Erprobung von Algorithmen des maschinellen Lernens für das dezentrale intelligente Lademanagement an Unternehmensstandorten.

• Was ist das Problem? Reduktion der Lastspitzen und Leistungspreiskosten sowie Erfüllung von Anforderungen des Netzbetreibers. Insbesondere bei Kosten, Flexibilität und Komplexitätsbewältigung stoßen aktuelle Technologien an ihre Grenzen.
• Welche Probleme tauchen auf? Die Gleichzeitigkeit in Ladevorgängen führen zu hohen Kosten oder zu hoher Netzbelastung. Verfügbare Lösungen sind kostspielig oder ungeeignet, bzw. (wirtschaftlich) ineffizient. Dies führt im schlimmsten Fall zu hohen Kosten durch Ladevorgänge und Notwendigkeit der Erhöhung des Netzanschlusspunkt-Leistung.
• Was ist die perfekte Lösung des Problems für die Zielgruppe? Ein einfaches, selbstlernendes Lademanagement-System, zu niedrigen Beschaffungs- und Betriebskosten.
• Was genau ist die Lösung des K-ES Spotlights und wie wird das Problem gelöst? Entwicklung von Softwarelösungen für das intelligente dezentrale Lademanagement zur optimalen Ausnutzung der vorhandenen Flexibilität unter Berücksichtigung der lokalen Topologie. Alles basierend auf selbstlernenden Algorithmen.

Das Projekt ist interessant für:

Anbieter von Energie- und Lademanagementlösungen, Stadtwerke, Fuhrparkbetreiber, Betreiber von Ladeinfrastruktur

• Entwicklung von selbstlernenden Algorithmen für das intelligente Lademanagement an Unternehmensstandorten
• Entwicklung einer Cloud-basierten Softwarelösung, mit niedrigen Rechenleistungs-Anforderungen und Kosten
• Erprobung in einer realen Umgebung (Organisations-Standort)

• Deep Reinforcement Learning: Selbstlernende Algorithmen, die auf Basis von Informationen über die vorhandene Ladeinfrastruktur sowie Datenpunkten zu erfolgten Ladevorgängen selbstständig lernen i) Ladevorgänge zu optimieren und ii) Verschiebungen von Ladevorgängen durchzuführen

Smartrplace GmbH, https://smartrplace.com/

EFR GmbH, https://www.efr.de/

Bearbeitende beim Fraunhofer IEE

• Alexander Dreher
• Lisa Martmann
• Malte Lehna
• Ron Brandl
• Jan Dobschinski
• Jonas Koch
• Lukas Pauscher
• Sebastian Wende-von-Berg

Projektlaufzeit

Juni 2022

Alexander Dreher, M.Sc.