ob真人游戏官网

AI如何用在EV充电？用电表数据就可以了

时间: 2025-04-21 23:54:12 | 作者: ob真人游戏官网

这篇洞察简报重点介绍了 AI 驱动的工具是如何在电动汽车日益普及的情况下支持电网弹性并增强能源管理策略的。

洞察简报中，SEPA以 Bidgely 的分解技术为重点，指出利用 AI 和机器学习（ML）技术，公用事业企业能从 AMI （高级计量基础设施）数据中提取详细的 EV 负载信息。

Bidgely成立于 2011 年，总部在美国加利福尼亚州。通过提供软件即服务（SaaS）模式的解决方案，Bidgely帮助电力公司实现数据驱动的决策。

Bidgely的核心技术是其专利的 AI 和 ML 算法，这些算法能够从 AMI 数据中分离出不同设备的能源使用情况，包括电动汽车、热水器、空调等。Bidgely 收集了数十亿条高分辨率的子秒级数据，这一些数据涵盖了所有主要电器的详细使用情况，为创建多样化的电器使用模式奠定了基础。然后，Bidgely 开发了监督和非监督机器学习算法，这些算法根据多种因素（如功率、总能耗、时间、季节和天气数据）对 AMI 数据点进行分类，从而能够识别出不同电器的使用特征。通过深度学习，Bidgely 的算法能够进一步识别出独特的能源使用“签名”，并将这些签名与特定电器（如电动汽车充电器）关联起来。最终，这些分类和关联结果被应用于新的 AMI 数据，以预测哪些电器正在使用，从而为公用事业公司和客户提供详细的用户级能源使用报告，帮他们更好地理解和管理能源消耗。

在阐述了AI分解技术的工作原理后，洞察简报用了两个案例来说明了电力企业能怎么样去使用人工智能来分解AMI数据以进行EV检测、程序设计和预测，从而更好管理充电行为以及AI实际的应用效果。

Hydro One是加拿大安大略省的一家电力公司，为约150万住宅和商业客户提供服务。随着电动汽车的普及，尤其是在一些已经因新建筑而面临负载增长的地区，Hydro One需要更好地了解其服务区域内的EV采用情况，以便更有效地规划电网并实施EV负载管理项目。

Hydro One已经部署了高级计量基础设施（AMI）系统，能够收集客户的小时级用电数据。2019年，Hydro One创建了一个客户能源市场，与Bidgely合作，利用其AMI数据为客户提供详细的能源使用洞察。这一合作为Hydro One提供了使用AI进行EV检测的基础。

在客户识别与参与度上，通过AI分析，Hydro One识别出20,000名EV用户，这一数字是通过客户调查识别的EV用户的10倍。识别客户后，Hydro One利用AI分析的结果，支持其EV需求响应项目的试点招募工作。通过向识别出的潜在EV用户发送有明确的目的性的电子邮件，Hydro One实现了“历史上最高的点击率”。在24小时内，有300名客户注册，目前已有超过1,000名客户参与该项目。Hydro One认为，向客户展示与其能源消耗相关的个性化服务是成功的。

不仅如此，Hydro One的配电系统管理团队现在将这些基于电表的EV洞察纳入其工作流程中，创建特定区域的EV充电负载形状和多样性因素。利用AI以及软件，Hydro One可以估算EV负载，计算平均EV充电负载形状，并估算特定区域的EV多样性因素。通过将结果映射到电网资产，工作人员能够首次评估EV采用情况、增量充电影响（千瓦时和千瓦）以及按馈线或变电站划分的负载曲线。这些额外的可见性支持设计研究，并可以加强未来的系统规划，提供特定区域的洞察。

报告中的第二个案例说明电力公司还能够正常的使用AI更好地理解和管理EV充电行为，并为未来的电网规划提供数据支持。

NV Energy是一家位于内华达州的电力公司，为包括拉斯维加斯在内的140万住宅和商业客户提供服务。随着EV采用的增长，NV Energy希望更好地了解客户的偏好和充电趋势，并识别和测试可以帮助改善其配电和资源规划过程的技术，以应对未来可能因额外EV负载而产生的电网限制。

自2017年以来，NV Energy一直使用基于AMI的项目进行客户参与和能源效率提升，并提供了一个可选的EV分时电价。2023年，Bidgely对拉斯维加斯地区的10万名NV Energy客户进行了AMI数据分解分析的试验，以识别EV司机，明白他们多久充电一次，以及他们的行为如何对整体电力需求做出贡献。

通过AI分析，NV Energy确定了EV大多分布在在某些热点地区，这些地区的基础设施投资可能是最先需要的。EV行为并不完全与峰值重合，但有很大的机会将负载转移到非峰值时段。

管理充电试验的目标是探索哪种类型的方案能够吸引高价值的候选人，实现用户的需求，并随着EV充电的增加提供系统弹性。NV Energy发现，拉斯维加斯是一个“24/7”的城市，客户要在一天中的任何时间和夜间为他们的EV充电。因此，NV Energy还希望了解如何最好地帮助高潜力客户在平衡电网需求的同时，在峰值时段（晚上8点至午夜）减少充电。在试验中，高价值客户被定义为那些拥有高功率充电器（更高的千瓦拉力）、在项目事件窗口期间频繁充电（充电频率）以及在事件窗口期间大量充电（总千瓦时）的客户。Bidgely将其AI模型应用于NV Energy的电表数据，以识别这些类型的客户。

通过使用AI识别50名具有高价值基线充电行为的客户，Bidgely实现了每辆车每次事件2-4千瓦的负载转移潜力，比行业中等水准高出2.5到10倍。通过将招募目标定位到能够最接近符合项目目的的客户，NV Energy能够减少外展成本，增加负载灵活性潜力（每辆车的千瓦数），并进一步提升EV分时电价的成本效益。由于供应商与激励成本比较高，通过堆叠解决方案解锁的标准管理收费计划相比，成本效益提高59%。NV Energy将激励资金重新分配给目标参与者，为他们提供更高的参与激励。