Ottimizzazione della Condivisione di Veicoli Elettrici tramite Scambio di Batterie
Nel panorama dinamico della mobilità urbana, i veicoli elettrici condivisi (VEC) si sono affermati come una soluzione promettente per affrontare la crescente domanda di trasporto sostenibile. Mentre le città di tutto il mondo cercano di ridurre le emissioni di carbonio e alleviare la congestione del traffico, i VEC offrono un’alternativa flessibile ed ecologica alla proprietà tradizionale di automobili. Tuttavia, il successo operativo dei sistemi VEC dipende dalla capacità di superare due sfide critiche: lo squilibrio dei veicoli e il rifornimento energetico. Uno studio recente di Li Manman, Sun Jiahui, Fu Yingbin e Zhao Boxuan della Scuola di Automobilistica dell’Università Chang’an, pubblicato sulla Rivista dell’Università di Tecnologia di Chongqing (Scienze Naturali), presenta un approccio innovativo per affrontare questi problemi attraverso un modello di ottimizzazione integrato basato sullo scambio di batterie.
La ricerca, intitolata “Ottimizzazione della pianificazione e della tariffazione dei servizi dei veicoli elettrici condivisi basata sullo scambio di batterie”, introduce un quadro completo che ottimizza simultaneamente la localizzazione delle stazioni di cambio batteria, le rotte di distribuzione delle batterie, la pianificazione dei veicoli e la tariffazione dei servizi. Questo approccio olistico mira a massimizzare la redditività degli operatori di VEC garantendo al contempo un servizio efficiente e affidabile. Lo studio si basa sul modello di carica centralizzata e distribuzione unificata (CCUD) proposto dalla State Grid Corporation of China nel 2011, progettato per essere amico della rete elettrica e redditizio.
Le sfide dei veicoli elettrici condivisi
I veicoli elettrici condivisi hanno guadagnato una notevole trazione negli ultimi anni, spinti dalla convergenza di avanzamenti tecnologici, preoccupazioni ambientali e cambiamenti nelle preferenze dei consumatori. Questi veicoli offrono agli utenti la comodità di un accesso su richiesta al trasporto senza i pesi finanziari e logistici della proprietà di automobili. Tuttavia, la complessità operativa dei sistemi VEC pone diverse sfide che devono essere affrontate per garantirne la sostenibilità a lungo termine.
Uno dei problemi più urgenti è lo squilibrio dei veicoli, dove alcune stazioni sperimentano un eccesso di veicoli mentre altre ne soffrono la carenza. Questo squilibrio può portare all’insoddisfazione dei clienti, poiché gli utenti possono avere difficoltà a trovare veicoli disponibili quando ne hanno bisogno. Inoltre, l’autonomia limitata dei veicoli elettrici richiede frequenti ricariche, il che può aggravare ulteriormente il problema dello squilibrio. Le soluzioni tradizionali, come la tariffazione dinamica e la ricollocazione dei veicoli, sono state impiegate per mitigare questi problemi, ma spesso non riescono a fornire una soluzione completa e sostenibile.
Un’altra sfida critica è il rifornimento energetico. Sebbene la maggior parte degli studi esistenti assuma che i VEC vengano ricaricati presso stazioni individuali, questo approccio può essere lento e potrebbe non essere fattibile durante i periodi di alta domanda. Lo scambio di batterie, d’altra parte, offre un metodo più rapido ed efficiente di rifornimento energetico. Sostituendo le batterie scariche con batterie completamente cariche, i VEC possono tornare rapidamente in servizio, riducendo i tempi di inattività e migliorando l’efficienza complessiva del sistema.
Il modello di carica centralizzata e distribuzione unificata
Il modello CCUD, che costituisce la base dello studio, è un approccio strategico per gestire le esigenze energetiche dei VEC. In questo modello, tutte le batterie vuote vengono trasportate a una stazione di carica centralizzata situata vicino a una centrale elettrica. Questo approccio centralizzato assicura che il processo di carica non influisca sulla tensione della rete di distribuzione elettrica, rendendolo amico della rete. Una volta completamente cariche, le batterie vengono distribuite a diverse stazioni di cambio batteria, dove sono disponibili per l’uso da parte dei VEC.
Il modello CCUD offre diversi vantaggi rispetto ai metodi di carica tradizionali. In primo luogo, permette un uso più efficiente dell’infrastruttura di carica, poiché la stazione centralizzata può gestire un gran numero di batterie contemporaneamente. In secondo luogo, riduce la necessità di estese strutture di carica presso stazioni individuali, abbattendo i costi generali di capitale e operativi. In terzo luogo, il modello consente una migliore gestione del carico, poiché il processo di carica può essere programmato durante le ore di bassa domanda per minimizzare la tensione sulla rete.
