AI Membantu Utilitas Mengelola Lonjakan Pengisian Kendaraan Listrik
Laporan terbaru mengungkapkan bagaimana utilitas memanfaatkan kecerdasan buatan (AI) untuk mempersiapkan jaringan listrik menghadapi lonjakan kendaraan listrik (EV). Dengan semakin banyaknya pengemudi yang beralih ke EV, permintaan pada jaringan listrik diperkirakan akan meningkat pesat. Jika tidak dikelola, pengisian yang tidak teratur dapat menelan biaya miliaran dalam infrastruktur jaringan baru. Namun, ada solusi potensial tanpa investasi besar: pengisian yang dikelola secara aktif.
Menurut studi dari penyedia AI SaaS Bidgely dan Smart Electric Power Alliance (SEPA), pembelajaran mendalam AI dapat memisahkan data meteran canggih untuk mengidentifikasi pengguna EV. Data ini kemudian digunakan untuk merancang program pengisian EV yang lebih efisien dan memetakan tren elektrifikasi transportasi. SEPA dan Bidgely menekankan peran penting AI dalam menangani kompleksitas elektrifikasi, kata presiden dan CEO SEPA, Sheri Givens. Strategi ini membantu utilitas mendorong adopsi EV sambil menjaga stabilitas jaringan.
Sementara itu, infrastruktur meteran canggih (AMI) menyediakan komunikasi dua arah antara pelanggan dan utilitas. Meteran ini mengumpulkan data penggunaan listrik dan mengirimkannya setiap 15 menit atau satu jam. Pada 2022, sekitar 73% rumah tangga dan bisnis telah menggunakannya. Sejak diterapkan pada 2010-an, data ini digunakan untuk melacak perubahan penggunaan energi pelanggan. Namun, dengan meningkatnya penggunaan EV, metode lama tidak lagi memadai. Model sebelumnya menganggap beban besar semalam sebagai pengisian EV, tetapi tidak semua pengisian sama. Plug-in hybrid memiliki profil pengisian berbeda dari kendaraan listrik baterai. Begitu juga dengan pengisi daya level 1 dan 2. Akibatnya, perkiraan tradisional dapat salah menilai dampak jaringan.
Di sinilah perangkat lunak disaggregasi data AMI berbasis AI seperti Bidgely, Uplight, Sense, Sagewell, Powerly, dan Oracle berperan. Alat ini membantu mengidentifikasi pelanggan EV, perilaku pengisian, serta membuat program pengisian EV yang dikelola. Selain itu, utilitas dapat memetakan pertumbuhan beban EV berdasarkan geografi. Makalah ini juga menyajikan dua studi kasus AI dalam praktik. Di Ontario, utilitas Hydro One menggunakan Bidgely untuk memetakan penggunaan EV dan mendaftarkan pemilik EV ke program pengisian yang disesuaikan. Data tersebut juga membantu memprediksi peningkatan beban di masa depan.
Di Las Vegas, NV Energy menguji 50 pemilik EV yang diidentifikasi melalui Bidgely. Tujuannya adalah menemukan rencana yang cocok untuk pelanggan bernilai tinggi, memenuhi kebutuhan mereka, dan meningkatkan ketahanan sistem. Selain itu, mereka ingin mengurangi pengisian saat jam puncak dari pukul 8 hingga 12. Hasilnya, NV Energy berhasil menggeser beban ke waktu non-puncak 10 kali lebih efektif dibandingkan tanpa AI. “AI sangat penting bagi utilitas untuk menangani tantangan jaringan akibat lonjakan kendaraan listrik,” kata CEO Bidgely, Abhay Gupta.
Sebagai kesimpulan, jumlah EV di jalan diperkirakan melonjak 26% dari jutaan kendaraan pada 2025 menjadi jutaan pada 2035, menurut studi tersebut.
Artikel ini pertama kali muncul di publikasi saudara AI Business, IoT World Today.