Wang Di, stellvertretender Generaldirektor von Xingxing Charging: Künstliche Intelligenz stärkt die neue Energie und baut ein intelligentes Ökosystem für das Laden, Mikrogrids und Stromhandel auf | Die 36Kr Zukunftskonferenz für Branchen 2025

Am 10. September eröffnete die "36Kr Industrial Future Conference 2025", die von 36Kr organisiert wurde, feierlich in Xiamen, China. Diese Konferenz arbeitete in enger Partnerschaft mit der "China International Fair for Investment and Trade", die vom chinesischen Ministerium für Handel organisiert wird, zusammen. Mit dem zentralen Thema "Die Zeit der Pünktlichkeit und Präzision, Wellen in der Reisfelder" wurde ein hochrangiges, wertvolles und einflussreiches Industrievenement geschaffen, das sowohl auf nationaler Ebene als auch in Bezug auf die Branchentiefe und die Marktfragwürdigkeit beeindruckt.

Die Konferenz richtete sich eng an die nationalen Strategieausrichtungen und die Branchenentwicklungstrends. Sie konzentrierte sich auf fünf Kernbereiche: Künstliche Intelligenz, Luftraumwirtschaft unter 1000 Metern, fortschrittliche Fertigung, erneuerbare Energien und Großverbrauchsgüter. Topkräfte aus der Branche kamen zusammen, um über Entwicklungspfade zu diskutieren und die Zukunft der Industrie zu gestalten. Im zweitägigen Programm war die "Industriezusammenarbeitskette" die logische Hauptlinie. Besonderes Augenmerk lag auf dem Kooperationsmechanismus zwischen Politik, Kapital und Industrie. Es wurde eingehend darüber diskutiert, wie Barrieren abgebaut, Ressourcen integriert und die Schmerzpunkte, Engpässe und Hemmnisse in der industriellen Entwicklung präzise gelöst werden können.

An diesem Tag hielt Wang Di, stellvertretender Generaldirektor von Xingxing Charge und Direktor des Digital Energy Research Institutes, einen Vortrag mit dem Titel "Der Weg der Dreifach-Integration von neuen Energien, angetrieben durch Xingxing Charge's Künstliche Intelligenz".

Im Folgenden finden Sie den Inhalt des Vortrags, der von 36Kr bearbeitet wurde: 

Sehr geehrte Damen und Herren! Guten Morgen! Heute möchte ich hauptsächlich über die Anwendung von KI-Technologie im Bereich der erneuerbaren Energien sprechen.

Vorab möchte ich kurz über Xingxing Charge informieren: Die meisten Endverbraucher kennen uns vor allem für unsere Ladestationen und -säulen. Zugleich haben wir uns auch in den Bereich der Energiewirtschaft expandiert. Heute erstreckt sich unser Ladungsnetzwerk und unser intelligentes Mikrogrid über verschiedene Szenarien. Hier einige Zahlen: Seit 2014 entwickeln und produzieren wir eigene Ladestationen, investieren in die Errichtung von Ladeparks, entwickeln ein Franchisenetzwerk und bieten Lösungen an. In den letzten 11 Jahren ist unser Geschäft auf 261 bezirksfreie Städte und über 2.800 Kreise in ganz China ausgeweitet worden. Über 2 Millionen Ladestationen sind an unser Netzwerk angeschlossen, was etwa ein Sechstel der öffentlichen Ladestationen in China ausmacht. Man kann sagen, dass es für Elektroautofahrer heute kein Problem mehr ist, in ganz China zu reisen und zu laden.

Um ein so umfangreiches Geschäftsvolumen zu unterstützen, ist es wichtig, sicher, effizient und langlebig zu sein. Die Künstliche Intelligenz bietet hierfür die entscheidende Stütze. In all unseren Hardwareprodukten sind intelligente Algorithmen und eine Kombination aus Hardware und Software integriert. Unser Geschäft umfasst das Ladungsnetzwerk, das intelligente Mikrogrid auf der Verbraucherseite sowie den Betrieb virtueller Kraftwerke, die auf beiden aufbauen. Im Folgenden möchte ich anhand konkreter Beispiele die Umsetzung von KI teilen - einige Inhalte sind zwar eher technisch, aber ich hoffe, dass sie für Freunde aus anderen Branchen nützlich sein können, wenn sie über die Integration von KI in ihre Branche nachdenken.

