Für die immer größere Zahl an E-Autos auf den Straßen brauchen Sie entsprechende Möglichkeiten zum Laden. Dazu ist ein Ausbau des Netzes zur Übertragung der Energie und der verfügbaren Ladepunkte erforderlich. Künstliche Intelligenz in diesem Bereich soll die Daten der Ladevorgänge verarbeiten und damit Vorteile ermöglichen, die nicht einfach auf einen umfangreicheren, sondern einen intelligenteren Ausbau hinauslaufen. Die KI stellt Ergebnisse bereit zu einem effizienteren Ausbau der Ladeinfrastruktur und dann für einen Betrieb mit im Gesamten mehr Ladeleistung. Mit KI lässt sich also ein Beitrag zu einem schnelleren Ausbau der Elektromobilität liefern.
Probleme beim Laden von E-Autos
Angestrebt wird ein möglichst umfassendes Abstützen auf Strom aus erneuerbaren Quellen. Strom aus Windrändern und Sonnenenergie ist aber nur unregelmäßig verfügbar. KI kann einen Beitrag zum Ausgleich dieser Schwankungen liefern. Dazu geht es um die Übertragung aus dem Netz an die E-Autos, die möglichst schnell und ohne Überlastung des Netzes erfolgen soll. All das erfordert sowohl eine richtige Aufstellung als auch eine geeignete Steuerung der Ladeinfrastruktur.
Künstliche Intelligenz als technische Grundlage
Mit KI ist hier kein Einsatz von selbständig agierenden Robotern gemeint, sondern Software, die Daten aufnehmen und aus ihnen verbesserte Prozesse der Steuerung ableiten kann. Die Ideen und Methoden in diesem Bereich sind hinreichend weit entwickelt, dass sie sich mit relativ geringem Aufwand an eine neue Anwendung anpassen lassen. Dieser Weg wird derzeit mit der Ladeinfrastruktur von E-Autos beschritten.
Anwendungen von KI für das Laden von E-Autos
Das Ziel der Anwendung von KI ist es, ein besseres Netz und mehr Ladekapazität ohne Netzüberlastungen zu erreichen. Dazu wird in zwei Richtungen vorgegangen, um die entsprechenden Prozesse zu optimieren.
Design der Ladeinfrastruktur. Die KI wird mit den Daten der Ladevorgänge gefüttert. Aus diesen Daten ermittelt sie die sinnvollsten Ausbauschritte und Maßnahmen für vorbeugende Wartung.
Die Ladepunkte melden die Auslastung und andere technische Parameter an ein Rechenzentrum, das die KI betreibt. Die KI analysiert diese Daten und bereitet die Ergebnisse auf. Ein einfaches Beispiel ist eine Ladesäule mit weniger Ladeaktivität und einer höheren Zahl an abgebrochenen Ladevorgängen. Die KI leitet eine entsprechende Meldung an ein Wartungsteam, das diese Ladesäule überprüfen wird. Diese Wartung erfolgt also vor einem völligen Versagen der Ladesäule. Die KI erkennt geringe Abweichungen und Muster an suboptimaler Funktion und kann damit Fehler vorhersagen, bevor sie in spürbarem Ausmaß tatsächlich auftreten. Das bedeutet eine höhere Verfügbarkeit der Ladeinfrastruktur und in vielen Fällen weniger große Schäden, weil Probleme früher behoben werden können.
Steuerung der Ladevorgänge
Sie können mit dem Laden Ihres E-Autos einfach mit dem Einstecken beginnen. Diese Art des Ladens ist aber oft nicht optimal. Besser ist es, mit dem Laden so lange zuzuwarten, bis billiger Nachtstrom oder Strom aus erneuerbaren Quellen verfügbar ist. Solche Steuerungen wollen Sie aber nicht selbst durchführen, weil das Wartezeiten und öfteres Eingreifen bedeuten würde. KI ist eine geeignete Methode, diese Anpassungen automatisch und aufgrund der vorliegenden Daten immer besser durchzuführen. Das Verfahren ist besonders dann von Vorteil, wenn Sie eine größere Anzahl von Ladepunkten betreiben wie vor einem Mehrfamilienhaus oder in einem Unternehmen.
