Naukowcy z wykorzystaniem danych liczników AMI z gospodarstw domowych w Wiktorii opracowali nowy system do automatycznego wykrywania domów posiadających zarówno panele fotowoltaiki, jak i samochody elektryczne. Metoda bazuje na dwuetapowym podejściu: analiza klasteryzacyjna odkrywa charakterystyczne wzorce zużycia energii (archetypowe profile), a trenowany model BiLSTM (bidirectional long short-term memory) przewiduje aktywność ładowania samochodów elektrycznych i produkcji z paneli.
Istniejące badania zwykle analizują samochody elektryczne i panele słoneczne oddzielnie, pomijając dynamikę zaangażowania gospodarstw domowych w obie technologie jednocześnie. Ta luka w wiedzy utrudnia planowanie sieci energetycznych i projektowanie systemów taryfowych. Odkrycia pokazały wyraźne różnice w profilach energii między domami z wyłącznie panelami, wyłącznie samochodami elektrycznymi, oboma technologiami oraz takimi bez żadnej. Dla gospodarstw z obydwiema technologiami dominujący wzorzec stanowiło centralne w ciągu dnia eksportowanie energii w dni robocze (około 50 proc. dni).
Model BiLSTM osiągnął imponujące wyniki - 0,991 AUROC i 0,906 macro-F1, dorównując lub przewyższając bazowe modele XGBoost. Dokładne wykrywanie co-adopcji PV-EV bezpośrednio z danych liczników pozwoli operatorom sieci lepiej planować infrastrukturę, poprawiać projekty taryf oraz wdrażać efektywne strategie zarządzania popytem w kontekście transformacji energetycznej.