E.ON und gridX entwickeln ein KI-basiertes Lastmanagement

Bild: E.ON Group Innovation GmbH

Intelligente dynamische Lastmanagementsysteme (DLM) regulieren die optimale Nutzung der vorhandenen Netzanschlusskapazität unter Berücksichtigung des Gesamtenergieverbrauchs. Die verfügbare Energie wird dynamisch zwischen den Ladepunkten für Elektrofahrzeuge aufgeteilt und beim Lademanagement berücksichtigt. Sinkt z.B. der Verbrauch im Gebäude, laden mehr E-Autos gleichzeitig oder mit höherer Ladeleistung. So werden die einzelnen Ladevorgänge ständig optimiert und die volle verfügbare Stromkapazität genutzt. Auf diese Weise werden zusätzliche Kosten für Lastspitzen und eine Überlastung des Netzanschlusses vermieden.

Gegenwärtig wird der Ladestrom nach bestimmten Regeln verteilt, wie z.B. ‚Wer zuerst kommt, mahlt zuerst‘, ‚VIP-Charging‘, wenn es doch einmal schneller gehen muss oder ‚fair share‘, um die vorhandene Energie gleichmäßig auf alle Fahrzeuge zu verteilen. Parkzeiten und die erforderlichen Energiemengen variieren allerdings je Verbraucher.

Um Kunden ein automatisiertes, gewohnheitsorientiertes Laden anbieten zu können, hat E.ON Innovation ein neues Pilotprojekt aufgesetzt, in dem die vorhandene DLM-Technologie mit einer künstlichen Intelligenz (KI) kombiniert wird. Pilotiert wird an einem E.ON-Bürostandort in Essen, an dem das System in Kooperation mit E.ON Digital Technology, der Universität Duisburg Essen (Lehrstuhl für Mechatronik) und gridX aufgesetzt wurde: Auf Basis historischer Ladedaten werden Energiemengen und Standzeiten der Fahrzeuge durch ein künstliches, neuronales Netz ermittelt. Das DLM-System bestimmt basierend auf diesen Daten die Priorisierung der Ladeprozesse aller angeschlossenen Fahrzeuge und stellt sicher, dass jedes E-Auto pünktlich zur Abfahrt geladen ist.

Mit dieser innovativen Technologie ist es nicht länger notwendig, dass die Kunden selbst Angaben zu Abfahrts- oder Standzeiten machen müssen. Die KI ermittelt diese Werte eigenständig, sobald das Fahrzeug an die Ladesäule angeschlossen wird. Dieser Automatismus des KI-basierten DLM ist ein wichtiger Vorteil gegenüber herkömmlichen Systemen, denn in der Vergangenheit hat sich immer wieder gezeigt, dass die Bereitschaft der Kunden zur manuellen Eingabe von Standzeiten sehr gering ist. Erste Testresultate zeigen, dass mit Hilfe des KI-basierten DLM bis zu 30 Prozent mehr Energie für das Laden von Elektrofahrzeugen zur Verfügung gestellt werden kann. Dadurch lässt sich die Anzahl der Ladepunkte an ei-nem Standort ohne Netzausbau nahezu verdoppeln. Weitere im Pilotprojekt gewonnene Erkenntnisse werden E.ON helfen die berechneten Prognosen kontinuierlich zu präzisieren.

Thematik: Technologie
E.ON Group Innovation GmbH

Das könnte Sie auch Interessieren

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.