Данияр Нургалиев 
С ростом числа водителей, переходящих на электромобили (EV), нагрузка на электрические сети от зарядки транспортных средств будет расти в геометрической прогрессии, что приведет к нагрузке на существующие распределительные системы. Неконтролируемая зарядка, которая происходит сегодня, может стоить миллиарды долларов на новую инфраструктуру сети в течение следующих 10 лет, по мере роста использования электромобилей. Однако существует потенциальный способ смягчить среднесрочное влияние этого ожидаемого изменения в использовании сети без крупных инвестиций: активно управляемая зарядка.
Согласно новому исследованию, проведенному поставщиком AI SaaS Bidgely и Smart Electric Power Alliance (SEPA), AI для электрификации транспорта, глубокое обучение ИИ может быть использовано для дезагрегирования или изоляции данных расширенного измерения от потребления электроэнергии потребителями для идентификации пользователей электромобилей. Эти детализированные данные затем могут быть использованы для более эффективной разработки целевых программ управляемой зарядки электромобилей и отображения тенденций электрификации транспорта на конкретные участки распределительной сети.
Президент и генеральный директор SEPA Шери Гивенс сообщает, что сотрудничество SEPA с Bidgely подчеркивает решающую роль ИИ в решении сложных задач электрификации транспорта. Она добавляет, что вместе они предоставляют коммунальным предприятиям практические стратегии для продвижения внедрения электромобилей, обеспечивая при этом устойчивость сети.
Усовершенствованная измерительная инфраструктура (AMI), или так называемые «умные счетчики», обеспечивает двустороннюю связь между потребителем и коммунальным предприятием, собирая данные о потреблении электроэнергии потребителем и отправляя их обратно в коммунальное предприятие с 15-минутными или часовыми интервалами. К 2022 году около 73% домохозяйств и предприятий США были оснащены этими счетчиками.
С тех пор как в 2010-х годах начали внедряться счетчики AMI, коммунальные предприятия использовали эти данные для отслеживания изменений в потреблении энергии клиентами и пикового спроса. Машинное обучение использовалось коммунальными предприятиями для интерпретации данных, но по мере увеличения использования электромобилей простые методы оценки не успевают за развитием электромобилей.
Например, предыдущие модели использования предполагали, что большая ночная нагрузка указывает на зарядку электромобиля, но не всякая зарядка одинакова. Подключаемые гибриды имеют иные профили зарядки, чем аккумуляторные электромобили, а зарядные устройства уровня 1 имеют иные профили нагрузки, чем зарядные устройства уровня 2, а это означает, что традиционные стандартные оценки спроса водителей могут завышать или занижать воздействие на сеть.
Именно здесь вступают в игру программное обеспечение для дезагрегации данных AMI на основе ИИ, такое как Bidgely, Uplight, Sense, Sagewell, Powerly и Oracle. В отчете говорится, что эти инструменты могут быть использованы для идентификации клиентов электромобилей и их уникального поведения при зарядке, создания управляемых программ зарядки электромобилей, включения электромобилей в прогнозы нагрузки и картирования роста нагрузки электромобилей по географическому признаку.
В документе представлены два примера использования ИИ на практике. В Онтарио коммунальное предприятие Hydro One использовало Bidgely для получения ситуационной осведомленности об использовании электромобилей среди своих 1,5 миллионов клиентов. Эти данные были использованы для регистрации владельцев электромобилей в программе, предназначенной для зарядки электромобилей. Коммунальное предприятие также использовало эти данные, чтобы наметить, где в будущем ожидается увеличение нагрузки, вызванное электромобилями.
В Лас-Вегасе NV Energy провела испытание с участием 50 владельцев электромобилей, идентифицированных с помощью Bidgely, чтобы определить, какие типы плановых предложений охватят «высокоценных» клиентов, удовлетворят их потребности и повысят устойчивость системы. Коммунальное предприятие также хотело понять, как лучше всего сократить зарядку в часы пик с 20:00 до 12:00. В итоге, как показало исследование, NV Energy удалось добиться смещения нагрузки с пикового на непиковое время, которое было в 2,5–10 раз больше, чем без ИИ.
Генеральный директор Bidgely Абхай Гупта заявляет в отчете, что ИИ имеет решающее значение для коммунальных предприятий, чтобы заблаговременно решать проблемы сети, связанные с ростом числа электромобилей.
Согласно исследованию, ожидается, что количество электромобилей на дорогах США подскочит на 26% с 4,8 миллионов автомобилей в 2025 году до 78,5 миллионов в 2035 году.
Варианты заголовков:
ИИ оптимизирует зарядку электромобилей.
Революция электромобилей: ИИ и сети.
Умные сети: как ИИ решает проблему EV.
Зарядка электрокаров: роль ИИ в будущем.
Электромобили и сети: ИИ как решение.
Bidgely и SEPA: ИИ для сетей будущего.
