یک چارچوب بهینه‌سازی چندهدفه مبتنی بر داده برای تعیین مناسب بودن وسایل نقلیه پیل سوختی هیدروژنی در حمل و نقل بار

یک چارچوب بهینه‌سازی چندهدفه مبتنی بر داده برای تعیین مناسب بودن وسایل نقلیه پیل سوختی هیدروژنی در حمل و نقل بار

به منظور ارزیابی مناسب بودن خودروهای الکتریکی باتری‌دار (BEV) و خودروهای پیل سوختی هیدروژنی (HFCV) در سیستم‌های حمل و نقل بار، این مقاله یک روش بهینه‌سازی چندهدفه مبتنی بر داده و شبیه‌سازی را برای استقرار امکانات شارژ/سوخت‌گیری برای BEVها/HFCVها پیشنهاد می‌دهد. این مدل سه هدف را در نظر می‌گیرد، یعنی به حداقل رساندن هزینه کل سیستم، به حداکثر رساندن قابلیت اطمینان خدمات و به حداقل رساندن انتشار گازهای گلخانه‌ای (GHG). به طور خاص، یک رویکرد شبیه‌سازی خرد مبتنی بر داده برای شبیه‌سازی عملکرد سیستم‌های حمل و نقل بار با انواع مختلف خودرو و امکانات بر اساس تجزیه و تحلیل مجموعه داده‌های مسیر یک هفته‌ای سیستم موقعیت‌یابی جهانی (GPS) حاوی 63000 وسیله نقلیه باری در پکن توسعه داده شده است. با استفاده از این مدل، مناسب بودن BEVها و HFCVها را در سه سناریوی معمول، یعنی BEVهای متصل به ایستگاه‌های شارژ (BEV-CS)، BEVهای متصل به ایستگاه‌های تعویض باتری (BEV-BSS) و HFCVهای متصل به ایستگاه‌های سوخت‌گیری هیدروژن (HFCV-HRS) مقایسه می‌کنیم. نتایج نشان می‌دهد که BEV-CS کمترین هزینه کل سیستم را دارد: هزینه سیستم آن به ترتیب 62.5٪ و 90.3٪ از هزینه‌های BEV-BSS و HFCV-HRS است. BEV-BSS کمترین زمان تأخیر را دارد: زمان تأخیر آن به ترتیب 62.1٪ و 86.0٪ از زمان‌های تأخیر در BEV-CS و HFCV-HRS است. HFCV-HRS کمترین میزان انتشار گازهای گلخانه‌ای را دارد: میزان انتشار آن به ترتیب 37.3٪ و 46.9٪ از میزان انتشار گازهای گلخانه‌ای در BEV-CS و BEV-BSS است. انتظار می‌رود نتایج برای سیاست‌گذاری و برنامه‌ریزی زیرساخت‌ها در ترویج توسعه خودروهای با سوخت جایگزین مفید باشد.

مقدمه

حمل و نقل مسئول 37 درصد از انتشار دی اکسید کربن (CO2) در سال 2021 بود و بیشترین وابستگی را به سوخت‌های فسیلی نسبت به سایر بخش‌های مصرف‌کننده نهایی، از جمله بخش‌های صنعتی، تجاری و مسکونی، داشت [1]. بخش حمل و نقل بار به عنوان بخش اساسی حمل و نقل، در حال فاصله گرفتن از منابع انرژی تجدیدناپذیر است تا به اهداف سناریوی 2050 که خواستار کاهش سالانه حدود 3 درصد از انتشار CO2 از بخش حمل و نقل تا سال 2030 است، دست یابد [2].

با توجه به پتانسیل انرژی و مزایای زیست‌محیطی، خودروهای سوخت جایگزین (AFV)، مانند خودروهای الکتریکی باتری‌دار (BEV) و خودروهای پیل سوختی هیدروژنی (HFCV)، به طور فزاینده‌ای به عنوان جایگزین‌های مناسبی برای خودروهای باری سنتی در نظر گرفته می‌شوند [3]، [4]. با این حال، AFVها (شامل BEVها و HFCVها) نرخ نفوذ بازار پایینی در صنعت خودروهای باری دارند. در بازار جهانی حمل و نقل بار، موجودی AFVها در سال 2021، 697300 دستگاه بود که حدود 0.4٪ از کل ناوگان خودروهای باری را تشکیل می‌دهد. 200100 AFV فروخته شد که تقریباً 1.6٪ از کل خودروهای باری ثبت شده را تشکیل می‌دهد [1]. برای ترویج توسعه AFVها، تعداد فزاینده‌ای از کشورها و شهرها مشوق‌هایی را برای خرید و استفاده از AFVها، به ویژه BEVهایی که فقط با برق کار می‌کنند، ارائه می‌دهند. در همین حال، HFCVهایی که از هیدروژن برای تولید برق استفاده می‌کنند، در سال‌های اخیر به تدریج مورد استفاده قرار گرفته‌اند [1]، [5]، [6].

خودروهای برقی (BEV) و خودروهای با سوخت هیدروژنی (HFCV) مزایا و معایب خاص خود را دارند: شارژ مجدد خودروهای برقی از طریق پست‌های شارژ عمومی زمان زیادی می‌برد، اگرچه خودروهای برقی می‌توانند به سرعت از طریق تعویض باتری شارژ شوند. با این حال، استقرار و راه‌اندازی ایستگاه‌های تعویض باتری پرهزینه است. اگر ایستگاه‌های هیدروژن با پشتیبانی انرژی فتوولتائیک به طور گسترده توزیع شوند، خودروهای با سوخت هیدروژنی (HFCV) می‌توانند به سرعت خودروهای بنزینی معمولی سوخت‌گیری شوند [7]. با این حال، هزینه‌های وسایل نقلیه، ایستگاه‌های سوخت‌گیری هیدروژن (HRS) و هیدروژن همچنان بالا است [8]، [9]. نیاز به انتخاب مناسب‌ترین نوع سوخت و تأسیسات برای یک سیستم حمل و نقل بار برقی (EFTS) وجود دارد.

در پاسخ، این مقاله به مقایسه مناسب بودن BEVها و HFCVها در یک EFTS از دیدگاه‌های عملیاتی، اقتصادی و زیست‌محیطی می‌پردازد. چنین ارزیابی سیستماتیکی می‌تواند به ذینفعان مختلف (از جمله شرکت‌های حمل و نقل و مقامات محلی) کمک کند تا در انتخاب سوخت و انواع تأسیسات تصمیمات بهتری بگیرند. با این حال، چنین مطالعات مقایسه‌ای در مطالعات قبلی خودروهای الکتریکی توجه کمی را به خود جلب کرده‌اند. برای ارزیابی مناسب بودن BEVها و HFCVها، ما یک مدل بهینه‌سازی چند هدفه جدید توسعه خواهیم داد که تجزیه و تحلیل داده‌های بزرگ مکانی، رویکرد شبیه‌سازی خرد و تجزیه و تحلیل چرخه عمر (LCA) را برای استقرار و بهره‌برداری از ایستگاه‌های شارژ/سوخت‌گیری برای ناوگان خودروهای باری الکتریکی ادغام می‌کند.(منبع).

Call Now Button