E&M exklusiv Newsletter:
E&M gratis testen:
Energie & Management > Elektrofahrzeuge - Mit intelligentem Laden die Netze entlasten
Bild: Fotolia/JiSIGN
Elektrofahrzeuge

Mit intelligentem Laden die Netze entlasten

Das Projekt "SALM" von Universität Kassel und House of Energy zielt auf Lademanagement mit künstlicher Intelligenz für mehr E-Mobilität ab.
Gemeinsam mit seinen Mitgliedern Flavia IT und der Universität Kassel arbeitet das House of Energy am neuen Projekt Salm (Selbst-Adaptives Lademanagement für Ladeinfrastruktur). Das vom Bundesforschungsministerium geförderte Vorhaben entwickelt ein selbstadaptives Managementsystem für das Laden von E-Fahrzeugen.

Dazu analysiert es Energiebedarf und zulässige Ladedauer für die einzelnen Fahrzeuge und optimiert dann den Einsatz der vorhandenen Ladeinfrastruktur. Dieser Regelvorgang wird durch KI unterstützt. Ausgangspunkt im Projekt Salm ist die erwartete Zunahme an Elektrofahrzeugen und damit der Ausbau der Ladestationen in bestehenden Netzen, wie es in einer Mitteilung der Projektpartner heißt. Dies erfordere nicht nur die Bereitstellung elektrischer Energie, die Errichtung von Ladesäulen aller Art und die Weiterentwicklung von Elektrofahrzeugen, sondern es bedeute auch, dass die Netzinfrastruktur verbessert werden muss.

Die E-Mobilität stelle mit ihrem schwankenden Ladeverhalten und ihren hohen elektrischen Leistungen neue Anforderungen. Während manche Fahrer ihr Auto schnell und mit hoher Leistung laden wollen, haben andere mehr Zeit, benötigten dafür aber zum Beispiel mehr Energie für eine längere Strecke. Hier setze Salm an. Ziel sei es, durch Einsatz künstlicher Intelligenz die einzelnen Ladevorgänge so zu regeln, dass das Gesamtsystem bestehend aus Netz, Ladesäulen und Elektrofahrzeugen intelligent betrieben wird.

Im Kern bestimmt eine Regeleinheit, mit welcher Leistung die Batterien der einzelnen Fahrzeuge am besten geladen werden. Dazu wird ein Digitaler Zwilling erstellt, der das Verhalten der Ladestationen nachbildet und es ermöglicht, diesen Regelvorgang zu optimieren. Im Ergebnis wird ein adaptiv lernendes System nach dem LCS-Prinzip (Learning Classifier Systems) entwickelt. Dieses kann sich weitgehend autonom an neue Situationen anpassen und gezielt gesammeltes Wissen über die Ladeverläufe an realen Ladestationen mit wählbaren Zielparametern kombinieren.

Prof. Bernhard Sick, Leiter des Fachgebiets Intelligente Eingebettete Systeme an der Universität Kassel: „Im Projekt Salm werden reale Situationen simuliert, um so effektiv und effizient die Optimierung von Ladestrategien zu untersuchen. Die Ladeinfrastruktur mit künstlicher Intelligenz zu optimieren, ist ein wichtiger Beitrag hin zu klimaschonender Mobilität.“

Ein wesentliches Merkmal von Salm sei es, dass die Qualitätsziele individuell mit Blick auf die Bedürfnisse des einzelnen Nutzers festgelegt werden können. Die Bewertung jedes einzelnen Ladevorgangs ermögliche es dem Betreiber zu beurteilen, ob mehr Ladestationen erforderlich sind und welche Anforderung an das versorgende elektrische Netz gestellt werden.

Im Zuge des Projekts soll eine vorhandene Software weiterentwickelt und erweitert werden. Darauf aufbauend wollen die Projektpartner die Vorteile einer Selbstoptimierung durch den Einsatz von KI erforschen.

