TH Lübeck Logo
DeutschEnglishDansk
  • Home
  • Publikationer
    • Nyheder
      • Arkiver
      • Events
      • Publikationer
  • Projektet
    • Projektet carpeDIEM
      • Hvorfor carpeDIEM
      • Fordelt energieforvaltning
      • Grænseoverskridende samarbejde
    • Projekt resultater
      • Summary
      • Cases
      • Local optimization
      • DIEM system
      • Intelligent charging
  • Partnere + netværk
    • Projektpartner
      • Mads Clausen Institute (SDU)
      • WiE (THL)
      • Europa-Universität Flensburg
      • cbb Software GmbH
      • Netværkspartnere
  • Kontakt
Projekt resultater
  • Summary
  • Cases
  • Local optimization
  • DIEM system
  • Intelligent charging

Intelligente ladeinfrastrukturer

En stigende andel eldrevne køretøjer kræver en passende og pålidelig infrastruktur, der er til at betale – og dette omfatter ladestationer. Udfordringen i forbindelse med integra­tionen af denne infrastruktur er den stigende belastning, navnlig spidsbelastningen, på det eksisterende net. Forsyningsnettet skal kunne håndtere høje spidsbelastninger, når der skal lades mange elbiler op på samme tid. Spidsbelastningerne kan føre til overbe­lastning af nogle netkomponenter, herunder transmissionsledninger og transformator­stationer. Der opstår spidsbelastninger på nettet, når folk kommer hjem fra arbejdet om aftenen og tilslutter deres elbiler for at få dem ladet op, eller når erhvervsvognparkerne lades op om aftenen, efter at de har været undervejs i løbet af dagen.

Hvis bilerne lades op på tidspunkter, hvor der er et overskud af vedvarende energi, øger det anvendelsen af vedvarende energikilder. De lokale energikilder bør foretrækkes for at nedbringe energitransporten. Dette kan reducere en netudvidelse eller en styrkelse.

Hvad gør teknikken intelligent?

En opladning af elbi­ler på samme tid kan resultere i uønskede spidsbelastninger, der ikke er til at håndtere. Det er muligt at undgå spidsbelastninger ved hjælp af avancerede algoritmer til belast­ningsstyring, der baserer på matematisk optimering. En nødven­dig forudsætning herfor er dog, at ankomst- og afgangstiderne er kendte. Heldigvis viser vores foreløbige data­analyse af elvognpar­ken, at opladningen af vognparkens biler kan løses gennem maskin­indlæring (ML). Når det er kendt, hvordan det tidsmæssige forløb er, er det muligt at forud­sige belastningen over tid for de kommende tilstande og at forudsi­ge de typiske ankomst-og afgangstider. Det er vigtigt at nævne, at maskinindlæring også giver adgang til nyttig information, herunder om køretøjstypen, den optimale ladeprofil og den procentuelle andel af eksisterende vedvarende energi over tid. Maskinind­læringsalgoritmer har to faser til fælles: I træningsfasen indlæses der data i algoritmen. Derefter går systemet videre til en testfase eller forudsigelsesfase, hvor der på baggrund af de ”indlærte” data automatisk bliver truffet afgørelser eller afsagt forudsigelser (se figur). Testdataene anvendes til evaluering af de afsagte

Prøv selv vores online tool: Smart EV fleet charging.

Øverste graph: Foreløbig dataanalyse. ”Typisk” gennemsnitligt energiforbrug om dagen (orange linje) baseret på målinger hver time hen over året 2018. ”Violin”-grafer viser de statistiske energiforbrugs­data for hver time i løbet af et døgn. De typiske belastningstoppe gentages kl. 12, kl. 13 og kl. 23. Nederst: De foreløbige resultater viser, at de tidsmønstre, der gentager sig, gør det muligt at forud­sige energiforbruget ved hjælp af et Kalman-filter. Dataene er baseret på målinger af elektroniske opladningsdata, sådan som de blev målt på Samsø.

