Equivalent Circuit Model based Electric Vehicle Evacuation with Mobile Charging Stations

Résumé Technique : Évacuation de Véhicules Électriques basée sur un Modèle de Circuit Équivalent avec Stations de Recharge Mobiles

Énoncé du Problème
L'adoption croissante des véhicules électriques (VE) présente des défis uniques pour la planification de l'évacuation d'urgence, particulièrement lors de perturbations induites par des catastrophes. Contrairement aux véhicules thermiques conventionnels, les VE sont contraints par une autonomie limitée, des temps de recharge plus longs et une dépendance aux stations de recharge fixes (SRF). Dans des scénarios de catastrophe, les SRF peuvent être désactivées en raison de défaillances du réseau électrique ou de dommages physiques, et le ratio élevé de VE par rapport au nombre de chargeurs peut entraîner une congestion sévère et des véhicules immobilisés. Les modèles d'évacuation existants supposent souvent une infrastructure de recharge pleinement opérationnelle ou ne parviennent pas à optimiser conjointement le routage, les décisions de recharge et le déploiement des stations de recharge mobiles (SRM). Cet article traite de la nécessité d'un cadre d'optimisation qui prend en compte l'état de charge (SoC) de la batterie, les délais de recharge et le placement stratégique des SRM afin de garantir des itinéraires d'évacuation énergétiquement viables.

Méthodologie
Les auteurs proposent un nouveau cadre d'optimisation utilisant un modèle de circuit équivalent (ECM) pour modéliser le problème d'évacuation. La méthodologie exploite des analogies entre le génie électrique et les systèmes de transport :

• Le flux de trafic comme courant : Le flux de véhicules est modélisé comme un courant électrique.
• Le temps de trajet comme résistance : L'impédance d'un segment routier est représentée par le temps de trajet.
• L'autonomie de conduite comme tension : L'autonomie restante du véhicule est modélisée comme une tension.
• La recharge comme sources de tension : Les stations de recharge agissent comme des sources qui rechargent la tension (l'autonomie).

Le cadre formule le problème d'évacuation comme un problème de programmation en nombres entiers (IP). Les composantes clés incluent :

1. ECM Contrôlable : Le modèle intègre des commutateurs binaires pour réguler la sélection des itinéraires (activation ou blocage de segments spécifiques) et des variables entières pour déterminer les durées de recharge tant aux SRF qu'aux SRM.
2. Lois de Kirchhoff :
   • Loi de Kirchhoff des Courants (LKC) : Assure l'équilibre des flux aux nœuds du réseau, garantissant que le nombre de véhicules entrant dans un nœud est égal au nombre de véhicules sortant (en tenant compte des commutateurs).
   • Loi de Kirchhoff des Tensions (LKT) : Assure la faisabilité énergétique. En traitant la perte d'autonomie comme une chute de tension à travers des résistances (temps de trajet) et le gain d'autonomie comme des sources de tension (recharge), le modèle garantit que la « tension » restante (autonomie) ne descend jamais en dessous de zéro le long du chemin sélectionné.
3. Principe de Superposition : Pour gérer plusieurs paires Origine-Destination (OD), le cadre applique le principe de superposition. Il résout chaque paire OD de manière indépendante pour déterminer les chemins optimaux et les stratégies de recharge, puis agrège les flux pour s'assurer qu'ils ne dépassent pas la capacité de flux libre des segments routiers ou les taux de service des stations de recharge.
4. Objectifs d'Optimisation : Le cadre prend en charge diverses métriques de performance, notamment la minimisation du pire temps d'évacuation ($J_{max}$), du temps d'évacuation moyen ($J_{avg}$) et une combinaison pondérée incluant la variance pour promouvoir l'équité entre les évacués ($J_{avg+\Delta}$).

