密歇根大学交通研究所和初创公司Utilidata的一项小型研究表明,人工智能工具可以为美国电网的能源分配提供事实数据,从而优化美国电动汽车的充电并使得驾驶员体验得到保障。 研究人员在调查中发现,电动汽车充电存在消耗电力不一致、电力质量较低的情况。因此他们研究如何用人工智能分析电动汽车的充电过程,从而希望能够改善驾驶员体验、减少充电设备磨损并且帮助公用事业公司为电力需求增长做好准备。 这些问题主要会降低电能使用率、浪费能源并导致电动个汽车充电器损坏,这也成为一些驾驶员的心腹大患。 因此,利用人工智能能力能够立即发现甚至是预测这些问题,从而可以彻底改变游戏规则。 研究团队发现,人工智能模型可以让公用事业公司了解充电对整体电网的影响并对电网调整提出建议。它们还会建议驾驶员在何时何地充电,并且帮助电动汽车充电公司更好的维护设备。 研究人员在密歇根大学的六个电动汽车充电安装站安装了配有Utilidata的Karman电表适配器。Karman分析了去年3到6月之间的电压、电流、功率和其他动态。同时作者还在10名经常到访校园的司机的车辆上安装了设备,以监控他们的充电习惯。 在监控中,研究人员发现一个电车充电的问题是短周期充电,即车辆的耗电量不一致,即使在电池充满电之后还会有反复的充电现象。 这样不仅会导致能源使用率非常低,而且会使电线和变压器过热。他们还发现,当电力低于理想电压和频率范围时,电动汽车充电会降低电能质量。充电灯闪烁是电能质量低下的明显现象,这也会导致设备磨损加剧。 同时,研究组指出,该项目以美国的电网为例,而美国电网已经老化得不堪重负,一方面要满足人工智能数据中心、区块链挖矿以及清洁能源技术不断增长的电力需求。一方面还要应付难以预测的“电动汽车何时会接入电网”的问题。 除此之外,电动汽车充电设施缺乏管理的地方可能会对电网产生更大的影响。研究人员指出,在最坏的情况下,可能会影响其他居民的电量供应。 研究人员说明,他们希望这次研究可以引起人们对于电动汽车充电和电网的担忧。“很多担忧是由于人们并不知道电动汽车相关的知识,因此美国政府需要披露这些信息以减少人们的担忧”Utilidata的副总裁Yingchen Zhang指出。 Zhang还说明人工智能的兴起也引发了人们对日益耗能的数据中心给电网带来压力的担忧。Utilidata也在考虑这个问题,使用 Nvidia 的定制芯片来消耗比更通用的人工智能芯片更少的能源。而且以这种方式使用机器学习来分析数据通常比生成文本和图像的生成式人工智能模型耗能少得多。 Zhang指出,这次实验的收获在于真正让大家知道了电动汽车的很多不为人所知的损耗,至少车主、电网运营商和充电器制造商不知道。同时电动汽车的普及还需要美国电网的持续准备和升级。 |
原创栏目
IT百科
网友评论
聚超值•精选