08.06.2020 • Energie

Elektroautos mit künstlicher Intelligenz optimal laden

Das Ziel: Überlastungen von Verteilernetzen beim Laden von E-Autos vermeiden.

Im angewandten Forschungsprojekt KI-LAN untersucht eine Gruppe von Projekt­partnern unter Führung des Instituts für Arbeits­wissen­schaft und Technologie­management der Universität Stuttgart, wie sich Elektro­autos ideal laden lassen. Ziel ist es, ein intelli­gentes Lade­manage­ment­system auf Basis von KI zu entwickeln und Wissen über den nachhaltigen Betrieb in Park­situa­tionen mit hoher Anzahl an modularen Lade­punkten zu erarbeiten.

Abb.: Ladung eines Elektro-Fahrzeugs. (Bild: Wiley-VCH, S. Wiktorowicz)
Abb.: Ladung eines Elektro-Fahrzeugs. (Bild: Wiley-VCH, S. Wiktorowicz)

Mit einem zunehmenden Umstieg auf elektrisch angetriebene Fahrzeuge stellen sowohl der Ausbau von aus­reichender Lade­infra­struktur als auch die poten­ziellen Netz­über­lastungen bei zeit­gleichen Lade­vorgängen große Heraus­forderungen dar. Wie gelingt es den Lade­bedarf von unter­schied­lichen Elektro­fahrzeug­nutzern zufrieden­stellend zu decken? Und wie muss eine Lade­infra­struktur ausge­stattet sein, sodass ein Netz­betreiber im Falle von Netz­eng­pässen das lokale Lade­manage­ment steuern kann? An diese und weitere Fragen knüpft das Verbund­projekt KI-LAN an. Das Akronym steht für „Künst­liche Intelli­genz–basiertes netz­dien­liches Lade­manage­ment beim Parken unter verschiedenen Nutzungss­zenarien“.

Dabei werden zwei Nutzungs­szenarien für Lade­stationen untersucht: Im ersten Szenario steht das Parken im urbanen Raum während der Arbeits­zeit und bei Veranstal­tungen im Fokus, im zweiten Szenario wird das Parken während der Arbeits­zeit im länd­lichen Raum in den Blick genommen. Hierfür stellen das Wizemann-Areal in Stuttgart und die Marquardt GmbH in Rietheim-Weilheim im Projekt­kontext aufzu­bauende Lade­stationen auf ihren Park­flächen zur Verfügung.

Im Rahmen von KI-LAN wollen die Projekt­teil­nehmer ein prognose­basiertes Lade­manage­ment­system sowie Algorithmen entwickeln, die Lade­vorgänge intelligent steuern. Mithilfe künstlicher Intelligenz wird ermittelt, welche Leistung am Standort zum Laden der Fahrzeuge zur Verfügung steht. Die Umfänge und Kosten des Ausbaus der zugehörigen Netz- und Lade­infra­struktur können somit verringert und der Netz­anschluss optimal ausge­nutzt werden.

„Indem wir eine Intelligenz im Lade­vorgang hinter­legen, schaffen wir es, Lade­infra­struktur auszu­bauen, ohne das Stromnetz auszu­bauen. Je mehr Infra­struktur vorhanden ist, desto mehr Elektro­autos werden sich bald auf den Straßen befinden. Das befördert natürlich auch die Akzeptanz der Elektro­mobilität in der Gesell­schaft und kann die Elektro­mobilität auch als massen­taug­liches Nach­haltigkeits­konzept etablieren“, sagt Projekt­leiter Marc Schmidt von der Uni Stuttgart. Das IAT hat im Projekt als Konsortial­leiter haupt­sächlich die technische Konzeption des Gesamt­systems sowie der Nutzungs­szenarien und die Entwicklung einer zentralen Lade­infra­struktur-Manage­ment-Platt­form in der Hand, welche die prognose­basierte Steuerung der Lade­infra­struktur umsetzt.

„Die Plattform integriert dabei die Anforde­rungen des Verteil­netz­betreibers und berück­sichtigt in der prognose­basierten Steuerung die Bedürf­nisse der Nutzerinnen und Nutzer, erst dadurch kann man wirklich von einer zielführenden KI sprechen“, ergänzt Daniel Stetter vom Fraun­hofer-Institut für Arbeits­wirt­schaft und Organi­sation. Dadurch kann die vorhandene Infra­struktur optimal genutzt und zusätzliche Investi­tionen in die Infra­struktur vermieden werden. Die erarbeiteten Lösungen sollen auf weitere Anwendungs­fälle und Geschäfts­modelle über­tragbar sein.

Fh.-IAO / RK

Weitere Infos

Sonderhefte

Physics' Best und Best of
Sonderausgaben

Physics' Best und Best of

Die Sonder­ausgaben präsentieren kompakt und übersichtlich neue Produkt­informationen und ihre Anwendungen und bieten für Nutzer wie Unternehmen ein zusätzliches Forum.

Weiterbildung

Weiterbildungen im Bereich Quantentechnologie
TUM INSTITUTE FOR LIFELONG LEARNING

Weiterbildungen im Bereich Quantentechnologie

Vom eintägigen Überblickskurs bis hin zum Deep Dive in die Technologie: für Fach- & Führungskräfte unterschiedlichster Branchen.

Meist gelesen

Themen