PUDI Details

angle-left Zurück

KI-basiertes netzdienliches Lademanagement beim Parken unter verschiedenen Nutzungsszenarien

Bild der Titelseite der Publikation: KI-basiertes netzdienliches Lademanagement beim Parken unter verschiedenen Nutzungsszenarien

Blessing, Marvin

2021

Projektbericht - Abschlussbericht; Projektbericht - Forschungsberichtsblatt

PDF Download

Weitere Dateien:

Beschreibung

Die Ziele des Projekts KI-LAN (KI-basiertes netzdienliches Lademanagement beim Parken unter verschiedenen Nutzungsszenarien) sind die Erarbeitung von Wissen im Hinblick auf die Optimierung der Dimensionierung des Netzverknüpfungspunktes, die Gewinnung von Erfahrung hinsichtlich des intelligenten Betriebs von Ladepunkten in Parksituationen mit einer hohen Anzahl an Ladepunkten sowie Wissen bezüglich des Einsatzes eines lokalen wie auch Remote-Lastmanagements. Im Rahmen des Projekts werden dazu zwei Reallabore eingebunden, die folgende Nutzungsszenarien beinhalten:

  1. Laden beim Arbeitgeber im urbanen Raum / im Veranstaltungszentrum (Parkhaus Wizemann Areal, Stuttgart)
  2. Laden beim Arbeitgeber im ländlichen Raum (Parkplatz Marquardt GmbH, Rietheim-Weilheim).
Die erarbeiteten Lösungen sollen Überdimensionierungen von Netzanschlusspunkt, Transformator, vorgelagerter Netz- sowie nachgelagerter Ladeinfrastruktur vermeiden und generisch auf weitere Anwendungsfälle übertragbar sein. Somit können Kosten im Zusammenhang mit dem Aufbau von Ladeinfrastruktur (Anschlussleistung, Entgelte, Transformator etc.) minimiert und der bestehende Netzanschluss optimal ausgenutzt werden. Der Ansatz wirkt somit in das vorgelagerte Verteilnetz und vergünstigt dabei die Kosten der Liegenschaftsbetreiber wie auch in Konsequenz die Kosten aller Letztverbraucher.
Um das Mobilitätsbedürfnis und das Lastmanagement in Einklang zu bringen, kommt ein prognosebasiertes Lademanagement zum Einsatz, welches Ladepläne sowohl für die einzelnen Ladepunkte als auch den Einsatz eines stationären Speichers bestimmt. Die Prognosen adressieren dabei mittels künstlicher Intelligenz die Frage, welche Gesamtleistung am Standort zum Laden zur Verfügung stehen wird.