Künstliche Intelligenz macht Laden von E-Autoflotten günstiger

Das Laden batterieelektrisch betriebener Fahrzeuge verlangt komplexere Vorüberlegungen als häufig angenommen. Gerade Firmen und Behörden mit größeren Flotten kommen ohne intelligentes Park- und Lademanagement nicht aus, soll es weder zu Staus an den Ladesäulen noch zu hohen Stromkosten kommen. Abhilfe schaffen will hier das Forschungsprojekt „SmiLE“ der Technischen Hochschule (TH) Deggendorf.

Das Projekt unter Beteiligung des Ladelösung-Entwicklers Mer Germany GmbH entwickelt mit Künstlicher Intelligenz optimiertes Laden. Unterschiedliche Zielsetzungen bringt Smile dabei unter einen Hut. Ladepunkte müssen über den Tag verteilt für verschiedene Typen von E-Fahrzeugen für unterschiedliche Zwecke zur Verfügung stehen. Beispiele sind Firmenwagen, die während der Arbeitszeit dauerhaft parken, Kundendienstmobile, die viel unterwegs sind, Poolfahrzeuge oder elektrische Busse und Transporter.

Mehrkosten von mehreren hunderttausend Euro drohen

Aus den verschiedenen Nutzungsprofilen ergeben sich auch Risiken für ein Unternehmen. Unzufriedene Beschäftigte, die zu lange auf einen freien Platz an der Ladesäule warten müssen, sind da nur ein Aspekt. Beziehen während Lastspitzen zu viele Fahrzeuge ihren Strom, kommt die Gefahr hoher Stromkosten hinzu. Denn dies könne, so heißt es in einer gemeinsamen Mitteilung von TH und Mer, „bei großen Installationen zu Aufpreisen von mehreren hunderttausend Euro führen“, sofern ein Unternehmen durch unvorhergesehene Lastspitzen eine vertraglich vereinbarte Jahreshöchstlast überschreitet.

Smile will nun mit Künstlicher Intelligenz Ladevorgänge optimal organisieren, Lastspitzen vermeiden, den Verbrauch selbst erzeugten Ökostroms optimieren und dabei Batteriespeicher einsetzen. Das intelligente Lademanagement-System soll gleichermaßen die benötigte Ladeleistung und Standzeit der Nutzenden erfassen und den Energiebedarf im Unternehmen im Blick behalten.

„Wir sind jetzt in der Lage“, sagt Andreas Berl, Professor für Angewandte Informatik an der TH Deggendorf, „den Parkplatzbedarf unterschiedlicher Nutzergruppen mittels Machine Learning vorhersagen zu können. Das ist ein Schritt hin zur Optimierung der Ladevorgänge unter Einbeziehung des aktuellen Energieverbrauchs in der Firma.“

Im Projekt, das bis 2023 eine Förderung der Bayerischen Forschungsstiftung erhält, bleibt zusätzlich der Zustand der Fahrzeugbatterien im Blick. Das System erfasst die Leistungsdaten und will dadurch die Langlebigkeit der Fahrzeuge verbessern. Insgesamt sei das last- und bedarfsgerechte Laden für Mer als Konsortialführer im Projekt Smile „der nächste Schritt zu einem smarten Ladekonzept für die Infrastruktur am Unternehmensstandort“, so Helene Strunz, Projektmanagerin bei der Mer Solutions.