko Holice Chrudim Králíky Lanškroun Litomyšl Moravská Třebová Pardubice Polička Přelouč Svitavy Ústí nad Orlicí Vysoké Mýto Žamberk Bystřice nad Pernštejnem Havlíčkův Brod Humpolec Chotěboř Jihlava Moravské Budějovice Náměšť nad Oslavou Nové Město na Moravě Pacov Pelhřimov Světlá nad Sázavou Telč Třebíč Velké Meziříčí Predikce vývoje elektromobility v ČR 75 Důvěrné

76 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V Žďár nad Sázavou Blansko Boskovice Brno Břeclav Bučovice Hodonín Hustopeče Ivančice Kuřim Kyjov Mikulov Moravský Krumlov Pohořelice Rosice Slavkov u Brna Šlapanice Tišnov Veselí nad Moravou Vyškov Znojmo Židlochovice Hranice Jeseník Konice Lipník nad Bečvou Litovel Mohelnice Olomouc Prostějov Přerov Šternberk Šumperk Uničov Zábřeh Bystřice pod Hostýnem Holešov Kroměříž Luhačovice Otrokovice Predikce vývoje elektromobility v ČR 76 Důvěrné

77 Správní obvod ORP / veřejné dobíjecí stanice [ks] celkem / scénář (Nízký, Střední, Vysoký) N S V N S V Rožnov pod Radhoštěm Uherské Hradiště Uherský Brod Valašské Klobouky Valašské Meziříčí Vizovice Vsetín Zlín Bílovec Bohumín Bruntál Český Těšín Frenštát pod Radhoštěm Frýdek-Místek Frýdlant nad Ostravicí Havířov Hlučín Jablunkov Karviná Kopřivnice Kravaře Krnov Nový Jičín Odry Opava Orlová Ostrava Rýmařov Třinec Vítkov Pozn.: N nízký scénář; S střední scénář; V vysoký scénář Výstupy v granularitě dle jednotlivých SO ORP a dle typu dobíjecích stanic Z důvodu rozsahu těchto výstupů jsou tyto uvedeny v samostatné příloze ve formátu MS Excel. Predikce vývoje elektromobility v ČR 77 Důvěrné

78 4. Projekce požadavků na výkon veřejného a neveřejného dobíjení Pro stanovení požadavků na dopady (požadavky na dobíjecí infrastrukturu, požadavky na využití dobíjecí infrastruktury) souvisejícími s očekávaným rozvojem elektromobility byl vytvořen simulační stochastický výpočtový model v prostředí MS Excel s využitím programovacího jazyka VBA (Visual Basic for application). Důvody pro jeho využití, vstupní předpoklady a popis tohoto modelu je uveden v následujících podkapitolách. 4.1 Simulační stochastický model Popis modelu Na základě provedeného důkladného průzkumu metodik již realizovaných studií dopadů rozvoje elektromobility na distribuční soustavy v zemích s vyšší penetrací EV byl zvolen stochastický model Monte Carlo, který se dle dostupných informací osvědčil jako nejvhodnější pro potřeby simulace v oblasti mnoha nejistot, mezi které bezesporu oblast rozvoje elektromobility zcela jistě patří. V některých studiích pracujících s vysokou mírou detailu tomuto modelování ještě předcházela modelace modelování pohybu resp. stavu EV pomocí tzv. Markovských řetězců. Pro tento přístup jsou však nezbytná naměřená data o pohybu reprezentativního vzorku vozidel v čase a prostoru. Takové průzkumy byly provedeny v některých vybraných zahraničních městech s vysokou penetrací EV, nikoli však v ČR. V této studii zaměřené jednak na globální pohled v rámci ČR se zaměřením na detail ve velikosti územního celku reprezentovaného SO ORP není takovýto detail nutně zapotřebí respektive zcela vylučující možnost modelování. Namísto toho byl přijat zjednodušující předpoklad, že vozidla registrovaná v jednotlivých SO ORP se budou v těchto SO ORP také dobíjet v rámci neveřejného případně veřejného pomalého dobíjení (s dobíjecím výkonem do 22 kw). Toto zjednodušení současně umožnilo využít provedenou predikci registrací OA v jednotlivých SO ORP. Takzvané rychlé dobíjení (s dobíjecím výkonem větším než 22 kw) evidentně nesouvisí s příslušným místem registrace vozidla, neboť lze očekávat, že bude využíváno zejména při tranzitní přepravě mezi popřípadě do ostatních SO ORP a zcela obecně při ujetí větších vzdáleností, přičemž lze očekávat, že řidič nebude ochoten čekat na dobití EV po delší dobu a tedy využije dostupné rychlé dobíjení. Z tohoto důvodu bude tzv. rychlé dobíjení EV přiřazeno k jednotlivým SO ORP na základě hustoty výskytu významných silničních komunikací a obecně hustoty provozu, obdobně jako v případě rozpadu rychlých dobíjecích stanic do jednotlivých SO ORP prezentovaném v kapitole Metoda Monte Carlo Metoda Monte Carlo je stochastická simulační metoda využívající generátorů náhodných čísel. Pomocí této metody lze simulovat, resp. napodobit reálné chování velkého množství obyvatel, resp. vozidel, pokud jsou známa přibližná pravděpodobnostní rozdělení tohoto chování z provedených průzkumů či statistik. Při správném nastavení generátorů náhodných čísel vycházejících z těchto dat pak po provedení dostatečného počtu simulací tato metoda umožní určit střední hodnotu či libovolný kvantil hledané veličiny. V rámci této metody byl zvolen přístup simulování jednoho typického pracovního dne, který začíná v 6:00:00 a končí v 5:59:59 následujícího dne. Důvod zvolení těchto časů je ten, že jednotlivé simulované dny jsou vzájemně nezávislé, a tudíž není možné přenést informace o dobíjení EV z předešlého dne do dne následujícího. Proto byl zvolen tento čas, který je možné považovat za skutečný počátek pracovního dne, a tedy nelze zde očekávat výrazné Predikce vývoje elektromobility v ČR 78 Důvěrné

79 skokové nárůsty sledovaných veličin (např. dobíjecího výkonu). Pro simulace byl zvolen časový krok 1 minuta, což je dostatečné rozlišení pro zajištění spolehlivého vyhodnocení výkonových špiček v čase dobíjení beze ztráty zásadní informace o průběhu dobíjení a současně jde o rozlišení, které ještě nenese extrémní požadavky na výpočetní výkon použitého softwarového řešení (MS Excel) a hardwarového vybavení. Simulace jednoho dne modeluje chování vzorku 100 elektrických vozidel zejména z hlediska: ujetých (najetých) kilometrů v rámci sledovaného období možnosti formy dobíjení omezení výkonu dobíjení daného typu vozidla času zahájení dobíjení Pro zajištění dostatečné spolehlivosti výstupních dat modelu s respektováním časové náročnosti prováděných simulací bylo zjištěno, že je postačující provést řádově 100 simulací při daném nastavení parametrů. Jak bylo dříve zmíněno, výpočtová náročnost metody Monte Carlo je značná, a tudíž je nezbytné zavést zjednodušující předpoklady, které umožní provést výpočty simulací v reálném čase Typový diagram nabíjení Vzhledem k faktu, že některé SO ORP vykazují dosti podobné znaky z hlediska možného chování uživatelů elektromobilů, bylo vytvořeno 8 typových diagramů nabíjení elektromobilů (TDN) určujících chování skupiny EV v daném SO ORP, ke kterým jsou tyto SO ORP přiřazovány v závislosti na rozložení bytové struktury obyvatelstva tohoto SO ORP. Jednotlivé typové diagramy se liší způsobem, respektive preferencí způsobu dobíjení EV jejich uživatelů. Ta je dána zejména možnostmi, jakým způsobem lze očekávat v daném SO ORP dobíjení EV, což bylo odvozeno z předpokladu, že obyvatelé žijící v rodinných domech mají přístup k tzv. soukromému, respektive domácímu dobíjení, zatímco obyvatelé žijící v bytových domech touto možností nedisponují. Data o rozložení bytové struktury jednotlivých SO ORP byla získána ze statistik ČSÚ. Na základě detailního průzkumu preferencí dobíjení EV jejich uživateli, který byl proveden mezi uživateli EV napříč celým Norskem, byly nastaveny preferenční funkce simulovaných uživatelů EV v modelu. Tento předpoklad vychází z faktu, že Norsko je zemí s nejvyšší mírou rozvoje elektromobility mezi evropskými zeměmi, a tudíž lze očekávat, že k podobným zvyklostem, respektive způsobům dobíjení EV budou směřovat i ostatní země Evropy s rozvíjejícím se odvětvím elektromobility včetně ČR. Výstupy z tohoto průzkumu byly také prezentovány ve studii IEA Global EV Outlook 2017 viz následující obrázek: Predikce vývoje elektromobility v ČR 79 Důvěrné

