Flask-Anwendung zur Auswahl von E-Ladestationen und Routing mit ACO und NSGA-II unter Berücksichtigung photovoltaischer Energie

Intelligentere Fahrten für Elektroautos

Mit dem Umstieg immer mehr Fahrer auf Elektroautos stellt sich eine einfache Frage als überraschend knifflig heraus: Wo sollte man zum Laden anhalten? Die Wahl der falschen Station kann zusätzliche Umwege, lange Wartezeiten, höhere Rechnungen und mehr Verschmutzung durch fossilen Strom bedeuten. Diese Studie untersucht ein intelligentes Routing-System, das Elektroautos in Marokko in Echtzeit dabei hilft, den besten Weg und die beste Ladestelle zu wählen und dabei möglichst häufig kostenlose Solarenergie zu nutzen.

Warum die Wahl einer Ladesäule so schwierig ist

Im Straßenverkehr von heute muss ein E-Fahrer viele Faktoren gleichzeitig abwägen: Batterieladestand, Fahrgeschwindigkeit, Entfernung zur Station, Warteschlangen, Strompreis und sogar, ob eine Station mit Solarpaneelen oder dem Stromnetz betrieben wird. Die meisten vorhandenen Werkzeuge konzentrieren sich nur auf einen Teil dieses Puzzles, etwa die kürzeste Strecke oder den günstigsten Preis, und ignorieren häufig, wie ausgelastet Stationen sind oder wie viel erneuerbare Energie sie nutzen. Die Autoren zeigen, dass diese einseitige Sicht Fahrer dazu bringen kann, in der Schlange zu stehen, mehr zu zahlen als nötig oder Chancen zu verpassen, mit sauberer Solarenergie zu laden.

Ein digitaler Assistent mit Voraussicht

Die Forschenden entwickelten einen Online-Assistenten, der Autos und Ladestationen über eine leichte Internetverbindung verbindet. Jede Station sendet Standort, Anzahl freier Anschlüsse, verfügbare Solarenergie und aktuellen Ladepreis aus. Gleichzeitig verfolgt jedes Auto seine Position, den Batteriestand, das Ziel und die voraussichtliche Geschwindigkeit auf verschiedenen Straßentypen. Mithilfe dieser Live-Datenströme baut das System eine Karte möglicher Routen und schließt alle Stationen aus, die das Auto nicht sicher erreichen kann, während es eine Energiemarge behält.

Wie die intelligente Suche unter der Haube funktioniert

Im Inneren des Assistenten arbeiten zwei von der Natur inspirierte Suchverfahren zusammen. Die eine durchsucht das Straßennetz nach vielversprechenden Wegen, die kurz und effizient sind, und berücksichtigt dabei Stadtstraßen, Vorortstraßen und Autobahnen sowie mögliche Verzögerungen durch Ampeln und Stau. Die andere wägt mehrere Ziele gleichzeitig ab: schnell ankommen, Warte- und Ladezeit niedrig halten, Kosten reduzieren und möglichst viel Solarstrom nutzen. Statt einer einzigen „perfekten“ Antwort zu folgen, erstellt das System ein Menü guter Kompromisse und wählt dann die Option, die für die jeweilige Fahrt die beste Gesamtabwägung bietet.

Tests in marokkanischen Städten und auf Autobahnen

Das Team testete seinen Assistenten auf realistischen Routen in und um Marrakesch und Casablanca, zwei marokkanische Städte mit wachsenden Ladenetzen und viel Sonnenschein. Sie erstellten fünf typische Fahrprofile, von Besorgungen in der Stadt bis zu Autobahnfahrten zwischen Städten, und verglichen ihre hybride Methode mit drei gängigen Einzelansätzen. Über diese Fälle hinweg verringerte das neue System die Fahrstrecke um bis zu ein Zehntel und senkte den Energieverbrauch um bis zu etwa ein Siebtel im Vergleich zu einem einfachen Planer für kürzeste Wege. Es fand auch Routen, die schneller ankamen als Methoden, die sich nur auf Energie oder Preis konzentrieren, und lenkte Fahrer bei Sonnenschein zu Stationen mit reichlich Solarstrom.

Sauberer Strom, niedrigere Rechnungen, weniger Wartezeiten

Da der Assistent praktisch Solar-belieferte Lader bevorzugt, bezogen viele Fahrten den Großteil ihrer Energie aus Sonneneinstrahlung statt aus dem Netz. Bei Tagesfahrten in der Stadt mit guter Solaranbindung sanken die Ladekosten um etwa ein Drittel oder mehr, während der Anteil erneuerbarer Energie oft zwischen siebzig und nahezu hundert Prozent lag. Diese sauberere Mischung führte zu etwa drei bis vier Kilogramm weniger Kohlendioxid pro Fahrt im Vergleich zur ausschließlichen Nutzung von Netzstrom. Das System zeigte außerdem, dass es sich anpassen kann, wenn Prognosen zur Solarproduktion oder zum Energieverbrauch des Fahrzeugs leicht abweichen, und es vermied Ladepläne, die ein Fahrzeug fast leer laufen lassen könnten.

Was das für die zukünftige elektrische Mobilität bedeutet

Für Alltagsfahrer deutet die Studie auf eine Zukunft hin, in der eine Navigations-App mehr tut, als nur die nächste Steckdose zu zeigen. Sie könnte stillschweigend Zeit, Kosten, Stationsauslastung, Sicherheitsmargen und die Umweltfreundlichkeit des Stroms abwägen, bevor sie eine Haltestelle vorschlägt. Die Autoren argumentieren, dass ihr Ansatz gut zu Smart Cities passt, die mehr Elektrofahrzeuge unterstützen wollen, ohne Stromleitungen zu überlasten, und skizzieren, wie er auf ganze Flotten von Taxis oder Lieferwagen ausgeweitet werden könnte. In einfachen Worten lautet ihre Kernbotschaft: Durch sorgfältige, datengetriebene Planung kann elektrische Mobilität gleichzeitig günstiger, schneller und sauberer werden.

Zitation: Belaid, M., Beid, S.E., Habib, S. et al. EV charging station selection and routing flask application with ACO and NSGA-II including photovoltaic energy constraints. Sci Rep 16, 14754 (2026). https://doi.org/10.1038/s41598-026-50734-5

Schlüsselwörter: elektrofahrzeuge, ladestationen, solarenergie, routenplanung, smart cities