SALM – Selbst-Adaptives Lademanagement für Ladeinfrastruktur

Projekt

Entwicklung eines selbstadaptiven Managementsystems für das Laden von E-Fahrzeugen unter Einsatz von künstlicher Intelligenz.

In dem Projekt wird ein selbstadaptives Managementsystem für das Laden von E-Fahrzeugen entwickelt. Für die einzelnen Fahrzeuge wird der Energiebedarf und die zulässige Ladedauer analysiert, damit kann der Einsatz der vorhandenen Ladeinfrastruktur optimiert werden. Dieser Regelvorgang wird durch künstliche Intelligenz (KI) unterstützt.

Ein wesentliches Merkmal des Projektes ist, dass Qualitätsziele individuell auf die Bedürfnisse des einzelnen Betreibers definiert werden können. Ein typisches Qualitätsziel ist beispielsweise die Anzahl der Fahrzeuge die vollständig geladen wurden. Durch die Bewertung jedes Ladevorganges, ist es für den Betreiber möglich die Ladeleistung quantitativ zu beurteilen und faktenbasierte Entscheidungen über einen weiteren Ausbau der Ladeinfrastruktur zu treffen.

Ziele

Ziel ist 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 die Regeleinheit mit welcher Ladeleistung 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.

© Flavia IT

Die Rolle des House of Energy im Projekt

Im Rahmen eines Unterauftrags unterstützt das House of Energy das Projektteam in der Sicherstellung des Anwendungsbezugs durch die Organisation eines internen wissenschaftlich-technischen Projektbeirats, durch Öffentlichkeitsarbeit sowie der Erstellung einer Ergebnisbroschüre.

Gefördert durch

Kontakt

Dr. Dorothee Walther

Projekte

Downloads