TH Lübeck Logo
DeutschEnglishDansk
  • Startseite
  • Publikationen
    • Aktuelles aus dem Projekt
      • Archiv
      • Veranstaltungen
      • Publikationen
  • Das Projekt
    • Das Projekt carpeDIEM
      • Warum carpeDIEM
      • Dezentrales intelligentes Energiemanagement
      • Grenzüberschreitende Zusammenarbeit
    • Projektergebnisse
      • Summary
      • Cases
      • Local optimization
      • DIEM system
      • Intelligent charging
  • Partner + Netzwerk
    • Die Partner und das Netzwerk
      • Mads Clausen Institute (SDU)
      • WiE (THL)
      • Europa-Universität Flensburg
      • cbb Software GmbH
      • Netzwerkpartner
  • Kontakt
Projektergebnisse
  • Summary
  • Cases
  • Local optimization
  • DIEM system
  • Intelligent charging

Intelligente Ladeinfrastrukturen

Ein wachsender Anteil an elektrisch betriebenen Fahrzeugen benötigt eine geeigne­te, erschwingliche und zuverlässige Infrastruktur, zu der Ladestationen gehören. Die Herausforderung bei der Integration dieser Infrastruktur liegt in der wachsenden Last, besonders die Spitzenlast, die auf das bestehende Netz zu kommt. Wenn viele Elektro­mobile gleichzeitig geladen werden, muss das Versorgungsnetz groβe Spitzenlasten bewältigen. Diese Spitzenlasten können Überlastungen einiger Netzkomponenten, wie etwa Übertragungsleitungen und Transformatorstationen verursachen. Netz Spitzen­lasten entstehen dann, wenn am Abend die Leute von der Arbeit nach Hause kommen und Ihre Elektrofahrzeuge zum Laden anschlieβen oder aber, wenn kommerzielle Flot­ten am Abend geladen werden, nachdem sie über Tag unterwegs waren.

Werden Fahrzeuge geladen, wenn es einen Überschuss an erneuerbarer Energie gibt, er­höht das die Nutzung von erneuerbaren Energiequellen. Um den Transport von Energie zu reduzieren, sollten lokale Energiequellen bevorzugt werden. So kann ein Netzausbau oder eine Verstärkung reduziert werden.

Was macht die Technik intelligent ?

Das gleichzeitige Laden von elektrischen Fahrzeugen kann zu unerwünschten und nicht handhabbaren Spitzenlasten führen. Spitzenlasten können durch ausgeklügelte Last Management Algo­rithmen, basierend auf mathematischer Opti­mierung vermieden werden. Eine notwendi­ge Voraussetzung dafür sind aber bekannte An- und Abfahrtszei­ten. Glücklicherweise zeigt unsere vorläufige E-Flotten Datenana­lyse, dass das Laden von Flottenfahrzeugen durch maschinelles Lernen (ML) gelöst werden kann. Mit dem Wissen über wieder­kehrende zeitliche Abläufe ist es möglich Vorhersagen (Last über die Zeit) für zukünftige Zustände, sowie typis­che An- und Abfahrts­zeiten vorherzusagen. Es ist wichtig zu erwäh­nen, dass maschinelles Lernen weiter nützliche Informationen liefert, wie etwa den Fahr­zeugtyp, das optimale Ladeprofil und der Prozentanteil der vorhandenen erneuer­baren Energie über die Zeit. Maschinen Lern Algorithmen haben zwei Phasen gemei­nsam: in einer Trai­ningsphase wird der Algorithmus mit Daten gefüttert. Danach geht das System über in eine Test-Phase oder Vorhersage Phase, wo auf der Basis der “ gelernten” Daten Entscheidungen oder Vorhersagen automa­tisch getroffen werden (vgl. Abb.). Die Testdaten dienen der Evaluierung der getrof­fenen Vorhersagen.

Nutzen sie unsere online Siumulation für ihre eigenen Tests: Smart EV fleet charging.

Folgende Grafik oben: Vorläufige Datenanalyse: “Typische” mittlerer Energieverbrauch am Tag (orange Linie) basierend auf stündlichen Messungen verteilt auf das Jahr 2018. „Violin-“ Graphen veranschaulichen die statistischen Energieverbrauchsdaten für jede Stunde des Tages. Typische Lastspitzen wiederho­len sich um 12 Uhr mittags, 1 Uhr nachmittags und um 11 Uhr abends. Unten: Vorläufige Resultate zeigen, das sich die wiederholenden zeitlichen Muster des Energieverbrauchs mit Hilfe eines Kalman Filters vorhersagen lassen. Die Daten basieren auf Messungen von elektronischen Ladedaten, wie sie auf Samsø gemessen wurden.

Abgesehen von der richtigen Wahl der Maschinen Lern Algorithmen hängt die Zuverlässigkeit der Vorhersagen sehr von den zur Verfügung stehenden Daten ab. Um genaue Vorhersagen bezüglich der An- und Abfahrt machen zu können, planen wir die Sammlung von einer sehr groβen Anzahl Daten von Ladestationen, die an das Netzt angeschlossen sind. Verschiedene neuro­nale Netzwerke können darauf trainiert werden Saisonale Muster und tägliche Muster zu berücksichtigen.

Informationen

  • Kontaktformular
  • Impressum
  • Datenschutz
  • Interreg

Quicklinks

  • Archiv
  • Das Projekt
  • Partner + Netzwerk
  • Publikationen


© 2023 Carpediem | Gestaltung und Umsetzung: PARROT MEDIA Werbeagentur Lübeck
Cookie-Einstellungen
X
Cookie-Einstellungen

Wir nutzen Cookies auf unserer Website. Einige von ihnen sind technisch notwendig, während andere uns helfen, diese Website zu verbessern oder zusätzliche Funktionalitäten zur Verfügung zu stellen.

Alle zulassen und bestätigen

Nur notwendige Cookies akzeptieren

Individuelle Cookie Einstellungen

Datenschutzerklärung Impressum

X
Datenschutzeinstellungen

Hier finden Sie eine Übersicht über alle verwendeten Cookies. Sie können Ihre Zustimmung zu ganzen Kategorien geben oder sich weitere Informationen anzeigen lassen und so nur bestimmte Cookies auswählen.

Notwendige Cookies

Diese Cookies ermöglichen grundlegende Funktionen und sind für die einwandfreie Funktion der Website erforderlich.

Cookie Informationen anzeigen

Cookie Informationen verbergen

Cookie Management

Speichert Ihre Einwilligung zur Verwendung von Cookies und enthält die gewählten Tracking-Optin-Einstellungen.

Anbieter:th-luebeck.de
Cookiename:waconcookiemanagement
Laufzeit:1 Jahr

FE user

Dieses Cookie ist ein Standard-Session-Cookie von TYPO3. Es speichert im Falle eines Benutzer-Logins die Session-ID. So kann der angemeldete Benutzer wiedererkannt werden und es wird ihm Zugang zu geschützten Bereichen gewährt.

Anbieter:th-luebeck.de
Cookiename:fe_typo_user
Laufzeit:Session
Cookies für Statistiken

Statistik Cookies erfassen Informationen anonym. Diese Informationen helfen uns zu verstehen, wie unsere Besucher unsere Website nutzen.

Cookie Informationen anzeigen

Cookie Informationen verbergen

Matomo Analytics

Diese Cookies werden von Matomo Analytics installiert. Diese Cookies werden verwendet, um Besucher-, Sitzungs- und Kampagnendaten zu berechnen und die Nutzung der Website für den Analysebericht der Website zu verfolgen. Die Cookies speichern Informationen anonym und weisen eine randomly generierte Nummer zu, um eindeutige Besucher zu identifizieren.

Anbieter:th-luebeck.de
Cookiename:_pk_id, _pk_ses
Laufzeit:_pk_id (13 Monate), _pk_ses (30 Minuten)
Cookies für Externe Inhalte

Inhalte von Videoplattformen und Social Media Plattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Cookie Informationen anzeigen

Cookie Informationen verbergen

OpenStreetMap

Damit die Karten von OpenStreetMap auf einer Website angezeigt werden können, wird die IP-Adresse des Users auf einem Server von OpenStreetMap gespeichert sowie ein Cookie gesetzt.

Anbieter:openstreetmap.org

YouTube Videos

Eine direkte Verbindung zu den Servern von YouTube wird erst hergestellt, wenn Sie die Videos selbstständig aktivieren (Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO). Nach der Aktivierung wird YouTube Ihre IP-Adresse speichern. Mit dem Laden der Videos akzeptieren Sie die Datenschutzerklärung von Google.

Anbieter:YouTube / Google LLC
Datenschutzlink:https://policies.google.com/privacy?hl=de

Google Maps

Eine direkte Verbindung zu den Servern von Google wird erst hergestellt, wenn Sie Google Maps selbstständig aktivieren (Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO). Nach der Aktivierung wird Google Maps Ihre IP-Adresse speichern. Mit dem Laden der Karte akzeptieren Sie die Datenschutzerklärung von Google.

Anbieter:Google LLC
Datenschutzlink:https://policies.google.com/privacy?hl=de

SoundCloud

Eine direkte Verbindung zu den Servern von SoundCloud wird erst hergestellt, wenn Sie die Elemente selbstständig aktivieren (Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO). Nach der Aktivierung wird SoundCloud Ihre IP-Adresse speichern. Mit dem Laden akzeptieren Sie die Datenschutzerklärung von SoundCloud.

Anbieter:SoundCloud Limited
Datenschutzlink:https://soundcloud.com/pages/privacy

Google Calendar

Eine direkte Verbindung zu den Servern von Google wird erst hergestellt, wenn Sie Google Calendar selbstständig aktivieren (Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO). Nach der Aktivierung wird Google Calendar Ihre IP-Adresse speichern. Mit dem Laden des Kalenders akzeptieren Sie die Datenschutzerklärung von Google.

Anbieter:Google LLC
Datenschutzlink:https://policies.google.com/privacy?hl=de
Host:google.com

Speichern

ZurückNur notwendige Cookies akzeptieren

Datenschutzerklärung Impressum