Intelligenter Algorithmus für die Standortwahl von Ladestationen

0
Geospin-Heatmap. Geospin.de

Die Standortwahl für Ladestationen erfolgte in der Vergangenheit oftmals nicht nach wissenschaftlichen Kriterien. Das soll sich nun ändern. Eine Kooperation zwischen der Thüga, dem Freiburger Start-up Geospin und smartlab (Ladenetz.de) mündete in einem selbstlernenden Algorithmus, welcher die Standortsuche übernimmt.

Was bisher geschah…

Tesla errichtete die ersten Ladestationen genau zwischen 2 Metropolen um die Langstreckenfahrten zu ermöglichen. Als die Elektromobilität nach und nach in den Fokus von Unternehmen und öffentlichen Einrichtungen rückte wurden Standorte hauptsächlich aus Prestigegründen ausgesucht. Die Sinnhaftigkeit dessen konnte häufig hinterfragt werden.

Die Kooperation

Die Thüga ist eine Beteiligungs- und Fachberatungsgesellschaft mit kommunaler Verankerung, welche bundesweit an etwa 100 Unternehmen im Bereich kommunaler Energie- und Wasserwirtschaft beteiligt ist. Dabei erhalten die Unternehmen Unterstützung durch Know-How, Markteinschätzungen und finanziellen Rückhalt.

Geospin ist ein Start-Up, welches aus der Albert-Ludwigs-Universität Freiburg heraus entstand. Das Unternehmen führt geographische Big-Data-Analysen durch und optimiert die Wertschöpfungskette der Kunden durch Beratungen zum Einsatz von Dienstleistungen in Raum und Zeit. Es verfügt über langjährige Erfahrungen in den Bereichen Mobilität, Energie und Kriminalität.

Smartlab stellte die Daten von 400 Standorten und über 180.000 historischen Ladevorgängen bereit.

Der Algorithmus

Geospin entwickelte den auf modernsten Ansätzen des Machine Learnings basierenden, selbstlernenden Algorithmus. Auf der Grundlage des Big-Data ermöglicht er die Analyse der geographischen Strkturen und Dynamiken einer Stadt. Auf Basis dieser Analysen können Unternehmen, Städte oder Kommunen fundierte Entscheidungen über die Standortwahl treffen. Die Analyse basiert neben den Informationen von Smartlab auf über 700 externen Umgebungsinformationen. Dazu zählen Verkehr, Demographie, Points of Interest (Restaurants, Kinos, öffentliche Einrichtungen, Wetter und Social Media. Die Daten wurden über einen längeren Zeitraum in unterschiedlichen Städten und Gemeinden in ganz Deutschland gesammelt. Je mehr Daten vorhanden sind umso genauer wird das Ergebnis der Auswertung.

Das Ergebnis der Analysen sind sogenannte Heatmaps (s. Titelbild). Diese zeigen Bereiche in denen aufgrund von bestimmten Daten Ladestationen errichtet werden sollten, da eine gute Frequentierung zu erwarten ist.

Die Standortwahl in der Praxis

Die ESWE Versorgungs AG in Wiesbaden baut seit einigen Jahren ein Ladenetz auf und greift dabei auf die Technologie von Thüga und Geospin zurück. Zu eigens ausgewählten Standorten kamen neue, durch den Algorithmus gefundene Standorte hinzu. Einige stimmten aber auch überein.

Der Usecase ist das Zwischenladen. Damit ist die Ladung des Elektroautos gemeint, während der Zeit beim Einkaufen oder anderen alltäglichen Tätigkeiten. Die grundlegende Annahme war eine Ladezeit von 1-3 Stunden. Durch die Fachkenntnis der ESWE über den Ausbau des Netzes entstanden 20 Standorte für Ladestationen bei denen die prognostizierte Auslastung und die gegebenen Netzbedingungen zusammenpassen.

Auch die Standorte von bereits errichteten Ladestationen wurden mit dem Algorithmus überprüft. Bei der Übereinstimmung der Standorte stimmt auch die prognostizierte Frequentierung von etwa 3 Stunden Ladezeit täglich mit dem Ergebnis der Analyse überein. Der Algorithmus arbeitet also sehr präzise. Da er selbstlernend ist dürfte die Trefferquote noch ansteigen.

 

HINTERLASSEN SIE EINE ANTWORT

Please enter your comment!
Please enter your name here