Das erste Beispiel ist die Planung und Standortauswahl für das Ladungsnetzwerk. Ob es sich um die Planung eines Ladungsnetzwerks für eine Stadt in den nächsten fünf Jahren oder um die Investition in eine einzelne Ladestation durch einen kleinen oder mittleren Betreiber handelt, die "Standortauswahl" ist immer das Kernproblem. Obwohl es auf den ersten Blick einfach erscheint, erfordert es tatsächlich eine mehrdimensionale Betrachtung aus Investitions- und Marktperspektive. Xingxing Charge hat in den letzten zehn Jahren beim Bau von Ladestationen eine Menge Erfahrungen sammelt, sowohl bei Erfolgen als auch bei Misserfolgen. Wir haben diese Erfahrungen und bewährten Praktiken zusammengefasst und mit KI ein automatisiertes Empfehlungs- und Validierungssystem entwickelt. Heute ist dieses System ein "Pflichtschritt" bei unseren internen Investitionsentscheidungen und bei unseren Vorschlägen an Kunden - obwohl es nicht 100 % Garantie für Erfolg bietet, kann es aber die Risikopunkte genau aufzeigen und so potenzielle Probleme vermeiden.

Das zweite Beispiel ist der KI-Intelligente Assistent "Ladestation Arzt" für den Betrieb von Ladestationen. Die Lösung von Wissensfragen durch KI ist bereits weit verbreitet, aber die tiefe Integration in vertikale Branchen muss noch erforscht werden. Beispielsweise fragen Betreiber von Ladestationen: "Wie war der Betrieb der Station gestern und letzte Woche? Welche Vorschläge gibt es zur Kostensenkung, Effizienzsteigerung und Einnahmeerhöhung?" Solche Fragen sind für Investoren und Betreiber von zentraler Bedeutung. In der traditionellen Betriebsweise war der gesamte Prozess von der Datensammlung, der Erhebung bis zur Mitarbeiterausbildung aufwändig und ineffizient. Es war schon schwierig, eine einzelne Station zu verwalten, geschweige denn ein nationales Netzwerk. Der "Ladestation Arzt" kann nicht nur einen Analysebericht mit über 100 Indikatoren erstellen, sondern auch eine Aufgabenliste generieren und an die Betriebsmitarbeiter verteilen. Nach Abschluss der Aufgaben wird der Effekt nochmals überprüft, um einen Online-Closed-Loop zu bilden und so die Betriebseffizienz auf nationaler Ebene zu verbessern.

Bei der Vermögensverwaltung ist die intelligente Preisgestaltung der Schlüssel zur Einnahmeerhöhung. Nehmen wir die Ladestation in der Nähe einer Veranstaltungsstätte in Xiamen als Beispiel: Die Frage "Wie viel kostet ein Kilowattstunde Strom?" erfordert die Berücksichtigung mehrerer Faktoren, wie lokale Strompreise, Fahrzeugnachfrage, Wettbewerb in der Nähe und jahreszeitliche Veränderungen. Darüber hinaus enthält die Endverbraucherabrechnung Variablen wie Strompreis, Servicegebühr und Sonderangebote. Es ist für traditionelle Betriebsteams schwierig, eine präzise Preisgestaltung durchzuführen. Jetzt können wir durch KI und Large Language Model eine vollautomatische Preisgestaltung erreichen: Der Betreiber muss nur im Hintergrund mit einem Klick die Einstellungen vornehmen, und die KI berechnet und aktualisiert den Preis der Ladestation täglich, mit einer Genauigkeit von vier Dezimalstellen, was für Menschen unmöglich ist.

Das vierte Beispiel ist die Sicherheits- und unmanned-Management von Ladestationen. Die meisten Ladestationen in China sind unmanned und verteilt in Wohngebieten, Bürogebäuden und anderen Gebieten. Probleme wie Fahrzeugplatzierung, Geräteschäden und Brandgefahr können leicht auftreten - obwohl die Wahrscheinlichkeit eines thermischen Durchgehens beim Laden von Elektroautos gering ist, ist es für nationale Betreiber dennoch ein häufiges Szenario, mit dem sie umgehen müssen. Deshalb haben wir ein KI-Gerät entwickelt, das aus einer Kamera, einer Sprachinteraktion und einer intelligenten Bodenverschlusssteuerung besteht. Es kann 24 Stunden am Tag, 7 Tage die Woche die Arbeit von Menschen ersetzen und die oben genannten Probleme lösen.

Bei der Gerätewartung werden die meisten Ladestationen im Freien installiert und müssen extremen Umgebungen wie Minusvierziggraden in Nordosten China, hoher Hitze in Xinjiang, hoher Feuchtigkeit in Hainan und hoher Seehöhe in Tibet standhalten. Die Verbesserung der Verfügbarkeit ist das Kernproblem. In der Vergangenheit war es schwierig, Störungen an IoT-Geräten im Freien rechtzeitig zu erkennen, und die Reparaturkosten waren hoch. Jetzt können wir durch die vollständige aktive Wartung und die präventive Detektion die Betriebsdaten der Geräte in Echtzeit an die Cloudplattform übertragen und durch ein automatisches Diagnosemodell Störungen vorhersagen und analysieren. Die meisten Probleme können durch eine ferngesteuerte Aktualisierung selbst behoben werden, was die Verfügbarkeit der Geräte erheblich verbessert. Derzeit sind die Verfügbarkeit der Geräte und die Laderate von Xingxing Charges Netzwerk führend in der Branche, und die Anzahl der erforderlichen Wartungspersonal hat stark abgenommen.

