at Google ScholarTitle data
Hegele, Theresa ; Markgraf, Moritz ; Preißler, Carina ; Baumgarte, Felix:
Intelligentes Entscheidungsunterstützungssystem für Ladevorgänge an Stromtankstellen.
In:
Proceedings of the 15th International Conference on Wirtschaftsinformatik (WI). -
Potsdam, Germany
,
2020
DOI: https://doi.org/10.30844/wi_2020_r4-hegele
Abstract in another language
Die deutsche Bundesregierung zielt darauf ab, bis 2022 eine Million Elektro-autos auf die Straßen zu bringen. Bisher erscheint dieses Ziel jedoch uner-reichbar, da zahlreiche Autofahrer auf den Kauf von Elektroautos verzich-ten. Als Grund nennen sie dabei primär die unzureichend ausgebaute Lad-einfrastruktur, die unter anderem aus der Unrentabilität des Betreibens von Stromtankstellen resultiert. Eine Möglichkeit, die Profitabilität solcher In-vestments zu steigern, ist, die Verweildauer der Ladekunden zu nutzen, um die Ladevorgänge auf monetär günstige Zeitpunkte zu legen. Intelligente De-cision Support Systems können die aggregierte Berücksichtigung aller rele-vanten Einflussfaktoren unterstützen. Bisherige Lösungsansätze aus dem Be-reich Green IS setzen beispielsweise auf die Reinforcement Learning Metho-de Q-Learning. Aufgrund der geringen Skalierbarkeit ist sie allerdings nicht auf größere Stromtankstellen anwendbar. Um auf diese Herausforderung einzugehen, wird in dieser Arbeit ein Deep Reinforcement Learning Ansatz verfolgt. Die Evaluation in einem Realwelt-Setting zeigt, dass die Profitabili-tät von Stromtankstellen durch den Einsatz dieses Modells deutlich steigt.