随着全球温度上升和以指数速率排放温室气体,对绿色技术的需求变得极有必要向电流过渡是一个大有希望的全球消除运输部门碳化策略,大多数国家都支持EV30@30全球运动 — — 目标是到2030年实现至少30%新车销电mcKinsey基本假设EV应用显示到2030年中国、欧洲联盟和美国大约1.2亿EVs可能上路

无障碍强电车收费基础设施网是实现这一雄心勃勃过渡的基本条件大多数国家已制定各种赋能政策,促进收费基础设施网络开发并建设利害相关者支持其地面扩展的能力。需要从上下文入手,确保有效及时地实施EV收费基础设施,使之满足本地需求并最优融入供电和运输网络

关键挑战在于不对接收费站和需求网站选择最优部署充电站是一个复杂过程,考虑到许多因素,如供电服务可用性、游轮时间、电站服务型车和车辆类型、交通密度和每日交通时数以及土地所有权,而最关键因素是社会公平整理综合这些各种因素,以最充分利用充电站估计需求提供服务基础需求分析网站适配性分析可设计理解潜在网站,提供高覆盖率高用量优化客户交通时间并从而减少碳足迹

驱动EV的关键挑战为短里程和长时收费活动充电设备因充电时间、电池持有量、电池类型和电动车辆供应设备类型而异充电时间从20分钟到20小时不等,视上述参数而定通常有三类收费站 基于AC/DC收费级别-AC级1级2级DC快速充电商业和住宅设施使用-公共存取充电、工作场所充电和DC快速充电充电速度和充电车辆类型是建议客户从特定充电站接用最优约束

GIS带GeoAI和机器学习算法提供综合平台整理和综合这些约束,帮助划分客户集群和网站适配性分析,供收费站使用,并有特定类别套合右类车辆系统还扩展分析以取代或替换基于使用模式和覆盖优化的现有充电站时间源估计分析模型EV收费时空特征

下图为需求分析并进行网站适配性分析所选择的广度因子集参数列表估计各类充电站需求-计数覆盖社会、车辆类型和收费等各种人口数据多变量分析 不同算法包括Weigh-Rank模型 设计实验 尝试识别潜在需求集群因素适当权衡和等级排列构建模型向量机后勤回归技术也为提取需求集群提供良好结果

此处识别的潜在客户集群与网站适配性分析参数一起使用,评价可能选址充电站多标准多目标决策通常考虑上述因素关键目标-电荷电站分类,最优距离匹配减排和最优时间并评价现有站点使用效率同时重新评价新建和新建站点移位或替换老网站游航范围有限、充电时间差和减速恢复能量特征要求创新节能路由算法上文列举的这些约束一起考虑以提取最优节能路线优化使用电量预期会在一定程度上控制生产量,从而减少排放

结果必备

a) 配电站映射客户集群-基于客户类别和充电站类别以及公有或私有类型

车辆类型充电站映射

公共或私有站配有社会公平特征

后续六块分析为EV充电站适配性分析端对端求解范围涵盖车辆类别分析、充电站类型和有效使用指数(客户集群覆盖效率)。

执行管道

端对端解决方案执行管道如下

• 初级数据集(来自地面真或卫星图像)和二级数据集在线或离线获取并存入流水线
• 处理前:数据主题均按需要分地理编码、插值/外插值、规范化和缩放后再尝试需求分析(客户集群)和定位适点
• 解决方案抽取用户集群,基于车辆类别和GIS平台右类充电站(公共存取充电、工作场所充电和DC快速充电)每一次执行都先定义具体目标并端 并使用结果识别可进一步调查的具体潜在位置
• 多变量多目标分析中尝试多变量优化算法,包括Huff模型和其他算法,提取潜在充电站站点

结论

电动车辆使用量增加、消费者收费需求扩大和服务需求增加,这是一个复杂过程,在网络中最优点收费站并满足收费需求同时遵守ESG指南随着车辆GPS的引入和通信基站数据提供,越来越多的研究正使用实时EV轨迹数据和定位数据生成车辆型实时需求生成,客户剖面图与充电站最优匹配ETA最优

Cyient巨型趋势报告涵盖可持续性主题,其中提到智能和元运动以及可持续能源和平台-电动系统、电池管理、交替移动性、电动车辆、充电系统及增强电网能力-车辆网格技术帮助设计实施可持续解决方案网站选择优化预期能为特定类别的客户提供节能路由访问右充电站,从而高效高效使用已充电电池

关于作者

Nihar R Sahoe持有博士学位地球科学专业GIS、遥感应用统计超过23年行业经验他感兴趣的领域是端对端开发、部署和操作地理空间机学习解决方案并使用地球观测数据