Desarrollo de un plan de SmartCharging para vehículos eléctricos basado en el análisis de datos

Abstract

[ES] Con la aparición de medidas restrictivas contra los vehículos con motores de combustión, la necesidad de preparar una infraestructura sostenible para los vehículos eléctricos es imperiosa. El creciente número de usuarios de vehículos eléctricos (EVs) ha supuesto una serie de problemas energéticos y estructurales que necesitan solución. Entre estos problemas encontramos la creciente demanda de estaciones de carga o la necesidad de gestionar la asignación de electricidad de forma eficiente. Este trabajo pretende aportar una solución a este último problema. La idea es plantear una serie de modelos sencillos e interconectados con los que generar planes de carga que repartan la potencia disponible de forma eficiente dentro de un entorno con varias estaciones de carga. Gran parte del trabajo dedicado al desarrollo de este sistema de modelos ha consistido en analizar las situaciones de uso real, centrándose en estudiar qué datos se pueden obtener en mitad de una carga y cómo afecta esto a su optimización. Para ello, se ha hecho uso de las herramientas y especificaciones del protocolo de comunicación EV-Estación de OCPP 1.6 que proporciona una lista estandarizada de datos extraíbles. Gracias a este estudio, se ha planteado un sistema de modelos escalable, que no necesita la intervención externa del usuario, pero mejora en caso de que se incluya. Por último, en cuanto al producto del trabajo, se ha utilizado un modelo de clasificación Random Forest combinado con varias decisiones basadas en el análisis de datos y se ha evitado utilizar modelos y optimizadores complejos. Esto es debido a que las dimensiones de datos recogidos no son extensas y los modelos se tienen que ejecutar repetidas veces dentro de una misma carga, por lo que un enfoque más simplista era el más adecuado.

[EN] With the appearance of restrictive measures against combustion motored vehicles, the necessity to prepare a sustainable infrastructure for electric vehicles has become unavoidable. The increasing number of electric vehicle (EV) users has caused a number of problems regarding energy and infrastructure that are in need of a solution. Some of these problems are the increasing demand for charging stations or the need for an efficient method to manage electricity. This study tries to solve this latest problem. The main goal is the development of a system of simple and connected models that are capable of designing a charging plan to assign energy efficiently in an environment with various charging stations. A great chunk of the effort dedicated to the development of this system has been aimed towards analyzing the real use cases, focusing on studying whether some data could be obtained during a charging process and how obtaining it could benefit its optimization. In order to do this, we used the tools provided by the comunication protocol OCPP 1.6, more specifically, the list of standardized collectible data. Thanks to this study, we have posed a system of scalable models that does not need further user intervention but rather benefits greatly from it. Lastly, regarding the final product, we have used a Random Forest classification model mixed with various data-driven decissions and we have avoided the use of complex models and optimizers. This is due to the fact that the volumes of collected data were rather small and the models would need to be in constant running along the charging process, therefore a more simplistic approach was preferred.