Il modello di ottimizzazione integrato
Per affrontare le sfide dello squilibrio dei veicoli e del rifornimento energetico, i ricercatori hanno sviluppato un modello di programmazione non lineare mista intera (NMIP) che integra diversi aspetti delle operazioni dei VEC. Il modello è progettato per massimizzare la redditività degli operatori di VEC ottimizzando i seguenti componenti chiave:
-
Localizzazione delle stazioni di cambio batteria: Il modello determina le posizioni ottimali per le stazioni di cambio batteria, tenendo conto di fattori come i modelli di domanda, le distanze di viaggio e la disponibilità di infrastrutture di carica. Posizionando strategicamente queste stazioni, il modello mira a garantire che i VEC possano accedere a batterie completamente cariche quando ne hanno bisogno.
-
Rotte di distribuzione delle batterie: Il modello ottimizza anche le rotte per i camion di distribuzione delle batterie, che trasportano batterie cariche dalla stazione di carica centralizzata alle stazioni di cambio. L’obiettivo è minimizzare la distanza totale percorsa e i costi associati, assicurando al contempo che ogni stazione riceva il numero richiesto di batterie.
-
Pianificazione dei veicoli: Il modello considera la natura dinamica della domanda di VEC, che varia nel tempo e tra diverse località. Ottimizza la pianificazione dei veicoli per garantire che siano disponibili dove e quando sono necessari. Questo include l’accoppiamento veicolo-passeggero, la ricollocazione dei veicoli e il rifornimento energetico.
-
Tariffazione dei servizi: Il modello incorpora una funzione domanda-prezzo che riflette la relazione tra il prezzo del servizio e il livello di domanda. Regolando i prezzi in tempo reale, il modello può influenzare il comportamento degli utenti e aiutare a bilanciare la distribuzione dei veicoli attraverso la rete.
Il modello NMIP viene formulato utilizzando una rete spazio-temporale, che traccia il movimento e i livelli energetici dei VEC nel tempo. Questo approccio basato su reti consente una rappresentazione dettagliata e precisa della dinamica del sistema, permettendo al modello di catturare le complesse interazioni tra i diversi componenti del sistema VEC.
Trasformazione del modello e metodi di soluzione
Il modello NMIP originale è un problema non lineare non convesso, che è computazionalmente impegnativo da risolvere. Per rendere il modello più gestibile, i ricercatori hanno applicato una trasformazione inversa alla funzione domanda-prezzo, convertendo il modello in un problema di ottimizzazione non lineare convesso. Questa trasformazione semplifica il processo di soluzione e migliora l’efficienza computazionale del modello.
Per risolvere il modello trasformato, i ricercatori hanno confrontato tre diversi algoritmi: l’algoritmo di approssimazione esterna basato su secanti, l’algoritmo di approssimazione esterna basato su tangenti e l’algoritmo di rilassamento lagrangiano. L’algoritmo di approssimazione esterna basato su secanti si è rivelato superiore sia in termini di qualità della soluzione che di tempo computazionale. Questo algoritmo funziona approssimando la funzione obiettivo non lineare con una serie di segmenti lineari, affinando gradualmente l’approssimazione fino a raggiungere il livello desiderato di precisione.
L’algoritmo di approssimazione esterna basato su tangenti, sebbene concettualmente simile, utilizza tangenti invece di secanti per approssimare la funzione obiettivo. Tuttavia, questo approccio si è rivelato meno efficace, richiedendo un tempo computazionale significativamente maggiore per convergere a una soluzione. L’algoritmo di rilassamento lagrangiano, che scompone il problema in sottoproblemi più piccoli, è stato anch’esso valutato. Sebbene questo metodo possa gestire problemi su larga scala, si è rivelato meno efficiente rispetto all’algoritmo di approssimazione esterna basato su secanti, specialmente in termini di qualità della soluzione.
Esperimenti numerici e analisi di sensibilità
Per validare l’efficacia del modello proposto e dei metodi di soluzione, i ricercatori hanno condotto una serie di esperimenti numerici. Gli esperimenti si basavano su un sistema ipotetico di VEC con sette stazioni e cinque camion di distribuzione delle batterie. La domanda potenziale di servizi di VEC è stata generata utilizzando una distribuzione uniforme, e altri parametri sono stati impostati su valori realistici.
