بهینه‌سازی زیرساخت شارژ سریع برای کامیون‌های برقی با مسافت طولانی در مناطق دورافتاده تحت شرایط نامساعد آب و هوایی

این مطالعه یک روش جدید برای برنامه‌ریزی زیرساخت‌های شارژ سریع برای کامیون‌های برقی باتری‌دار با مسافت طولانی (BETs) در مناطق کم‌ترافیک ارائه می‌دهد. این تحقیق به چالش توسعه زیرساخت‌های شارژ در مراحل اولیه و مکان‌یابی بهینه ایستگاه‌های شارژ سریع (FCS) در مناطق دورافتاده، با تمرکز بر به حداقل رساندن زمان مسیریابی و تضمین قابلیت اطمینان می‌پردازد. رویکرد پیشنهادی، مصرف انرژی خودرو، یک چارچوب بهینه‌سازی شارژ غیرخطی و یک مدل صف‌بندی را برای طراحی یک شبکه ایستگاه شارژ سریع کارآمد در مسیرهای باری ریکیاویک-وستفیوردز ایسلند تحت شرایط آب و هوایی و بار سخت، ادغام می‌کند. یافته‌ها نشان می‌دهد که باتری‌های بزرگ‌تر و نرخ شارژ بالاتر، زمان‌های اضافی مسیریابی را به طور قابل توجهی کاهش می‌دهند. کامیون‌هایی با ظرفیت باتری ۵۴۰ کیلووات ساعت که از شارژرهای ۵۰۰ کیلوواتی استفاده می‌کنند، به حداقل زمان اضافی، به طور متوسط ۲۵ دقیقه، نیاز دارند، در حالی که کامیون‌هایی با باتری ۳۶۰ کیلووات ساعت و نرخ شارژ ۳۵۰ کیلووات، تأخیرهای طولانی‌تری را تجربه می‌کنند که به طور متوسط ۸۳ دقیقه است. این نتایج، تأثیر ظرفیت باتری و توان شارژ را بر امکان‌سنجی برقی‌سازی مسیر برجسته می‌کند و همسویی بالقوه با برنامه‌های حمل و نقل را نشان می‌دهد. این مطالعه بینش‌های ارزشمندی را برای سیاست‌گذاران و اپراتورهای ناوگان فراهم می‌کند تا توسعه زیرساخت‌های شارژ سریع را هدایت کرده و سرمایه‌گذاری‌ها را اولویت‌بندی کنند و به هدف گسترده‌تر برقی‌سازی حمل و نقل بار کمک کنند. تحقیقات آینده باید تأثیر بالقوه بارهای شارژ مشتق شده بر شبکه برق را بررسی کنند.

مقدمه

حمل و نقل جاده‌ای بار، که مسئول یک سوم از انتشار گازهای گلخانه‌ای حمل و نقل جهانی است [1]، به طور فزاینده‌ای توسط مقرراتی با هدف کاهش CO2 و افزایش امنیت انرژی هدف قرار می‌گیرد [2]. نمونه بارز چنین روندی، مقررات کمیسیون اروپا در مورد استانداردهای انتشار گازهای گلخانه‌ای برای وسایل نقلیه سنگین (HDV) است که در سال 2023 اصلاح شد تا اهداف بلندپروازانه‌تری برای کاهش انتشار CO2 در HDVها را در بر بگیرد [1]. علاوه بر این، چندین دولت اروپایی قبلاً متعهد شده‌اند که ثبت نام‌های جدید HDVهای سوخت فسیلی را تا سال 2040 به تدریج متوقف کنند [3]، به نفع وسایل نقلیه بدون انتشار (ZEV) مانند کامیون‌های برقی باتری‌دار (BETs).

کامیون‌های BET به دلیل انتشار کم CO2 از چاه تا چرخ [4]، کاهش وابستگی به سوخت‌های فسیلی [5] و هزینه کل مالکیت (TCO) رقابتی [6،7]، یک راه حل بالقوه برای کربن‌زدایی بخش حمل و نقل جاده‌ای بار در نظر گرفته می‌شوند. کامیون‌های BET می‌توانند بارهای شهری و کوتاه‌مدت را حتی در شرایط سخت با شارژ از مبدا حمل کنند [8]. تعداد فزاینده‌ای از مدل‌های BET در بازار موجود است، از جمله کامیون‌هایی که قادر به کاربردهای طولانی‌مدت با برد بیش از 400 کیلومتر هستند [9]، اگرچه سهم بازار BET به سختی 1.2 درصد از ثبت نام‌های جدید HDV در سراسر جهان را نشان می‌دهد [10].

