Progetto MO.S.E.C.
Descrizione
Il progetto MO.S.E.C. (acronimo di MOdular Smart Ev Charger) si occupa dello studio di tecnologie che consentano, attraverso innovativi algoritmi di Machine Learning ed Intelligenza Artificiale, una gestione intelligente ed ottimizzata della ricarica di auto elettriche al fine di ribaltare il paradigma da charge-driven a life-driven.
La soluzione proposta sul mercato dal sistema MO.S.E.C. consente di gestire la più vasta combinazione di situazioni in cui sarà possibile “scambiare” (prelevare/cedere) energia tra un veicolo ed una postazione di ricarica.
Il principio di funzionamento prevede di realizzare una microgrid in cui tutti gli elementi siano interconnessi tra loro e possano essere ottimizzate il prelievo e la cessione di energia.
Ogni nodo della rete del sistema deve essere considerato come un elemento di una rete «smart e collaborativa» in cui la risorsa energia viene messa a disposizione quando non utilizzata.
L’e-driver sfrutterà “inconsciamente” ogni momento della sua sosta (per esigenze fisiologiche, per un caffè o per pranzare) per ricevere (o cedere) energia dalle postazioni di ricarica.
Il modello di rete che si intende attivare prevede:
- Station2Station
- Veichle2Station
- Charger2Station
- Veichle2Home
Finalità
L’obiettivo finale del progetto è di arrivare ad una dimostrazione di un prototipo di sistema in ambiente operativo.
L’intenzione è quella di immettere sul mercato una soluzione che offra risposte concrete alle esigenze di innovazione fortemente sentite nel settore della “energia green” ed in particolare, dei sistemi di ricarica intelligenti per veicoli elettrici.
L’obiettivo del progetto è dunque rendere disponibile un soluzione integrata capace di:
- essere facilmente applicabile in diversi contesti operativi;
- massimizzare i vantaggi economici per gli utilizzatori dei nuovi sistemi di ricarica MO.S.E.C. attraverso il passaggio da charge-driven a life-driven;
- raccogliere in modo sistematico i dati provenienti dai diversi componenti del sistema ed elaborarli con tecniche di “machine learning” per un continuo miglioramento dell’intero processo.
Risultati
Avviare collaborazione fungendo da provider tecnologico per tutti gli attori coinvolti nel progetto.
Acquisire conoscenza che consenta di rendere più efficaci gli algoritmi di planning.
Sostegno finanziario ricevuto
Il progetto ha ottenuto un contributo totale di € 545.448,95