L'intégration à grande échelle des véhicules électriques pose des défis significatifs à l'exploitation du réseau électrique, exigeant des ensembles de données de haute fidélité et diversifiés pour des recherches approfondies. Pour répondre à ce besoin, nous introduisons MP-EVData, un ensemble complet de profils de charge au niveau des stations d'une grande métropole chinoise en 2024. La valeur clé de MP-EVData est de fournir des données de charge pour 10 stations situées dans la même zone géographique pendant la même période, représentant cinq prototypes distincts : stations de démonstration de taxis, dépôts d'autobus, stations de recharge résidentielles, stations d'échange de batteries et stations de poids lourds. Cette structure unique élimine les perturbations des variables externes telles que géographiques, climatiques et politiques, permettant une analyse comparative contrôlée de leurs caractéristiques de charge. De plus, l'ensemble de données est augmenté d'un ensemble de données synthétiques parallèles de haute fidélité généré à l'aide de modèles d'IA générative avancés pour soutenir des recherches nécessitant beaucoup de données. La validation technique révèle des motifs temporels quotidiens, hebdomadaires et annuels très distincts à travers les prototypes et démontre un comportement de charge réactif aux prix très clair sous la tarification basée sur l'utilisation. MP-EVData fournit une référence cruciale pour faire avancer les recherches en prévision de charge, en algorithmes de chargement intelligent et en planification d'infrastructure urbaine.
R et al. (Mar,) a étudié cette question.