Equivalent Circuit Model based Electric Vehicle Evacuation with Mobile Charging Stations

Sintesi Tecnica: Evacuazione di Veicoli Elettrici basata su Modello di Circuito Equivalente con Stazioni di Ricarica Mobili

Definizione del Problema
La crescente adozione dei Veicoli Elettrici (EV) presenta sfide uniche per la pianificazione dell'evacuazione in caso di emergenza, particolarmente in presenza di interruzioni indotte da disastri. A differenza dei veicoli convenzionali a benzina, gli EV sono vincolati da un'autonomia limitata, tempi di rifornimento più lunghi e una dipendenza dalle Stazioni di Ricarica Fisse (FCS). In scenari di disastro, le FCS possono essere rese inoperabili a causa di guasti alla rete elettrica o danni fisici, e l'alto rapporto tra EV e caricatori può portare a gravi congestioni e veicoli rimasti bloccati. I modelli di evacuazione esistenti spesso assumono un'infrastruttura di ricarica completamente operativa o non ottimizzano congiuntamente il routing, le decisioni di ricarica e l'impiego di Stazioni di Ricarica Mobili (MCS). Questo articolo affronta la necessità di un framework di ottimizzazione che tenga conto dello stato di carica della batteria (SoC), dei ritardi di ricarica e del posizionamento strategico delle MCS per garantire percorsi di evacuazione energeticamente fattibili.

Metodologia
Gli autori propongono un nuovo framework di ottimizzazione che utilizza un Modello di Circuito Equivalente (ECM) per modellare il problema dell'evacuazione. La metodologia sfrutta analogie tra l'ingegneria elettrica e i sistemi di trasporto:

• Flusso di Traffico come Corrente: Il flusso di veicoli è modellato come corrente elettrica.
• Tempo di Viaggio come Resistenza: L'impedenza di un collegamento stradale è rappresentata dal tempo di percorrenza.
• Autonomia di Guida come Tensione: L'autonomia residua del veicolo è modellata come tensione.
• Ricarica come Sorgenti di Tensione: Le stazioni di ricarica agiscono come sorgenti che ripristinano la tensione (autonomia).

Il framework formula il problema dell'evacuazione come un problema di Programmazione Intera (IP). I componenti chiave includono:

1. ECM Controllabile: Il modello incorpora interruttori binari per regolare la selezione dei percorsi (attivando o bloccando specifici collegamenti) e variabili intere per determinare le durate di ricarica sia presso le FCS che presso le MCS.
2. Leggi di Kirchhoff:
   • Legge di Kirchhoff delle Correnti (KCL): Impone l'equilibrio del flusso ai nodi della rete, garantendo che il numero di veicoli che entrano in un nodo sia uguale al numero di veicoli che esce (tenendo conto degli interruttori).
   • Legge di Kirchhoff delle Tensioni (KVL): Impone la fattibilità energetica. Trattando la perdita di autonomia come caduta di tensione attraverso resistori (tempo di percorrenza) e il guadagno di autonomia come sorgenti di tensione (ricarica), il modello garantisce che la "tensione" (autonomia) rimanente non scenda mai sotto lo zero lungo il percorso selezionato.
3. Principio di Sovrapposizione: Per gestire molteplici coppie Origine-Destinazione (OD), il framework applica il principio di sovrapposizione. Risolve le singole coppie OD indipendentemente per determinare i percorsi ottimali e le strategie di ricarica, per poi aggregare i flussi affinché non superino la capacità di flusso libero dei collegamenti stradali o i tassi di servizio delle stazioni di ricarica.
4. Obiettivi di Ottimizzazione: Il framework supporta varie metriche di prestazione, tra cui la minimizzazione del tempo di evacuazione nel caso peggiore ($J_{max}$), del tempo di evacuazione medio ($J_{avg}$) e una combinazione ponderata che include la varianza per promuovere l'equità tra gli evacuati ($J_{avg+\Delta}$).