 


Montag, 28.06.2021, 16:39 Uhr
Günter Drewnitzky
Energie & Management > Elektrofahrzeuge - Mit intelligentem Laden die Netze entlasten
Bild: Fotolia/JiSIGN
Elektrofahrzeuge
Mit intelligentem Laden die Netze entlasten
Das Projekt "SALM" von Universität Kassel und House of Energy zielt auf Lademanagement mit künstlicher Intelligenz für mehr E-Mobilität ab.
Gemeinsam mit seinen Mitgliedern Flavia IT und der Universität Kassel arbeitet das House of Energy am neuen Projekt Salm (Selbst-Adaptives Lademanagement für Ladeinfrastruktur). Das vom Bundesforschungsministerium geförderte Vorhaben entwickelt ein selbstadaptives Managementsystem für das Laden von E-Fahrzeugen.

Dazu analysiert es Energiebedarf und zulässige Ladedauer für die einzelnen Fahrzeuge und optimiert dann den Einsatz der vorhandenen Ladeinfrastruktur. Dieser Regelvorgang wird durch KI unterstützt. Ausgangspunkt im Projekt Salm ist die erwartete Zunahme an Elektrofahrzeugen und damit der Ausbau der Ladestationen in bestehenden Netzen, wie es in einer Mitteilung der Projektpartner heißt. Dies erfordere nicht nur die Bereitstellung elektrischer Energie, die Errichtung von Ladesäulen aller Art und die Weiterentwicklung von Elektrofahrzeugen, sondern es bedeute auch, dass die Netzinfrastruktur verbessert werden muss.

Die E-Mobilität stelle mit ihrem schwankenden Ladeverhalten und ihren hohen elektrischen Leistungen neue Anforderungen. Während manche Fahrer ihr Auto schnell und mit hoher Leistung laden wollen, haben andere mehr Zeit, benötigten dafür aber zum Beispiel mehr Energie für eine längere Strecke. Hier setze Salm an. Ziel sei es, durch Einsatz künstlicher Intelligenz die einzelnen Ladevorgänge so zu regeln, dass das Gesamtsystem bestehend aus Netz, Ladesäulen und Elektrofahrzeugen intelligent betrieben wird.

Im Kern bestimmt eine Regeleinheit, mit welcher Leistung die Batterien der einzelnen Fahrzeuge am besten geladen werden. Dazu wird ein Digitaler Zwilling erstellt, der das Verhalten der Ladestationen nachbildet und es ermöglicht, diesen Regelvorgang zu optimieren. Im Ergebnis wird ein adaptiv lernendes System nach dem LCS-Prinzip (Learning Classifier Systems) entwickelt. Dieses kann sich weitgehend autonom an neue Situationen anpassen und gezielt gesammeltes Wissen über die Ladeverläufe an realen Ladestationen mit wählbaren Zielparametern kombinieren.

Prof. Bernhard Sick, Leiter des Fachgebiets Intelligente Eingebettete Systeme an der Universität Kassel: „Im Projekt Salm werden reale Situationen simuliert, um so effektiv und effizient die Optimierung von Ladestrategien zu untersuchen. Die Ladeinfrastruktur mit künstlicher Intelligenz zu optimieren, ist ein wichtiger Beitrag hin zu klimaschonender Mobilität.“

Ein wesentliches Merkmal von Salm sei es, dass die Qualitätsziele individuell mit Blick auf die Bedürfnisse des einzelnen Nutzers festgelegt werden können. Die Bewertung jedes einzelnen Ladevorgangs ermögliche es dem Betreiber zu beurteilen, ob mehr Ladestationen erforderlich sind und welche Anforderung an das versorgende elektrische Netz gestellt werden.

Im Zuge des Projekts soll eine vorhandene Software weiterentwickelt und erweitert werden. Darauf aufbauend wollen die Projektpartner die Vorteile einer Selbstoptimierung durch den Einsatz von KI erforschen.

 


Montag, 28.06.2021, 16:39 Uhr
Günter Drewnitzky

Haben Sie Interesse an Content oder Mehrfachzugängen für Ihr Unternehmen?

Sprechen Sie uns an, wenn Sie Fragen zur Nutzung von E&M-Inhalten oder den verschiedenen Abonnement-Paketen haben.
Das E&M-Vertriebsteam freut sich unter Tel. 08152 / 93 11-77 oder unter vertrieb@energie-und-management.de über Ihre Anfrage.