برخلاف عملیات کوتاه‌مدت، برق‌رسانی در مسافت‌های طولانی به ایستگاه‌های شارژ سریع (FCS) قابل دسترس وابسته است [11]. این مسیرها به دلیل زمان سفر طولانی و بازگشت‌های کم به مبدا، نیاز به شارژ در مسیر دارند [12]. زیرساخت‌های FCS موجود عمدتاً برای پاسخگویی به نیازهای شارژ وسایل نقلیه مسافربری طراحی شده‌اند که با الزامات شارژ BETهایی که مسیرهای طولانی‌مدت را پوشش می‌دهند، تفاوت قابل توجهی دارند و آنها را نامناسب می‌کنند [13]. بنابراین، توسعه زیرساخت FCS مناسب برای BETها گامی ضروری برای امکان‌پذیر کردن پذیرش گسترده HDVهای برقی و تسریع کربن‌زدایی حمل و نقل بار است [14].

تلاش‌هایی در این زمینه انجام می‌شود، مانند مقررات زیرساخت سوخت جایگزین اتحادیه اروپا، که اهدافی را برای زیرساخت‌های شارژ عمومی در امتداد کریدورهای اصلی حمل و نقل بار در اروپا یا شبکه TEN-T تعیین می‌کند. این اهداف کشورهای عضو را ملزم می‌کند که تا سال 2030 هر 60 کیلومتر در امتداد کریدورهای اصلی و هر 100 کیلومتر در بقیه شبکه جاده‌ای یک ایستگاه شارژ اختصاصی برای HDVها بسازند [15]. می‌توان استدلال کرد که این رویکرد برای توسعه FCS در کریدورهای باری با تقاضای شارژ بالا و جریان ترافیک کامیون، مانند شبکه TEN-T، امکان‌پذیر است. در زمینه‌های دیگر، مانند مناطق روستایی یا دورافتاده، چنین رویکردی ممکن است بسیار گران باشد و در نهایت منجر به زیرساخت‌های غیرسودآور شود [14]. چنین مناطقی ممکن است از یک رویکرد متناسب برای توسعه زیرساخت FCS که قادر به برآورده کردن تقاضاهای حمل و نقل بار BET باشد، بهره‌مند شوند [16].

مطالعات متعددی روش‌هایی را برای برنامه‌ریزی شبکه شارژ برای تخمین زیرساخت‌های لازم برای یک جریان BET مشخص توسعه داده‌اند که طیف وسیعی از مطالعات موردی و سطوح پیچیدگی را پوشش می‌دهند. برخی از این مطالعات تحقیقات خود را به تخمین تعداد ایستگاه‌های شارژ مورد نیاز محدود می‌کنند [17]، در حالی که برخی دیگر از مدل‌های بهینه‌سازی دقیق برای تعیین مکان خاص ایستگاه‌های شارژ استفاده می‌کنند [18]. علاوه بر این، برخی از مطالعات از مدل‌های صف‌بندی برای تخمین تعداد نقاط شارژ مورد نیاز در هر ایستگاه استفاده می‌کنند (Speth و همکاران، 2022)، در حالی که برخی دیگر به تأثیر بارهای شارژ بر شبکه برق [12] و سودآوری کلی [14] دسترسی دارند. دامنه تحلیل در ادبیات موضوع بسیار متفاوت است. برخی مطالعات از کل ناوگان BET ملی استفاده می‌کنند (Speth و همکاران، 2022) در حالی که برخی دیگر صرفاً بر یک کاربرد یا منطقه خاص BET تمرکز دارند [19]. از نظر داده‌ها، برخی مطالعات از رویکرد پایین به بالا استفاده می‌کنند، از مجموعه داده‌های فعالیت ناوگان کامیون استفاده می‌کنند و هر وسیله نقلیه را به صورت جداگانه تجزیه و تحلیل کرده و نتایج را تجمیع می‌کنند [20]، در حالی که برخی دیگر رویکرد بالا به پایین را اتخاذ می‌کنند و از فرضیات کلی برای کل ناوگان استفاده می‌کنند [12].

