“Algoritmes kunnen laadgedrag voorspellen”

Met steeds meer elektrische auto’s wordt er ook steeds meer geladen en dat doen we nu nog  traditioneel. Elektrische auto’s worden meteen op volle snelheid gevuld terwijl dat niet altijd noodzakelijk is. Eerste inzichten uit het Nationaal Dataonderzoek Slimme Laadstrategieën (NDSL) laten zien dat er in veel gevallen een zee van ruimte is om auto’s goedkoper, buiten piekmomenten op ons elektriciteitsnet en met meer duurzame energie op te wekken. En dat zonder dat de automobilist zelf daar ook maar iets voor hoeft te veranderen.

Voor dit project hebben de onderzoekers meer dan 90% van alle publieke laadpalen in Nederland geanalyseerd. Daarmee is dit het eerste onderzoek wat op een dergelijk grote schaal in Nederland wordt uitgevoerd. Onderzoekspartner Hogeschool van Amsterdam, ElaadNL en Living Lab Smart Charging ontwikkelen een nieuwe rekenmethode voor slim laden met partners PitPoint, Enpuls, Deudekom, MRA-Elektrisch en de G4-steden Rotterdam, Den Haag, Amsterdam en Utrecht.

Soorten laadgedrag

Als we kijken naar de elektrische rijders dan zien we drie ‘clusters’. Je hebt mensen die thuis aankomen en hun auto de hele nacht laten staan, mensen die op hun werk aankomen en hem tot het einde van de middag laten staan en een meer gemengde groep bezoekers die gevarieerder gedrag vertonen en minder lang aan de laadpaal staan. Die eerste twee groepen zijn bij uitstek geschikt voor slim laden. Ze staan immers vaak veel langer met hun stekker aan de laadpaal dan nodig is. Die ruimte kunnen we gebruiken om met meer duurzame energie, goedkoper en meer buiten piekmomenten hun auto op te laden.

Enerzijds kunnen mensen die ’s ochtends op kantoor komen en de hele dag aan de laadpaal staan net zo goed pas beginnen met laden als de zon daadwerkelijk gaat schijnen en de wind harder waait. We zien dat daar een hele mooie overlap is tussen lokale zonne-energie die meteen de auto’s in kan waardoor we duurzamer laden en tegelijkertijd het elektriciteitsnet niet overbelasten. Dat is twee vliegen in één klap.

Daarnaast zouden mensen die thuis laden net zo goed pas ’s nachts kunnen beginnen met laden, wanneer de totale vraag naar stroom veel lager is. Groot voordeel daarvan is dat mensen hun auto opladen buiten de grote avondpiek op ons elektriciteitsnet, en we daarmee dus overbelasting van het net kunnen voorkomen. Daardoor hoeven netbeheerders minder kostbare maatschappelijke investeringen in het toekomstbestendig maken van het net te doen. Daarnaast biedt dit de mogelijkheid voor de gebruiker om zijn auto goedkoper op te laden.

De belasting op ons elektriciteitsnetwerk (blauw) en duurzame opwek (groen) versimpeld weergegeven.

Laadgedrag voorspellen

Eén van de doelen van het onderzoek is om te kunnen voorspellen hoe lang een elektrische auto aan een laadpaal staat. Als de connectietijd (aanzienlijk) langer is dan dat nodig is om de accu vol te krijgen, dan kan de auto ook op een ander moment binnen de connectietijd opladen volgens bovengenoemde principes. De tijd waarin met het laden geschoven kan worden noemen we het ‘smart charging potentieel’.

Aan de hand van verschillende variabelen (o.a. starttijd, dag van de week, locatie, gebruikershistorie) kan voorspeld worden wat het Smart Charging potentieel van de laadsessie gaat worden, en dus welke optimalisatie vervolgens voor die sessie interessant is.

Laadsessies optimaliseren

In onderstaand figuur betekent iedere stip een laadsessie met de connectietijd in uren (verticale as) en de start van de connectietijd (horizontale as). Elk cluster heeft een eigen kleur en representeert een aparte groep laders die zich onderscheidt op starttijd en connectietijd. Met de statistische techniek Gaussian Mixture Model (GMM) is onderzocht hoeveel groepen (clusters) EV-laders te onderscheiden zijn in de database. Vervolgens is bepaald welk effect Smart Charging heeft op al deze EV-laders. 

Cluster 1 (vooral kantoorladers die inpluggen in de ochtend) en clusters 3, 4 en 8 (vooral thuisladers die eind van de middag en in de avond starten met laden) hebben significant langere connectietijden en daardoor vaak ook een groot potentieel om Smart Charging toe te passen. Enkele clusters met een kortere connectietijd (vooral 5 en 9) hebben weinig tot geen Smart Charging potentie.

Het laden binnen de clusters kan worden verschoven naar een optimaal moment, in het geval hierboven een optimalisatie om netbelasting op piekuren tussen grofweg 16.00u en 20.00u te voorkomen. Het rechterplaatje geeft de situatie na de verschuiving weer. Er is duidelijk zichtbaar dat de thuisladers (clusters 3, 4 en 8) in de geoptimaliseerde situatie naar het eind van de avond en begin van de nacht uitgesteld worden. Gebruikers hoeven hun laadgedrag hier niet voor aan te passen, omdat we gebruik maken van de Smart Charging potentie binnen het huidige laadgedrag.

Een juiste voorspelling van een laadsessie, en dus het soort laadgedrag dat plaats gaat vinden, is dus zeer belangrijk voor het bepalen van de optimalisatie die je wilt doen (netbelasting, duurzame energie, elektriciteitsprijs). In de komende periode wordt zowel het voorspellende als het optimaliserende algoritme verbeterd. Doel is om bij het starten van een laadsessie direct een voorspelling van de connectietijd, laadvraag en dus ook de Smart Charging potentie en voorgestelde optimalisaties te kunnen geven. De projectpartners starten pilots om dit model in de praktijk toe te gaan passen. 

 

Voor een correcte werking maakt deze website gebruik van cookies.Accepteren Meer informatie