Traffic-Induced Energy Variability of Long-Haul Truck Powertrains Using Vehicle–Traffic Co-Simulation
Este artículo presenta una metodología de cosimulación vehículo-tráfico de dos etapas que cuantifica cómo las condiciones de tráfico que varían espaciotemporalmente en un corredor estadounidense de 255 millas aumentan significativamente la intensidad energética y reducen la eficiencia del transporte de mercancías para los camiones eléctricos de larga distancia, al tiempo que impulsan la recuperación de energía regenerativa.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Cada trayecto de un camión de larga distancia es una negociación con la carretera, pero también es una conversación constante con el tráfico que lo rodea. Cuando un camión pesado circula por una autopista abierta a una velocidad constante, su uso de energía es predecible. Sin embargo, en el momento en que encuentra un vehículo más lento, un coche que se incorpora o una desaceleración repentina, esa previsibilidad desaparece. El conductor debe frenar y luego acelerar de nuevo, y cada uno de estos cambios exige un estallido de potencia del motor. Para los camiones impulsados por electricidad, estos estallidos agotan la batería, mientras que los momentos de frenado ofrecen una oportunidad para recuperar algo de energía. Comprender exactamente cuánto cuestan estos momentos de marcha y parada a un camión eléctrico moderno es difícil porque el tráfico del mundo real es caótico y cambia de hora en hora. Para resolver esto, los investigadores necesitaban una forma de observar cómo un camión conducía a través de una versión virtual de una autopista real, completa con el flujo impredecible de otros coches, para ver cómo el propio tráfico cambia la factura energética.
Un equipo de investigadores del Laboratorio Nacional Oak Ridge y la Universidad de Tennessee se propuso responder a esta pregunta simulando un tramo masivo del corredor de la Interestatal 81 de EE. UU., una ruta que atraviesa Virginia, West Virginia, Maryland y Pennsylvania. No solo buscaban observar un solo camión de forma aislada; querían ver cómo se comportaba el camión cuando estaba rodeado de miles de otros vehículos, desde la hora punta de la mañana hasta el final de la tarde. El equipo construyó un gemelo digital de un tramo de 255 millas de esta autopista, utilizando datos de tráfico público para recrear el número de coches en la carretera para diferentes momentos del día, diferentes días de la semana y diferentes estaciones. Su objetivo era determinar si la hora del día importaba más que la estación o el día de la semana cuando se trataba de cuánta energía necesitaría un camión para ir del punto A al punto B.
Para gestionar la inmensa complejidad de simular una autopista de 255 millas con un tráfico realista, los investigadores utilizaron un enfoque de dos pasos. Primero, realizaron un conjunto amplio de simulaciones utilizando un modelo de tráfico estándar para ver cómo se movía el camión a través del flujo de tráfico. Probaron ocho escenarios diferentes, combinando verano e invierno, días laborables y fines de semana, y horas de la mañana y de la tarde. En estas ejecuciones iniciales, rastrearon la velocidad del camión segundo a segundo. Los resultados fueron claros: la hora del día era el factor más importante. Los escenarios de la tarde, específicamente entre la 1 p. m. y las 9 p. m., produjeron patrones de conducción mucho más erráticos que las carreras de la mañana. Durante la tarde, el camión pasaba más tiempo frenando y acelerando, lo que provocaba tiempos de viaje más largos y velocidades más variables. Las carreras de la mañana, por el contrario, mostraban al camión moviéndose de manera constante y con flujo libre, muy parecido a un coche en una carretera vacía. La estación y si era un día laborable o de fin de semana tuvieron un efecto mucho menor, actuando solo como ajustes menores al patrón principal establecido por la hora del día.
Habiendo identificado que el tráfico de la tarde era el más desafiante, los investigadores pasaron a su segunda etapa, donde aplicaron un modelo mucho más detallado y computacionalmente costoso. Tomaron el escenario de la tarde más exigente y el escenario de la mañana más eficiente y los ejecutaron de nuevo, esta vez acoplando la simulación de tráfico con un modelo de física de alta fidelidad de un camión Clase 8 impulsado por batería eléctrica. Esto les permitió ver no solo qué tan rápido se movía el camión, sino exactamente cuánta energía utilizaba la batería para moverlo, cuánta energía se recuperaba cuando el camión frenaba y con qué eficiencia movía su carga. Compararon estos resultados contra una simulación de referencia donde el camión recorría la misma ruta con absolutamente ningún otro tráfico en la carretera.
Los hallazgos revelaron que el tráfico es una penalización significativa para los camiones eléctricos. Cuando el camión circulaba en el tráfico simulado de la tarde, su uso de energía por milla aumentaba entre un 23 y un 53 por ciento en comparación con la línea de base de la carretera vacía. Esto significa que el camión necesitaba significativamente más electricidad para cubrir la misma distancia simplemente porque tenía que reaccionar a otros vehículos. En consecuencia, la eficiencia del flete cayó entre un 22 y un 37 por ciento, lo que significa que el camión movía menos carga por unidad de energía. Sin embargo, el tráfico también creó un rayo de esperanza para la batería. Debido a que el camión tenía que frenar y deslizarse más a menudo en el tráfico congestionado de la tarde, pudo recuperar energía a través del frenado regenerativo. La cantidad de energía recuperada aumentó entre un 104 y un 165 por ciento en comparación con la carretera vacía. A pesar de este aumento masivo en la recuperación de energía, no fue suficiente para compensar la energía adicional requerida para mantener el camión en movimiento a través de las condiciones de marcha y parada.
El estudio concluye que, si bien los camiones eléctricos pueden recuperar una sorprendente cantidad de energía cuando se ven obligados a reducir la velocidad, el costo total de navegar el tráfico del mundo real sigue siendo alto. Los investigadores encontraron que la hora del día es el principal motor de esta variabilidad de la energía, siendo las comunicaciones de la tarde mucho más intensivas en energía que las de la mañana. Esto sugiere que para la planificación del transporte de larga distancia, saber la distancia no es suficiente; los operadores deben tener en cuenta las condiciones de tráfico específicas que enfrentarán. El trabajo demuestra que para entender verdaderamente las necesidades energéticas del transporte de carga eléctrico futuro, los modelos deben incluir la realidad desordenada de otros coches en la carretera, en lugar de simplemente asumir que un camión conduce en el vacío. Los investigadores señalaron que sus resultados se basan en simulaciones y que se necesita más trabajo para validar estos números con datos del mundo real, pero el estudio proporciona una imagen clara y basada en datos de cómo el tráfico moldea el futuro energético del transporte de carga pesado.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.