I risultati degli esperimenti numerici hanno dimostrato che il modello di ottimizzazione integrato poteva affrontare efficacemente le sfide dello squilibrio dei veicoli e del rifornimento energetico. Il modello è stato in grado di generare una soluzione fattibile che massimizzava la redditività dell’operatore di VEC, garantendo al contempo alti livelli di disponibilità del servizio e soddisfazione del cliente. L’analisi di sensibilità ha rivelato che sia la domanda potenziale di servizi di VEC che la disponibilità di elettricità, rappresentata dalla capacità della batteria e dalla capacità di carico del camion di distribuzione delle batterie, avevano un impatto significativo sulle prestazioni del sistema.
Ad esempio, aumentare la capacità della batteria da 10 kWh a 40 kWh ha portato a un aumento sostanziale del numero di viaggi serviti e della redditività complessiva. Analogamente, aumentare la capacità di carico del camion di distribuzione delle batterie da 5 a 35 blocchi ha portato a un miglioramento significativo nella capacità del sistema di soddisfare la domanda. Questi risultati sottolineano l’importanza di gestire attentamente le risorse energetiche dei sistemi VEC per garantirne le prestazioni ottimali.
Implicazioni per l’industria e la politica
I risultati di questo studio hanno importanti implicazioni sia per l’industria dei VEC che per i responsabili delle politiche. Per gli operatori di VEC, il modello di ottimizzazione integrato fornisce uno strumento potente per migliorare l’efficienza e la redditività delle loro operazioni. Adottando il modello CCUD e utilizzando tecniche avanzate di ottimizzazione, gli operatori possono gestire meglio lo squilibrio dei veicoli e il rifornimento energetico, portando a una maggiore soddisfazione del cliente e a costi operativi più bassi.
Per i responsabili delle politiche, lo studio sottolinea la necessità di un’infrastruttura di supporto e di quadri normativi che facilitino l’adozione generalizzata dei VEC. Questo include investimenti nello sviluppo di stazioni di cambio batteria e l’assicurazione che la rete elettrica possa gestire la crescente domanda di carica. Inoltre, le politiche che incoraggiano l’uso di fonti di energia rinnovabile per la carica possono ulteriormente aumentare i benefici ambientali dei VEC.
Direzioni di ricerca future
Sebbene lo studio attuale fornisca un quadro robusto per l’ottimizzazione delle operazioni dei VEC, ci sono diverse aree per future ricerche. Una direzione potenziale è estendere il modello per considerare l’utilizzo giornaliero dei camion di distribuzione delle batterie, il che potrebbe migliorare ulteriormente l’efficienza del sistema. Un’altra area di interesse è lo sviluppo di algoritmi euristici intelligenti che possano gestire problemi su larga scala e fornire soluzioni in tempo reale.
Inoltre, future ricerche potrebbero esplorare l’integrazione dei VEC con altri modi di trasporto, come il trasporto pubblico e i sistemi di condivisione di biciclette, per creare un ecosistema di mobilità urbana più completo e multimodale. Questo richiederebbe lo sviluppo di nuovi modelli e algoritmi in grado di gestire la complessità dell’integrazione di più modi di trasporto.
Conclusione
Lo studio di Li Manman, Sun Jiahui, Fu Yingbin e Zhao Boxuan della Scuola di Automobilistica dell’Università Chang’an rappresenta un progresso significativo nel campo delle operazioni dei veicoli elettrici condivisi. Sviluppando un modello di ottimizzazione integrato basato sul modello CCUD, i ricercatori hanno fornito una soluzione completa per le sfide dello squilibrio dei veicoli e del rifornimento energetico. La capacità del modello di ottimizzare la localizzazione delle stazioni di cambio batteria, le rotte di distribuzione delle batterie, la pianificazione dei veicoli e la tariffazione dei servizi ha il potenziale di migliorare significativamente l’efficienza e la redditività dei sistemi VEC.
I risultati di questo studio non solo contribuiscono alla letteratura accademica, ma hanno anche applicazioni pratiche per gli operatori di VEC e i responsabili delle politiche. Mentre la domanda di trasporto sostenibile continua a crescere, le intuizioni ottenute da questa ricerca saranno cruciali per plasmare il futuro della mobilità urbana. Sfruttando tecniche avanzate di ottimizzazione e strategie innovative di gestione energetica, l’industria dei VEC può superare le sue sfide operative e realizzare appieno il suo potenziale come componente chiave di un sistema di trasporto urbano sostenibile e resiliente.
Li Manman, Sun Jiahui, Fu Yingbin, Zhao Boxuan, Scuola di Automobilistica, Università Chang’an, Rivista dell’Università di Tecnologia di Chongqing (Scienze Naturali), doi: 10.3969/j.issn.1674-8425(z).2024.04.023