80 Obrázek 30 Preference způsobů dobíjení EV Zdroj: IEA vychází z průzkumu Figenbaum a Kolbenstvedt (2016) Z provedeného průzkumu vyplynulo, že naprostá většina uživatelů elektromobilů preferuje takzvané domácí dobíjení. Toto zjištění však není nijak zvlášť překvapivé, neboť domácí dobíjení elektromobilů je bezesporu tím nejpohodlnějším a uživatelsky nejpřívětivějším řešením. Druhé v pořadí využívání je dobíjení EV v zaměstnání, respektive na pracovišti. Toho zřejmě budou využívat zejména ti uživatelé, kteří nemají primárně možnost domácího dobíjení. Oba zmíněné případy spadají do kategorie takzvaného neveřejného dobíjení a na základě těchto dat lze očekávat, že v tomto sektoru budou kladeny nejvyšší požadavky na dobíjení EV. Zbývající kategorie dobíjení lze souhrnně označit za veřejné, přičemž kategorií Public charging je míněno pomalé veřejné dobíjení (s dobíjecím výkonem do 22 kw), kategorie Commercial facilities označuje dobíjení na parkovištích obchodních domů nebo jiných zařízení, kde se kumuluje větší množství lidí za účelem nákupu či prodeje zboží a služeb. Kategorie Fast poté označuje rychlé dobíjení (s dobíjecím výkonem nad 22 kw), které se vyskytuje především v blízkosti významných silničních tahů. Dále z tohoto průzkumu lze vyčíst další zásadní údaj, a to sice fakt, že vzorek dotazovaných uživatelů EV disponuje v cca 95 % případů přístupem k domácímu dobíjení. Z toho lze usoudit, že přístup k domácímu dobíjení je významným faktorem v rozhodovacím procesu při koupi EV, a také to, že cca 95 % norských uživatelů EV má přístup k domácímu dobíjení. Na základě těchto údajů lze zavést předpoklad, že v současnosti si EV pořídí nebo budou provozovat zejména ti uživatelé, kteří mají v 95 % případů přístup k domácímu dobíjení. Samozřejmě tento předpoklad nelze uvažovat po celé predikované období (až do roku 2040), tudíž v souvislosti s očekáváním dosažení cenové parity mezi současnými vozidly na fosilní paliva (ICE) a elektromobily (BEV) v období mezi roky viz kapitola 2, se od roku 2030 uvažuje rovnoměrné rozdělování nových registrovaných EV mezi uživatele s přístupem a bez přístupu k domácímu dobíjení, neboť pořízení osobního automobilu s čistě spalovacím motorem již zřejmě nebude po tomto roce ekonomicky výhodné / přípustné oproti pořízení vozidla typu BEV, PHEV či jiných alternativních paliv v rámci EU z důvodů pravděpodobného uplatnění různých environmentálních nástrojů a politik typu uhlíkové daně apod. Na základě výše zmíněných předpokladů tedy lze uvažovat, že pokud 95 % uživatelů má přístup k domácímu dobíjení, je možné očekávat preference jednotlivých forem dobíjení EV viz Obrázek 30. Pro potřeby modelu a modelování bylo pouze zapotřebí převést preference uživatelů na pravděpodobnosti zvolení dané formy dobíjení v rámci jednoho simulovaného dne. V případě denní preference dobíjení (tmavě zelená barva viz Obrázek 30) není zapotřebí žádné Predikce vývoje elektromobility v ČR 80 Důvěrné

81 transformace (váha této hodnoty je rovna jedné proběhne jednou za den) a lze rovnou uvažovat o dané hodnotě jako o pravděpodobnosti volby daného dobíjení v každém simulovaném dni, takže např. pro domácí dobíjení BEV tato hodnota činí 59 %. Pro případ dobíjení s četností 3 5krát týdně je nezbytné znormovat tuto hodnotu tak, aby odpovídala svojí vahou pravděpodobnosti denní (váha této hodnoty může nabývat hodnot od 3/7 do 5/7 v závislosti na tom, že celkový součet pravděpodobností v rámci jednoho dne musí být roven jedné). Analogicky je potřeba přistoupit ke zbývajícím variantám četností dobíjení s tím, že pro variantu Less frequently je známa pouze hodnota horní meze její váhy, a to sice 1/7. Váhy jednotlivých variant s různými četnostmi dobíjení pak nabývají hodnot v souladu s rovnicí (10) = p D k v k + p Z k v k + p K k v k + p VP k v k + p VR k v k k=1 k=1 k=1 k=1 k=1 (10) Domácí Zaměstnání Komerční Veřejné pomalé Veřejné rychlé p D k p Z k p K k p VP k Podíl domácího dobíjení v k-té variantě četnosti preference dobíjení Podíl dobíjení v zaměstnání v k-té variantě četnosti preference dobíjení Podíl komerčního dobíjení v k-té variantě četnosti preference dobíjení Podíl veřejného pomalého dobíjení v k-té variantě četnosti preference dobíjení p VR k v k Podíl veřejného rychlého dobíjení v k-té variantě četnosti preference dobíjení Váha k-té varianty četnosti preference dobíjení, kde k nese význam: Varianta 1 denní dobíjení Varianta 2 dobíjení 3 5krát týdně Varianta 3 dobíjení 1 2krát týdně Varianta 4 dobíjení s nižší četností Rovnice (10) udává, že součet všech skalárních součinů, resp. vážených průměrů za jednotlivé formy dobíjení je roven jedné (100% pravděpodobnosti). Z respektování tohoto požadavku pak vyplynulo, že pokud jednotlivé váhy nabývají svých dolních mezí, tak hodnota váhy pro 4. variantu dobíjení s nižší četností vychází na cca 1/75, s těmito hodnotami je také v modelu uvažováno. Takto tedy bylo získáno pravděpodobností rozdělení volby typu dobíjení pro případ, že 95 % uživatelů EV má přístup k domácímu dobíjení. Dále bylo potřeba rozlišit jednotlivé SO ORP v závislosti na struktuře přístupu obyvatel k domácímu dobíjení tak, aby je bylo možné přiřadit k jednotlivým typovým diagramům nabíjení v závislosti na míře urbanizace daného SO ORP. Jak bylo zmíněno dříve, pro tyto účely byl přijat předpoklad, že obyvatelé žijící v rodinných domech mají přístup k domácímu dobíjení, zatímco obyvatelé žijící v bytových domech tuto možnost nemají. V souvislosti s tím, jak bude na základě všech zmíněných předpokladů vypadat struktura vlastníků, resp. provozovatelů EV s přístupem/bez přístupu k domácímu dobíjení pak bylo vytvořeno 8 kategorií rozlišení SO ORP náležející jednotlivým typovým diagramům nabíjení (TDN). Současně s tím bylo také nezbytné přepočítat strukturu dobíjení EV v jednotlivých Predikce vývoje elektromobility v ČR 81 Důvěrné

