SALM
Selbst-adaptives Lademanagement – KI für Elektro-Ladeinfrastruktur
- Simulation ist essenziell – Je komplexer das Ladesystem, desto wichtiger sind realitätsnahe Simulationsmodelle.
- Kennzahlen für Vergleiche – Ladeinfrastruktur muss anhand messbarer KPIs wie Auslastung, Ladequalität und Energieverbrauch analysiert werden.
- Transparente Visualisierung – Betreiber benötigen verständliche Darstellungen in der richtigen Detailtiefe, um Entscheidungen treffen zu können.
- Elektromobilität braucht Balance – Der Hochlauf gelingt nur, wenn Infrastrukturausbau und Nutzerbedürfnisse im Gleichgewicht sind.
Im Projekt SALM werden reale Situationen simuliert, um so effektiv und effizient die Optimierung von Ladestrategien zu untersuchen. Die Ladeinfrastruktur mit künstlicher Intelligenz zu optimieren, ist ein wichtiger Beitrag hin zu klimaschonender Mobilität.
Seit Jahren optimieren wir mit Gridware den Stromfluss für Elektrofahrzeuge – cloudbasiert und intelligent gesteuert. Im Projekt SALM haben wir gemeinsam mit der Universität Kassel und dem House of Energy erforscht, wie künstliche Intelligenz (KI) das Laden effizienter machen kann.
Herausforderung & Lösung
Mit der steigenden Zahl von E-Fahrzeugen wächst auch die Belastung der Stromnetze. Während einige Fahrer schnelles Laden mit hoher Leistung benötigen, haben andere mehr Zeit, aber einen höheren Energiebedarf. SALM optimiert den Ladevorgang durch den Einsatz von künstlicher Intelligenz (KI), die das gesamte Energiesystem aus Netz, Ladesäulen und Fahrzeugen intelligent steuert.
Ein zentrales Element ist der „Digitale Zwilling“, eine Simulation der Ladeinfrastruktur. Dieses Modell ermöglicht eine laufende Optimierung der Ladestrategien und hilft, die Nutzung der Netze effizienter zu gestalten.
Wie wir Gridware weiter entwickeln
Wir integrieren die Erkenntnisse aus SALM in Gridware, um Charge Point Operators (CPOs) bestmöglich zu unterstützen:
- Kennzahlen wie Auslastung, Ladequalität & Energieverbrauch werden für alle Hierarchiestufen verfügbar
- Algorithmen werden kontinuierlich optimiert, um Ladevorgänge effizienter zu steuern
- Simulationen großer AC- & DC-Ladecluster helfen bei der Planung & Erweiterung der Ladeinfrastruktur
- KI soll dabei helfen, den schrittweisen Ausbau der Netze vorausschauend zu planen
Gefördert durch:
