Mit KI zum intelligenten Lademanagement
Im Digitalisierungsprojekt mit der CUBOS Service GmbH wird untersucht, wie Künstliche Intelligenz das Lademanagement von E-Fahrzeugen optimieren kann.
Auf Basis anonymisierter Daten von rund 50.000 Ladevorgängen soll eine intelligente Steuerung entwickelt werden, die Ladezeiten und -mengen effizient plant. Ziel ist es, Lastspitzen zu vermeiden, den Eigenverbrauch zu optimieren und bestehende Lademanagementsysteme flexibler zu gestalten.
Kurz und kompakt – der Projektsteckbrief
Fehlentscheidungen bei der Lade-Priorisierung können dazu führen, dass unnötige Spitzenlasten entstehen und Strom hinzugekauft werden muss. Moderne Lademanagementsysteme besitzen bereits einen Regelkreis, der dabei unterstützt, die richtigen Entscheidungen zu Ladezeit und -menge treffen. Diesen Entscheidungen liegen jedoch fest definierte Regeln zugrunde. Solche Systeme können daher nicht nutzerabhängig und flexibel genug planen.
Das Ziel des Projekts ist die Entwicklung eines KI-basierten Prototypen, der anhand anonymisierter Daten von ca. 20.000 Ladevorgängen eine effiziente Planung von Ladezeiten und -mengen ermöglicht. Dadurch sollen Entscheidungen zum Start und Ende von Ladevorgängen verbessert, Lastspitzen vermieden und der Eigenverbrauch optimiert werden. Die Analyse zeigt, ob die Datenbasis hierfür ausreichend ist.
Im Rahmen des Projekts wird untersucht, ob anhand der Analyse der anonymisierten Ladevorgängen eine KI-gestützte Optimierung der Ladezeiten und -mengen realisierbar ist. Ziel ist es, eine datenbasierte Lösung zu entwickeln, die Entscheidungen zum Beginn und Ende von Ladezyklen unterstützt. Als erstes Teilziel werden die vorhandenen Daten gesichtet und geprüft.
Dabei wird die Art der Daten, die Parameterwahl und der Umfang analysiert, um eine optimale Ziel-Datenstruktur für maschinelles Lernen zu beschreiben. Darauf aufbauend werden im zweiten Teilziel Prognosemodelle für Energieerzeugung und -verbrauch entwickelt, die das historische Ladeverhalten berücksichtigen. Im dritten Teilziel erfolgt die Validierung dieser Modelle durch Tests mit Teildatensätzen, bei denen bereits menschliche Entscheidungen dokumentiert sind. Anschließend werden im vierten Teilziel die Prognosen bewertet, um ihre Eignung zur Lösung des multikriteriellen Planungsproblems zu prüfen und Verbesserungspotenziale zu identifizieren. Im fünften Teilziel wird schließlich ein Konzept entwickelt, wie die Modelle in ein Lademanagementsystem integriert werden könnten. Dabei kommen Methoden des maschinellen Lernens, Zeitreihenanalysen und KI-Frameworks zum Einsatz.
Was?
Datengrundlage
Wie lassen sich Ladezeiten und -mengen von E-Fahrzeugen effizient steuern? Im Rahmen unseres Projekts nutzen wir anonymisierte Daten aus 50.000 Ladevorgängen, um genau das herauszufinden!
Wie?
Datenvorverarbeitung
Bevor die Daten genutzt werden können, um intelligente Modelle für das Lademanagement zu entwickeln, müssen sie sorgfältig aufbereitet werden.
Warum
ist die Datenvorverarbeitung so wichtig?
Das Ziel dieser umfassenden Vorbereitungsprozesse ist es, eine stabile Grundlage zu schaffen, auf der neuronale Netze und Prognosemodelle effizient arbeiten können. Nur mit sauberen, vollständigen und konsistenten Daten können wir eine zukunftsfähige und nachhaltige Steuerung des Lademanagements realisieren.
Identifikation von Ausreißern: Extreme Werte können Analysen verzerren. Durch gezielte Erkennung und Bearbeitung dieser Ausreißer stellen wir sicher, dass die Ergebnisse nicht verfälscht werden.
Überprüfung auf Vollständigkeit: Fehlende Datenpunkte können zu Lücken in den Vorhersagen führen. Wir ergänzen oder entfernen diese, um die Konsistenz der Daten zu gewährleisten.
Datenbereinigung: Um sicherzustellen, dass die Daten von hoher Qualität sind, entfernen wir Rauschen und Inkonsistenzen, die die Modellgenauigkeit beeinträchtigen könnten.
Normierung und Skalierung: Damit die Daten miteinander vergleichbar sind, werden sie standardisiert, was eine genaue Analyse ermöglicht.
Die CUBOS Service GmbH plant und installiert maßgeschneiderte Photovoltaik- und Ladelösungen für Unternehmen, um Energiekosten zu senken und CO₂-Emissionen zu reduzieren. Dabei stehen innovative Ladelösungen im Fokus, die effizientes Laden von E-Fahrzeugen durch smarte Steuerung und Integration in Energiesysteme ermöglichen.
Das könnte Sie auch interessieren
Noch Fragen offen?
Unsere Projekte umfassen einen großen zeitlichen, organisatorischen und thematischen
Umfang. Erfragen Sie die Details einfach beim Projektverantwortlichen. Wir leiten Sie gerne weiter!
