Traffic-Induced Energy Variability of Long-Haul Truck Powertrains Using Vehicle–Traffic Co-Simulation
Questo articolo presenta una metodologia di co-simulazione veicolo-traffico a due stadi che quantifica come le condizioni del traffico varianti spazio-temporalmente su un corridoio statunitense di 255 miglia aumentino significativamente l'intensità energetica e riducano l'efficienza del trasporto merci per i camion elettrici a lungo raggio, aumentando simultaneamente il recupero dell'energia rigenerativa.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Ogni viaggio di un camion a lungo raggio è una negoziazione con la strada, ma è anche una conversazione costante con il traffico circostante. Quando un pesante camion percorre un'autostrada aperta a una velocità costante, il suo consumo energetico è prevedibile. Tuttavia, nel momento in cui incontra un veicolo più lento, un'auto che si immette in corsia o un rallentamento improvviso, quella prevedibilità svanisce. Il conducente deve frenare, poi accelerare di nuovo, e ciascuno di questi cambiamenti richiede un'ondata di potenza dal motore. Per i camion alimentati elettricamente, queste raffiche esauriscono la batteria, mentre i momenti di frenata offrono l'opportunità di recuperare parte dell'energia. Comprendere esattamente quanto costino questi momenti di guida "stop-and-go" a un moderno camion elettrico è difficile perché il traffico del mondo reale è caotico e cambia di ora in ora. Per risolvere questo problema, i ricercatori avevano bisogno di un modo per osservare un camion guidare attraverso una versione virtuale di un'autostrada reale, completa del flusso imprevedibile di altre auto, per vedere come il traffico stesso modifichi il conto energetico.
Un team di ricercatori dell'Oak Ridge National Laboratory e dell'Università del Tennessee si è posto l'obiettivo di rispondere a questa domanda simulando un vasto tratto del corridoio dell'Interstate 81 negli Stati Uniti, una rotta che attraversa la Virginia, la West Virginia, il Maryland e la Pennsylvania. Non stavano solo guardando un singolo camion in isolamento; volevano vedere come il camion si comportasse circondato da migliaia di altri veicoli, dall'ora di punta del mattino alla tarda sera. Il team ha costruito un gemello digitale di un tratto di autostrada lungo 255 miglia, utilizzando dati sul traffico pubblico per ricreare il numero di auto in strada per diversi momenti della giornata, diversi giorni della settimana e diverse stagioni. Il loro obiettivo era determinare se il momento della giornata contasse più della stagione o del giorno della settimana per quanto riguarda l'energia di cui un camion avrebbe avuto bisogno per andare dal punto A al punto B.
Per gestire l'immensa complessità di simulare un'autostrada di 255 miglia con un traffico realistico, i ricercatori hanno utilizzato un approccio in due fasi. In primo luogo, hanno eseguito un ampio set di simulazioni utilizzando un modello di traffico standard per vedere come il camion si muovesse attraverso il flusso del traffico. Hanno testato otto diversi scenari, combinando estate e inverno, giorni feriali e festivi, e ore mattutine e serali. In queste corse iniziali, hanno tracciato la velocità del camion secondo per secondo. I risultati sono stati chiari: il momento della giornata era il fattore più importante. Gli scenari serali, specificamente tra l'una del pomeriggio e le nove di sera, producevano schemi di guida molto più erratici rispetto a quelli mattutini. Durante la sera, il camion passava più tempo a rallentare e ad accelerare, portando a tempi di percorrenza più lunghi e velocità più variabili. Le corse mattutine, al contrario, mostravano il camion che si muoveva in modo costante e con flusso libero, proprio come un'auto su una strada vuota. La stagione e il fatto che fosse un giorno feriale o festivo avevano un effetto molto minore, agendo solo come piccoli aggiustamenti al modello principale stabilito dal momento della giornata.
Avendo identificato che il traffico serale era il più impegnativo, i ricercatori sono passati alla seconda fase, in cui hanno applicato un modello molto più dettagliato e computazionalmente oneroso. Hanno preso lo scenario serale più impegnativo e quello mattutino più efficiente e li hanno eseguiti nuovamente, questa volta accoppiando la simulazione del traffico con un modello fisico ad alta fedeltà di un camion elettrico di Classe 8. Ciò ha permesso loro di vedere non solo quanto velocemente si muoveva il camion, ma esattamente quanta energia la batteria utilizzava per muoverlo, quanta energia veniva recuperata quando il camion frenava e quanto efficientemente il camion trasportava il suo carico. Hanno confrontato questi risultati con una simulazione di base in cui il camion percorreva lo stesso tragitto con assolutamente nessun altro traffico sulla strada.
I risultati hanno rivelato che il traffico è una penalità significativa per i camion elettrici. Quando il camion percorreva la simulazione del traffico serale, il suo consumo energetico per miglio aumentava tra il 23 e il 53 percento rispetto alla linea di base della strada vuota. Ciò significa che il camion aveva bisogno di molta più elettricità per coprire la stessa distanza semplicemente perché doveva reagire agli altri veicoli. Di conseguenza, l'efficienza del trasporto è diminuita tra il 22 e il 37 percento, il che significa che il camion muoveva meno carico per unità di energia. Tuttavia, il traffico ha creato anche un lato positivo per la batteria. Poiché il camion doveva frenare e scivolare più spesso nel traffico congestionato della sera, è stato in grado di recuperare energia attraverso la frenata rigenerativa. L'energia recuperata è aumentata tra il 104 e il 165 percento rispetto alla strada vuota. Nonostante questo massiccio aumento del recupero energetico, non è stato sufficiente a compensare l'energia extra necessaria per mantenere il camion in movimento attraverso le condizioni di guida "stop-and-go".
Lo studio conclude che, sebbene i camion elettrici possano recuperare una sorprendente quantità di energia quando sono costretti a rallentare, il costo complessivo di navigare nel traffico del mondo reale è ancora elevato. I ricercatori hanno scoperto che il momento della giornata è il driver primario di questa variabilità energetica, con i pendolari serali che risultano molto più energivori rispetto alle corse mattutine. Ciò suggerisce che per la pianificazione del trasporto a lungo raggio, non basta conoscere semplicemente la distanza; gli operatori devono tenere conto delle specifiche condizioni di traffico che affronteranno. Il lavoro dimostra che per comprendere veramente i bisogni energetici del futuro trasporto merci elettrico, i modelli devono includere la realtà disordinata delle altre auto sulla strada, invece di assumere semplicemente che un camion viaggi in un vuoto. I ricercatori hanno osservato che i loro risultati si basano su simulazioni e che ulteriori lavori sono necessari per validare questi numeri con dati del mondo reale, ma lo studio fornisce un quadro chiaro e basato sui dati di come il traffico plasmi il futuro energetico del trasporto merci pesante.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.