Norādi uz jebkuru vietu kartē, un Pulse pateiks, kādu ātrās uzlādes pieprasījumu tā piesaistītu. Nevis miglainu “labu” vai “sliktu” vērtējumu — bet konkrētu skaitli: prognozētos kWh uz vienu uzlādes vietu dienā, sadalītus pa mēnešiem un izskaidrojamus līdz pat individuālajiem ievades parametriem, kas noteica rezultātu.

Modelis darbojas trīs savstarpēji reizināmos posmos.

1. posms — Pieprasījuma bāze

Parametrisks modelis novērtē, cik liels ātrās uzlādes pieprasījums kopumā pastāv konkrētā valstī un mēnesī. Tas ņem vērā trīs faktorus:

Temperatūra — auksts laiks palielina enerģijas patēriņu uz km un pastiprina bažas par nobraukumu. Janvārī Norvēģijā ātrās uzlādes pieprasījums uz vienu BEV ir aptuveni par 70% lielāks nekā jūlijā.
BEV autoparka īpatsvars — vairāk elektroauto uz ceļiem nozīmē vairāk uzlādes sesiju. Modelis izmanto logaritmiski mērogotu BEV izplatību pa valstīm un gadiem.
Valsts bāzes līmenis — braukšanas kultūra, autoceļu blīvums un uzlādes paradumi valstīs strukturāli atšķiras. Norvēģijas BEV īpašnieks publisko ātro uzlādi izmanto citādi nekā Somijas īpašnieks, pat pie vienādas temperatūras un autoparka īpatsvara.

Pieprasījuma bāze tiek apmācīta ar novērotajiem staciju līmeņa izmantošanas datiem. Tā atbild uz jautājumu: kā šajā valstī un šajā mēnesī izskatās “normāli”? Rezultāts ir skaitlis kWh uz vienu uzlādes vietu dienā — parasti no 40 līdz 120 atkarībā no tirgus un sezonas.

2. posms — Atrašanās vietas vērtējums

Pieprasījuma bāze raksturo tirgu. Atrašanās vietas vērtējums raksturo šo konkrēto vietu. Tas ir mašīnmācīšanās modelis (gradientu pastiprināti koki), kas vērtē 20 telpiskos parametrus vairākās kategorijās:

Satiksme — salikts satiksmes vērtējums, kas iegūts no valsts AADT (gada vidējā diennakts satiksmes intensitāte) datiem un svērts pēc ceļa tuvuma un veida. Ietver arī autoceļu satiksmes īpatsvaru un maksimālo ceļa AADT. Tas ir pārliecinoši spēcīgākais prognozētājs.
Konkurence — esošie DC ātrās uzlādes punkti 5 km, 10 km un 25 km rādiusā, kā arī attālums līdz tuvākajam konkurentam. Lielāka konkurence nozīmē, ka katra stacija piesaista mazāku daļu no garāmbraucošā pieprasījuma.
Interesanti objekti — degvielas uzpildes stacijas, ēdināšanas vietas, autostāvvietas un citas ērtības 1 km un 5 km rādiusā. Ietver mazumtirdzniecības POI apakškategorijas: tirdzniecības centrus, zīmolu ātrās ēdināšanas restorānus, ķēžu veikalus un mazumtirdzniecības blīvumu. Tie kalpo kā apmeklētāju plūsmas, uzturēšanās ilguma un autovadītājus piesaistošas vietas aizstājējrādītāji.
Pieejamība — attālums līdz tuvākajai degvielas uzpildes stacijai, ēdināšanas vietai un jebkuram POI. Vietas pie esošās autovadītāju infrastruktūras pārmanto tās satiksmes plūsmu.

Modelis ir apmācīts ar vairāk nekā 33,934 staciju mēnešiem novērotu uzlādes izmantošanas datu no 4,083 stacijām. Tas apgūst, kāda telpisko parametru kombinācija prognozē augstu vai zemu izmantošanu, un pēc tam piemēro to jebkuram jaunam punktam.

