AI4CS Project

 

Μια εφαρμογή βασισμένη σε AI που βοηθά τους χρήστες σταθμών φόρτισης ηλεκτρικών οχημάτων.

Χώρες: Ελλάδα, Κροατία

Πεδία Πειραματισμού: Πρόβλεψη χρονοσειρών χρησιμοποιώντας τόσο off-the-shelf όσο και προσαρμοσμένα μοντέλα, γεωχωρικά μοντέλα για βελτιστοποίηση βάσει τοποθεσίας.

Πηγή χρηματοδότησης της ΕΕ: https://interconnectproject.eu/

 

Μπορείτε να περιγράψετε το έργο σας με λίγα λόγια;

 

Η Λύση μας στοχεύει να χρησιμοποιήσει τις βραχυπρόθεσμες προβλέψεις για τη χρήση/διαθεσιμότητα CS που ήδη παράγουμε και να τις συνδυάσει με διάφορες πηγές δεδομένων που υπάρχουν στο Interconnect SIF σε μια νέα εφαρμογή που θα παρέχει πολύτιμες πληροφορίες για τον τελικό χρήστη, τον ιδιοκτήτη του EV, προτείνοντας σε αυτούς πού και πότε να κάνουν την επόμενη φόρτισή τους.

Αυτές οι προτάσεις θα παρέχονται μέσω της εφαρμογής τελικού χρήστη, χρησιμοποιώντας το μοντέλο SIF για την ανταλλαγή πληροφοριών μεταξύ του back-end AI4CS και των σχετικών δεδομένων DSO (Grid Load Forecast, Green Production Forecast). Αυτές οι προτάσεις θα βασίζονται στην προβλεπόμενη διαθεσιμότητα σταθμών φόρτισης στην περιοχή του χρήστη, αλλά θα λαμβάνουν επίσης υπόψη το προβλεπόμενο φορτίο δικτύου (αποφυγή των κορυφών) και την Ένταση άνθρακα Παραγωγής (ευνοώντας τις πιο πράσινες χρονοθυρίδες παραγωγής).

Αυτή η εφαρμογή μπορεί να δώσει πολύ ισχυρά κίνητρα στον τελικό χρήστη, εξασφαλίζοντάς τους μηδενική αναμονή για την επόμενη περίοδο φόρτισης και αυτές οι προτάσεις μπορούν επίσης να συμβάλουν στη μείωση του φορτίου του δικτύου και των εκπομπών άνθρακα ταυτόχρονα. Η βιομηχανία φόρτισης EV έχει συνειδητοποιήσει ότι, καθώς τα Δίκτυά της αρχίζουν να επεκτείνονται και ένας σταθμός μπορεί τώρα να έχει δεκάδες φορτιστές που λειτουργούν ταυτόχρονα, ειδικά στους αυτοκινητόδρομους, το φορτίο τους στο Δίκτυο γίνεται σημαντικό. Στην Ευρώπη αναμένουμε να έχουμε 14 εκατομμύρια νέους σταθμούς φόρτισης μέχρι το 2030. Έτσι, βλέπουμε μια κατάσταση win-win μεταξύ μας, των διαχειριστών του δικτύου CS και των ιδιοκτητών ηλεκτρικών οχημάτων, που ευνοούν την Πράσινη Μετάβαση και μειώνουν τις πιθανότητες για ενεργειακή κρίση.

 

Ποιος θα βοηθήσει στην εφαρμογή της λύσης AI;

 

Η Local AI είναι μια startup τεχνολογίας στην Καλαμάτα της Ελλάδας που ιδρύθηκε το 2022 για την Ε&Α AI, με την επωνυμία Local AI, αναπτύσσοντας καινοτόμες λύσεις για τη βιωσιμότητα αξιοποιώντας τη δύναμη της τεχνητής νοημοσύνης για τοπικούς και παγκόσμιους ενδιαφερόμενους φορείς, όπως Δήμους, Περιφερειακή Κυβέρνηση, Ιδιωτικούς Ενεργειακούς Ενεργειακούς φορείς κ.λπ. Η καινοτομία της τεχνητής νοημοσύνης βρίσκεται στον πυρήνα της επιχειρηματικής της στρατηγικής και συμμετέχει ενεργά σε έργα έρευνας και καινοτομίας για την εκκίνηση της ανάπτυξης νέων λειτουργιών και νέων εμπορικών λύσεων. Οραματιζόμαστε ένα μέλλον όπου η τεχνητή νοημοσύνη είναι πανταχού παρούσα και βοηθά τοπικές, περιφερειακές και παγκόσμιες πρωτοβουλίες πράσινης μετάβασης. Συνεργαζόμαστε με την Hrvatski Telekom, με τη βαθιά γνώση του τομέα των τεχνολογιών δικτύου φόρτισης EV, για να παρέχουμε καλύτερη εμπειρία πελάτη στους τελικούς χρήστες των Δικτύων Φόρτισης τους στην Ευρώπη.

