As Europe accelerates toward carbon neutrality under the European Green Deal and Fit for 55 framework, electricvehicles (EVs) are emerging as a cornerstone of the decarbonized transport sector. To meet ambitious emissions targets, the European Union expects tens of millions of EVs on the road by 2030, necessitating a rapid and large-scale rollout of EV charging infrastructure. While this transition offers a path to a cleaner energy future, it simultaneously presents technical and economic challenges for electricity networks, such as grid congestion and increased demand. However, with the advent of smart charging and aggregated optimization strategies, EV chargers can shift from being passive loads to becoming active, revenue-generating assets participating in electricity and flexibility markets, and relieving the grid from congestion.

This study explores the multi-market revenue optimization potential of EV chargers through a custom-built optimizer using Python designed to simulate realistic charger participation in four key markets: mFRR, aFRR, FCR-D, and Local Flexibility Markets. Using historical real-world data from Denmark and Sweden, the optimizer allocates available EV charging capacity across these markets with the objective of maximizing revenue, while adhering to operational constraints such as minimum bid size, market price and volumes, market exclusivity and participation rules, availability windows and priority allocation logic, in addition to limitations related to the EV chargers’ available power capacity.

Simulation results show that mFRR consistently outperformed other markets across all zones in terms of normalized revenue (EUR/MW), with DK2, SE3, and SE4 offering the highest potential due to their deeper, more volatile market structures. LFMs also demonstrated substantial value, particularly in SE3 and SE4 during periods of congestion, reinforcing their role as a strategic addition to the revenue portfolio. Meanwhile, FCR-D was found to act primarily as a fallback option, utilized only when other markets’ volume or revenue thresholds could not be met.

Importantly, zones with richer market dynamics and volatility saw the highest uplift from optimized multi-market participation. The optimizer outperformed static single-market strategies by 31% in DK2 and 21% in SE4, validating the case for integrated, intelligent trading strategies.

Temporal analysis across hours of the day and days of the week further revealed correlations between EV charger availability and market price signals, with revenue peaks aligning with grid stress periods (even though available flexible charging capacity decreases during that period) and with available flexible capacity. In particular, weekday vs. weekend comparisons for aFRR and LFM participation highlighted nuanced trends, reinforcing the importance of temporal granularity in optimization models.

In addition, actual mFRR EAM (Energy Activation Market) activation data was used in the analysis, enabling arealistic assessment of charging disruption due to energy dispatch. The EAM activation analysis provides granular insights into the frequency and magnitude of disruptions per activation price, revealing important trends regarding revenue-maximizing strategies that minimize customer impact (i.e a halt in charging). For instance, DK1 and DK2 demonstrated the highest simulated revenues at the highest energy activation price point of 100 EUR, incurring a charging disruption rate of 12% and 7% for DK1 and DK2 respectively. This suggests a more lucrative and mature EAM revenue potential, particularly in DK1, which benefits from cross-border integration with Germany and the Central European market, where mFRR activations are more frequent and better compensated. In contrast, the Swedish zones (SE1–SE4) showed a markedly different behavior, with earlier (relative to increasing activation prices with increments of 5 EUR between 5 and 100 EUR) bid rejections and fewer high-price activations. In these zones, the highest revenues were achieved at lower activation price ranges between 35 and 50 EUR, beyond which revenues declined due to reduced activation rates. This pattern indicates a less mature but developing EAM market in Sweden, where optimization opportunities are growing but still constrained by market dynamics and activation frequency.

By combining technical feasibility, economic optimization, and behavioral insights from real-world activation data, this work shows how aggregated EV charging infrastructure can be systematically leveraged to support grid stability while unlocking new value streams. The optimizer framework helps aggregators, DSOs, and CPOs seeking to participate effectively in flexibility and frequency ancillary services markets, particularly as EU-wide market harmonization efforts like PICASSO and MARI continue to evolve. Ultimately, intelligent optimization stands as a crucial enabler for EVs to function not only as transport devices, but also as flexible, market-participating grid resources.