از نظر مکان‌یابی ایستگاه‌های شارژ، منابع موجود عمدتاً شامل دو رویکرد هستند: تقاضامحور و پوشش‌محور ([21]؛ سپث و همکاران، 2022). تقریباً، رویکرد تقاضامحور، حداقل تعداد ایستگاه‌های مورد نیاز برای پاسخگویی به یک تقاضای شارژ خاص را که بر اساس جریان ترافیک، برد وسیله نقلیه و دوره‌های استراحت اجباری تخمین زده می‌شود، پیدا می‌کند. این رویکرد تمایل دارد مکان‌های ایستگاه‌های شارژ را در نزدیکی مناطق شهری، جایی که جریان‌های ترافیکی بالا و توقف‌ها اهمیت بیشتری دارند، ترجیح دهد و تعداد ایستگاه‌های شارژ را در شبکه بهینه می‌کند. از سوی دیگر، رویکرد پوشش‌محور از حداقل فاصله ثابت بین ایستگاه‌های شارژ (مثلاً 100 کیلومتر)، مستقل از جریان ترافیک یا الزامات شارژ وسیله نقلیه استفاده می‌کند، اما راه‌حل‌های بهینه ارائه نمی‌دهد [21].

اکثر مطالعات به دلیل نیاز به داده‌های کمتر و محاسبات بیشتر، از رویکرد پوشش-محور برای طراحی شبکه‌های شارژ استفاده می‌کنند [12]. با این حال، این رویکرد ممکن است منجر به عدم استفاده از برخی ایستگاه‌های شارژ شود و هزینه بالایی را به همراه داشته باشد، به خصوص در مناطقی که جریان ترافیک چندان بالا نیست [14].

برخی از نمونه‌های تحقیقات اخیر با استفاده از رویکرد پوشش-محور عبارتند از شومان و همکاران [12] که از یک مدل زنجیره سفر برای ارزیابی الزامات شارژ برای BETها در عملیات‌های مسافت طولانی در اروپا استفاده می‌کنند. این مطالعه از داده‌های جریان ترافیک، دوره‌های استراحت اجباری و مقادیر ثابت مصرف انرژی خودرو برای تخمین تقاضای برق و تعداد شارژرهای مورد نیاز در مناطق تجمیع‌شده 25 کیلومتر × 25 کیلومتر در امتداد مسیرهای مورد تجزیه و تحلیل استفاده می‌کند. نتایج شامل مکان‌های دقیق ایستگاه‌های شارژ نمی‌شود. هال و لوتسی [17] نیازهای زیرساختی و هزینه‌های مرتبط را برای کاربردهای مختلف و سطوح پذیرش BETها در منطقه لس‌آنجلس، از جمله عملیات مسافت طولانی بین شهری، کمّی‌سازی کردند. مکان‌های دقیق FCS مورد بررسی قرار نگرفت. نتایج هال و لوتسی [17] نشان داد که استقرار اولیه زیرساخت FCS باید برای کاربردها و مسیرهای خاص BET به دقت برنامه‌ریزی شود، زیرا معرفی اولیه BETها (100 وسیله نقلیه یا کمتر) به معنای هزینه‌های بالای زیرساخت با نرخ‌های استفاده پایین است. اسپت و همکاران (2022) با استفاده از داده‌های شمارش ترافیک و مدل‌های صف‌بندی در محل، رویکردی مبتنی بر پوشش را برای طراحی یک شبکه شارژ سریع BET در آلمان به کار بردند و با استفاده از داده‌های شمارش ترافیک و مدل‌های صف‌بندی در محل، مکان‌های تقریبی FCS و تعداد پریزها در هر ایستگاه را تعیین کردند. نتایج نشان داد که برای نفوذ 15 و 50 درصدی شارژ عمومی BET، نصب FCS در هر 50 کیلومتر به 2 تا 8 پریز در هر ایستگاه نیاز دارد، در حالی که نصب FCS در هر 100 کیلومتر به 2 تا 13 پریز نیاز دارد.

در مقابل، رویکرد تقاضامحور برای تعیین زیرساخت‌های مورد نیاز، به مدل‌های بهینه‌سازی پیچیده‌تر و مجموعه داده‌های دقیق سفر کامیون‌ها نیاز دارد. این رویکرد منجر به استفاده زیاد از نقاط شارژ می‌شود، اگرچه اگر FCSها از هم دور باشند، ممکن است نگرانی در مورد برد مسافت را افزایش دهد [12]. یوخم و همکاران [14] از یک مدل بهینه‌سازی مبتنی بر تقاضا برای تخمین حداقل تعداد FCSها در طول شبکه بزرگراه مورد نیاز برای پاسخگویی به سفرهای وسایل نقلیه مسافربری برای مجموعه‌ای از کشورهای اروپایی و همچنین ارزیابی سودآوری FCS استفاده می‌کنند. یوخم و همکاران [14] نتیجه می‌گیرند که حجم کار و سودآوری FCS بسته به موقعیت مکانی آنها به طور قابل توجهی متفاوت است و اهمیت انتخاب دقیق مکان‌های FCS را برجسته می‌کند.

وایتهد و همکاران [19] از داده‌های سفر کامیون‌ها در مسافت‌های کوتاه برای طراحی یک شبکه شارژ عمومی بهینه که می‌تواند از عملیات شارژ سریع شهری در جنوب شرقی کوئینزلند پشتیبانی کند، استفاده می‌کنند. نتایج نشان داد که یک شبکه شارژ نسبتاً متوسط (تا 10 FCS) برای پوشش تمام نیازهای شارژ کامیون‌های فعال در منطقه مورد تجزیه و تحلیل کافی خواهد بود، زیرا بیشتر شارژ در انبارها انجام می‌شود، اگرچه نتایج تعداد پریزها در هر ایستگاه را مشخص نکرده است. وایتهد و همکاران [19] همچنین بر نیاز به دسترسی به داده‌های سفر کامیون‌ها با وضوح بالا برای برنامه‌ریزی دقیق شبکه‌های شارژ منطقه‌ای تأکید کردند.

لی و همکاران [22] بر روی یک ناوگان مطالعه موردی در چین شامل وسایل نقلیه سبک، متوسط و سنگین برای برنامه‌ریزی یک ایستگاه شارژ متمرکز تمرکز می‌کنند. این مطالعه روشی را برای تخمین تقاضای شارژ، اندازه ایستگاه‌های شارژ و برنامه‌های شارژ با استفاده از یک مدل بهینه‌سازی پیشنهاد می‌کند. لی و همکاران [22] همچنین به هزینه‌های مرتبط با ارتقاءهای احتمالی در شبکه برق تحت استراتژی‌های مختلف شارژ پرداختند.

مطالعات موجود فاقد روش‌های جامع برنامه‌ریزی FCS برای مناطق دورافتاده و صعب‌العبور هستند، مناطقی که زمین و آب و هوا بر عملکرد BET تأثیر می‌گذارند [8]. بنابراین، نویسندگان معتقدند که نیاز به یک مدل متناسب وجود دارد که چنین شرایط چالش‌برانگیزی را برطرف کند. این روش می‌تواند مورد توجه سیاست‌گذاران و اپراتورهای ناوگان باشد، زیرا نتایج مدل می‌تواند بینش‌هایی را برای هدایت برنامه‌ریزی زیرساخت‌ها و اولویت‌بندی سرمایه‌گذاری‌هایی که از کربن‌زدایی حمل و نقل بار پشتیبانی می‌کنند، ارائه دهد. برای پرداختن به این شکاف، این مطالعه با هدف توسعه و آزمایش یک روش جامع برای طراحی یک شبکه شارژ سریع بهینه برای مناطق دورافتاده و کاربردهای خاص BET، با در نظر گرفتن شرایط نامساعد آب و هوایی و جغرافیایی انجام شده است. این روش شامل سه عنصر اصلی است: یک مدل دقیق مصرف انرژی خودرو؛ یک مدل بهینه‌سازی که برای تعیین مکان‌های ایده‌آل FCS و مدت زمان شارژ استفاده می‌شود؛ و یک مدل صف‌بندی.