Contributi Chiave
L'articolo identifica quattro contributi primari:

1. Estensione ECM Controllabile: Sviluppo di un ECM controllabile per reti di traffico che integra elementi di commutazione per la regolazione attiva del flusso di traffico e modella esplicitamente i ritardi di ricarica e il ripristino dell'autonomia.
2. Modellazione dell'Autonomia Basata sulla Tensione: Una nuova analogia che utilizza la Legge di Kirchhoff delle Tensioni per modellare la perdita di autonomia lungo i percorsi di evacuazione, una caratteristica precedentemente non affrontata nei modelli di traffico basati su ECM.
3. Integrazione del Deployment di MCS: L'incorporazione delle MCS nel framework ECM per determinare il posizionamento ottimale, il numero e la durata della ricarica delle unità mobili al fine di minimizzare il tempo totale di evacuazione.
4. Framework di Equità Multi-OD: Un'estensione del modello a molteplici coppie OD tramite sovrapposizione, che supporta metriche orientate all'equità (caso peggiore, media e varianza) per prevenire disparità significative nei tempi di evacuazione.

Risultati
Il framework proposto è stato validato attraverso studi di simulazione su ampie reti di trasporto in California: la rete urbana di Anaheim e la rete rurale di Mariposa.

• Rete di Anaheim (Urbana): Simulazioni con 8 coppie OD e 13.400 EV hanno dimostrato che la funzione di costo $J_{avg}$ minimizzava i tempi medi di evacuazione, mentre $J_{avg+\Delta}$ riduceva significativamente la deviazione nei tempi di evacuazione (di circa l'8,8% rispetto a $J_{max}$ a specifiche autonomi iniziali). L'analisi di sensibilità ha mostrato che, all'aumentare del flusso in ingresso, la rete utilizza più archi e il numero di MCS richieste aumenta drasticamente per prevenire la congestione una volta superata la capacità delle stazioni fisse.
• Rete di Mariposa (Rurale): In uno scenario che simula un'evacuazione per incendio boschivo in cui le FCS del centro città sono state disattivate, l'ottimizzazione basata su ECM ha distribuito strategicamente 6 MCS per consentire la ricarica durante il percorso. Rispetto a un algoritmo "greedy" di base che posizionava le MCS solo nelle località più vicine (causando saturazione e code), il metodo proposto ha distribuito le MCS per mitigare sia la congestione stradale che le code di ricarica.
• Validazione ad Alta Fedeltà: I risultati dell'ottimizzazione sono stati validati utilizzando la micro-simulazione Aimsun. Per i percorsi più brevi, l'errore tra il modello ECM e la simulazione microscopica è stato inferiore al 6,67%. Per i percorsi più lunghi, gli errori sono aumentati a circa il 13,84%, a causa della semplificazione degli elementi di controllo del traffico e delle variazioni di velocità nel modello di ottimizzazione.
• Miglioramento delle Prestazioni: Nel caso di Mariposa, l'approccio basato su ECM ha migliorato i tempi di evacuazione dal 36% al 43% per diverse coppie OD rispetto all'algoritmo di base, principalmente riducendo le code e sfruttando l'SoC iniziale dei veicoli per un deployment più efficiente delle MCS.

Significatività
L'articolo afferma che il framework proposto basato su ECM offre un approccio unificato e fisicamente interpretabile alla pianificazione dell'evacuazione degli EV. Modellando esplicitamente la fattibilità energetica attraverso vincoli basati sulla tensione e integrando la flessibilità delle Stazioni di Ricarica Mobili, il metodo migliora significativamente l'efficienza e la robustezza dell'evacuazione, specialmente in scenari con carica iniziale della batteria limitata o infrastrutture fisse interrotte. Lo studio evidenzia che le MCS sono critiche per le evacuazioni di emergenza, poiché possono alleviare dinamicamente i colli di bottiglia che l'infrastruttura fissa non può affrontare durante i disastri. Il framework fornisce uno strumento scalabile per i pianificatori per ottimizzare congiuntamente il routing, la durata della ricarica e il deployment delle risorse mobili per garantire evacuazioni sicure e tempestive.