Ποια είναι η λύση AI που σχεδιάζει να εφαρμόσει το έργο;

Για τους σταθμούς φόρτισης, τα μοντέλα τεχνητής νοημοσύνης που διαθέτουμε θα προβλέπουν τη διαθεσιμότητα του σταθμού φόρτισης και θα τη βαθμολογούν σε σύγκριση με περιβαλλοντικές εκτιμήσεις και θα προτείνουν τις καλύτερες επιλογές

Η εφαρμογή web AI4CS, που πρόκειται να αναπτυχθεί θα αλληλεπιδρά με τον τελικό χρήστη που είναι ο ιδιοκτήτης του EV που ενδιαφέρεται να χρεώσει σε δημόσιο CS του χειριστή. Ο χρήστης θα επιλέξει μια επιθυμητή τοποθεσία για φόρτιση στον διαδραστικό χάρτη της εφαρμογής και θα επιλέξει τον επιθυμητό χρόνο που θα χρειαστεί η φόρτιση. Η εφαρμογή θα αναζητήσει τις απαραίτητες προβλέψεις από την ενοποιημένη βάση δεδομένων χρόνου-χώρου του back-end, θα βαθμολογήσει τις επιλογές φόρτισης (Σταθμός φόρτισης, διαθέσιμες χρονοθυρίδες) με βάση τη διαθεσιμότητα, το φορτίο δικτύου και την πράσινη παραγωγή και θα παρέχει στον τελικό χρήστη συστάσεις σχετικά με την επερχόμενη φόρτισή του συνεδρία.

Το πλαίσιο διασύνδεσης είναι μια τέλεια ευκαιρία για την υλοποίηση αυτής της διαλειτουργικότητας με τυποποιημένο τρόπο μέσω του μοντέλου SIF, το οποίο ήδη παρέχει ένα ολοκληρωμένο μοντέλο για την ανταλλαγή των σχετικών πληροφοριών. Αυτό θα είναι μια εξαιρετική απόδειξη της αξίας που προσφέρει το Interconnect SIF στους ενεργειακούς φορείς, τον ιδιοκτήτη EV, τον Διαχειριστή CS και τον χειριστή του δικτύου.

Όπως φαίνεται σε μία από τις πηγές δεδομένων μας, τους Χάρτες Electricity (συνεργάτης InterConnect), μετατοπίζοντας τον χρόνο κατανάλωσης ηλεκτρικής ενέργειας, βελτιστοποιούμε το πράσινο αποτύπωμα του Δικτύου Φόρτισης EV.

Ο Χρήστης λαμβάνει λεπτομερείς οδηγίες πού και πότε να φορτίζει, διασφαλίζοντας μηδενικό χρόνο αναμονής και θετικές επιπτώσεις στο περιβάλλον.

AI4CS Project

 

An AI based App assisting users of Electric Vehicle Charging Stations.

Country: Greece, Croatia

Areas of Experimentation: Timeseries forecasting using both off-the-shelf and custom models, Geospatial models for location-based optimization.

EU Funding Source: https://interconnectproject.eu/

 

Can you describe your project in a few words?

 

Our Solution is aiming to utilize the short-term forecasts for CS utilization/availability we already produce and combine it with several data sources existing at Interconnect SIF in a new app that will provide valuable insights for the end-user, the EV owner, suggesting to them where and when to do their next charging.

These suggestions will be provided via the end user app, utilizing the SIF model for the information exchange between the AI4CS back-end and the relevant DSO data (Grid Load Forecast, Green Production Forecast). These suggestions will be based on the forecasted availability of Charging Stations in the vicinity of the user, but they will also take account the predicted Grid Load (avoiding the peaks) and the Production Carbon Intensity (favouring the greener production timeslots).

This app can give very strong incentives towards the end user, ensuring them zero waiting for their next charging session, and these suggestions can also help reduce the grid load and carbon emissions at the same time. The EV Charging industry has realized that, as their Networks start to expand and a station may now have tens of chargers operating at the same time, especially on the highways, their load to the Grid is becoming significant. In Europe we expect to have 14 million new charging stations by 2030. So, we see a win-win situation between us, the CS Network Operators, and the EV owners, favouring Green Transition and reducing the potential for Energy Crisis.

 

Who will help implement the AI solution?

 

Local AI is a technology startup in Kalamata, Greece founded 2022 for AI R&D, branded as Local AI, developing innovative solutions for sustainability utilizing the power of AI for local and global stakeholders, such as Municipalities, Regional Government, Private Energy Stakeholders, etc. AI innovation is at the core of its business strategy, and it actively participates in research and innovation projects to jump-start the development of new functionalities and new commercial solutions. We envision a future where AI is ubiquitous and assisting local, regional, and global green transition initiatives. We work together with Hrvatski Telekom, with their deep domain knowledge of the EV charging network technologies, to provide a better Customer Experience for the end users of their Charging Networks in Europe.

What is the AI solution the project plans to implement?

For the Charging Stations our AI models will forecast the Charging Station Availability and will score it in comparison with environmental considerations and suggest the best choices

The AI4CS web app, that is going to be developed will interact with the end-user who is the EV owner interested to charge at a public CS of the operator. The user will pick a desired location for charging on the app’s interactive map and select the desired time that charging will be needed. The app will query the necessary forecasts from the back-end’s unified time-space database, score the charging options (Charging Station, timeslots available) based on the availability, grid load and green production and provide the end user with recommendations about their upcoming charging session.

Interconnect framework is a perfect opportunity to implement this interoperability in a standardized way via the SIF model, which already provides a comprehensive model for exchanging the relevant information. This will be a great proof of the value that Interconnect SIF brings to the energy stakeholders, EV owner, CS Operator, and the Grid operator.

As shown in one of our data sources, Electricity Maps (InterConnect partner) by shifting the time of electricity consumption, we optimise the green footprint of the EV Charging Network.

The User is provided with detailed instructions where and when to charge, ensuring zero waiting time, and positive impact to the environment.