82 TDN, kde s klesajícím podílem přístupu k domácímu dobíjení, bylo toto dobíjení proporcionálně rozdělováno mezi ostatní zbylé kategorie dobíjení vyjma rychlého veřejného dobíjení, které přímo nesouvisí s mírou urbanizace daného SO ORP, ale spíše s mírou zastoupení významných silničních tahů. Tabulka 34 Typové diagramy nabíjení přehled parametrů TDN Poměr obyvatel v RD/(RD+BD) < 100% > 87,5% < 87,5% > 75,0% < 75,0% > 62,5% < 62,5% > 50,0% < 50,0% > 37,5% < 37,5% > 25,0% < 25,0% > 12,5% < 12,5% > 0,0% Struktura nabíjení Domácí dobíjení Dobíjení v zaměstnání Komerční dobíjení Veřejné dobíjení pomalé Veřejné dobíjení rychlé Struktura nabíjení Domácí dobíjení Dobíjení v zaměstnání Komerční dobíjení Veřejné dobíjení pomalé Veřejné dobíjení rychlé BEV 69,0% 59,1% 49,3% 39,4% 29,6% 19,7% 9,9% 0,0% 20,0% 26,9% 33,8% 40,8% 47,7% 54,6% 61,5% 68,4% 2,5% 3,4% 4,2% 5,1% 6,0% 6,8% 7,7% 8,6% 6,0% 8,1% 10,2% 12,2% 14,3% 16,4% 18,5% 20,5% 2,5% 2,5% 2,5% 2,5% 2,5% 2,5% 2,5% 2,5% PHEV 82,0% 70,3% 58,6% 46,9% 35,1% 23,4% 11,7% 0,0% 14,0% 23,6% 33,3% 42,9% 52,6% 62,2% 71,9% 81,5% 1,5% 2,5% 3,6% 4,6% 5,6% 6,7% 7,7% 8,7% 1,5% 2,5% 3,6% 4,6% 5,6% 6,7% 7,7% 8,7% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% 1,0% Následující dva obrázky ilustrují výsledné použité charakteristiky jednotlivých typových diagramů dobíjení (TDN): Predikce vývoje elektromobility v ČR 82 Důvěrné

83 Obrázek 31 Struktura nabíjení BEV pro jednotlivé TDN Obrázek 32 Struktura nabíjení PHEV pro jednotlivé TDN Predikce vývoje elektromobility v ČR 83 Důvěrné

84 Z výše uvedeného vyplývá, že vytvořením typových diagramů nabíjení nebylo zapotřebí provádět výpočtově náročné simulace pro každý jednotlivý SO ORP, ale o něco méně náročné pouze pro osm TDN ve třech scénářích a pěti časových řezech (2020, 2025, 2030, 2035, 2040) v souladu se zadáním studie. Typový diagram nabíjení TDN8 uvažuje úplné nahrazení domácího dobíjení ostatními kategoriemi dobíjení, tj. jde o striktně městský typový diagram nabíjení, kde bylo účelem vyzdvihnout specifické prostředí města, kde se nejvíce projevuje význam firemního dobíjení a existuje zde výrazná převaha obyvatelstva žijícího v bytových domech. Přehledový proces průběhu jedné simulace modelu s uvedením základních použitých omezení (vstupních podmínek) uvádí následující obrázek: Obrázek 33 Ilustrace průběhu jedné simulace modelu Obrázek 33 uceleně zobrazuje jednotlivé kroky v rámci přípravy a následného provedení jedné simulace modelu. Provedení jedné simulace se skládá z následujících kroků: Pravděpodobnostní vygenerování denního nájezdu elektrovozidla (zvlášť pro BEV / PHEV) Přiřazení typu dobíjení danému vozidlu o Domácí o V zaměstnání o Komerční o Veřejné pomalé o Veřejné rychlé Přiřazení velikosti příkonu dobíjecího bodu na základě vybraného typu dobíjení Zahrnutí omezení vyplývajících z konečné velikosti kapacity baterie elektrovozidla Pravděpodobnostní vygenerování času zahájení dobíjení o v závislosti na situaci determinované předcházejícími kroky (tj. přeneseně očekávanému způsobu použití vozidla a jeho způsobu nabíjení) Predikce vývoje elektromobility v ČR 84 Důvěrné

85 Provedení vlastní simulace dobíjení a výpočet okamžité hodnoty příkonu dobíjení pro každou minutu simulace v závislosti na dobíjecí charakteristice dané baterie V rámci modelování následuje opakované provedení těchto kroků s navazujícím statistickým zpracováním těchto dat. V následujících podkapitolách jsou blíže popsány jednotlivé výše uvedené kroky Denní nájezd, potřeba energie V prvním kroku je třeba vygenerovat počet najetých kilometrů pro každé simulované EV. Odtud lze získat informaci o potřebné energii, kterou bude třeba každému jednotlivému EV v daný den dodat. Protože použitý výpočtový model z důvodu snížení výpočtové náročnosti simuluje jednotlivé pracovní dny nezávisle na sobě, není možné tuto energii dodat danému EV v jiný den, ale vždy v den vzniku požadavku. Tento předpoklad silně koresponduje s realitou, neboť z dostupných průzkumů se ukázalo, že uživatelé EV s možností domácího dobíjení ve většině případů připojí svůj vůz přes noc k dobíjecí infrastruktuře (elektrizační soustavě) nehledě na stav nabití baterie. Toto chování lze očekávat zejména v zimních měsících, kdy toto chování přináší výhodu možnosti vstupu do vyhřátého automobilu v okamžiku potřeby bez nutnosti čerpání energie z baterie. Dále se z dat o využívání veřejných dobíjecích stanic ukázalo, že v současnosti se nejčastější hodnoty odběru energie pohybují mezi 3 a 4 kwh, což jsou relativně nízké hodnoty energeticky odpovídající nejčastějším najetým denním vzdálenostem, což rovněž podporuje uvedený předpoklad každodenního dobíjení. Na počátku každé simulace je nezbytné pro každé EV náhodně vygenerovat uvažovaný počet najetých kilometrů, aby bylo možné určit potřebnou energii k dobití vozidla. Pro tyto účely byl použit průzkum najetých kilometrů, kterých bylo v zemích Evropy realizováno několik a lze se domnívat, že v ČR bude histogram denní najeté vzdálenosti OA vypadat velice podobně. Použité histogramy najetých kilometrů vychází jednak z neveřejných interních zdrojů a jednak z veřejných dostupných např. zde 4. Pro potřeby modelu však byly zdrojové histogramy nepatrně zkorigovány tak, aby průměrná hodnota najetých kilometrů odpovídala v současnosti udávané hodnotě v ČR, a to sice 32 km/den. Pro přepočet najetých kilometrů na energii byly souhrnně použity následující parametry resp. předpoklady: Elektrická vozidla se dobíjí denně, pokud v simulovaném dni najela libovolnou vzdálenost Průměrná spotřeba energie elektrického vozidla je 20 kwh/100 km Průměrná účinnost dobíjení elektrického vozidla je 90 % V rámci neveřejného dobíjení se předpokládá dobíjení na 100 % kapacity baterie Kapacita baterie během vybíjení neklesne pod 10 % kapacity 4 elopment Predikce vývoje elektromobility v ČR 85 Důvěrné

86 Obrázek 34 Histogram najetých km OA v rámci jednoho dne Z uvedeného grafu lze identifikovat několik závěrů: nejčastější denní ujetá vzdálenost se pohybuje mezi 10 a 20 km/den v České republice činí průměrná denní ujetá vzdálenost osobního automobilu 32 km/den pouze přibližně 5% uživatelů osobních automobilů ujede více než 100 km/den pro většinu denních nájezdů jsou již současné elektromobily co do kapacity baterie dostačující, respektive na plně nabitou baterii jsou schopné ujet většinu nabývaných hodnot nájezdů. Lehká užitková vozidla, nákladní automobily Oproti kategorii osobní automobilů bylo třeba v kategorii lehkých užitkových vozidel, respektive obecně v kategorii nákladních vozidel uvažovat s vyššími denními nájezdy. Na základě dostupných informací (Ministerstvo dopravy Velké Británie) se průměrné denní nájezdy této kategorie pohybují na úrovni 50 km/den. Z tohoto důvodu bylo nezbytné přizpůsobit uvažovaný histogram najeté denní vzdálenosti, respektive provést posun četností nabývaných hodnot denních nájezdů směrem k vyšším hodnotám nájezdů viz následující obrázek. Predikce vývoje elektromobility v ČR 86 Důvěrné

