Charging Data Analysis and Clasification for Microgrids

Jeevanath Elumalai

Diplomová práce

Anotace:

Tato práce si klade za cíl vyvinout model klasifikace elektrických vozidel (EV) založený na datech z nabíjecích stanic pro elektromobily. Studie využívá datovou sadu 6 nabíjecích relací z nabíjecí stanice pro elektromobily a implementuje dva algoritmy hlubokého učení, včetně LSTM a Auto- Encoders pro klasifikaci EV. . Výkon klasifikačního modelu je hodnocen na základě míry přesnosti a preciznosti. Studie také identifikuje klíčové charakteristiky nabíjení, které jsou nejvýznamnější při rozlišování mezi různými typy elektromobilů, včetně doby nabíjení, spotřeby energie a vzorců nabí- jení. Zjištění tohoto výzkumu mají významné důsledky pro rozvoj infrastruktury a služeb nabíjení elektromobilů. Klasifikační model vyvinutý v této práci lze použít k optimalizaci provozu nabíjecích stanic, zlepšení nabíjecích služeb a rozvoji strategií přijetí elektromobilů. Studie také zdůrazňuje důležitost využití dat z nabíjecích stanic pro elektromobily pro pochopení trhu s elektromobily a zlepšení efektivity nabíjecí infrastruktury

Abstract:

This thesis aims to develop a classification model for electric vehicles (EVs) based on data from EV charging stations.The study utilizes a dataset of 6 charging sessions from EV charging station and implements two deep learning algorithm including LSTM and Auto-Encoders to classify EVs. The performance of the classification model is evaluated based on accuracy rates & precision.The study also identifies key charging characteristics that are most significant in distinguishing between different types of EVs, including charging time, energy consumption, and charging patterns.The findings of this research have significant implications for the development of EV charging infras- tructure and services. The classification model developed in this thesis can be used to optimize charging station operations, improve charging services, and develop EV adoption strategies. The study also highlights the importance of utilizing data from EV charging stations in understanding the EV market and improving the efficiency of charging infrastructure.

Klíčová slova

EV (elektrická vozidla, klasifikace, LSTM, Auto-Encoder, nabíjecí schéma, nabíjecí infrastruktura, model

Keywords

EVs (Electric Vehicles, classification, LSTM, Auto-Encoder, charging pattern, charging infrastruc- ture, model

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 30. 4. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 2. 6. 2023
• Vedoucí: Zdeněk Slanina
• Oponent: Melvin Alexis Lara de Leon

VŠB – Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Magisterský studijní program:
Řídicí a informační systémy