Foruden det rigtige valg af maskinindlæ­ringsalgoritmer afhænger forudsigelsernes pålidelighed i høj grad af de data, der står til rådighed. For at kunne komme med præcise forudsigelser, hvad ankomst- og afgangsti­derne angår, har vi planer om at indsamle et meget stort antal data fra ladestationer, der er tilsluttet nettet. Forskellige neuronale net kan trænes i at tage højde for årstidsbetin­gede mønstre og daglige mønstre.

Informationer

  • Kontaktformular
  • Impressum
  • Databeskyttelse
  • Interreg

Hurtige Links

  • Arkiver
  • Projektet
  • Partnere * Netværk
  • Publikationer


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

We use cookies on our website. Some of them are technically necessary, while others help us to improve this website or provide additional functionality.

Allow all and confirm

Only accept necessary cookies

Individual Cookie Settings

Privacy Notes Imprint

X
Privacy settings

Here you will find an overview of all cookies used. You can give your consent to entire categories or have further information displayed and thus select only certain cookies.

Required Cookies

These cookies enable basic functions and are necessary for the proper functioning of the website.

Show Cookie Informationen

Hide Cookie Information

Cookie Management

Saves your consent to using cookies and stores the chosen tracking optin settings.

Provider:th-luebeck.de
Cookiename:waconcookiemanagement
Runtime:1 year

FE user

This cookie is a standard session cookie from TYPO3. It stores the session ID in case of a user login. In this way, the logged-in user can be recognised and access to protected areas is granted.

Provider:th-luebeck.de
Cookiename:fe_typo_user
Runtime:Session
Cookies for Statistics

Statistics Cookies collect information anonymously. This information helps us to understand how our visitors use our website.

Show Cookie Informationen

Hide Cookie Information

Matomo Analytics

This cookie is installed by Matomo Analytics. The cookie is used to store information about how visitors use a website and to help us compile an analysis report on how the website is performing. The information collected includes the number of visitors, the source from which it originates, and the pages in anonymous form.

Provider:th-luebeck.de
Cookiename:_pk_id, _pk_ses
Runtime:_pk_id (13 month), _pk_ses (30 minutes)
Cookies for external Content

Content from video platforms and social media platforms is blocked by default. If cookies from external media are accepted, access to this content no longer requires manual consent.

Show Cookie Informationen

Hide Cookie Information

OpenStreetMap

In order for the maps of OpenStreetMap to be displayed on a website, the user's IP address is saved on an OpenStreetMap server and a cookie is set.

Provider:openstreetmap.org

YouTube Videos

A direct connection to YouTube’s servers will not be established until you have activated videos autonomously at your end (i.e. given your consent pursuant to Art. 6 Sect. 1 lit. a GDPR). Once you have activated the service, YouTube will store your IP address. By loading the video, you agree to Google's privacy policy.

Provider:YouTube / Google LLC
Privacy source url:https://policies.google.com/privacy?hl=en

Google Maps

A direct connection to Google’s servers will not be established until you have activated Google Maps autonomously at your end (i.e. given your consent pursuant to Art. 6 Sect. 1 lit. a GDPR). Once you have activated the service, Google Maps will store your IP address. By loading the map, you agree to Google's privacy policy.

Provider:Google LLC
Privacy source url:https://policies.google.com/privacy?hl=en

SoundCloud

A direct connection to SoundCloud’s servers will not be established until you have activated items autonomously at your end (i.e. given your consent pursuant to Art. 6 Sect. 1 lit. a GDPR). Once you have activated the service, SoundCloud will store your IP address. By loading, you agree to SoundCloud's privacy policy.

Provider:SoundCloud Limited
Privacy source url:https://soundcloud.com/pages/privacy

Google Calendar

A direct connection to Google's servers is only established when you activate Google Calendar yourself (consent according to Art. 6 para. 1 lit. a DSGVO). After activation, Google Calendar will store your IP address. By loading the calendar, you accept Google's privacy policy.

Provider:Google LLC
Privacy source url:https://policies.google.com/privacy?hl=en
Host:google.com

Save

BackOnly accept necessary cookies

Privacy Notes Imprint