87 Obrázek 35 Histogram najetých km LUV v rámci jednoho dne Současně je potřeba přizpůsobit a uvažovat odlišnou průměrnou spotřebu těchto elektrovozidel, přičemž v kategorii LUV bylo uvažováno se spotřebou energie na úrovni od 20 do 30 kwh/100 km a v kategorii nákladních vozidel (kategorie N2) se spotřebou energie na úrovni od 50 do 60 kwh/100 km, což jsou hodnoty vycházející z provedené rešerše současného stavu v segmentu těchto elektrovozidel. V rámci těchto segmentů predikce nezahrnuje kategorii nákladních automobilů tzv. tahačů, jejichž predikce by zahrnovala neakceptovatelnou míru nejistoty z hlediska uvažovaných parametrů těchto vozidel. Elektrobusy v rámci MHD Pro modelování dopadů v kategorii elektrobusů byl zvolen odlišný přístup v modelování, a to zejména z důvodu, že nejvýznamnější rozvoj v sektoru autobusů lze očekávat v oblasti MHD. Specifikem autobusů (potažmo elektrobusů) využívaných v rámci MHD je poměrně striktní vazba k jízdním řádům, který vykazuje deterministické znaky pro modelování a tudíž nebylo nutné provádět stochastické modelování. Na základě dat dostupných z výroční zprávy Sdružení dopravních podniků ČR 2016 byly identifikovány ty SO ORP, které disponují vlastní MHD. Současně z této zprávy bylo možné získat statistické údaje pro tyto SO ORP jako jsou: počet linek průměrná délka linky počet autobusů v rámci MHD průměrný roční nájezd autobusu počet výprav autobusů v časové špičce a v sedle Na základě těchto vstupních dat byl vytvořen deterministický model, který uvažuje dynamické dobíjení elektrobusů vždy po ujetí jedné trasy linky a současně pomalé dobíjení ve večerních, respektive nočních hodinách v sedle dopravního vytížení autobusů MHD. Predikce vývoje elektromobility v ČR 87 Důvěrné

88 Průměrná spotřeba elektrobusů v rámci MHD byla uvažována na úrovni od 100 do 130 kwh/100 km Typ dobíjení V dalším kroku následuje volba typu dobíjení. Ta byla detailněji popsána již v předchozí části této Studie pojednávající o typových diagramech nabíjení. Ve stručnosti se jedná o přiřazení očekávaného chování uživatele ve výběru dobíjecí infrastruktury vzhledem k možnostem fyzického dobití vozidla. Souhrnný pohled na jednotlivé typy dobíjení a přiřazení dopadů jednotlivých kategorií na očekávané potřeby dobíjecí infrastruktury ilustruje následující obrázek: Obrázek 36 Souhrnný pohled na jednotlivé typy dobíjení V rámci kategorií LUV a nákladních elektrovozidel je uvažováno, že dobíjení bude probíhat primárně formou firemního dobíjení, přičemž je zde třeba počítat s vyšší pravděpodobností výskytu denních nájezdů, na které nebudou minimálně v současnosti používané kapacity baterií dostačující, a tedy bude nezbytné dané vozidlo dobít v průběhu dne pomocí rychlé dobíjecí stanice. Predikce vývoje elektromobility v ČR 88 Důvěrné

89 Příkon dobíjecí stanice V návaznosti na typ dobíjení EV se dále vygeneruje příkon dobíjecí stanice. Obrázek 37 Rozdělení příkonů domácího dobíjení - detail Obrázek 38 Rozdělení příkonů domácího dobíjení - agregace Obrázek 39 Rozdělení příkonů dobíjení v zaměstnání - detail Obrázek 40 Rozdělení příkonů dobíjení v zaměstnání - agregace V rámci domácího dobíjení a dobíjení v zaměstnání se neuvažuje s dynamickým vývojem dostupných teoretických příkonů dobíjení v čase (změny struktury) z důvodu omezení daných příkonů hodnotou hlavních jističů. V tomto ohledu byl přijat předpoklad, že nedojde k výrazné změně velikosti jističů z hlediska rozvoje elektromobility, i s ohledem na nezanedbatelnou fixní část platby za služby dodávky elektřiny, respektive očekávaná technická omezení na straně provozovatelů distribučních soustav. Na druhou stranu s růstem velikostí příkonů lze počítat v případě veřejného nebo komerčního dobíjení, kde požadavky na dobu čekání na nabití vozidla hrají významnou roli. Následující obrázky ilustrují použité předpoklady v oblasti tzv. veřejného (komerčního) dobíjení. Obrázek 41 zobrazuje uvažovaný vývoj v oblasti příkonů dobíjecích stanic komerčního dobíjení, které do modelu vstupuje jako samostatná kategorie dobíjecích stanic Predikce vývoje elektromobility v ČR 89 Důvěrné

90 s ohledem na dříve zmíněný průzkum preferencí dobíjení (Obrázek 30). Toto odlišení komerčního dobíjení od veřejného dobíjení bylo přijato z toho důvodu, že kategorie komerčního dobíjení zahrnuje jak pomalé, tak rychlé dobíjecí stanice typicky v obchodních centrech, zatímco v kategorii veřejného dobíjení se s rychlými dobíjecími stanicemi uvažuje pouze v okolí významných silničních tahů. Obrázek 41 Uvažované rozdělení příkonů komerčního dobíjení Jako výchozí hodnoty byly využity získané údaje z provedené analýzy stávajících veřejných dobíjecích stanic v ČR. Predikce vývoje elektromobility v ČR 90 Důvěrné

91 Obrázek 42 Uvažované rozdělení příkonů veřejného dobíjení - pomalé Obrázek 43 Uvažované rozdělení příkonů veřejného dobíjení - rychlé Nastavení časové dynamiky velikostí uvažovaných příkonů veřejných dobíjecích stanic vychází z očekávaných rostoucích hodnot kapacit baterií, kde s ohledem na tento trend byl uvažován rostoucí podíl dobíjecích stanic s vyšším příkonem v jednotlivých kategoriích veřejného dobíjení na úkor nižších příkonů. Predikce vývoje elektromobility v ČR 91 Důvěrné

92 Na základě současných trendů výstavby dobíjecích stanic vycházejících z provedené rešerše současného stavu dobíjecích stanic v ČR se ukázalo, že v rámci pomalého veřejného dobíjení je nejčastěji instalovaná dobíjecí stanice na úrovni příkonu 22 kw, v kategorii rychlého veřejného dobíjení tato hodnota činí 50 kw (zde ale s ohledem na růst kapacit baterií lze očekávat vyšší uplatnění dobíjecích stanic přesahujících příkon 100 kw). Mimo pravděpodobností daných rozdělením příkonů v grafech uvedených výše dále do modelu vstupují omezující podmínky, které výjimečně v případě potřeby upraví volbu příkonu dobíjecí stanice tak, aby byl splněn požadavek na dobití EV v rámci jednoho dne. Pokud vznikne hodnota požadavku energie přesahující 20 kwh, tak je k danému EV přiřazena velikost příkonu dobíjecí stanice 11 kw, pokud původní hodnota příkonu nebyla vyšší. V případě, že požadavek na dobití překročí 40 kwh, tak je postupováno analogicky, jen je navýšeno minimum příkonu dobíjecí stanice na úroveň 22 kw namísto 11 kw. Výše uvedené rozdělení příkonů dobíjecích stanic se rovněž vztahuje na ostatní kategorie EV (jiné než OA) s tím, že v kategoriích nákladních vozidel se uvažuje s využitím pouze rychlých dobíjecích stanic v rámci veřejné dobíjecí infrastruktury a firemního dobíjení (dobíjení v zaměstnání). Vzhledem k tomu, že sektor těchto vozidel se nachází ve fázi vývoje a současná elektrická nákladní vozidla jsou spíše pilotními projekty než sériově vyráběnými vozidly, tak nelze zcela spolehlivě odhadnout trend budoucího vývoje příkonu dobíjecích stanic pro tato vozidla Kapacita baterií a omezení dobíjení Dalším klíčovým vstupem do modelu jsou uvažované kapacity baterií a s tím související omezení dobíjení dané integrovaným dobíjecím zařízením v EV. Potřebná vstupní data vychází z detailní rešerše současných modelů BEV a PHEV, která jsou dostupná na webu EAFO. Zpracovaná data jsou zobrazena v následujících grafech. Predikce vývoje elektromobility v ČR 92 Důvěrné

