Dalam sebuah studi percontohan, para peneliti menggunakan AI untuk mendapatkan wawasan baru tentang apa yang terjadi saat Anda mengisi daya kendaraan listrik atau electric vehicle (EV). Alat AI baru dapat memberikan data waktu nyata kepada perusahaan utilitas untuk membuat jaringan listrik dan pengisian daya EV lebih andal, menurut sebuah studi kecil yang dilakukan oleh University of Michigan Transportation Research Institute (UMTRI) dan startup Utilidata.
Para peneliti menggunakan AI untuk menganalisis perilaku pengisian daya EV, dengan harapan wawasan tersebut dapat meningkatkan pengalaman bagi pengemudi dan membantu perusahaan utilitas mempersiapkan lonjakan permintaan listrik. Sejauh ini, mereka menemukan bahwa pengisian daya EV dapat menarik daya secara tidak konsisten dan menurunkan kualitas daya, yang dapat mempercepat keausan peralatan pengisian daya.
Masalah-masalah mendasar tersebut membuang energi dan dapat menyebabkan pengisi daya EV rusak, yang telah menjadi masalah bagi pengemudi. Kemampuan untuk segera melihat dan bahkan memprediksi masalah-masalah tersebut dengan AI bisa menjadi pengubah permainan. Model AI dapat memberikan peringatan kepada perusahaan utilitas tentang bagaimana pengisian daya dapat mempengaruhi jaringan listrik. Selain itu, mereka juga bisa memberi tahu pengemudi tentang kapan dan di mana harus mengisi daya serta membantu perusahaan pengisian daya EV untuk lebih baik dalam memelihara peralatan mereka.
UMTRI awalnya menghubungi Utilidata untuk studi percontohan ini, yang bertujuan untuk menginformasikan desain proyek penelitian yang lebih besar yang menyelidiki masalah yang sama. UMTRI mengatakan mereka sudah bekerja dengan North American Electric Reliability Council untuk menangani temuan awal mereka.
Untuk studi ini, para peneliti memasang adaptor meteran listrik yang dilengkapi dengan platform AI Karman dari Utilidata di enam stasiun pengisian daya EV di University of Michigan. Karman menganalisis tegangan, arus, daya, dan dinamika lainnya antara Maret dan Juni tahun lalu. Para penulis studi juga memasang perangkat pada kendaraan dari 10 pengemudi yang sering berada di kampus universitas untuk memantau kebiasaan pengisian daya mereka.
Meskipun proyek ini masih dalam tahap awal, para peneliti berharap hal ini dapat membantu orang mempersiapkan tantangan yang datang dengan elektrifikasi armada kendaraan. Di AS, jaringan listrik yang sudah tua sudah berjuang untuk mengakomodasi peningkatan permintaan listrik dari pusat data AI, penambangan kripto, dan teknologi energi bersih. Tetapi dibandingkan dengan pusat data, perusahaan utilitas lebih sulit untuk mengantisipasi kapan dan di mana EV akan terhubung ke jaringan.
Perusahaan utilitas harus mengatasi ketidakpastian itu tanpa data waktu nyata untuk membantu mereka menyesuaikan diri. Titik buta tersebut menjadi masalah yang semakin besar di "ujung jaringan," di mana pelanggan semakin banyak menghubungkan perangkat mereka sendiri ke jaringan seperti baterai untuk EV dan panel surya.
"Ada peran besar untuk AI di ujung jaringan," kata Siobhan Powell, seorang peneliti pascadoktoral di ETH Zrich yang tidak terlibat dalam studi ini. "Dulu tidak seperti itu, kan? Tidak banyak hal menarik yang terjadi dan sekarang kita memiliki kesempatan untuk melakukan kontrol, ada lebih banyak peluang dan nilai dalam mengetahui apa yang terjadi."
Salah satu masalah yang ditemukan oleh para peneliti dengan studi ini adalah short-cycling, penarikan daya yang tidak konsisten dari kendaraan yang berhenti dan mulai mengisi daya bahkan setelah baterai terisi penuh. Tidak hanya itu membakar energi secara tidak efisien, tetapi juga dapat menyebabkan kabel dan transformator menjadi panas berlebih. Mereka juga menemukan bahwa pengisian daya EV menurunkan kualitas daya, ketika listrik menyimpang dari rentang tegangan dan frekuensi ideal. Flickering adalah tanda kualitas daya rendah, yang juga dapat menyebabkan lebih banyak keausan pada peralatan.
