Künstliche Intelligenz optimiert den Betrieb von Ladeinfrastruktur

Der Einzug der Elektromobilität und der dafür benötigten Ladeinfrastruktur wurde bis heute von Jahr zu Jahr eindeutiger. Mit zunehmender Investitionsbereitschaft wächst jedoch auch die Erwartung, ein nachhaltiges Geschäftsmodell zu betreiben. Dabei spielen die Minimierung von Betriebskosten und die Steigerung von Verfügbarkeit der Ladestationen wichtige Rollen. Ein Gastbeitrag von Stefan Herr, Evercharge (E.ON Group Innovation GmbH).

***

Die Zeiten, in denen Ladestationen als innovative Schaufensterprojekte präsentiert wurden, liegen hinter uns. Alleine in öffentliche Ladeinfrastruktur, ohne Aufwände für den Ausbau des Stromnetzes, sollen laut McKinsey bis 2030 rund 40 Mrd. € fließen. Bereits aktuell errichtete Charging Hubs sind zumeist mit über 20 Schnellladepunkten ausgestattet und zeigen eindeutig den Trend sowie die Erwartungshaltung der Betreiber auf. Die Betriebszeiten von Ladestationen müssen maximal sein, um Servicekosten zu vermeiden, Rentabilität zu erhöhen und Kundenzufriedenheit sicher zu stellen.

Allerdings erhöhen sich durch die steigende Anzahl der Ladepunkte gleichzeitig Datenmenge, Störungen und damit auch Aufwände für Operations-Teams.

Da heutige IT-Systeme (IT-Backend) in der Elektromobilität ein breites Aufgabenspektrum, von Konfiguration über Roaming, bis hin zur Abrechnung von Nutzern, abdecken müssen, wünschen sich viele Betreiber ein geeignetes Tool, um aktuelle Herausforderungen effizienter zu lösen und die weitere Skalierung zu ermöglichen.

Mit künstlicher Intelligenz können manuelle Handgriffe übersprungen werden.

Vergleichbar zu anderen Industriebereichen kann künstliche Intelligenz seine Vorteile dann ausspielen, wenn große Datenmengen analysiert und interpretiert werden sollen. Im Idealfall werden Zusammenhänge hergestellt, die bisher nur auf Erfahrungswerten einzelner Mitarbeiter beruhen. Mit dem eindeutigen Vorteil, dass vernetzt dazu gelernt wird und zu jeder Tageszeit Maßnahmen abgeleitet werden können.

Predictive Maintenance, ein aus dem Betrieb von Anlagen geprägter Begriff, geht einen Schritt weiter. Dieser beschreibt, dass Anlagen vorausschauend betrieben werden, um Störungen zu antizipieren oder Serviceeinsätze präventiv durchzuführen.

Evercharge ist die erste Software, die gezielt zur Optimierung von Ladestationsbetrieb entwickelt wurde.

Aktuelle IT-Backend-Systeme werden für die Konfiguration und Abrechnung von Ladepunkten in den kommenden Jahren als Fundament für einen digitalen Betrieb der Standard bleiben, jedoch für bestimmte Aufgaben oder Anwender zielgerichtet durch Add-ons (z.B. Lastmanagement, Maintenance etc.) ergänzt.

An dieser Stelle kommt die neu erschienene Software Evercharge zum Einsatz. Operations-Teams können damit Muster leichter erkennen, Bewertungen von Betriebszuständen anhand einfacher Indikatoren ablesen, Handlungsempfehlungen erhalten oder bestimmte manuelle Schritte automatisieren lassen.

Hierzu wertet Evercharge im IT-Backend ankommende OCPP-Kommunikation aus und liefert einfache und übersichtliche Indikatoren. Besonders hilfreich sind dabei das Charging Model und der Health Index. Das Charging Model ist ein Machine Learning Algorithmus, welcher durch die Analyse der Ladedaten fehlerhafte Muster im Ladeverhalten erkennt. So können Fehler wie bspw. aufgrund von Vandalismus oder das plötzliche Meiden von Ladepunkten durch den Nutzer erkannt werden, bei denen die Ladestation technisch im IT-Backend keinen Fehler melden würde. Der Health Index geht unter Verwendung eines künstlichen neuralen Netzes noch einen Schritt weiter. Dabei werden alle verfügbaren Daten und Parameter einer Ladestation einbezogen (wie bspw. Störungsmeldungen, Konnektivität etc.), um den Health Index zu berechnen und drohende Ausfälle zu erkennen.

Falls dennoch Störungen eintreten, ist eine schnelle und effiziente Analyse und das Einleiten von Maßnahmen entscheidend. Deshalb stellt Evercharge Zusammenhänge über längere Zeiträume dar, veranschaulicht Ladekurven oder gibt an, ob es weitere Ladestationen in der Nähe gibt, die eventuell ähnliche Störungen aufweisen.

Der letzte Schritt in der Optimierung des Ladeinfrastrukturbetriebs ist die Automatisierung. Zum einen können bestimmte Störungsbilder anhand von individuellen Modellprofilen mit Maßnahmen, wie einem Neustart, verknüpft werden, zum anderen können Störungstickets automatisiert in Ticketing-Management-Systeme übergeben werden, damit vor Ort Servicekräfte umgehend handeln können.

Bereits an mehr als 10.000 Ladepunkten getestet. Über 80 % der Störungen im Voraus erkennbar.

Oft bringt erst ein praxisbezogener Einsatz von künstlicher Intelligenz den sogenannten „Proof-of-concept“. Aus diesem Grund wurde die mit Erfahrungen aus der Energiewirtschaft entwickelte Technologie auf der Evercharge aufgebaut ist, mit historischen Daten aus über 10.000 Ladepunkten versorgt und trainiert. Dies ermöglichte der Software bereits vor offiziellem Marktstart ein hohes Erfahrungslevel zu erreichen und sich im täglichen Betrieb nutzen zu lassen.

Da die Software mit jeder OCPP-fähigen Ladestation und jedem IT-Backend kombinierbar ist, hilft sie jeglichen Ladenetzwerken die Verfügbarkeit zu steigern und Kosten zu senken. Aus diesem Grund wurde vor kurzem aus dem Innovationsprojekt ein marktfähiges Produkt, welches unabhängig vom E.ON-Konzern als Dashboard oder API erhältlich ist.

Bei diesem Beitrag handelt es sich um ein Advertorial. Für die Inhalte ist allein der Auftraggeber verantwortlich. Sie haben Interesse an dieser Werbeform? Dann sprechen Sie uns via werbung@electrive.net gerne an!