När Europa accelererar mot koldioxidneutralitet inom ramen för European Green Deal och Fit for 55-paketet framträder elfordon (EV) som en hörnsten i transportsektorns omställning. För att nå de ambitiösa utsläppsmålen förväntar sig EU tiotals miljoner elfordon på vägarna till år 2030, vilket kräver en snabb och omfattande utbyggnad av laddinfrastrukturen. Denna övergång erbjuder en väg mot en renare energiframtid men medför samtidigt tekniska och ekonomiska utmaningar för elnäten, såsom nätkapacitetsbrist och ökad efterfrågan. Med smart laddning och aggregerade optimeringsstrategier kan dock laddstationer gå från att vara passiva laster till att bli aktiva, intäktsgenererande resurser som deltar i el- och flexibilitetsmarknader samt avlastar nätet. Denna studie undersöker potentialen för intäktsoptimering genom flexibel elfordonsladdning via en specialbyggd optimeringsmodell i Python, utvecklad för att simulera realistiskt deltagande på fyra centrala marknader: mFRR, aFRR, FCR-D och lokala flexibilitetsmarknader (LFM). Med hjälp av historiska data från Danmark och Sverige fördelar optimeraren tillgänglig laddkapacitet mellan marknaderna med målet att maximera intäkterna, samtidigt som den beaktar operativa begränsningar såsom minsta budstorlek, marknadspriser och volymer, marknadsexklusivitet och deltagarregler, tillgänglighetsfönster samt logik för prioritetsallokering – utöver begränsningar kopplade till den faktiska tillgängliga laddkapaciteten. Resultaten visar att mFRR konsekvent överträffade de övriga marknaderna i alla zoner vad gäller normaliserade intäkter (EUR/MW), där DK2, SE3 och SE4 visade högst potential tack vare djupare och mer volatila marknadsstrukturer. LFM uppvisade också betydande värde, särskilt i SE3 och SE4 under perioder av nätkapacitetsbrist, vilket stärker dess roll som ett strategiskt komplement i intäktsportföljen. FCR-D fungerade däremot främst som en “fallback”-marknad, använd endast när övriga marknader inte kunde uppfylla volym- eller intäktskraven. Zoner med mer dynamiska och volatila marknader visade störst nytta av optimerad fler-marknadsstrategi. Optimeraren överträffade statiska enskilda marknadsstrategier med exempelvis 31 % högre intäkter i DK2 och 21 % i SE4, vilket understryker värdet av integrerad och intelligent marknadsoptimering. Tidsanalysen visade dessutom tydliga samband mellan laddtillgänglighet och prissignaler, där intäktoppar sammanföll med perioder av hög nätbelastning – även när den tillgängliga flexibla effekten samtidigt minskade. Skillnader mellan vardag och helg, särskilt för aFRR och LFM, visade på ytterligare trender som framhäver vikten av temporal granularitet i modellerna. Utöver detta användes faktisk aktiveringsdata från mFRR:s Energy Activation Market (EAM), vilket möjliggjorde en realistisk bedömning av laddavbrott kopplade till energileverans. Analysen visade viktiga mönster kring intäktsmaximering med minimerad påverkan på användarna. Till exempel gav DK1 och DK2 högst simulerade intäkter vid högsta aktiveringspriset (100 EUR), samtidigt som laddavbrotten hölls på 12 % respektive 7 %. Detta antyder en mer mogen och lukrativ EAM-marknad, särskilt i DK1 som gynnas av gränsöverskridande integration med Tyskland och Centraleuropa, där mFRR-aktiveringar är både vanligare och bättre kompenserade. De svenska zonerna (SE1–SE4) visade däremot tidigare budavvisningar och färre högprisaktiveringar, med toppintäkter i spannet 35–50 EUR. Därefter minskade intäkterna till följd av färre aktiveringar, vilket tyder på en ännu omogen men växande EAM-marknad. Genom att kombinera teknisk genomförbarhet, ekonomisk optimering och insikter från faktisk aktiveringsdata visar denna studie hur laddinfrastruktur kan utnyttjas systematiskt för att både stärka nätstabiliteten och generera nya intäktsströmmar. Optimeringsramverket är därmed ett värdefullt verktyg för aggregatorer, nätägare och laddoperatörer som vill delta effektivt i flexibilitets- och frekvensmarknaderna, särskilt i takt med EU:s harmoniseringsinitiativ såsom PICASSO och MARI. Intelligenta optimeringsstrategier framstår därmed som en nyckel för att elfordon inte enbart ska fungera som transportmedel, utan även som flexibla resurser i framtidens elsystem.