Model rantai spasial Markov untuk pengisian kendaraan listrik di kota-kota menggunakan data sistem informasi geografis (GIS)
Mahmoud Shepero, Joakim Munkhammar
PENDAHULUAN
Peningkatan pesat dalam registrasi baru dari kendaraan listrik (EVs) telah disaksikan dalam beberapa tahun terakhir [1]. Pada tahun 2016, tingkat pertumbuhan dari pengisian yang tersedia untuk umum telah melampaui tingkat pertumbuhan stok EV, 72% dibandingkan dengan 60%.
Beberapa model untuk menghitung beban pengisian EV telah dibuat. Dalam model rantai Markov non-homogen dengan tiga negara parkir dan satu negara bagian mengemudi diusulkan.
Berkenaan model EV spasial, Fraile-Ardanuy et al. [6] menggunakan data global positioning system (GPS) dari armada taksi untuk mengembangkan model pengisian spasial untuk taksi. Para penulis berasumsi bahwa setiap 30 menit atau lebih berhenti dapat digunakan untuk mengisi daya EV. Tujuan dari model ini adalah untuk mengukur secara spasial permintaan energi armada taksi sehingga pemilik armada dapat merencanakan lokasi stasiun pengisian. Menggunakan model rantai markov Markov untuk mengembangkan model spasiotemporal untuk pengisian EV di daerah perkotaan.
PENELITIAN STUDI
Dalam studi ini, penulis mencoba untuk berkontribusi pada bidang pemodelan muatan muatan EV oportunistik spasial di kota-kota - mirip dengan misalnya, [5,14,15]. Upaya untuk memenuhi kesenjangan penelitian pertama dan kedua dilakukan dengan mengembangkan model pengisian EV baru. Berbeda dengan kontribusi sebelumnya, model ini menggunakan data SIG untuk mengekstraksi lokasi tempat parkir dan profil pengisian stasiun pengisian di tempat parkir ini berdasarkan jenis bangunan di dekatnya.
Dalam studi kasus, tiga kekuatan pengisian dibandingkan dan pola mengemudi yang berbeda digunakan, sehingga berkontribusi pada kesenjangan penelitian ketiga. Model yang dikembangkan di sini dapat digunakan bersama dengan model RES untuk mengukur potensi sinergi spatio-temporal antara EV dan RES di kota-kota.
METODE
Stasiun Bergerombol
Salah satu kontribusi utama dari penelitian ini adalah pemanfaatan data peta untuk menemukan tempat parkir secara spasial dan mengekstrak data fitur mereka. Model ini dirancang sedemikian rupa sehingga dapat digunakan menggunakan data open source seperti OpenStreetMap (OSM) data atau data peta kepemilikan lainnya selama ini berisi informasi tentang bentuk tempat parkir dan gedung-gedung - termasuk jenis bangunannya.
Data OSM digunakan sebelumnya pada [21,22] untuk pengelompokan penggunaan lahan. Bagian dari model ini seharusnya mengekstraksi tempat parkir dari data peta dan mengelompokkan tempat parkir ini ke dalam jenis perilaku penggunaan, Pekerjaan, Rumah, dan Lainnya atau campurannya. Bangunan di kota dapat dikategorikan menjadi tempat kerja, perumahan, dan bangunan lainnya; setiap kategori sesuai dengan perilaku penggunaan tempat parkir. Diharapkan di kota besar bahwa pengemudi EV akan parkir di dekat lokasi yang dikunjungi, terutama jika biaya parkir diabaikan.
Kesimpulan
Model yang dikembangkan dalam makalah ini dapat digunakan bersama dengan beban konsumsi listrik untuk melakukan studi grid bertujuan untuk menyelidiki dampak beban spasial EV pada komponen grid dan kualitas daya. Model ini juga dapat digunakan bersama
Studi RES untuk mengevaluasi konsumsi diri dan kedekatan spasial antara RES dan EV yang mengisi muatan di kota. Studi selanjutnya mungkin melengkapi model yang diusulkan dengan cerdas strategi pengisian daya, misalnya, mengurangi puncak pengisian daya lokal di grid, atau meningkatkan pemanfaatan RES, atau mengurangi biaya pengisian. Mempekerjakan pengetahuan tentang profil parkir — diperoleh dari peta sistem informasi geografis (SIG) - dapat bermanfaat dalam mengoptimalkan lokasi stasiun pengisian daya di kota-kota. Ini adalah, Namun, berangkat untuk karya masa depan.
Komentar
Posting Komentar