93 Obrázek 44 Výchozí stav nejprodávanějších modelů BEV v rámci EU v roce 2017 včetně kapacit baterií Pozn.: U modelů nabízených s různě velkými kapacitami baterií je uvedena průměrná hodnota Uvedené hodnoty rozdělení četností jednotlivých modelů včetně kapacit baterií byly použity pro časový řez 2020, tj. tento rok byl uvažován v podstatě jako výchozí stav, neboť nelze očekávat výrazné změny v této oblasti během následujících dvou roků. Nicméně do vzdálenější budoucnosti lze předpokládat trend rostoucích kapacit baterií elektromobilů, tudíž byl v modelu nastaven předpoklad nárůstu kapacit baterií vycházející z uvažovaných modelů o 2 kwh/rok, resp. každý časový řez (5 roků) vzrostou kapacity baterií BEV o 10 kwh oproti předchozímu stavu, tj. v roce 2040 by se nejčastější kapacity baterií BEV pohybovaly v rozmezí kwh. Toto nastavení vychází z předpokladu, že dnešní modely BEV s nejvyššími dostupnými kapacitami baterií běžně dosahují tohoto rozmezí a v některých případech dosahují i mírně větších hodnot, a tudíž se jedná o technicky dosažitelný a přijatelný předpoklad do budoucna. S kapacitou baterie souvisí i další významný vstup pro model, a to uvažování omezení procesu dobíjení z hlediska dosažitelného dobíjecího výkonu daného jednak typem baterie (DC omezení) nebo integrovaným dobíjecím zařízením v EV (AC omezení). Predikce vývoje elektromobility v ČR 93 Důvěrné

94 Obrázek 45 Přehled omezení dobíjení BEV - výchozí stav Pozn.: U modelů nabízených s více druhy integrovaných dobíjecích zařízení je uvedena průměrná hodnota Přestože většina současných modelů BEV již umožňuje nabíjení na rychlých 50 kw stejnosměrných dobíjecích stanicích, tak využití výkonu v případě střídavých dobíjecích stanic je výrazně omezené. V současnosti nejčastější dostupný příkon veřejné dobíjecí stanice v ČR, tj. 22 kw, je schopen využít pouze jediný z uvedených modelů elektrovozidel. Ostatní současné modely jsou určitým způsobem technologicky (technicky) omezeny. Z obrázků výše (Obrázek 44, Obrázek 45) je patrná souvislost mezi velikostí kapacity baterie a výkonovým omezením dobíjení. Obecně platí (zejména v případě DC dobíjení, kde se neuplatňuje omezení integrovaným dobíjecím zařízením), že větší kapacita baterie umožňuje dobíjení větším výkonem. Významný objev především v oblasti technologií baterií a jejich uplatnění v oblasti elektromobility by znamenal zásadní ovlivnění vstupních předpokladů modelu. Obdobně jako u kapacit baterií, tak i v případě výkonového omezení dobíjení je třeba uvažovat s očekávaným rostoucím trendem maximálních přípustných dobíjecích výkonů, a to jak na straně AC dobíjení, tak DC dobíjení. Pro výchozí stav do modelu vstupují výše znázorněné hodnoty. Z hlediska proveditelnosti vlastního modelování byla pro tyto účely v modelu nastavena závislost velikosti omezení dobíjení na kapacitě baterie tak, že pro kapacity baterií v rozsahu kwh bude nejnižší hodnota AC dobíjení na úrovni 11 kw a pro kapacity nad 60 kwh toto omezení dosáhne úrovně 22 kw. Tím, že byl kapacitám baterií nastaven rostoucí trend v čase, je dosaženo adekvátního růstu i v maximálních přípustných dobíjecích výkonech BEV. Pro omezení v oblasti DC dobíjení byl zvolen analogický přístup, přičemž pro rozsah kapacity baterie kwh toto omezení dosahuje úrovně minimálně 50 kw a nad kapacitu baterie 60 kwh již zde není omezení uplatňováno, respektive je předpokládáno maximální výkonové využití 120 kw nebo 135 kw dobíjecí stanice. Predikce vývoje elektromobility v ČR 94 Důvěrné

95 Na tomto místě je vhodné podotknout, že některá omezení AC dobíjení jsou způsobena tím, že daný model EV umožňuje pouze jednofázové dobíjení. Pro predikce výkonových dopadů dobíjení však rozlišení na jednofázové/trojfázové dobíjení není relevantní. Obrázek 46 Výchozí stav nejprodávanějších modelů PHEV v rámci EU v roce 2017 včetně kapacit baterií Pozn.: U modelů nabízených s různě velkými kapacitami baterií je uvedena průměrná hodnota Vyjma modelu BMW i3 Rex většina současných PHEV disponuje kapacitou baterie na úrovni okolo 10 kwh, což odpovídá maximálnímu nájezdu čistě na elektrický (bateriový) pohon v řádech nižších desítek kilometrů. Stejně jako v kategorii BEV, tak i zde se počítá s postupným nárůstem kapacit baterií PHEV. V souvislosti s plněním emisních limitů v rámci EU by po roce 2030 více než 80 % nájezdů těchto vozidel mělo být zajištěno pouze elektrickou energií pocházející z externího dobíjení. V návaznosti na to byl v modelu nastaven růst kapacit baterií PHEV o 1 kwh/rok od roku 2020, resp. o 5 kwh v každém časovém řezu modelu. V roce 2040 by se tak nejčastější kapacity baterií PHEV pohybovaly okolo 30 kwh, což koresponduje s modelem BMW i3 Rex, tudíž jedná se o technicky dosažitelnou úroveň kapacit baterií v tomto sektoru vozidel. Predikce vývoje elektromobility v ČR 95 Důvěrné

96 Obrázek 47 Přehled omezení dobíjení PHEV - výchozí stav Pozn.: U modelů nabízených s více druhy integrovaných dobíjecích zařízení je uvedena průměrná hodnota Současné modely PHEV se potýkají s mnohem výraznějším omezením dobíjení, a to především omezením rychlého dobíjení. Většina modelů totiž rychlé dobíjení vůbec neumožňuje. Toto omezení je zcela pochopitelné s ohledem na velikost kapacit baterií současných modelů PHEV. Nicméně do budoucna se i v tomto sektoru počítá s využíváním rychlého dobíjení, jak je ostatně zřejmé z grafu, kde ve dvou případech lze s omezením využít rychlé dobíjení již v současnosti. Na základě toho byla v modelu stanovena závislost omezení DC dobíjení na kapacitě baterie tak, že pro kapacity v intervalu od 11 do 20 kwh je toto omezení na úrovni 22 kw (vychází z modelu Mitsubishi Outlander) a nad kapacitu baterie 20 kwh pak toto omezení dobíjení vzroste na 50 kw. Obdobně pro střídavé dobíjení bylo stanoveno omezení dobíjení na úrovni 3,7 kw pro kapacity baterií do 20 kwh (vychází z omezení současných modelů), pro kapacity baterií mezi 20 a 30 kwh omezení vzroste na 6,6 kw (vychází z obvyklých hodnot omezení u BEV v této kategorii kapacit baterií) a pro kapacity baterií nad 30 kwh pak omezení střídavého dobíjení je stanoveno na úrovni 11 kw (vychází z modelu BMW i3 Rex). Kapacity baterií současných elektrovozidel z kategorie LUV se pohybují od cca 20 do 40 kwh a v kategorii N2 nákladních vozidel od cca 70 do 100 kwh, přičemž obdobně jako v kategorii OA lze předpokládat minimálně podobně rostoucí trend těchto kapacit, tudíž byl pro účely modelování nastaven stejně, tj. na 2 kwh/rok Časy zahájení dobíjení Pro potřeby nastavení pravděpodobnostního rozdělení zahájení dobíjení EV pro jednotlivé typy dobíjení byla využita data o dynamice obyvatelstva pocházející z monitorování pohybu mobilních telefonů v Praze a Středočeském kraji. Tato data jsou dostupná na webu Institutu plánování a rozvoje Prahy (IPR) v podobě interaktivní mapy s možnostmi nastavení cílové skupiny či časového řezu v rámci pracovního nebo mimopracovního dne. Analyzované údaje byly pro účely modelování vztaženy pro celou Českou republiku. Predikce vývoje elektromobility v ČR 96 Důvěrné

