Equivalent Circuit Model based Electric Vehicle Evacuation with Mobile Charging Stations

Resumen Técnico: Modelo de Circuito Equivalente para la Evacuación de Vehículos Eléctricos con Estaciones de Carga Móviles

Planteamiento del Problema
La creciente adopción de Vehículos Eléctricos (VE) presenta desafíos únicos para la planificación de evacuaciones de emergencia, particularmente bajo interrupciones inducidas por desastres. A diferencia de los vehículos convencionales de gasolina, los VE están limitados por rangos de conducción restringidos, tiempos de recarga más largos y una dependencia de Estaciones de Carga Fijas (FCS, por sus siglas en inglés). En escenarios de desastre, las FCS pueden quedar inhabilitadas debido a fallas en la red eléctrica o daños físicos, y la alta proporción de VE respecto a los cargadores puede provocar una congestión severa y vehículos varados. Los modelos de evacuación existentes suelen asumir una infraestructura de carga plenamente operativa o no optimizan conjuntamente el enrutamiento, las decisiones de carga y el despliegue de Estaciones de Carga Móviles (MCS, por sus siglas en inglés). Este artículo aborda la necesidad de un marco de optimización que considere el estado de carga de la batería (SoC), los retrasos de carga y la ubicación estratégica de las MCS para garantizar rutas de evacuación energéticamente factibles.

Metodología
Los autores proponen un novedoso marco de optimización que utiliza un Modelo de Circuito Equivalente (ECM) para modelar el problema de evacuación. La metodología aprovecha analogías entre la ingeniería eléctrica y los sistemas de transporte:

• Flujo de Tráfico como Corriente: El flujo de vehículos se modela como corriente eléctrica.
• Tiempo de Viaje como Resistencia: La impedancia de un enlace de carretera se representa como tiempo de viaje.
• Rango de Conducción como Voltaje: El rango de conducción restante del vehículo se modela como voltaje.
• Carga como Fuentes de Voltaje: Las estaciones de carga actúan como fuentes que reponen el voltaje (rango).

El marco formula el problema de evacuación como un problema de Programación Entera (IP). Los componentes clave incluyen:

1. ECM Controlable: El modelo incorpora interruptores binarios para regular la selección de rutas (activando o bloqueando enlaces específicos) y variables enteras para determinar las duraciones de carga tanto en las FCS como en las MCS.
2. Leyes de Kirchhoff:
   • Ley de Corrientes de Kirchhoff (KCL): Garantiza el equilibrio de flujo en los nodos de la red, asegurando que el número de vehículos que entran en un nodo sea igual al que sale (considerando los interruptores).
   • Ley de Voltajes de Kirchhoff (KVL): Garantiza la factibilidad energética. Al tratar la pérdida de rango como una caída de voltaje a través de resistencias (tiempo de viaje) y la ganancia de rango como fuentes de voltaje (carga), el modelo asegura que el "voltaje" restante (rango) nunca caiga por debajo de cero a lo largo de la ruta seleccionada.
3. Principio de Superposición: Para manejar múltiples pares de Origen-Destino (OD), el marco aplica el principio de superposición. Resuelve para pares OD individuales de forma independiente para determinar rutas óptimas y estrategias de carga, y luego agrega los flujos para asegurar que no excedan la capacidad de flujo libre de los enlaces viales o las tasas de servicio de las estaciones de carga.
4. Objetivos de Optimización: El marco admite diversas métricas de desempeño, incluyendo la minimización del tiempo de evacuación del peor caso ($J_{max}$), el tiempo de evacuación promedio ($J_{avg}$) y una combinación ponderada que incluye la varianza para promover la equidad entre los evacuados ($J_{avg+\Delta}$).

Contribuciones Clave
El artículo identifica cuatro contribuciones principales:

1. Extensión del ECM Controlable: Desarrollo de un ECM controlable para redes de tráfico que integra elementos de conmutación para la regulación activa del flujo de tráfico y modela explícitamente los retrasos de carga y la reposición de rango.
2. Modelado de Rango Basado en Voltaje: Una analogía novedosa utilizando la Ley de Voltajes de Kirchhoff para modelar la pérdida de rango de conducción a lo largo de las rutas de evacuación, una característica no abordada previamente en los modelos de tráfico basados en ECM.
3. Despliegue Integrado de MCS: La incorporación de las MCS en el marco del ECM para determinar la ubicación, el número y la duración de carga óptimos de las unidades móviles para minimizar el tiempo total de evacuación.
4. Marco de Equidad Multi-OD: Una extensión del modelo a múltiples pares OD mediante la superposición, soportando métricas conscientes de la equidad (peor caso, promedio y basadas en la varianza) para prevenir disparidades significativas en los tiempos de evacuación.

Resultados
El marco propuesto fue validado mediante estudios de simulación en redes de transporte a gran escala en California: la red urbana de Anaheim y la red rural de Mariposa.

• Red de Anaheim (Urbana): Las simulaciones con 8 pares OD y 13,400 VE demostraron que la función de costo $J_{avg}$ minimizaba los tiempos de evacuación promedio, mientras que $J_{avg+\Delta}$ redujo significativamente la desviación en los tiempos de evacuación (en un ~8.8% comparado con $J_{max}$ en rangos iniciales específicos). El análisis de sensibilidad mostró que, a medida que aumenta el flujo de entrada, la red utiliza más aristas y el número de MCS requeridas aumenta drásticamente para prevenir la congestión una vez que se excede la capacidad de las estaciones fijas.
• Red de Mariposa (Rural): En un escenario que simula una evacuación por incendio forestal donde las FCS del centro fueron desactivadas, la optimización basada en ECM desplegó 6 MCS estratégicamente para permitir la carga en ruta. Comparado con un algoritmo de referencia "codicioso" (greedy) que colocaba las MCS solo en las ubicaciones más cercanas (causando saturación y colas), el método propuesto distribuyó las MCS para mitigar tanto la congestión vial como las colas de carga.
• Validación de Alta Fidelidad: Los resultados de la optimización fueron validados utilizando la microsimulación Aimsun. Para rutas cortas, el error entre el modelo ECM y la simulación microscópica fue inferior al 6.67%. Para rutas más largas, los errores aumentaron aproximadamente a un 13.84%, atribuidos a la simplificación del modelo de optimización de los elementos de control de tráfico y las variaciones de velocidad.
• Mejora de Desempeño: En el caso de Mariposa, el enfoque basado en ECM mejoró los tiempos de evacuación entre un 36% y un 43% para varios pares OD en comparación con el algoritmo de referencia, principalmente al reducir las colas y aprovechar el SoC inicial de los vehículos para un despliegue más eficiente de las MCS.

Significancia
El artículo sostiene que el marco propuesto basado en ECM ofrece un enfoque unificado y físicamente interpretable para la planificación de la evacuación de VE. Al modelar explícitamente la factibilidad energética a través de restricciones de voltaje e integrar la flexibilidad de las Estaciones de Carga Móviles, el método mejora significativamente la eficiencia y robustez de la evacuación, particularmente en escenarios con carga inicial de batería limitada o infraestructura fija interrumpida. El estudio destaca que las MCS son críticas para las evacuaciones de emergencia, ya que pueden aliviar dinámicamente los cuellos de botella que la infraestructura fija no puede abordar durante los desastres. El marco proporciona una herramienta escalable para que los planificadores optimicen conjuntamente el enrutamiento, la duración de la carga y el despliegue de recursos móviles para garantizar evacuaciones seguras y oportunas.