Principales Contributions
L'article identifie quatre contributions principales :

1. Extension de l'ECM Contrôlable : Développement d'un ECM contrôlable pour les réseaux de trafic qui intègre des éléments de commutation pour la régulation active du flux de trafic et modélise explicitement les délais de recharge et le réapprovisionnement de l'autonomie.
2. Modélisation de l'Autonomie basée sur la Tension : Une analogie novatrice utilisant la loi de Kirchhoff des tensions pour modéliser la perte d'autonomie de conduite le long des itinéraires d'évacuation, une caractéristique qui n'avait pas été traitée auparavant dans les modèles de trafic basés sur l'ECM.
3. Déploiement Intégré de SRM : L'incorporation des SRM dans le cadre ECM pour déterminer le placement optimal, le nombre et la durée de recharge des unités mobiles afin de minimiser le temps total d'évacuation.
4. Cadre d'Équité Multi-OD : Une extension du modèle à plusieurs paires OD via la superposition, supportant des métriques axées sur l'équité (pire cas, moyenne et variance) pour éviter des disparités importantes dans les temps d'évacuation.

Résultats
Le cadre proposé a été validé par des études de simulation sur de vastes réseaux de transport en Californie : le réseau urbain d'Anaheim et le réseau rural de Mariposa.

• Réseau d'Anaheim (Urbain) : Des simulations avec 8 paires OD et 13 400 VE ont démontré que la fonction de coût $J_{avg}$ minimisait les temps d'évacuation moyens, tandis que $J_{avg+\Delta}$ réduisait considérablement l'écart des temps d'évacuation (d'environ 8,8 % par rapport à $J_{max}$ pour des autonomies initiales spécifiques). L'analyse de sensibilité a montré qu'à mesure que le flux d'entrée augmente, le réseau utilise davantage d'arêtes, et que le nombre de SRM requises augmente brusquement pour prévenir la congestion une fois la capacité des stations fixes dépassée.
• Réseau de Mariposa (Rural) : Dans un scénario simulant une évacuation due à un incendie de forêt où les SRF du centre-ville ont été désactivées, l'optimisation basée sur l'ECM a déployé 6 SRM de manière stratégique pour permettre la recharge en cours de route. Comparée à un algorithme de base « glouton » qui plaçait les SRM uniquement aux emplacements les plus proches (provoquant saturation et files d'attente), la méthode proposée a distribué les SRM pour atténuer à la fois la congestion routière et les files d'attente de recharge.
• Validation de Haute Fidélité : Les résultats de l'optimisation ont été validés à l'aide de la micro-simulation Aimsun. Pour les itinéraires courts, l'erreur entre le modèle ECM et la simulation microscopique était inférieure à 6,67 %. Pour les itinéraires plus longs, les erreurs atteignaient environ 13,84 %, ce qui est attribué à la simplification des éléments de contrôle du trafic et des variations de vitesse par le modèle d'optimisation.
• Amélioration des Performances : Dans le cas de Mariposa, l'approche basée sur l'ECM a amélioré les temps d'évacuation de 36 % à 43 % pour plusieurs paires OD par rapport à l'algorithme de base, principalement en réduant les files d'attente et en exploitant l'autonomie initiale des véhicules pour un déploiement plus efficace des SRM.

Signification
L'article affirme que le cadre proposé basé sur l'ECM offre une approche unifiée et physiquement interprétable pour la planification de l'évacuation des VE. En modélisant explicitement la faisabilité énergétique via des contraintes de tension et en intégrant la flexibilité des stations de recharge mobiles, la méthode améliore considérablement l'efficacité et la robustesse de l'évacuation, particulièrement dans les scénarios de faible autonomie initiale ou d'infrastructures fixes perturbées. L'étude souligne que les SRM sont critiques pour les évacuations d'urgence, car elles peuvent dynamiquement atténuer les goulots d'étranglement que l'infrastructure fixe ne peut traiter lors de catastrophes. Le cadre fournit un outil évolutif pour les planificateurs afin d'optimiser conjointement le routage, la durée de recharge et le déploiement des ressources mobiles pour garantir des évacuations sûres et rapides.