97 Domácí dobíjení Do této skupiny patří uživatelé EV s přístupem k domácímu dobíjení, přičemž se lze domnívat, že naprostá většina těchto uživatelů bude zahajovat dobíjení svého vozidla po příjezdu ze zaměstnání či jiné aktivity do svého obydlí. Pro stanovení pravděpodobnostního rozdělení zahájení dobíjení této skupiny uživatelů lze tudíž použít časy příjezdů rezidentů do svých domovů. Z náhodného výběru cca 100 monitorovaných oblastí Prahy a Středočeského kraje byla vytvořena statistika četností příjezdů rezidentů v čase v rámci pracovního dne. Obrázek 48 Rozdělení časů příjezdů rezidentů (zahájení dobíjení) v rámci pracovního dne Z obrázku je patrný postupný nárůst počtů příjezdů rezidentů počínající 14. hodinou odpolední se špičkou v 18. hodině následovaný strmým útlumem četností příjezdů. Dobíjení v zaměstnání Do této kategorie dobíjení patří jednak uživatelé bez přístupu k domácímu dobíjení, kteří využijí možnosti dobít své EV u zaměstnavatele a jednak uživatelé EV, kteří nevyužívají dané EV pro soukromé účely (vozidla determinovaná pouze pro účely související s vykonáváním zaměstnání). Rozdělení časů zahájení dobíjení této kategorie má tudíž dvě složky. První z nich je tvořena časy příjezdů uživatelů EV do zaměstnání, kde byl stanoven předpoklad, že po příjezdu do zaměstnání bude vozidlo připojeno k síti. Tato data byla získána obdobně jako u domácího dobíjení s tím, že jako sledovaná skupina byli zvoleni pracující a opět byly v náhodných oblastech sledovány změny počtu obyvatel v čase. Druhá složka se skládá z vozidel nevyužívaných pro soukromé účely, přičemž zde lze očekávat, že vozidla budou zejména připojována k ES ke konci pracovní doby případného uživatele, neboť tato vozidla jsou určena k využívání během pracovní doby, a tudíž lze předpokládat jejich nabíjení zejména mimo tento čas. Časy zahájení dobíjení této složky jsou tedy určeny rozdělením odjezdů skupiny pracujících ze zaměstnání. Predikce vývoje elektromobility v ČR 97 Důvěrné

98 Vzhledem k tomu, že poměr těchto dvou složek dobíjení v zaměstnání není známý, resp. o způsobu provozování zejména firemních vozidel není vedena žádná oficiální dostupná evidence, byl tento poměr určen expertním odhadem tak, že 70 % této skupiny je tvořeno vozidly využívanými i pro soukromé účely a zbývajících 30 % pak vozidly pro úkony související pouze s výkonem zaměstnání. Obrázek 49 Rozdělení časů zahájení dobíjení v zaměstnání/na pracovišti Z výše uvedeného obrázku je patrné, že při uplatnění výše uvedených předpokladů lze očekávat výraznou ranní špičku danou vysokou četností příjezdů pracujících do zaměstnání s dominancí mezi 7. a 8. hodinou ranní. Veřejné dobíjení pomalé a komerční dobíjení V těchto kategoriích dobíjení se částečně vyskytují všichni uživatelé EV v souvislosti s preferenčními funkcemi uvedenými v kapitole věnované popisu typových diagramů nabíjení. Časy zahájení dobíjení pak byly stanoveny na základě výskytu počtu obyvatel na vybraných monitorovaných lokalitách, které zahrnují místa společného zájmu, jako jsou zejména obchodní centra. Predikce vývoje elektromobility v ČR 98 Důvěrné

99 Obrázek 50 Návštěvnost veřejných míst (veřejné + komerční dobíjení) Z obrázku je patrná polední špička, kdy se lidé vydávají na oběd, což je optimální příležitost pro využití veřejné dobíjecí infrastruktury, poté přichází mírný propad následovaný odpoledním růstem až do pozdně odpolední/večerní špičky okolo 17. hodiny, kdy přichází v úvahu využití veřejných/komerčních dobíjecích stanic v rámci popracovních aktivit. Veřejné dobíjení rychlé Výstavba rychlé dobíjecí infrastruktury byla uvažována zejména v blízkosti významných silničních tahů, tj. očekává se, že poslouží především uživatelům EV, kteří najedou větší vzdálenosti v rámci jednoho dne. V modelu jsou tudíž přednostně přiřazovány těm EV, pro která byla vygenerována větší hodnota nájezdu, a tedy je potřeba pro její ujetí vozidlo v průběhu cesty dobít. Časy zahájení nabíjení této kategorie vychází z monitorování počtu tranzitujících na významných silničních tazích, respektive jsou dány hustotou provozu v průběhu dne. Lze předpokládat, že s vyšší hustotou provozu současně roste pravděpodobnost výskytu požadavku na dobití EV. Predikce vývoje elektromobility v ČR 99 Důvěrné

100 Obrázek 51 Rozdělení časů zahájení dobíjení veřejného rychlého dobíjení V obrázku lze identifikovat ranní a večerní špičku hustoty provozu, v tyto časy tedy lze očekávat nejvyšší pravděpodobnost výskytu zahájení veřejného rychlého dobíjení. V rámci firemního dobíjení v kategorii nákladních vozidel (LUV + N2) se uvažuje s časy zahajování dobíjení dle zobecněných časů odjezdů zaměstnanců z pracovišť. V případě využití rychlého dobíjení se předpokládá jeho možné využití kdykoliv v průběhu typické pracovní doby. Z důvodu nedostupnosti relevantních podkladových dat pro tuto specifickou kategorii vozidel, byly v modelu uvažovány časy zahájení dobíjení mezi 8:00 až 18:00h s rovnoměrným pravděpodobnostním rozdělením Dobíjecí charakteristika a základní předpoklady dobíjení Pro účely modelování byla využita níže uvedená dobíjecí charakteristika. Jednotlivé dobíjecí charakteristiky jednotlivých EV se liší v závislosti na výrobní technologii akumulátorů, způsobu řízení dobití interním dobíjecím zařízením vozidla apod. Predikce vývoje elektromobility v ČR 100 Důvěrné

101 Obrázek 52 Uvažovaná dobíjecí charakteristika baterie EV S ohledem na možnosti modelování byl přijat předpoklad, že do cca 84 % kapacity baterie se dobijí maximálním možným nabíjecím výkonem (s přihlédnutím k dalším souvisejícím aspektům dobíjení) a po překročení této hranice postupně dobíjecí výkon klesá až k úrovni udržovací fáze dobití. Uvedené body empirické dobíjecí charakteristiky po 84 % kapacity baterie byly proloženy polynomem 3. stupně v závislosti na kapacitě baterie s koeficientem determinace R 2 = 0, tzn., že model vysvětlí 99,99 % hodnot. V rámci modelu se pracuje s minutovým časovým krokem, takže v návaznosti na veškerá omezení a hodnoty vycházející z předešlých kroků, je pro každou jednotlivou minutu vypočítán dobíjecí výkon s ohledem na uvedenou dobíjecí charakteristiku. V případě, že EV ještě nezahájilo své dobíjení, dobíjecí výkon je nulový. Po čase zahájení dobíjení je v závislosti na maximálním dobíjecím výkonu a stavu kapacity baterie počítán pro každou minutu modelu dobíjecí výkon EV, dokud baterie nedosáhne požadované hodnoty své kapacity. Pro neveřejné dobíjení (domácí a v zaměstnání) je uvažováno s dobíjením na 100 % kapacity baterie, neboť dané EV není výrazně časově omezeno. V případě dobíjení na veřejných dobíjecích stanicích se předpokládá dobíjení nejvýše na 80 % kapacity baterie tak, aby doba strávená na těchto stanicích byla minimální a tedy nebyla výrazně navyšována klesajícím dobíjecím výkonem daným dobíjecí charakteristikou. Tento předpoklad obecně vede ke snížení potřeby počtu veřejných dobíjecích stanic, protože díky kratší době strávené na dobíjecí stanici rovněž klesá riziko soudobé obsazenosti těchto stanic. Predikce vývoje elektromobility v ČR 101 Důvěrné

102 4.2 Výstupy modelování výkonových dopadů a jejich interpretace V následujících podkapitolách jsou znázorněny modelované výkonové dopady z hlediska rozvoje elektromobility v rámci ČR Souhrn výkonových dopadů pro ČR v segmentu osobních automobilů Níže uvedené výstupy z modelu v segmentu osobních automobilů jsou ve formě denních diagramů výkonů s minutovým rozlišením v rámci jednotlivých simulovaných dnů. Pro následnou interpretaci je nutné data statisticky vyhodnotit a s ohledem na soudobost uvnitř jednotlivých hodin získat odpovídající hodinové hodnoty. S ohledem na zadání studie, tj. identifikovat výkonové dopady z dobíjení EV na ES, jsou tato data maximálních soudobých výkonů, resp. příkonů z dobíjení pro jednotlivé hodiny uvedena formou sloupců, kde jeho dolní hranice je ohraničena 5. percentilem (P 5 ) a horní hranice je ohraničena 95. percentilem (P 95 ) maximálního soudobého výkonu. Interpretaci těchto dat je tedy třeba chápat jako maximální hodnoty, které lze v daných časových řezech očekávat, přičemž v grafu jsou zobrazené včetně značného rozptylu. Dimenzování ES by nicméně mělo respektovat horní hranice možných výkonových maxim. Nejčastější hodnoty těchto maximálních výkonů v rámci daných časových řezů se pak nachází v okolí uvedené střední hodnoty P stř. Obrázek 53 Nízký scénář výkonové dopady Predikce vývoje elektromobility v ČR 102 Důvěrné

