E‐Mobilität ist einer der unmittelbar verfügbaren Ansätze die CO2 ‐Emissionen im Verkehrssektor zu verringern. Sie trägt aber nicht zur Reduzierung der CO2 ‐Emissionen bei, wenn nicht erneuerbare Energie verwendet wird. Neben der technischen Abstimmung von Nachfrage seitens der Fahrzeuge und Verfügbarkeit erneuerbarer Energie ist daher die Akzeptanz der Fahrer_innen für das E‐Laden essentiell. Da in bei E-Autos in Relation zur Reichweite eine signifikant längere Ladezeit benötigt wird, ist eine Verbesserung der User-Experience bezüglich Laden von E‐Autos entlang längerer Fahrstrecken ist wichtig.

Zur Berücksichtigung aller Aspekte und Interessen erfordert die dynamische Zuweisung von E‐Autos zu Ladestationen eine multikriterielle Optimierung, welche sowohl die Fahrer, die Ladestationen und deren Betreiber, die Anbieter erneuerbarer Energie und die Netzinfrastruktur zur Verteilung der Energie gleichermaßen bedient.

In der Praxis ist es oft nicht effizient das globale Optimum zu suchen, insbesondere in dynamischen Szenarien, in denen sich das Optimum laufend verschiebt und daher keine optimale Zuordnung von E-Autos zu Ladepunkten berechnet werden kann. Im Projekt wird daher eine "anytime"‐Optimierung vorgesehen. Diese findet sehr rasch eine Lösung und nutzt danach die verfügbare Zeit bis zur Ankunft des E-Autos an der Ladestation für die Suche nach besseren Lösungen. Existierende multikriterielle Algorithmen für die "anytime"‐Optimierung können zur Zeit nur zwei Ziele gleichzeitig bedienen. Algorithmen und Ansätze diese zu erweitern sind daher ein wesentlicher Teil der Forschung.

Zur Evaluierung der User-Experience und Nützlichkeit berechneter Ladeempfehlungen werden spezielle Benutzerschnittstellen entworfen, die u.a. die Ladeempfehlung erklären und damit den Fahrer anzuregen einem Ladevorschlag auch zu folgen. Das Fahrerverhalten wird evaluiert, Benutzerprofile erstellt und die Auswirkungen in Simulationsstudien untersucht.

Die Validierung und Evaluierung des Gesamtansatzes im Hinblick auf die Nutzung erneuerbarer Energiequellen für das E‐Laden erfolgt sowohl durch automatisierte Simulationsläufe mit Wahrscheinlichkeitsverteilungen als auch reales "Durchspielen" von Szenarien mit dem Simulator, wo menschliche Fahrer über eine User-Interface einzelne Fahrzeuge im Pool der simulierten E-Autos steuern können.

Die erwarteten Ergebnisse werden zu einem verbesserten Verständnis der Nützlichkeit von Ladeempfehlungen im Bereich der User-Experience, der erhöhten Nutzung erneuerbarer Energie und umweltfreundlicher E‐Mobilität in der Praxis führen.

** Dieses Projekt wird aus Mitteln des KLIEN Zero Emission Mobility 3rd Call gefördert und von der FFG unter Projektnummer 885026 verwaltet.
https://www.klimafonds.gv.at/call/zero-emission-mobility-2021/
https://projekte.ffg.at/projekt/4031006


Details

Projektzeitraum 01.02.2022 - 30.09.2024
Fördergeber FFG
Förderprogramm
Department

Department für Integrierte Sensorsysteme

Zentrum für Verteilte Systeme und Sensornetzwerke

Projekt­verantwortung (Universität für Weiterbildung Krems) Priv.-Doz.Dipl.-Ing.Dr. Thilo Sauter

Team

Projektpartner

 

 

Zum Anfang der Seite