Об оптимизации смешанной зарядной инфраструктуры электробусов для городских маршрутов

Цели. При переходе от парка дизельных автобусов к парку электробусов актуальной является оптимизация зарядной инфраструктуры, совмещающей технологии медленной зарядки батарей в депо в ночное время и быстрой подзарядки на конечных остановках маршрутов. Цель исследования заключается в создании моделей и методов выработки экономически эффективных решений по выбору зарядной инфраструктуры такого типа для парка электробусов, обслуживающих систему городских маршрутов с учетом ряда специфических условий. Функционирование парка и зарядной инфраструктуры моделируется как для депо в ночной период, так и для конечных остановок в наиболее представительный период дня, характеризующийся наибольшей интенсивностью пассажиропотока и максимальным расходом электроэнергии.

Методы. Используются методы теории множеств, теории графов и линейной аппроксимации.

Результаты. Разработана математическая модель задачи оптимизации зарядной инфраструктуры смешанного типа для парка электробусов. В качестве целевой функции выбрана суммарная дневная стоимость зарядных станций, износа батарей электробусов парка и потребленной электроэнергии. Модель сформулирована в виде задачи смешанного целочисленного линейного программирования.

Заключение. Для решения сформулированной задачи целочисленного линейного программирования могут использоваться стандартные решатели типа IBM ILOG CPLEX. Решение задачи заключается в выборе длительностей и расписаний зарядки электробусов на зарядных станциях малой мощности в депо в ночное время и на зарядных станциях большой мощности конечных остановок в заданном диапазоне часов пик.

1. Gao Z., Lin Z., LaClair T. J., Liu C., Li J.-M., …, Ward J. Battery capacity and recharging needs for electric buses in city transit service. Energy, 2017, vol. 122, pp. 588–600.

2. Olsson O., Grauers A., Pettersson S. Method to analyze cost effectiveness of different electric bus systems. EVS29 International Battery, Hybrid and Fuel Cell Electric Vehicle Symposium, Montreal, Quebec, Canada, June 2016. Montreal, 2016, pp. 1–12.

3. Lin Z. Optimizing and diversifying electric vehicle driving range for US drivers. Transportation Science, 2014, vol. 48(4), pp. 635–650.

4. Pelletier S., Jabali O., Mendoza J. E., Laporte G. The electric bus fleet transition problem. Transportation Research Part C: Emerging Techonologies, 2019, vol. 109, pp. 174–193.

5. Goehlich D., Fay T.-A., Park S. Conceptual design of urban e-bus systems with special focus on battery technology. Proceedings of the 22nd International Conference on Engineering Design (ICED19), Delft, The Netherlands, 5–8 August 2019. Delft, 2019. https://doi.org/10.1017/dsi.2019.289

6. Han S. K. A practical battery wear model for electric vehicles charging applications. Applied Energy, 2014, vol. 113, pp. 1100–1108.

7. Guschinsky N., Kovalyov M., Rozin B., Brauner N. Fleet and charging infrastructure decisions for fast-charging city electric bus service. Computers and Operations Research, 2021, vol. 135, р. 105449. https://doi.org/:10.1016/j.cor.2021.105449

8. Rogge M., van der Hurk E., Larsen A., Sauer D. U. Electric bus fleet size and mix problem with optimization of charging infrastructure. Applied Energy, 2018, vol. 211, pp. 282–295.

9. Millner A. Modeling lithium ion battery degradation in electric vehicles. 2010 IEEE Conference on Innovative Technologies for an Efficient and Reliable Electricity Supply. Waltham, MA, 2010, pp. 349–356.

10. Pelletier S., Jabali O., Laporte G. Charge scheduling for electric freight vehicles. Transportation Research Part B, 2018, vol. 115, pp. 246–269.