Par projekta Nr. 2.2.1.3.i.0/2/24/A/CFLA/001 pirmā ceturkšņa pabeigšanu

2026. gada 1. maijs

SIA “Lesla Latvia” sadarbībā ar Digitālo produktu kompetences centru laika posmā no 2026. gada 1. februāra līdz 30. aprīlim ir pabeigusi pētniecības projekta “Elektroauto uzlādes prognozēšanas modeļa izstrāde izmantojot mākslīgo intelektu” pirmo ceturksni.

Projekta pirmajā ceturksnī tika īstenotas divas pētniecības un izstrādes aktivitātes, kuru mērķis bija sagatavot tehnoloģisko un datu infrastruktūras pamatu elektroauto uzlādes prognozēšanas modeļa izstrādei.

Ceturksnī tika strukturēts elektroauto enerģijas patēriņa prognozēšanas uzdevums un definēta tā tehniskā loģika Lesla digitālā risinājuma vajadzībām. Tika precizēts, ka prognozēšanas modulis jāuztver ne tikai kā elektroenerģijas patēriņa aprēķina rīks, bet arī kā plašāks lietotāja uzvedības, transportlīdzekļa izmantošanas un uzlādes pieejamības prognozēšanas ietvars. Noteikts, ka mākslīgā intelekta modulim jāprognozē tuvāko 2–3 dienu braucienu attālumi, no tiem izrietošā enerģijas nepieciešamība, transportlīdzekļa novietošanas vai pieslēgšanās laiks uzlādei vakarā, kā arī izbraukšanas vai transportlīdzekļa lietošanas sākuma laiks no rīta.

Tika analizēta iepriekš Lielbritānijā veiktās tehniski ekonomiskās priekšizpētes pieredze, kurā izvērtēta mākslīgā intelekta izmantošana elektroauto uzlādes grafiku optimizācijai, ņemot vērā braukšanas paradumus, uzlādes datus, elektroenerģijas cenas un tīkla ierobežojumus. Analīze apliecināja, ka vairāku dienu plānošanas horizonts rada būtiskas prasības prognožu stabilitātei un kvalitātei, jo uzlādes optimizācijas rezultāti ir tieši atkarīgi no tā, cik precīzi prognozēta transportlīdzekļa pieejamība un nepieciešamā enerģija.

Vienlaikus tika izstrādāts tehniskais un funkcionālais pamats transportlīdzekļu braucienu datu sistemātiskai iegūšanai, validācijai un uzturēšanai. Par risinājuma pamatu definēta Django/PostgreSQL arhitektūra: Django nodrošina datu uzņemšanu, administrēšanu un API slāni, bet PostgreSQL kalpo kā primārā strukturēto datu glabātuve. Paredzēti divi datu piegādes kanāli – vēsturisko datu sākotnējā ielāde no CSV, Parquet vai SQL avotiem un turpmāka operatīva datu saņemšana ar API un Protobuf pakešu apmaiņas mehānismu.

Darba gaitā tika definēta datu iegūšanas un validācijas plūsma no ārējā datu piegādātāja līdz validētai analītikas datu kopai. Izveidotā pieeja paredz, ka kļūdaini vai nepilnīgi ieraksti netiek dzēsti, bet saglabāti kopā ar kļūdas kodu un skaidrojumu, tādējādi nodrošinot datu kvalitātes pārskatāmību un iespēju veikt labojumus vai atkārtotu datu piegādi.

Sistēmas datu apstrādes plūsma sākotnēji tika pārbaudīta ar izmēģinājuma datu kopu 80 transportlīdzekļu apmērā.

Kopumā pirmais projekta ceturksnis noslēdzās ar stabilu tehnoloģisko pamatu, kas ļauj pāriet uz nākamo posmu – sākotnējās datu kopas apstrādi un prognozēšanas modeļa izstrādi.

Projekts tiek īstenots ar Eiropas Savienības Atveseļošanas fonda (NextGenerationEU) finansējumu.

Projekta kopējās izmaksas ir 189 866,68 EUR, no tām Eiropas Savienības finansējums – 129 300,01 EUR.