Der Kundenservice ist einer der am besten entwickelten Bereiche für die Anwendung von KI. Unser Ziel ist es, das Branchenwissen und die Geschäftseigenschaften durch die externe Anbindung von Large Language Model in den Online-Roboter und das intelligente Sprachsystem zu integrieren, um vor allem die Selbsthilferate und die Closed-Loop-Rate zu verbessern. Nach Jahren der Verbesserung können heute 75 % der Fragen der Benutzer durch KI und Roboter unabhängig gelöst werden.

Im Bereich des intelligenten Mikrogrids geht es darum, das Zusammenspiel von Photovoltaik, Energiespeicherung und Laden zu lösen - dies ist für Endverbraucher unbemerkt, hat aber einen direkten Einfluss auf die Stromkosten der Betreiber, die Verwertung von grünem Strom und die Effizienz des Zusammenspiels mit dem Stromnetz. Nehmen wir das Changzhou Olympic Sports Center als Beispiel: An Wochenenden ziehen Fußballspiele 40.000 bis 50.000 Menschen an, und viele Fahrzeuge aus anderen Regionen müssen geladen werden. Um das Stadion herum sind Photovoltaik- und Energiespeicheranlagen installiert. Fragen wie "Wann laden, welchen Preis festlegen und wie die Netzlast ausgleichen" wurden früher manuell gesteuert, jetzt werden sie alle von einem KI-Algorithmus im Hintergrund optimiert. Die Erweiterung dieses Modells ist das Vehicle-to-Grid (V2G) - 2025 wird als das erste Jahr des Vehicle-to-Grid bezeichnet. In Zukunft können Elektroautos nicht nur Energie verbrauchen, sondern auch durch die Entladung an der Netzregelung teilnehmen. Beispielsweise können Fahrzeuge um eine Ladestation herum während eines Strommangels bei großen Veranstaltungen gemeinsam entladen, um das lokale Netz zu unterstützen. Derzeit führt die nationale Energiebehörde Pilotprojekte in neun Städten durch, und nur Shanghai und Changzhou in der Yangtse-Delta-Region sind ausgewählt worden. Wir haben während eines Fußballspiels in Changzhou das Experiment "Entladen für Liebe" abgeschlossen, was ein bahnbrechender Durchbruch in der Beziehung zwischen Autos und Energie ist. Die Umsetzung von Vehicle-to-Grid hängt von der Unterstützung von KI bei der Vorhersage der Netzlast, der Optimierung der Verwertung von grünem Strom und anderen Schritten ab. Gleichzeitig überwachen wir auch die Sicherheit der Energiespeicherbatterien durch die Digital Twin-Technologie.

Im Fertigungsbereich wenden wir KI auf die Vorhersage, die Produktionsplanung und die Logistikplanung an. Nehmen wir die visuelle Inspektion als Beispiel: Die Kamera am Verpackungsplatz der Ladestation kann automatisch den Inhalt und die Reihenfolge der Verpackung erkennen und überprüfen, ob etwas fehlt oder falsch verpackt ist, was die Qualitätskontrolle erheblich verbessert.

Insgesamt baut Xingxing Charge eine KI-Intelligente Basis auf, um zehn Geschäftsbereiche zu stärken. Durch die Entwicklung und Umsetzung von Anwendungen können wir die Effizienz verbessern, die Kosten senken und die Entwicklung neuer Produktivkräfte fördern. Dies ist auch der Kern unserer strategischen Planung für die Integration von KI in unser Geschäft.

Abschließend möchte ich das neueste Szenario vorstellen, das die obigen Fähigkeiten integriert: Das Dreifach-Integrations-Platform und das Taiyi Electricity Trading System. Bei der Anwendung von unabhängigen Energiespeichern im Netz und virtuellen Kraftwerken kann KI die Entscheidungsfindung bei der Energiespeichertransaktion unterstützen und Unternehmen helfen, Strom zu niedrigen Preisen zu kaufen und bei Spitzenlast zu entladen und zu profitieren. Der chinesische Strommarkt hat ein Volumen von 10 Billionen Kilowattstunden und umfasst sowohl langfristige Großhandels- als auch Spottransaktionen, ähnlich wie bei der Rohstoffhandels. In der Vergangenheit war dies auf Fachkräfte im Strommarkt angewiesen. Jetzt haben wir durch Large Language Model eine intelligente Hilfspaltform entwickelt, die die Funktionen der Strompolitikinterpretation, der Wettervorhersage, der Vorhersage der erneuerbaren Energieerzeugung und der Analyse der Angebotsstrategie integriert und ein "Intelligent Agent" bildet, um dem Transaktionsteam effizient zu helfen. In Zukunft wird die vollautomatische Transaktion Schritt für Schritt realisiert werden.

Das war alles von mir. Vielen Dank!