نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

20 آذر 1403 10:33 ب.ظ

استراتژی مکان‌یابی برای بهره‌گیری بیشتر از ایستگاه‌های شارژ EV کلیدی است

استراتژی مکان‌یابی برای بهره‌گیری بیشتر از ایستگاه‌های شارژ EV کلیدی است

30 اکتبر 2024 -توسط بلین فریدلندر، دانشگاه کرنل-اعتبار: دامنه عمومی Pixabay/CC0

مهندسان کرنل راه‌حلی برای یک مشکل پیچیده ارائه کرده‌اند: محل نصب ایستگاه‌های شارژ خودروهای الکتریکی تا برای رانندگان راحت و برای سرمایه‌گذاران سودآور باشند. این یافته ها در مجله Applied Energy منتشر شده است.

بدون ایستگاه های شارژ فراوان و مناسب، مصرف کنندگان خودروهای الکتریکی کمتری خریداری خواهند کرد. بدون صاحبان وسایل نقلیه الکتریکی کافی، ایستگاه های شارژ در دسترس عموم سودآور نخواهند بود. این بدان معناست که تعداد آنها کمتر خواهد بود.

اولیور گائو، استاد مهندسی عمران و محیط زیست هاوارد سیمپسون در سال 1942 در مهندسی کرنل، می گوید: «بهبود زیرساخت ایستگاه شارژ اساساً مشکل مرغ و تخم مرغ است.

تیم تحقیقاتی دریافت که در محیط‌های شهری، نصب ترکیبی مساوی از دو نوع مختلف ایستگاه – یکی که با سرعت متوسط ​​و دیگری با سرعت بیشتری شارژ می‌شود – و توزیع استراتژیک آنها شانس استفاده رانندگان از آنها را افزایش می‌دهد. و این به نوبه خود سودآوری سرمایه گذاران را 50% تا 100% در مقایسه با استراتژی های قرار دادن تصادفی فعلی بهبود می بخشد.

یوچن سوفیا لیو، سرپرست تیم تحقیق و پژوهشگر عملیات در آزمایشگاه گائو، می‌گوید: «قرار دادن ایستگاه‌های شارژ در دسترس عموم در اطراف شهرها کار ساده‌ای به نظر می‌رسد، اما از نظر ریاضی، در واقع بسیار سخت است.

لیو گفت که به این دلیل است که مدل‌های ساده پیچیدگی هزاران تصمیم احتمالی راننده را اجازه نمی‌دهند، بدون اینکه به عواملی مانند ترافیک و ویژگی‌های جاده اشاره کنیم.

بنابراین تیم به شش دهه قبل رسید تا از بهینه‌سازی بیزی استفاده کند، یک استراتژی ریاضی که از تلاش‌های گذشته برای بهینه‌سازی برای اطلاع‌رسانی هر تلاش بعدی استفاده می‌کند. که منجر به تجزیه و تحلیل بسیار سریعتر و سازنده تر می شود. در الگوریتم های یادگیری ماشینی محبوب شده است.

لیو گفت: «الگوریتم مدل بهینه‌سازی بیزی به ما امکان می‌دهد میلیون‌ها رفتار فردی را شبیه‌سازی کنیم و در عین حال پاسخ‌ها را به‌طور مؤثر و سریع پیدا کنیم.

این تیم الگوریتمی را راه‌اندازی کرد که از بهینه‌سازی بیزی برای تجزیه و تحلیل داده‌های منطقه آتلانتا، خانه حدود 6 میلیون نفر استفاده می‌کرد. آنها رفتار 30000 وسیله نقلیه را در بیش از 113000 سفر شبیه سازی شده مورد مطالعه قرار دادند و انواع الگوهای ترافیکی مسافران را پیش بینی کردند.

این الگوریتم با استفاده از تنها 2 درصد از زمان اجرا روش های معیار موجود، یک مکان بهینه پیدا کرد. لیو گفت: «این امکان استفاده از الگوریتم را در مقیاس پیچیده‌تر و در دنیای واقعی فراهم می‌کند.

این تیم دریافت که ایستگاه‌های شارژ تجاری با سرعت متوسط ​​«سطح ۲» و ایستگاه‌های «DCFC» با جریان مستقیم و شارژ سریع نیازهای متفاوتی را برآورده می‌کنند. رانندگانی که به مدت 20 دقیقه پارک می کنند – برای مثال در حالی که به یک فروشگاه مواد غذایی می روند – احتمالاً نقاط شارژ سریع را انتخاب می کنند. اما اگر کسی قرار است چندین ساعت کار کند و پارک کند، راننده احتمالاً ایستگاه سطح 2 را انتخاب خواهد کرد.

علاوه بر این، یک تجزیه و تحلیل حساسیت نشان داد که عواملی مانند اندازه بازار خودروهای الکتریکی باتری، اولویت‌های شارژ و قیمت شارژ تأثیرات قابل‌توجهی بر محل بهینه و سودآوری پروژه زیرساخت شارژ خودروی الکتریکی دارند.

لیو گفت که یافته ها پیامدهای مهمی دارند. بر اساس این مقاله، در ایالات متحده، هشت ایالت دستور برنامه خودروی بدون آلایندگی کالیفرنیا را پذیرفته اند تا حداقل 3.3 میلیون وسیله نقلیه سبک با آلایندگی صفر را تا سال 2025 در جاده ها داشته باشند.

لیو گفت: «جایگاه استراتژیک اقتصادی ایستگاه‌های شارژ می‌تواند نقشی اساسی در تسریع انتقال به خودروهای بدون آلایندگی داشته باشد.

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *