Traffic-Induced Energy Variability of Long-Haul Truck Powertrains Using Vehicle–Traffic Co-Simulation
Dit artikel presenteert een twee-fasen voertuig-verkeer co-simulatiemethodologie die kwantificeert hoe ruimtelijk en temporeel variërende verkeersomstandigheden op een 255 mijl lange Amerikaanse corridor de energie-intensiteit van langeafstandselectrische vrachtwagens aanzienlijk verhogen en de vrachtefficiëntie verminderen, terwijl ze tegelijkertijd de regeneratieve energie-extractie vergroten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Elke langeafstandrit met een vrachtwagen is een onderhandeling met de weg, maar het is ook een constante conversatie met het verkeer eromheen. Wanneer een zware vrachtwagen met een constante snelheid over een open snelweg kruist, is het energieverbruik voorspelbaar. Maar op het moment dat hij een langzamer voertuig, een invoegende auto of een plotselinge vertraging tegenkomt, verdwijnt die voorspelbaarheid. De chauffeur moet remmen en vervolgens weer optrekken, en elke van deze verschuivingen vereist een krachtstoot van de motor. Voor vrachtwagens die op elektriciteit rijden, putten deze krachtstoten de batterij uit, terwijl de remmomenten een kans bieden om wat energie terug te winnen. Het begrijpen van precies hoeveel deze stop-and-go-momenten een moderne elektrische vrachtwagen kosten, is moeilijk omdat het werkelijke verkeer chaotisch is en van uur tot uur verandert. Om dit op te lossen, hadden onderzoekers een manier nodig om een vrachtwagen door een virtuele versie van een echte snelweg te laten rijden, compleet met de onvoorspelbare stroom van andere auto's, om te zien hoe het verkeer zelf de energierekening verandert.
Een team van onderzoekers van het Oak Ridge National Laboratory en de University of Tennessee zette zich af om deze vraag te beantwoorden door een enorme sectie van de Amerikaanse Interstate 81-corridor te simuleren, een route die door Virginia, West Virginia, Maryland en Pennsylvania loopt. Ze keken niet alleen naar een enkele vrachtwagen in isolatie; ze wilden zien hoe de vrachtwagen zich gedroeg wanneer hij omringd werd door duizenden andere voertuigen, van de ochtendspits tot de late avond. Het team bouwde een digitale tweeling van een 255 mijl lang segment van deze snelweg, waarbij gebruik werd gemaakt van publieke verkeersgegevens om het aantal auto's op de weg te recreëren voor verschillende tijdstippen van de dag, verschillende dagen van de week en verschillende seizoenen. Hun doel was om te bepalen of het tijdstip van de dag belangrijker was dan het seizoen of de dag van de week als het gaat om hoeveel energie een vrachtwagen nodig heeft om van punt A naar punt B te komen.
Om de enorme complexiteit van het simuleren van een 255 mijl lange snelweg met realistisch verkeer te beheersen, gebruikten de onderzoekers een tweestapsbenadering. Eerst voerden ze een brede reeks simulaties uit met een standaard verkeersmodel om te zien hoe de vrachtwagen zich door de verkeersstroom bewoog. Ze testten acht verschillende scenario's, waarbij zomer en winter, weekdagen en weekenden, en ochtend- en avonduren werden gecombineerd. In deze eerste runs volgden ze de snelheid van de vrachtwagen seconde voor seconde. De resultaten waren duidelijk: het tijdstip van de dag was de belangrijkste factor. De avendenscenario's, specifief tussen 13:00 en 21:00 uur, produceerden veel grilliger rijpatronen dan de ochtendruns. Tijdens de avond bracht de vrachtwagen meer tijd door met vertragen en versnellen, wat leidde tot langere reistijden en variabele snelheden. De ochtendruns lieten daarentegen zien dat de vrachtwagen zich op een gestage, vrij vloeiende manier bewoog, vergelijkbaar met een auto op een lege weg. Het seizoen en of het een weekdag of een weekend was, hadden een veel kleiner effect en fungeerden slechts als kleine aanpassingen aan het hoofdpatroon dat door het tijdstip van de dag werd bepaeld.
Nadat zij hadden vastgesteld dat het avondverkeer het meest uitdagend was, gingen de onderzoekers over naar hun tweede fase, waarin ze een veel gedetailleerder en rekenintensiever model toepasten. Ze namen het meest veeleisende avendenscenario en het meest efficiënte ochtendscenario en draaiden deze opnieuw, waarbij ze de verkeerssimulatie koppelden aan een hoogwaardig fysica-model van een batterij-elektrische Class 8-vrachtwagen. Dit stelde hen in staat om niet alleen te zien hoe snel de vrachtwagen bewoog, maar ook exact hoeveel energie de batterij verbruikte om hem te bewegen, hoeveel energie er werd teruggewonnen wanneer de vrachtwagen remde, en hoe efficiënt de vrachtwagen zijn lading verplaatste. Ze vergeleken deze resultaten met een basissimulatie waarbij de vrachtwagen hetzelfde traject aflegde zonder enig ander verkeer op de weg.
De bevindingen toonden aan dat verkeer een aanzienlijke straf vormt voor elektrische vrachtwagens. Wanneer de vrachtwagen in het gesimuleerde avondverkeer reed, steeg het energieverbruik per mijl met 23 tot 53 procent vergeleken met de baseline van de lege weg. Dit betekent dat de vrachtwagen aanzienlijk meer elektriciteit nodig had om dezelfde afstand af te leggen, simpelweg omdat hij moest reageren op andere voertuigen. Gevolgelijk daalde de efficiëntie van het transport met 22 tot 37 procent, wat betekent dat de vrachtwagen minder lading per eenheid energie verplaatste. De verkeerssituatie creëerde echter ook een zilveren randje voor de batterij. Omdat de vrachtwagen in het drukke avondverkeer vaker moest remmen en uitrollen, kon hij meer energie terugwinnen via regeneratief remmen. De hoeveelheid teruggewonnen energie nam toe met 104 tot 165 procent vergeleken met de lege weg. Ondanks deze enorme toename in energieherwinning was dit niet voldoende om de extra energie te compenseren die nodig was om de vrachtwagen door de stop-and-go-condities te laten bewegen.
De studie concludeert dat hoewel elektrische vrachtwagens een verrassende hoeveelheid energie kunnen terugwinnen wanneer ze gedwongen worden te vertragen, de totale kosten voor het navigeren door echt verkeer nog steeds hoog zijn. De onderzoekers ontdekten dat het tijdstip van de dag de primaire drijfveer is van deze energievariabiliteit, waarbij de avonduren veel energie-intensiever zijn dan de ochtendruns. Dit suggereert dat voor de planning van het langeafstandstransport alleen de afstand weten niet genoeg is; exploitanten moeten rekening houden met de specifieke verkeersomstandigheden die ze zullen tegenkomen. Het werk toont aan dat om de energiebehoeften van toekomstige elektrische vracht goed te begrijpen, modellen de rommelige realiteit van andere auto's op de weg moeten bevatten, in plaats van er simpelweg van uit te gaan dat een vrachtwagen in een vacuüm rijdt. De onderzoekers merkten op dat hun resultaten gebaseerd zijn op simulaties en dat verdere arbeid nodig is om deze cijfers te valideren met real-world data, maar de studie biedt een duidelijk, op gegevens gebaseerd beeld van hoe verkeer de energietoekomst van zwaar transport vormgeeft.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.