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

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

Ziele

Ziel war 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 bestimmte die Regeleinheit mit welcher Ladeleistung die Batterien der einzelnen Fahrzeuge am besten geladen werden. Dazu wurrde ein „Digitaler Zwilling“ erstellt, der das Verhalten der Ladestationen nachbildet und es ermöglicht diesen Regelvorgang zu optimieren.

Die Rolle des House of Energy im Projekt

Im Rahmen eines Unterauftrags unterstützte 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.