|
|
|
利用深度机器学习技术，甲骨文Utltes Analytcs nshts能够识别电动汽车的存在、显示充电时间和频率、并通过高级量测系统（A）数据分解电动汽车消耗的能源。利用此类智能技术，电力公司能够可靠地规划大规模电动汽车所需的电量，以及让顾客可以在电费最便宜，对电网健康最有利的时候为电动汽车充电。目前，甲骨文Utltes Analytcs nshts提供的新型电动汽车探测技术正被多个电力公司采用，以进行试点项目。
全球管理咨询公司麦肯锡（cKnsey）的一份报告显示，未来几十年内，随着电动汽车的不断涌入，电网峰值负荷将平均额外增长1%至4%。虽然数字看起来不大，但是却会让当地分站和居民区支线的电力供应极度不稳定。此外，此种峰值负荷预计会在电动汽车采用较多的某些城市地区实现30%的增长。
虽然电动汽车被认为是减少碳排放的重要一步，但是大多数电网都远在电动汽车成为商用消费品之前所建。随着交通运输日益向电气化发展，公用事业公司必须为电力资源需求上升做好计划，此类需求的增长将因地而异。
甲骨文经过十多年的研究和经验来研发出电动汽车探测功能，此类研究和经验是从100家公用事业的6000万户家庭中收集来的数十亿个数据点中，分解出家庭能源数据。甲骨文的训练数据模型能够针对每个特定家庭的能源使用情况进行部署，以了解客户是否拥有电动汽车、他们如何与电动汽车充电器交互以及电动汽车聚集在配电网的何处。由于电动汽车现在成为了一种新型电网分布式能源（DER），因而电动汽车探测功能可让电力公司能够更好地规划和管理电动汽车的运行影响。
从电动汽车客户的角度来看，为电动汽车充电会让家庭能源使用量增加15%或更多，在电力需求高峰期可能会增加一倍。有了甲骨文公司的电动汽车探测功能，电力公司能够拥有工具以推出直观、用户友好的电动汽车客户旅行和使用时间（TOU）规划，从而鼓励、教育和奖励电动车主在非高峰时段为电动汽车充电。未来，电力公司也可从客户的电动汽车电池中回购未使用的能源，以在需求高的时候平衡能源供需。