103 Obrázek 54 Střední scénář výkonové dopady Obrázek 55 Vysoký scénář výkonové dopady Souhrn výkonových dopadů pro ČR ve všech segmentech V následující kapitole jsou získaná modelová data již převedena na hodinové rozlišení do formy maxim soudobého výkonu v rámci jednotlivých časových řezů. S ohledem na zadání studie, tj. identifikovat výkonové dopady z dobíjení EV na ES, jsou tato data maximálních soudobých výkonů, resp. příkonů z dobíjení pro jednotlivé maximální hodiny uvedena formou sloupců, kde jeho dolní hranice je ohraničena 5. percentilem (P 5 ) a horní hranice je ohraničena 95. percentilem (P 95 ) maximálního soudobého výkonu. Interpretaci těchto dat je tedy třeba chápat jako maximální hodnoty, které lze v daných časových řezech očekávat, přičemž v grafu jsou zobrazené včetně značného rozptylu. Dimenzování ES by nicméně mělo respektovat horní hranice možných výkonových maxim. Nejčastější hodnoty těchto maximálních výkonů v rámci daných časových řezů se pak nachází v okolí uvedené střední hodnoty P stř. Predikce vývoje elektromobility v ČR 103 Důvěrné

104 Tento dopad lze snížit možným využitím různých opatření (viz kapitola 4.2.5), která musí být ovšem dále podrobena dalšímu zkoumání. Obrázek 56 Nízký scénář výkonové dopady všechny segmenty Obrázek 57 Střední scénář výkonové dopady všechny segmenty Predikce vývoje elektromobility v ČR 104 Důvěrné

105 Obrázek 58 Vysoký scénář výkonové dopady všechny segmenty Výkonové dopady v ČR v denním diagramu nabíjení osobní automobily V následující kapitole jsou uvedená data převedena na hodinové rozlišení ve formě denního diagramu nabíjení pro jednotlivé scénáře a časové řezy. S ohledem na zadání studie, tj. identifikovat výkonové dopady z dobíjení EV na ES, jsou tato data maximálních soudobých výkonů, resp. příkonů z dobíjení pro jednotlivé hodiny uvedena formou sloupců, kde jeho dolní hranice je ohraničena 5. percentilem (P 5 ) a horní hranice je ohraničena 95. percentilem (P 95 ) maximálního soudobého výkonu. Interpretaci těchto dat je tedy třeba chápat jako maximální hodnoty, které lze v daných hodinách očekávat, přičemž v grafu jsou zobrazené včetně značného rozptylu. Dimenzování ES by nicméně mělo respektovat horní hranice možných výkonových maxim. Nejčastější hodnoty těchto maximálních výkonů v rámci jednotlivých hodin se pak nachází v okolí uvedené střední hodnoty P stř. Predikce vývoje elektromobility v ČR 105 Důvěrné

106 Výkonové dopady v ČR - rok 2020 osobní automobily Obrázek 59 Nízký scénář denní diagram nabíjení 2020 osobní automobily Obrázek 60 Střední scénář denní diagram nabíjení 2020 osobní automobily Obrázek 61 Vysoký scénář denní diagram nabíjení 2020 osobní automobily Pro časový řez 2020 se očekávané maximální výkonové dopady z dobíjení EV nachází napříč scénáři v rozmezí od cca 9 MW (nízký scénář) do cca 45 MW (vysoký scénář). Z obrázků lze identifikovat, že maximální hodnoty výkonů se vyskytují ve večerní špičce, tj. mezi 18. a 19. hodinou. Predikce vývoje elektromobility v ČR 106 Důvěrné

107 Výkonové dopady v ČR - rok 2025 osobní automobily Obrázek 62 Nízký scénář denní diagram nabíjení 2025 osobní automobily Obrázek 63 Střední scénář denní diagram nabíjení 2025 osobní automobily Obrázek 64 Vysoký scénář denní diagram nabíjení 2025 osobní automobily Oproti předchozímu časovému řezu si lze povšimnout širší večerní špičky, kde hodnoty maximálních soudobých výkonů dobíjení se pohybují na úrovni od cca 20 MW až po cca 450 MW. Predikce vývoje elektromobility v ČR 107 Důvěrné

108 Výkonové dopady v ČR - rok 2030 osobní automobily Obrázek 65 Nízký scénář denní diagram nabíjení 2030 osobní automobily Obrázek 66 Střední scénář denní diagram nabíjení 2030 osobní automobily Obrázek 67 Vysoký scénář denní diagram nabíjení 2030 osobní automobily V roce 2030 se oproti předchozím časovým řezům utvořila výraznější ranní špička, která je způsobena vyšším zastoupením podílu dobíjení v zaměstnání. Maximální hodnoty dosahovaných výkonů se pohybují od cca 100 MW až po cca 1200 MW. Predikce vývoje elektromobility v ČR 108 Důvěrné

109 Výkonové dopady v ČR - rok 2035 osobní automobily Obrázek 68 Nízký scénář denní diagram nabíjení 2035 osobní automobily Obrázek 69 Střední scénář denní diagram nabíjení 2035 osobní automobily Obrázek 70 Vysoký scénář denní diagram nabíjení 2035 osobní automobily Podobně jako v předchozím časovém řezu i v roce 2035 se objevuje ranní výkonová špička, nicméně oproti předchozímu řezu lze pozorovat prohlubující se rozdíl mezi zatížením přes den a v noci. Zatímco maximální výkony v nízkém scénáři jsou na úrovni okolo 350 MW, stejná maxima pro vysoký scénář již balancují mezi 2,5 až 3 GW. Predikce vývoje elektromobility v ČR 109 Důvěrné

110 Výkonové dopady v ČR - rok 2040 osobní automobily Obrázek 71 Nízký scénář denní diagram nabíjení 2040 osobní automobily Obrázek 72 Střední scénář denní diagram nabíjení 2040 osobní automobily Obrázek 73 Vysoký scénář denní diagram nabíjení 2040 osobní automobily Průběh denního diagramu dobíjení v roce 2040 se opět vymezuje ranní a večerní špičkou, nicméně obdobně jako v předchozích řezech, večerní špička zůstává dominantní. Maximální hodnoty v nízkém scénáři dosahují úrovně cca 800 MW, ve vysokém scénáři dokonce Predikce vývoje elektromobility v ČR 110 Důvěrné

111 necelých 6 GW. Propastný rozdíl mezi výkony večerní špičky a nočního sedla poukazuje na potenciál pro odložení večerního domácího dobíjení EV na noční hodiny. Predikce vývoje elektromobility v ČR 111 Důvěrné

112 Výkonové dopady v ČR v denním diagramu nabíjení V následující kapitole jsou uvedeny výkonové dopady v denním diagramu nabíjení ve všech segmentech (osobní automobily, lehká užitková vozidla, nákladní automobily, elektrobusy v rámci MHD). Predikce vývoje elektromobility v ČR 112 Důvěrné

113 Výkonové dopady v ČR - rok 2020 Obrázek 74 Nízký scénář denní diagram nabíjení 2020 Obrázek 75 Střední scénář denní diagram nabíjení 2020 Obrázek 76 Vysoký scénář denní diagram nabíjení 2020 V časovém řezu 2020 lze identifikovat maximální výkonové dopady z dobíjení všech kategorií vozidel mezi nízkým až vysokým scénářem v rozmezí cca MW. Oproti denním diagramům nabíjení pouze OA můžeme pozorovat větší rozdíl mezi úrovní požadovaného výkonu přes den (6 20 h) a přes noc (20 6 h), přičemž tento rozdíl je Predikce vývoje elektromobility v ČR 113 Důvěrné

114 zapříčiněn zejména dynamickým dobíjením elektrobusů v průběhu dne. Dále obecně platí, že v dopoledním a odpoledním čase se setkávají potřeby dobíjení všech kategorií vozidel, tato potřeba kulminuje v době okolo 18. hodiny a v nočním období postupně klesá. Predikce vývoje elektromobility v ČR 114 Důvěrné

