甲骨文公司（Oracle）在電動汽車（EV）探測方面獲得突破，使電力公司能夠智能地管理電網上的新能源需求。

利用深度機器學習技術，甲骨文Utilities Analytics Insights能夠識別電動汽車的存在、顯示充電時間和頻率、并通過高級量測系統（AMI）數據分解電動汽車消耗的能源。利用此類智能技術，電力公司能夠可靠地規劃大規模電動汽車所需的電量，以及讓顧客可以在電費最便宜，對電網健康最有利的時候為電動汽車充電。目前，甲骨文Utilities Analytics Insights提供的新型電動汽車探測技術正被多個電力公司采用，以進行試點項目。

全球管理咨詢公司麥肯錫（McKinsey）的一份報告顯示，未來幾十年內，隨著電動汽車的不斷涌入，電網峰值負荷將平均額外增長1%至4%。雖然數字看起來不大，但是卻會讓當地分站和居民區支線的電力供應極度不穩定。此外，此種峰值負荷預計會在電動汽車采用較多的某些城市地區實現30%的增長。

雖然電動汽車被認為是減少碳排放的重要一步，但是大多數電網都遠在電動汽車成為商用消費品之前所建。隨著交通運輸日益向電氣化發展，公用事業公司必須為電力資源需求上升做好計劃，此類需求的增長將因地而異。

甲骨文經過十多年的研究和經驗來研發出電動汽車探測功能，此類研究和經驗是從100家公用事業的6000萬戶家庭中收集來的數十億個數據點中，分解出家庭能源數據。甲骨文的訓練數據模型能夠針對每個特定家庭的能源使用情況進行部署，以了解客戶是否擁有電動汽車、他們如何與電動汽車充電器交互以及電動汽車聚集在配電網的何處。由于電動汽車現在成為了一種新型電網分布式能源（DER），因而電動汽車探測功能可讓電力公司能夠更好地規劃和管理電動汽車的運行影響。

從電動汽車客戶的角度來看，為電動汽車充電會讓家庭能源使用量增加15%或更多，在電力需求高峰期可能會增加一倍。有了甲骨文公司的電動汽車探測功能，電力公司能夠擁有工具以推出直觀、用戶友好的電動汽車客戶旅行和使用時間（TOU）規劃，從而鼓勵、教育和獎勵電動車主在非高峰時段為電動汽車充電。未來，電力公司也可從客戶的電動汽車電池中回購未使用的能源，以在需求高的時候平衡能源供需。

返回第一電動網首頁 >