Puntos de carga: la IA ayuda a encontrar las mejores ubicaciones
Tiempo de lectura : 5 min
La solución E-ChargePredict propone cruzar datos de afluencia, de perfil de población y de competencia en el entorno para encontrar las mejores ubicaciones de futuras estaciones de carga de vehículos eléctricos.
©Brunet-Monié Photographie
¿La inteligencia artificial va a transformar el mercado de la carga de vehículos eléctricos? Actualmente, en este ámbito, la mayoría de los casos de uso de la IA están relacionados con el mantenimiento predictivo de los puntos de carga instalados, pero ¿cuál podría ser la función de los algoritmos en la configuración de las futuras redes el día de mañana? ¿El día de mañana? No es necesario pensar a tan largo plazo… Identificar las ubicaciones estratégicas para la instalación de infraestructuras de recarga para vehículos eléctricos (IRVE), estimar a largo plazo el ROI de los distintos tipos de cargadores o ajustar la determinación de precios para maximizar los beneficios son funciones que ya son una realidad actualmente.
EASYCHARGE, joint-venture entre VINCI Energies y VINCI Concessions creada en 2017 especialmente para financiar y gestionar redes de IRVE, ha lanzado recientemente una solución que utiliza la IA para hacer estimaciones de los consumos futuros de las infraestructuras de recarga a partir de los datos que obtiene de sus tres redes, interconectadas por todo el territorio metropolitano: Easy Charge Services, AVIA VOLT by EASYCHARGE y la red eborn. En total, 4.000 puntos de carga en funcionamiento.
“La rentabilidad de un proyecto de implantación de una estación de carga está directamente relacionada con las previsiones de consumo de los futuros usuarios. Por ello, para nosotros y nuestros socios inversores es esencial estimar nuestra cuota de mercado en cada área geográfica a corto, medio y largo plazo, es decir, en períodos contractuales de entre 15 y 20 años. Esta ha sido la perspectiva con la que hemos diseñado la solución E-ChargePredict”, cuenta Mohamed Belahrach, desarrollador en EASYCHARGE.
Proyecciones de consumo a 15 o 20 años
La herramienta ha sido pensada en torno a la combinación de tres planteamientos científicos: la estimación de la demanda en una red espacial fina, la predicción de la evolución de la demanda estimada y la determinación algorítmica de las localizaciones más estratégicas en la red municipal.
“Ofrecer la mejor relación calidad-precio posible y mantener el control total de la solución”
¿Cómo funciona, concretamente? Los modelos de aprendizaje automático (machine learning) se entrenan cruzando, por cada área geográfica, datos obtenidos de diversas fuentes (porcentaje de dotación en vehículos eléctricos, presencia y red comercial, ingresos medianos y diseño de la red viaria) con datos de consumo procedentes de las redes de IRVE. A continuación, los cálculos de consumo obtenidos se proyectan en un plazo de explotación de entre 15 y 20 años para identificar, por orden decreciente, las mejores ubicaciones donde instalar los puntos de carga.
Además, la solución permite a los gestores de estaciones ponderar las hipótesis de tráfico que hayan efectuado hace dos o tres años, basándose en proyecciones optimistas, con la tasa actual de dotación de vehículos eléctricos.
Período de incubación de ocho meses en Leonard
“Cuando pusimos en marcha este proyecto, había muy pocas soluciones en el mercado. Actualmente, la oferta empieza a ampliarse, lo que indica que existe una necesidad real. Nuestra voluntad de desarrollar una oferta propia responde a un doble propósito: ofrecer la mejor relación calidad-precio posible y mantener el control total de la solución, de su arquitectura y de los datos”, añade Eric Mendels, gerente de EASYCHARGE.
Para perfeccionar su solución de modelización, EASYCHARGE tuvo la oportunidad de acceder a un período de incubación de ocho meses en Leonard, estructura de innovación y de prospectiva de VINCI. Actualmente, la solución E-ChargePredict funciona y puede ofrecerse y activarse en todo el parque metropolitano de IRVE gestionado por VINCI.
Como cualquier solución basada en IA, E-ChargePredict mejora su rendimiento gracias al modelo de entrenamiento inducido por el algoritmo, lo que contribuye a hacer que la arquitectura de la solución sea cada vez más rápida, robusta y fácil de usar. “Por ahora, se trata de una herramienta implementada por y para el Grupo VINCI, pero esperamos ampliar el ámbito comercial de la solución en el futuro. Podría adaptarse a las necesidades del mercado de vehículos pesados. Nuestra intención es continuar con el desarrollo de la herramienta para ampliarla a escala europea”, concluye Eric Mendels.
10/09/2026
