Proef met AI op slim laadplein Rotterdam

18-03-2021 1899 keer bekeken

In Rotterdam zijn onlangs vier slimme laadpleinen geopend waar zogenaamde V2G (Vehicle to grid) laadpalen geplaatst zijn op 1 netaansluiting.

Op 1 van deze pleinen gaat voorspellende AI (Artificiële Intelligentie) ingezet worden om te onderzoeken of zo het slim laden van elektrische auto’s geoptimaliseerd kan worden. De vier laadpleinen zijn tot stand gekomen dankzij een samenwerking tussen de gemeente Rotterdam, ENGIE en ElaadNL. De pleinen zijn onderdeel van de Proeftuin Slimme Laadpleinen, in het kader van de Nationale Agenda Laadinfrastructuur (NAL).

De Rotterdamse laadpleinen zijn slim omdat software gaat zorgen voor de verdeling van de beschikbare stroom over de elektrische auto’s die zijn aangesloten op de laadpalen. Wanneer er weinig elektrische auto’s zijn aangesloten en er veel duurzame energie beschikbaar is (door bijvoorbeeld zon of wind) kan er maximaal geladen worden. Op de piekmomenten in het stroomnet, zoals om 18:00 uur wanneer veel mensen gebruik maken van het net, kan het laden tijdelijk iets langzamer gaan. Zo worden de pieken en dalen op het stroomnet opgevangen, een belangrijke stap in de realisatie van de energietransitie. Elektrisch rijders komen hierin niet voor verrassingen te staan, omdat er per laadsessie nooit minder kilowattuur geladen wordt dan bij een normale laadpaal.

Aansturing vanuit de cloud

Op drie van de nieuwe laadpleinen in Rotterdam zet ENGIE een innovatieve softwareoplossing in. Vanaf het Smatch-platform worden de laadpunten vanuit de cloud aangestuurd om het beschikbare vermogen te verdelen. Vooralsnog wordt alleen slim geladen.  Zo wordt inzicht verkregen in de laadsessies.

In de toekomst zullen ook proeven met ontladen (terug leveren van stroom, V2G)  worden uitgevoerd. Gebruikers worden hier vooraf altijd over geïnformeerd. De AC-laadpalen zijn voorbereid op ontladen van de auto’s (V2G). Daarnaast zijn er speciale DC laadpalen (van 10 kilowatt) geplaatst die tevens ontladen van de auto’s mogelijk maakt. Sommige auto’s zijn al geschikt om daarmee stroom terug leveren.

Laadpleinen met V2G-palen en auto’s kunnen in de toekomst ingezet worden als energiebuffer in een duurzaam energiesysteem. V2G kan het elektriciteitsnet ontlasten als er stroom uit andere auto’s gebruikt worden om auto’s te laden.

Zelflerend algoritme

Om stroom optimaal te kunnen verdelen is het handig om te weten of een auto lang of kort ingeplugd zal staan en veel of weinig kilowatturen nodig heeft. Daarom wordt door ElaadNL op het vierde laadplein een zelflerend algoritme ingezet. Deze vorm van AI leert patronen herkennen waardoor bijvoorbeeld vaste klanten, waarvan bekend is dat ze elke werkdag lang ingeplugd staan of meestal weinig kilowatturen nodig hebben, een andere prioriteit kunnen krijgen dan auto’s die in korte tijd veel stroom nodig hebben. Zo maken we optimaal gebruik van de beschikbare capaciteit zonder nadelige gevolgen voor de gebruiker.

In de proef wordt gekeken of de inzet van AI hierbij goed werkt. Er zal eerst enkele maanden geanalyseerd worden of AI op een openbaar laadplein toegevoegde waarde heeft om vervolgens dit ook toe te gaan passen. Dus de komende tijd merken de gebruikers nog niks van deze proef. In het tweede kwartaal van dit jaar worden de eerste tussenresultaten verwacht.

Meer weten?

De Proeftuin Slimme Laadpleinen is onderdeel van de Nationale Agenda Laadinfrastructuur (NAL). De Proeftuin wordt gesubsidieerd door het ministerie van Infrastructuur en Milieu, ondersteund door het Nationaal Kennisplatform Laadinfrastructuur (NKL Nederland), het kennis- en innovatiecentrum van de netbeheerders ELaadNL en projectbureau OverMorgen.

Voor meer informatie, zie: https://www.nklnederland.nl/projecten/onze-lopende-projecten/proeftuin-slimme-laadpleinen/

De laadpleinen in Rotterdam liggen aan de Schiedamse Vesthof, Nassauhaven Noord, Cor Kieboomplein en Stieltjesstraat. Zie ook het nieuwsbericht van de gemeente Rotterdam over de opening van de laadpleinen: https://www.rotterdam.nl/nieuws/slimme-laadpalen-1/

Cookie-instellingen