Optimální rozmístění nabíjecích bodů pro firemní flotily

Abstract

V posledních letech se elektrická vozidla stala významnou alternativou k tradičním dopravním prostředkům využívajícím spalovací motor. Navzdory tomu, osvojení elektromobility širokou veřejností stále čelí výzvám, spjatým s omezenou dojezdovou vzdáleností a relativně pomalým nabíjením. Ve snaze usnadnit přechod firemních flotil na elektrická vozidla, formulujeme problém optimálního rozmístění a škálování nabíjecí infrastruktury jako celočíselný lineární program s deterministickým modelem nabíjecí poptávky, vytvořeným z historických dat o pohybu daných flotil. Omezený finanční rozpočet a změny nabíjecí poptávky v čase, např.~vlivem dopravních špiček, jsou v předkládaném modelu taktéž zohledněny. Praktické a výpočetní vlivy zjednodušení některých omezení, která jsou v modelu vyjádřena, jsou zkoumány a různé varianty řešení jsou navrženy pro případy, kdy zachování kompletní formulace problému, včetně složitých omezení, je nezbytné. Efektivitu různých přístupů srovnáváme na praktickém příkladu firemní flotily. Stavění menšího počtu nabíjecích lokací s větším množstvím nabíječek na každou lokaci, kdy je brán ohled na pevně danou maximální přijatelnou vzdálenost mezi poptávkou a stanicemi, se ukazuje být nadmíru výhodné vzhledem k maximálnímu uspokojení poptávky, zvláště pro omezené finanční rozpočty, a zároveň dostatečně robustní vůči předem neznámým změnám poptávky.

In recent years, electric vehicles became an ever-increasingly prominent alternative to more traditional, combustion-engine based means of transportation. However, the adoption of electric vehicles is still faced with challenges, especially due to limited driving range and slow charging times. To help facilitate electrification of business vehicle fleets, the problem of finding optimal charging infrastructure sizing and siting is formulated as an integer linear program with deterministic charging demand based on historical combustion-engine vehicle fleet driving data. Limited financial budget, as well as the effect of dynamic changes to charging demand caused by peak hours, is reflected in the model. Practical and computational implications of relaxation of different constraints are discussed, and alternative solution approaches are proposed for instances of problems where the preservation of the complex constraints is mandatory. The effectiveness of the proposed solutions is evaluated on the basis of a case study. For limited financial budgets, building less charging stations and supplying each station with more chargers, with respect to an upper limit on acceptable distance to station, stands out in terms of charging demand satisfaction, as well as robustness to unseen charging demand data.