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

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige