Estações de recarga: como a IA ajuda a encontrar os melhores locais
Tempo de leitura: 5 min
Cruzar dados de frequência, perfil populacional e cenário competitivo para identificar os locais ideais para futuras estações de recarga de veículos elétricos: é exatamente isso que propõe a solução E-ChargePredict.
©Brunet-Monié Photographie
Será que a inteligência artificial vai transformar o segmento da recarga de veículos elétricos? Hoje, a maior parte das aplicações de IA no setor está concentrada na manutenção preditiva das estações já instaladas. Mas qual será, daqui em diante, o papel dos algoritmos na estruturação das redes futuras? Na verdade, nem é preciso olhar tão longe. Identificar pontos estratégicos para novas infraestruturas de recarga para veículos elétricos (IRVE), estimar o retorno sobre o investimento (ROI) a longo prazo para diferentes tipos de carregadores e ajustar a precificação para maximizar receitas já está acontecendo.
Joint venture entre a VINCI Energies e a VINCI Concessions, criada em 2017 para financiar e operar redes de IRVE, a EASYCHARGE lançou recentemente uma solução que utiliza IA para estimar o consumo futuro das infraestruturas de recarga. O modelo se baseia nos dados das três redes que cobrem todo o território metropolitano: Easy Charge Services, AVIA VOLT by EASYCHARGE e a rede eborn, somando, juntas, 4.000 pontos de recarga em operação.
“A rentabilidade de um projeto de implantação de estações de recarga está diretamente ligada à precisão das previsões de consumo dos futuros usuários. Por isso, é essencial para nós e para nossos investidores estimar, em cada área geográfica, nossa participação de mercado a curto, médio e longo prazo, ou seja, em horizontes contratuais de 15 a 20 anos. Foi com esse objetivo que desenvolvemos a solução E-ChargePredict”, explica Mohamed Belahrach, desenvolvedor na EASYCHARGE.
Projeções de consumo para 15 a 20 anos
A ferramenta foi construída combinando três abordagens científicas: a estimativa da demanda em uma malha espacial detalhada, a previsão da evolução dessa demanda e a determinação algorítmica dos pontos estratégicos na malha municipal.
“Garantir o melhor custo-benefício e manter o controle total sobre a solução.”
Na prática, como isso funciona? Os modelos de aprendizado de máquina (machine learning) são treinados cruzando, para cada zona geográfica, dados de diversas fontes (porcentagem de veículos elétricos, presença e densidade comercial, renda mediana, traçado da estrutura viária) com dados reais de consumo das redes de IRVE. Os cálculos resultantes são então projetados para um período de operação de 15 a 20 anos, permitindo identificar, em ordem de prioridade, os melhores locais para instalar novas estações de recarga.
A solução também permite que os gestores revisem hipóteses de tráfego formuladas dois ou três anos atrás, muitas vezes baseadas em projeções mais otimistas do que a taxa atual de penetração de veículos elétricos.
Oito meses de incubação na Leonard
“Quando iniciamos o projeto, havia pouquíssimas soluções no mercado. Hoje, a oferta começa a crescer, o que demonstra uma necessidade real. Desenvolver uma solução proprietária cumpre dois objetivos: garantir o melhor custo-benefício e manter o controle total sobre a arquitetura e os dados”, explica Eric Mendels, gerente da EASYCHARGE.
Para aprimorar sua solução de modelagem, a EASYCHARGE passou por oito meses de incubação na Leonard, a plataforma de inovação e prospectiva da VINCI. Atualmente, o E-ChargePredict já está operacional e pode ser aplicado em toda a rede metropolitana de IRVE gerenciada pela VINCI.
Como toda solução baseada em IA, o E-ChargePredict aprimora continuamente seu desempenho por meio do treinamento incremental do algoritmo, tornando a arquitetura cada vez mais rápida, robusta e simples de usar. “No momento, trata-se de uma ferramenta implantada por e para o Grupo VINCI, mas pretendemos ampliar seu alcance comercial. No futuro, ela poderá ser adaptada às necessidades do mercado de veículos pesados. Nossa intenção é continuar desenvolvendo a solução para expandir sua aplicação em escala europeia”, conclui Eric Mendels.
10/09/2026
