Imagen: Disponible
EntrevistaInfraestructura

Cómo Evailable quiere mejorar la fiabilidad de los puntos de recarga con IA: siete preguntas para Maren Rehnelt

Muchos conductores de vehículos eléctricos conocen el problema: el navegador por satélite les dirige a un punto de recarga gratuito y, cuando llegan allí, no pueden cargar a pesar de que la aplicación les indica lo contrario. Evailable, parte de la empresa alemana de servicios públicos y operadora de puntos de recarga E.ON, quiere evitarlo utilizando la IA. En una entrevista, Maren Rehnelt explica cómo funciona exactamente.

Suba, fije su destino y arranque: incluso los trayectos más largos no suponen ningún problema con los VE modernos. El coche calcula automáticamente las paradas de carga necesarias y, con Plug&Charge, basta con enchufarse in situ, o pagar brevemente a través de una aplicación o tarjeta. Cada año se ponen en marcha más puntos de recarga y se reducen las lagunas en la red.

Aun así, la situación dista mucho de ser ideal, y no se trata del debate sobre los precios de recarga, los pagos ad hoc o la itinerancia. Es comprensible que los usuarios se sientan frustrados cuando el coche o la aplicación de recarga muestran un punto de recarga de 300 kW gratuito y en funcionamiento, pero en realidad la sesión no se inicia, la pantalla está estropeada o los 300 kW prometidos se reducen a sólo 30 kW. Una parada rápida de 20 minutos puede convertirse fácilmente en un retraso más largo, y los desvíos a otros parques de recarga cuestan tiempo extra.

Ahí es donde entra en juego Evailable. La empresa forma parte de E.ON y quiere llevar la experiencia del grupo en redes energéticas -donde el tiempo de actividad es crítico y la IA ya está establecida- a la e-movilidad. Hablamos con Maren Rehnelt, directora general de Evailable, sobre lo que promete la empresa, cómo funciona y cómo se pueden detectar los fallos con hasta una semana de antelación.

Evailable quiere que la disponibilidad de los puntos de recarga sea un hecho. ¿En qué se diferencia su "disponibilidad real" del conocido tiempo de actividad de un punto de carga?

Creo que tanto los conductores como los operadores de VE experimentan la diferencia cada día. Tiempo de actividad significa que la estación está en línea. Disponibilidad real significa la sesión de carga se realiza correctamente. Nuestro sistema va más allá del simple informe de disponibilidad. Analizamos los errores, el comportamiento de carga, las comunicaciones y muchos otros factores. Un ejemplo: una estación aparece como "disponible", pero las sesiones de carga llevan dos semanas fallando o funcionando sólo a media potencia. Evailable hace visibles estos problemas - los backends clásicos no lo hacen.

Supongamos que la herramienta de IA detecta un fallo. ¿Qué ocurre a continuación? ¿Se envía un mensaje estándar al operador del punto de carga? ¿O el sistema desencadena una respuesta antes de enviar una notificación? A menudo, basta con un simple reinicio.

Depende del problema. En algunos casos, un reinicio ayuda definitivamente. Nuestra IA ha aprendido cuándo es útil y lo realiza inmediatamente. En todos los clientes, ayudamos más de 100.000 veces al mes de forma rápida y automática, sin intervención del operador. Para otros problemas, mostramos al operador los factores que condujeron al problema.

Es un poco como un médico: con Evailable, el operador ve tanto el historial del paciente como el diagnóstico, incluidos todos los síntomas. La solución adecuada puede aplicarse inmediatamente, sin necesidad de largos análisis manuales. Ese es nuestro objetivo: automatizar, ahorrar tiempo, ahorrar dinero.

¿Cómo calcula Evailable el "Índice de salud" que indica el estado del punto de carga? Si todavía no hay ningún fallo, ¿se puede detectar alguno? ¿Las comparaciones históricas sugieren que es probable que un componente falle pronto?

Abordamos el Índice de Salud de forma similar a la medicina. Las señales de alerta temprana pueden aparecer mucho antes de que se produzca un fallo grave. Analizamos todo el flujo de datos en bruto de las estaciones conectadas y lo comparamos con otras estaciones del mismo tipo: cada modelo se comporta de forma ligeramente diferente. Nuestra red neuronal está entrenada para ello. Podemos predecir fallos con hasta una semana de antelación.

¿Qué puntos de datos entran en la evaluación? ¿Son suficientes los datos básicos o más datos mejoran la predicción?

En la mayoría de los casos, trabajamos con datos de comunicación OCPP ya disponibles. Esto permite a los operadores empezar a utilizar Evailable inmediatamente. Los datos adicionales -como la información SIM o los datos de los sensores de los componentes individuales- hacen que nuestras predicciones sean aún más precisas, hasta llegar a las previsiones a nivel de componente.

¿Cómo se capturan técnicamente los datos? ¿Se necesita hardware adicional o la herramienta de IA utiliza las interfaces y los sensores existentes? ¿Existen diferencias entre los modelos de puntos de recarga?

La gran ventaja: no necesita ningún hardware adicional. No es necesario cambiar la configuración ni las conexiones de datos de las estaciones. Es sencillo. En la mayoría de los casos, los datos brutos OCPP enviados desde la estación al backend simplemente se nos reenvían, para que podamos realizar nuestro análisis. Ya existen interfaces con muchos backends de OCPP y soluciones proxy comunes, por lo que el esfuerzo es mínimo. Las diferencias no están en la recogida de datos, sino en la interpretación: nuestra IA se adapta al modelo específico.

¿A quién se dirige exactamente Evailable en la cadena de valor de la carga?

Nuestra solución es utilizada por tres tipos de empresas. En primer lugar, los CPO que desean optimizar las redes, reducir los costes operativos y aumentar el éxito de las sesiones. En segundo lugar, los backends que integran nuestra tecnología a través de API para introducir capacidades de IA en sus plataformas. Y por último, los fabricantes de puntos de recarga que buscan mejorar el servicio y el rendimiento del hardware de forma eficiente.

¿Cómo surgió la idea de Evailable? ¿Quién está detrás de la empresa?

La idea surgió hace años en la división de innovación de E.ON, dirigida por mi colega y compañero MD Stefan Herr. Dos mundos chocaron: los problemas de escala en la infraestructura de recarga y los conocimientos de mantenimiento predictivo de las redes de electricidad y gas. El prototipo se probó internamente y funcionó tan bien que se convirtió en su propia empresa. Así nació Evailable. Hoy en día, ayudamos a los CPO de 14 países a hacer que la recarga sea fiable.

Esta entrevista fue publicado por primera vez en alemán y ha sido traducido. Forma parte de la asociación mediática entre electrive y la Conferencia de la Red Intercharge (ICNC), que se celebra del 2 al 4 de septiembre en Berlín. Maren Rehnelt es una de las ponentes de la ICNC25. Su charla está programada para el 3 de septiembre a las 12:40.

0 Comentarios

acerca de "Cómo Evailable quiere mejorar la fiabilidad de los puntos de recarga con IA: siete preguntas para Maren Rehnelt"

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *