Entwicklung eines KI-gestützten Steuerungsmodells für eine intelligente Ladestrategie von Batteriebussen

Hintergrund

Die Freiburger Verkehrsbetriebe (VAG) betreiben einen stetig wachsenden Fuhrpark von Elektrobussen und stehen vor der Herausforderung, die Ladeprozesse effizient und zuverlässig zu gestalten. Mit der zunehmenden Anzahl an Batteriebussen steigen die Anforderungen an die Ladeinfrastruktur, die Energieplanung und die Fahrzeugdisposition. Wesentliche Einflussfaktoren sind dabei die unterschiedlichen Batteriegenerationen mit ihren jeweiligen Lade- und Entladecharakteristika, die Netzauslastung, die betrieblichen Umläufe sowie die Ladeinfrastruktur. Ergänzend gewinnt der Einsatz von Methoden der Künstlichen Intelligenz zunehmend an Bedeutung, insbesondere zur Prognose von Energiebedarfen und zur Optimierung dynamischer Ladeentscheidungen. In dieser Masterarbeit soll in einem realen betrieblichen Umfeld ein datenbasiertes Steuerungsmodell für eine intelligente Ladestrategie von Batteriebussen entwickelt werden, das sowohl technische und wirtschaftliche Aspekte berücksichtigt.

Die Masterarbeit entsteht in Zusammenarbeit zwischen dem KIT und der VAG.

Ziele

Analyse des idealen Ladezeitpunkts für Busse im Tagesverlauf unter Berücksichtigung von Umläufen, Batterietyp und Depotlogistik
Bewertung der Ladeleistung, Lebensdauer und Effizienz verschiedener Batterietypen sowie deren Einfluss auf die Ladestrategie
Entwicklung eines KI-gestützten Steuerungsmodells zur automatisierten Ladeentscheidung
Anwendung und Bewertung des Modells anhand realer VAG-Daten
Dokumentation der Arbeit und Vorstellung der Ergebnisse vor Ort.

Voraussetzungen

Interesse an Elektromobilität und ÖPNV Prozessen
Grundkenntnisse in Batterietechnik, KI-Methoden und maschinellen Lernverfahren
Erfahrung in Datenanalyse oder Modellierung
Strukturierte Arbeitsweise

Benefits

Sammeln relevanter Praxiserfahrung, Möglichkeit zu regelmäßigen Reisen nach Freiburg, State-of-the-Art KI-Methoden und maschinelle Lernverfahren in der Anwendung