Hoog-resolutie dataset van laadsessies van elektrische voertuigen onder wisselende netspanningsstoringen

Waarom het stekkeren van je auto ertoe doet

Nu elektrische auto’s gewone voertuigen worden, richten we ons vaak op accu’s, actieradius en het aantal beschikbare laadpunten. Maar een minder zichtbare factor bepaalt stilletjes hoe snel en veilig deze auto’s opladen: de stabiliteit van de elektriciteit uit het net. Deze studie presenteert een gedetailleerde, open dataset die vastlegt hoe een echte elektrische auto reageert wanneer de netspanning tijdelijk op verschillende manieren "onvolmaakt" is, en legt zo de basis voor slimere laders, robuustere netten en betere bescherming voor dure batterijen.

Onzichtbare haperingen in de stroomtoevoer

In echte elektriciteitsnetten is de stroom naar je huis of parkeergarage niet altijd perfect vloeiend. Het net kan korte spanningsdips, plotselinge pieken, kleine onderbrekingen of vervormde golfvormen ervaren door zware machines, fluctuaties in hernieuwbare energie of onstuimig weer. Deze storingen in de netkwaliteit kunnen het laden vertragen, veiligheidsmechanismen laten uitvallen of, bij herhaalde voorvallen, de levensduur van de batterij verkorten. Tot nu toe hadden onderzoekers en ingenieurs weinig gedeelde, praktijkgerichte data die precies laten zien hoe een compleet elektrisch voertuig reageert op elk type storing, wat het lastig maakte om studies te vergelijken of robuuste laadhardware te ontwerpen.

Een gecontroleerde testopstelling bouwen

Om deze leemte te vullen, bouwden de auteurs een gespecialiseerde laboratoriumopstelling waarmee ze veel soorten imperfecte netcondities op een gecontroleerde manier kunnen "afspelen". Ze genereren verstoorde spanningsgolfvormen met speciale hardware of via software en zetten die vervolgens om in echte elektrische signalen. Deze signalen voeden een programmeerbare wisselstroombron, die op zijn beurt een standaard AC-laadpaal voedt die is aangesloten op een productie‑elektrische auto. Tijdens het laden registreren instrumenten met hoge snelheid de netzijde spanning en stroom, en een datainterface in de auto legt batterijspanning, laadstroom, laadniveau, temperatuur en andere belangrijke signalen vast. Al deze informatie wordt opgeslagen in eenvoudige, machineleesbare bestanden zodat andere groepen de data kunnen hergebruiken.

Tien typen ruwe netcondities en hoe de auto reageert

De dataset onderzoekt systematisch tien representatieve storingssoorten, zoals frequentieverschuivingen, toegevoegde harmonischen (extra rimpels op de spanningsgolf), korte of langere onder- en overspanningen, volledige of gedeeltelijke onderbrekingen, en klassieke "sags" en "swells" waarbij de spanning plotseling daalt of stijgt. In elk experiment variëren ze de sterkte en duur van de storing, terwijl de batterij van de auto op een bekend beginniveau wordt gehouden. Door de verstoorde spanning over de laadstroom van de auto heen te leggen laten de auteurs zien hoe verschillende gebeurtenissen verschillende "vingerafdrukken" achterlaten: onderbrekingen duwen de stroom bijna naar nul, sags laten vaak de beveiliging van de lader aanspreken en stoppen het laden abrupt, terwijl zeer korte transiënten de stroom nauwelijks beïnvloeden. Langere, mildere afwijkingen duwen de stroom zacht omhoog of omlaag en tonen zo hoe gevoelig de lader is voor alledaagse netvariaties.

Van ruwe signalen naar een onderzoekswerktuig

Buiten het verzamelen van de data zorgde het team ervoor dat deze nauwkeurig en breed bruikbaar is. Ze kalibreerden instrumenten tegen referentiemeters, controleerden de tijdsafstemming tot op enkele duizendsten van een seconde, herstelden kleine gaten in de gegevensstroom in de auto en verifieerden dat de storingen overeenkwamen met de beoogde sterktes en duur. Vervolgens vatten ze per bestand samen wat er was opgenomen met eenvoudige statistieken en frequentiemaatstaven, en gebruikten clusteringmethoden om te bevestigen dat duidelijk verschillende gebeurtenissen, zoals geheel spanningsverlies, in deze kenmerkruimte goed van elkaar te onderscheiden zijn. Een uitgebreide subset van tests richtte zich op spanningsdips over verschillende auto’s, laders en beginniveaus van lading, en toonde aan dat hoewel de absolute stroomniveaus variëren, het basale patroon — dieper wordende dips leiden tot zwakker laden — opvallend consistent is.

Waarom dit belangrijk is voor toekomstig laden

Uiteindelijk doet dit werk op zichzelf geen nieuwe algoritme‑ of laderontwerpvoorstellen. In plaats daarvan levert het een zorgvuldig gevalideerde "gemeenschappelijke taal" van echte metingen waar anderen op kunnen voortbouwen. Met deze dataset kunnen onderzoekers methoden voor het detecteren en classificeren van netstoringen eerlijker vergelijken, fabrikanten kunnen nieuwe laders virtueel stress‑testen voordat ze worden uitgerold, en netplanners begrijpen beter wanneer EV‑laden waarschijnlijk problemen zal geven. Voor bestuurders is de langetermijnwinst subtiel maar belangrijk: laders en netten die alledaagse elektrische haperingen soepel opvangen, waardoor laadtijden voorspelbaar blijven en batterijen over jaren gezonder blijven.

Bronvermelding: Li, H., Zhang, Y., Yang, S. et al. High-resolution Dataset of Electric Vehicle Charging Responses Under Varied Power Quality Disturbances. Sci Data 13, 403 (2026). https://doi.org/10.1038/s41597-026-06768-5

Trefwoorden: opladen van elektrische voertuigen, storingen in de netspanning, spanningsdip, smartgrid-gegevens, betrouwbaarheid van batterijladen