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

2026. gada 1. augusts

SIA “Lesla Latvia” sadarbībā ar Digitālo produktu kompetences centru laika posmā no 2026. gada 1. maija līdz 31. jūlijam ir pabeigusi pētniecības projekta “Elektroauto uzlādes prognozēšanas modeļa izstrāde izmantojot mākslīgo intelektu” otro ceturksni.

Projekta otrajā ceturksnī darbs tika koncentrēts uz divām savstarpēji saistītām aktivitātēm – elektroauto lietojuma datu iegūšanu un sagatavošanu mākslīgā intelekta modeļa apmācībai, kā arī sākotnējā AI prognozēšanas modeļa izstrādi.

Tika īstenots datu iegūšanas un apstrādes pirmais jeb koncepcijas pārbaudes (proof of concept) posms. Tā mērķis bija sagatavot kvalitatīvu un strukturētu datu kopu, kas ļautu praksē pārbaudīt pirmajā projekta ceturksnī definēto prognozēšanas pieeju. Datu apstrādē tika izmantotas kvalitātes pārbaudes, datu tīrīšanas un normalizācijas, trūkstošo vērtību apstrādes un transformācijas metodes, sagatavojot datus mašīnmācīšanās algoritmu izmantošanai.

Izmantotā datu struktūra ir orientēta uz mobilitātes paradumu analīzi. Tā aptver brauciena sākuma un beigu laiku, nobraukto attālumu un pagaidu transportlīdzekļa identifikatoru. Projekta metodoloģija paredz izmantot datus bez maršrutu ģeogrāfiskās informācijas un bez pastāvīgiem transportlīdzekļa identifikatoriem, tādējādi ierobežojot ar datu apstrādi saistītos privātuma riskus.

Pamatojoties uz sagatavoto datu kopu, tika izstrādāta sākotnējā elektroauto enerģijas pieprasījuma prognozēšanas modeļa versija. Modeļa uzdevums ir identificēt lietotāja īstermiņa braukšanas paradumus, tostarp atšķirības starp darbdienām un brīvdienām, un, balstoties uz iepriekšējo lietojumu, novērtēt sagaidāmo transportlīdzekļa enerģijas nepieciešamību nākamajām 48 stundām.

Būtiska risinājuma sastāvdaļa ir arī prognozes nenoteiktības novērtēšana, jo reāla lietotāja mobilitātes uzvedība nav pilnībā paredzama. Tādēļ modeļa koncepcijā paredzēta iespēja ģenerēt ne tikai vienu prognozēto vērtību, bet arī varbūtiskus prognožu intervālus, kurus turpmāk var izmantot uzlādes plānošanas algoritmos.

Otrā ceturkšņa rezultātā ir sagatavots datu pamats sākotnējai modeļa apmācībai un prognozēšanas modeļa koncepcijas prototips. Tas ļauj pāriet uz nākamo posmu – paplašināt datu apjomu, pārbaudīt risinājuma darbību plašākā lietotāju kopā un sagatavot prognozēšanas moduli integrācijai enerģijas pārvaldības un viedās uzlādes sistēmās.

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.