Prognosen der Ladeleistung von Elektroautos für den Betrieb von Verteilnetzen auf Basis von Fahrzeugdaten mithilfe Künstlicher Intelligenz
Die Elektromobilität erfährt derzeit ein starkes Wachstum und führt zu hohen Leistungsbedarfen insbesondere in den Verteilnetzen. Dabei verfügen die Verteilnetzbetreiber jedoch kaum über Informationen wann und mit welcher Intensität Elektroautos Strom aus dem Netz beziehen, da Wallboxen und Ladestationen kaum mit intelligenten Messystemen ausgestattet sind. Fahrzeugdaten, die die Fahrzeughersteller von ihren Flotten beziehen, wie beispielsweise die aktuelle Ladeleistung, der Füllstand der Batterien und ähnliches, können diese Lücke schließen.
Bearbeitende im Projekt:
Dominik Jost, Dominik Beinert, Jonas Koch, Garret Good, Daniel Horst, Sebastian Wende-von-Berg
Das Projekt ist interessant für:
Netzbetreiber, Stadtwerke
Ziele
Im Projekt soll der Proof-of-Concept erbracht werden, dass Fahrzeugdaten genutzt werden können, um die Ladeleistung von Elektroautos für die nächsten Stunden und Tage zu prognostizieren zur Optimierung des Betriebs der Verteilnetze.
Methoden
Für die Prognose werden verschiedene State-of-the-Art Machine-Learning-Methoden (z.B. GAN, pix2pci, Kombinationen von CNN und LSTM) getestet. Gleichzeitig wird untersucht ob zusätzliche GIS-Informationen (Ladesäulenstandorte, Straßenverläufe, Verkehrsflusszahlen) einen Mehrwert für die Prognosegüte liefern oder zur Verknüpfung der Prognosen zum Verteilnetz beitragen können. Zudem erfolgt eine Bewertung der Nutzbarkeit der erzeugten Prognosen für den Netzbetrieb.
Projektpartner
Mercedes-Benz AG
Die Mercedes Benz AG entwickelt innovative Produkte und Dienstleistungen basierend auf den Daten der Mercede-Benz Hybrid- und Elektrofahrzeug-Flotte.
Ansprechpartner: Carsten Kaefert, carsten.kaefert@marcedes-benz.de
Projektlaufzeit
Juni 2022 – Dezember 2022
Dominik Jost
Produktmanager
Fraunhofer IEE
+49 (0) 561 7294-467