115 Výkonové dopady v ČR - rok 2025 Obrázek 77 Nízký scénář denní diagram nabíjení 2025 Obrázek 78 Střední scénář denní diagram nabíjení 2025 Obrázek 79 Vysoký scénář denní diagram nabíjení 2025 V porovnání s časovým řezem 2020 si lze povšimnout určitého vyrovnání denních a nočních požadavků na dobíjecí příkon což je dáno přibývajícím počtem osobních EV, které se stávají dominantní z hlediska výkonových dopadů a grafy se tak svým průběhem přibližují grafům denních diagramů nabíjení OA. Večerní špička mezi 18. a 19. hodinou přetrvává, maximální hodnoty výkonů se nacházejí v rozmezí 45 až 600 MW. Predikce vývoje elektromobility v ČR 115 Důvěrné

116 Výkonové dopady v ČR - rok 2030 Obrázek 80 Nízký scénář denní diagram nabíjení 2030 Obrázek 81 Střední scénář denní diagram nabíjení 2030 Obrázek 82 Vysoký scénář denní diagram nabíjení 2030 V roce 2030 se začíná formovat výrazná ranní špička mezi 7. a 9. hodinou. Večerní špička je však stále výraznější a je navíc patrné, že se rozšiřuje a trvá déle do nočních hodin. Maximální hodnoty výkonů dosahují hodnot mezi 180 až MW. Predikce vývoje elektromobility v ČR 116 Důvěrné

117 Výkonové dopady v ČR - rok 2035 Obrázek 83 Nízký scénář denní diagram nabíjení 2035 Obrázek 84 Střední scénář denní diagram nabíjení 2035 Obrázek 85 Vysoký scénář denní diagram nabíjení 2035 V časovém řezu pro rok 2035 lze stále pozorovat výraznou dopolední a odpolední špičku. Stále více se také projevuje rozdíl mezi hodnotami očekávaného zatížení z období od ranních hodin do večerních hodin a nočních hodin. Maximální hodnoty se pohybují mezi zhruba 500 MW a skoro MW. Predikce vývoje elektromobility v ČR 117 Důvěrné

118 Výkonové dopady v ČR - rok 2040 Obrázek 86 Nízký scénář denní diagram nabíjení 2040 Obrázek 87 Střední scénář denní diagram nabíjení 2040 Obrázek 88 Vysoký scénář denní diagram nabíjení 2040 V denním diagramu je stále patrná výrazná dopolední a odpolední špička, maxima dosahují hodnot od skoro MW v nízkém scénáři po bezmála MW ve scénáři vysokém. Predikce vývoje elektromobility v ČR 118 Důvěrné

119 Možnosti ovlivnění výkonových dopadů z dobíjení elektromobilů V souvislosti s možností ovlivnit špičkové výkonové dopady elektromobility na ES ČR lze v budoucnu předpokládat využití různých možností, jak efektivně motivovat zákazníky k dobití elektromobilu mimo exponovaný čas v průběhu dne. Obecně se nabízí několik možných způsobů (opatření), mezi které lze řadit například: cenová motivace zákazníka s cílem preferovat dobití elektromobilu mimo špičkové hodiny využití pokročilé technologie řízení hromadného nabíjení, využívající tzv. chytré technologie zahrnující vzájemnou komunikaci mezi dobíjeným vozidlem, dobíjecí stanicí a nadřazenou elektrizační soustavou, umožňující optimalizovat průběh nabíjecího cyklu z pohledu snížení požadavků na soudobost dobíjení a případně přizpůsobovat aktuální dobíjecí výkon Ilustraci možného dopadu využití systému takzvaného chytrého dobíjení lze ilustrovat na následujícím obrázku: Obrázek 89 Ilustrace dopadu zavedení tzv. chytrého dobíjení Výše uvedený obrázek ilustruje možný průběh dobíjení skupiny elektromobilů v rámci jednoho dne (červená barva), který je ukázkou tzv. neřízeného dobíjení reflektujícího okamžité zahájení dobíjení vozidel ihned po připojení k dobíjecímu bodu. Zobrazený průběh dobíjení přitom vychází z vybrané skupiny elektromobilů využívající domácí dobíjení (tomu také odpovídají časy zahájení dobíjení). Naopak modrá barva je ukázkou průběhu dobíjení stejné skupiny elektromobilů s uvažováním tzv. chytrého dobíjení respektujícího požadavek uživatelů na plné dobití do 6. hodiny následujícího dne. Možný průběh chytrého dobíjení byl získán pomocí vytvořené optimalizační funkce minimalizace maximálního soudobého výkonu z dobíjení skupiny elektromobilů zahrnující splnění sady omezujících podmínek (splnění požadavku na dobití do 100 % kapacity akumulátoru, nemožnost zahájit dobíjení dříve než je daný elektromobil připojen k síti, připravenost každého vozu s plně nabitým akumulátorem do 6. hodiny následujícího dne). Volitelnými parametry pro uvažovanou optimalizaci byla možnost posunutí (odložení) dobití na pozdější čas. Predikce vývoje elektromobility v ČR 119 Důvěrné

120 Ze zjištěného (optimalizovaného) průběhu je patrné, že využitím pokročilých způsobů řízení průběhu dobíjení lze významně ovlivnit jeho celkový průběh a v kontextu s rozvojem elektromobility v delším časovém horizontu lze očekávat i potřebu tyto systémy implementovat a využívat za účelem snížení výkonových dopadů z dobíjení. V rámci této studie lze doporučit návazné zpracování analýzy nasazení takovýchto systémů v Evropě a jejich dlouhodobého testování s cílem zjištění respektive potvrzení předpokládaného efektu. Z tohoto důvodu nebylo tzv. chytré dobíjení v predikcích zohledněno. Opatření tohoto typu dosud neexistuje a jeho zavedení musí být podloženo nezpochybnitelnými argumenty Očekávané celkové výkonové dopady v granularitě SO ORP Grafické vyjádření očekávaných celkových výkonových dopadů (P 95 ) je uvedeno na dále uvedených obrázcích (v řezech 2020, 2030 a 2040). Konkrétní výkonové hodnoty uvádí Tabulka 35 a Tabulka 36 na konci této kapitoly. Dále jsou v přílohách mimo celkových hodnot výkonových dopadů přiloženy výkony v rozlišení na veřejné (komerční, veřejné dobíjení pomalé a veřejné dobíjení rychlé) a neveřejné dobíjení, které je dále rozděleno na domácí a firemní dobíjení.. V tomto ohledu je třeba upozornit na správnou interpretaci těchto dat. Součet uvedených výkonových maxim v rozlišení na veřejné/neveřejné dobíjení není obecně roven hodnotě celkového maximálního výkonového dopadu. Příčinou této ne-asociativity je, že v rámci jedné hodiny je vysoce nepravděpodobné, že by mohlo dojít k soudobému uplatnění maxim z různých kategorií dobíjení v rámci jedné minuty. Tato situace je pro snadnější představu ilustrována na ukázkovém příkladu viz následující obrázek. Obrázek 90 Ukázka nesoudobosti výkonových maxim jednotlivých kategorií dobíjení Výše uvedený obrázek ilustruje odlišnost průběhů jednotlivých kategorií dobíjení, tj. že maximum výkonu v kategorii veřejného dobíjení nastává obecně v jiný čas než maximum dobíjení z kategorie neveřejného dobíjení. Z toho vyplývá, že součet jednotlivých maxim těchto kategorií dobíjení se nerovná celkovému maximálnímu výkonu dosaženému v rámci dané hodiny. Podobný nesoulad nastává rovněž i na navazující agregaci z hodinových hodnot na denní maximum. Predikce vývoje elektromobility v ČR 120 Důvěrné

121 Výkonové dopady v ČR v granularitě SO ORP Nízký scénář Obrázek 91 Vizualizace výkonových dopadů (P 95 ) nízký scénář 2020 Obrázek 92 Vizualizace výkonových dopadů (P 95 ) nízký scénář 2030 Predikce vývoje elektromobility v ČR 121 Důvěrné

122 Obrázek 93 Vizualizace výkonových dopadů (P 95 ) nízký scénář 2040 Predikce vývoje elektromobility v ČR 122 Důvěrné