Herausforderungen und mögliche Gefahren
Künstliche Intelligenz einzusetzen hat eindeutig Effizienzvorteile, kann aber aufgrund der selbsttätigen Automatisierung auch zu unerwünschten Resultaten führen. Im Fall der Steuerung von Ladeinfrastruktur kann eine zu hohe Effizienz zu Überlastungen führen. An einem bestimmten Punkt würde natürlich die Sicherung auslösen, sodass Sie also keine tatsächliche Gefahr riskieren. Trotzdem wollen Sie solche Auswirkungen vermeiden, weil sie die Ladevorgänge wesentlich verzögern und stören würden. Solche Effekte können und sollen bei der Anpassung der KI an die Steuerung von Ladevorgängen berücksichtigt werden.
Dynamisches Lastmanagement
Wie wirkt sich die Steuerung von Ladevorgängen mit künstlicher Intelligenz im Detail aus? Wenn Sie Ihr E-Auto zum Laden einstecken, muss entschieden werden, wann und mit welcher Stromstärke Ihr Auto geladen werden soll. Das Ziel ist einerseits, das Netz schonend zu belasten, möglichst viel Strom aus erneuerbaren Quellen zu verwenden und andererseits Ihr Auto bis zur nächsten Abfahrt so weit wie möglich aufzuladen.
Sie können manuell Ihre beabsichtigte Standzeit eingeben. Alternativ können Ihre Ladegewohnheiten über längere Zeit gespeichert werden und die KI leitet dann aus diesen Daten eine sinnvolle Ladestrategie ab. In vielen Fällen wird ein solches Vorgehen erfolgreicher sein, denn manuelle Eingaben sind mühsam und werden deshalb oft unterlassen.
Verwendung von E-Autos zur Stabilisierung des Stromnetzes
Die meisten E-Autos stehen über 90 Prozent der Zeit, entweder vor Ihrem Haus oder Ihrer Arbeitsstelle. Während der Standzeit kann die Batterie des E-Autos Strom ins Netz abgeben.
Dieser Vorgang ist traditionell von Pumpspeicherkraftwerken bekannt. Sie können ihre Generatoren zum Antrieb der Turbinen als Wasserpumpen verwenden. Wenn billiger Strom zur Verfügung steht, wird so Wasser in den höher liegenden Speicher gepumpt. Wird dann Spitzenstrom benötigt, der auch für einen höheren Preis verkauft werden kann, lässt man das Wasser wieder auf die Turbinen strömen, die über die Generatoren Strom erzeugen und zwar genau dann, wenn er benötigt wird.
Die Batterien von E-Autos können dieselbe Funktion erfüllen. In diesem Fall geht es oft um das Aufladen mit Sonnen- oder Windenergie, wenn diese gerade verfügbar ist. Bei Windstille oder bedecktem Himmel gibt die Batterie dann den Strom ins Netz ab.
Steht für diesen Vorgang eine Steuerung mit künstlicher Intelligenz zur Verfügung, läuft dieser Prozess ohne mühsame manuelle Steuerung ganz von selbst ab.
Ergebnisse aus Ladesteuerung mit KI
Erfahrungswerte stehen bereits zur Verfügung, die von einem Konsortium bestehend aus dem Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO, der Hochschule Furtwangen, der Netze BW GmbH und der Stadt Stuttgart erarbeitet wurden. Sie legen nahe, dass mit dem Einsatz von KI an den Ladepunkten bis zu 30 Prozent mehr Ladeleistung zur Verfügung steht. Es liegt auf der Hand, dass eine Anwendung dieser Technologie besonders an größeren Standplätzen vorteilhaft sein wird.
Zusammenfassung
Künstliche Intelligenz ist weit genug entwickelt, um aus den Ladedaten von E-Autos nützliche Erkenntnisse zu gewinnen. Diese lassen sich für den besten Ausbau der Ladeinfrastruktur und für die effizienteste Verwendung einsetzen. Damit wird die Verbreitung der Elektromobilität gefördert, ohne dass mehr Aufwand für Installation geleistet werden muss.