Vietās ar blīviem konkurences datiem darbojas pilnais 20 parametru modelis. Vietās ar nepietiekamiem konkurences datiem (jaunos tirgos, lauku teritorijās) to aizstāj atsevišķs bāzes modelis, kas izmanto tikai satiksmes un POI parametrus. Abi tiek apvienoti ar sigmoidālo funkciju, kas balstīta vietējā konkurences blīvumā — tāpēc modelis pakāpeniski zaudē precizitāti, nevis izdomā rezultātus datu nabadzīgos reģionos.

Rezultāts ir viens skaitlis: atrašanās vietas vērtējums. Tas darbojas kā reizinātājs pieprasījuma bāzei. Vērtējums 3.0 nozīmē, ka šī vieta piesaistītu trīsreiz lielāku pieprasījumu nekā valsts/mēneša bāzes līmenis. Vērtējums 0.5 nozīmē pusi.

3. posms — Operatora korekcija

Atrašanās vietas vērtējums apzināti neņem vērā operatoru — tas mēra zemes potenciālu, nevis to, kurš to apsaimnieko. Taču, veidojot pieprasījuma prognozi konkrētam projektam, tiek pievienots trešais faktors: CPO izpildes faktors. Tas koriģē rezultātu pēc tā, cik labi konkrētais operators atrašanās vietas potenciālu pārvērš faktiskās sesijās (skat. zemāk “Kas ir CPO izpildes vērtējums?”). Noklusējuma vērtība ir 1.0, kas nozīmē plāna scenārija izpildi.

Reizināšanas ķēde

Galīgais pieprasījuma novērtējums ir vienkāršs:

                                kWh / EVSE / dienā  =  pieprasījuma bāze  ×  atrašanās vietas vērtējums  ×  CPO faktors
                            

Piemērs: vieta Norvēģijā janvārī ar atrašanās vietas vērtējumu 1.5 un plāna scenārija izpildi:

Pieprasījuma bāze (Norvēģija, janvāris, −5°C, 25% BEV)	81 kWh/uzlādes vietu/dienā
Atrašanās vietas vērtējums	× 1.50
CPO izpildes faktors	× 1.00
Prognozētais pieprasījums	122 kWh/uzlādes vietu/dienā

Tajā pašā vietā jūlijā (15°C) pieprasījuma bāze būtu zemāka (~52 kWh), radot 78 kWh/uzlādes vietu/dienā — kritumu par 38% sezonas dēļ, kas atbilst tam, ko novērojam reālajos datos.

Kāpēc vērtējumi atšķiras starp tirgiem

Atrašanās vietas vērtējums izmanto vienotu globālu skalu. Vērtējums 2.5 visur nozīmē vienu un to pašu: 2.5× vietējā pieprasījuma bāze. Taču, tā kā telpiskie parametri, kas nosaka vērtējumu (satiksmes blīvums, konkurence, POI pārklājums), dažādās valstīs būtiski atšķiras, vērtējumu sadalījums katrā tirgū ir citāds.

Norvēģijā staciju mediānais vērtējums ir aptuveni 1.0. Vācijā — aptuveni 2.5. Nīderlandē tas ir tuvu 3.0. Tā nav nepilnība — tas ir signāls. Blīvi tirgi ar intensīvu satiksmi un daudzām ērtībām rada augstākus vērtējumus, jo šie parametri patiešām prognozē lielāku pieprasījumu. Vērtējums 1.5 Norvēģijā ir virs vidējā Norvēģijai; tas pats vērtējums Nīderlandē būtu zem vidējā. Abi ir pareizi.

Izskaidrojamība

Katram vērtējumam ir pilns SHAP (SHapley Additive exPlanations) sadalījums, kas precīzi parāda, kuri parametri un cik lielā mērā vērtējumu paaugstināja vai pazemināja. Vari redzēt, ka konkrēta vieta saņem augstu vērtējumu tāpēc, ka tuvākajam ceļam ir 18,000 AADT un 200 metru attālumā atrodas degvielas uzpildes stacija — nevis tikai to, ka vērtējums ir augsts. Tas ir svarīgi investīciju lēmumiem: jāzina kāpēc, ne tikai kas.

Katrai sistēmas daļai ir savs padziļināts skaidrojums: pieprasījuma modelim, atrašanās vietas vērtējumam un CPO izpildes vērtējumam.

Other EV & Charging Companies