در روش پیشنهادی، ایسلند به عنوان مطالعه موردی آزمایش شده است، که به دلیل شرایط آب و هوایی سخت آن، وابستگی زیاد به وسایل نقلیه سنگین جاده‌ای برای حمل بار (ایسلند هیچ سیستم ریلی باری ندارد) و فقدان زیرساخت شارژ مناسب برای خودروهای سنگین، سناریوی جالبی را ارائه می‌دهد. به طور خاص، این تحلیل بر مسیرهای حمل بار از ریکیاویک به وستفیوردها تمرکز دارد. وستفیوردها به دلیل زیرساخت محدود (فقط چند پمپ بنزین در امتداد جاده‌های اصلی وجود دارد)، جمعیت پراکنده، ظرفیت محدود شبکه برق و شرایط جاده (با گذرگاه‌های کوهستانی متعدد)، یکی از چالش برانگیزترین موارد برای BETها در ایسلند هستند. این مطالعه از روش پیشنهادی برای برنامه‌ریزی یک زیرساخت شارژ سریع بهینه برای پشتیبانی از ناوگان وسایل نقلیه سنگین باتری-الکتریکی ۱۰۰٪ در مسیر ریکیاویک-وستفیوردها استفاده می‌کند. ابتدا، ما مکان‌های شارژ بالقوه را در امتداد مسیرهای مورد تجزیه و تحلیل بر اساس زیرساخت‌های موجود مانند پمپ بنزین‌ها، رستوران‌ها و شهرها از قبل انتخاب کردیم. سپس، عملکرد BET را در شرایط نامطلوب (دمای پایین و باد مخالف) شبیه‌سازی کردیم تا اطمینان حاصل کنیم که شبکه شارژ با در نظر گرفتن بدترین سناریوهای ممکن، با توجه ویژه به عملکرد BET بین مکان‌های شارژ از پیش انتخاب شده، بهینه شده است. سپس نتایج عملکرد BET در یک مدل بهینه‌سازی برای تعیین نقاط شارژ ایده‌آل، مدت زمان شارژ و میانگین نرخ خدمات استفاده می‌شود. در نهایت، تعداد دوشاخه‌های شارژ مورد نیاز در هر مکان شناسایی شده با استفاده از یک مدل صف‌بندی بر اساس فرضیات نرخ ورود تخمین زده می‌شود. زمان اضافی بالقوه مورد نیاز برای پوشش مسیرها برای تناسب با جلسات شارژ نیز تخمین زده می‌شود.

تا آنجا که نویسندگان می‌دانند، این مطالعه اولین مطالعه‌ای است که از یک روش جامع برنامه‌ریزی FCS استفاده می‌کند که مدل‌سازی انرژی خودرو با وضوح بالا را در شرایط نامطلوب ادغام می‌کند و تضمین می‌کند که قرارگیری ایستگاه با محدودیت‌های برد واقع‌بینانه، محدودیت‌های استراحت راننده و حاشیه ایمنی همسو باشد. علاوه بر این، اگرچه مدل‌های صف‌بندی به خوبی تثبیت شده‌اند، اما کاربرد آنها در محیط‌های کم‌ترافیک و با تغییرپذیری بالا، چالش‌های منحصر به فردی را ایجاد می‌کند. این مطالعه با ترکیب شبیه‌سازی مصرف انرژی، بهینه‌سازی شارژ غیرخطی و تحلیل صف‌بندی، چارچوبی جامع و متناسب با برق‌رسانی در مراحل اولیه در مناطق دورافتاده ارائه می‌دهد.

مطالعه ما منحصر به فرد است زیرا به برنامه‌ریزی اولیه زیرساخت شارژ برای BET های مسافت طولانی در مناطق دورافتاده و کوهستانی می‌پردازد و با استفاده از داده‌های دقیق چرخه رانندگی و روش‌های تقسیم‌بندی سفر، مکان‌های دقیق شارژ بهینه برای کامیون‌های مورد بررسی را تعیین می‌کند، ضمن اینکه بدترین سناریوی آب و هوایی و شرایط بار را در نظر می‌گیرد. این تجزیه و تحلیل همچنین کل زمان شارژ مورد نیاز برای رسیدن به یک مسیر خاص را تعیین می‌کند که می‌تواند برای ارزیابی زمان اضافی بالقوه‌ای که BET ها برای انجام مسیرهای بار نیاز دارند، استفاده شود. نتایج این مطالعه می‌تواند بینش‌های مفیدی برای سیاست‌گذاران و اپراتورهای ناوگان در برنامه‌ریزی شبکه شارژ و امکان‌سنجی کلی برق‌رسانی بار ارائه دهد، زیرا به جنبه‌های مرتبط مانند طراحی بهینه زیرساخت و زمان‌های مسیریابی می‌پردازد. چارچوب پیشنهادی این مطالعه در شکل 1 خلاصه شده است. (منبع).