Voor VIVET onderzocht Thijs Duurkoop van RVO samen met onder andere het Kadaster, het CBS, TNO en regionale netbeheerders, een aantal kansrijke sporen om private laadpunten beter te kunnen monitoren.

Het onderzoek is uitgevoerd in twee fases:

• In fase 1 zijn de kansrijke sporen om private laadpunten in kaart te brengen onderzocht.
• In fase 2 zijn twee van de kansrijke sporen verder verkend. Deze twee onderzoeken zijn in één publicatie in korte bondige notities samengevat.

Gebruik slimme meter data

Op basis van een technische pilot zijn de eerste resultaten positief, het machine learning algoritme is in staat om patronen te herkennen en is in staat om met een nauwkeurigheidsscore van 95% laadpunten te detecteren. Vervolgonderzoek is nodig om dit op grote schaal in te kunnen zetten.

Onderbouwde schatting

Op basis van het thuisadres van het elektrische voertuig en meerdere huis- en buurteigenschappen is een modelschatting gemaakt van het aantal private punten op gemeenteniveau. Dit geeft op hoofdlijnen inzicht in het aantal en de spreiding van thuislaadpunten.

Het onderzoek is interessant voor NAL-regio’s, netbeheerders en marktpartijen zoals fabrikanten en exploitanten van laadpalen.

Zie ook rapport fase 1 en rapport fase 2.