Ngày 30 tháng 10 năm 2024
Các kỹ sư của Cornell đã đưa ra giải pháp cho một vấn đề khó khăn: lắp đặt trạm sạc cho xe điện ở đâu để thuận tiện cho người lái xe và có lợi cho nhà đầu tư. Những phát hiện này được công bố trên tạp chí Applied Energy .
Tín dụng: Pixabay/CC0 Public Domain
Nếu không có nhiều trạm sạc và được bố trí hợp lý, người tiêu dùng sẽ mua ít xe điện hơn. Nếu không có đủ chủ sở hữu xe điện, các trạm sạc công cộng sẽ không có lãi; điều đó có nghĩa là sẽ có ít trạm sạc hơn.
Đồng tác giả Oliver Gao, Giáo sư Kỹ thuật Xây dựng và Môi trường Howard Simpson năm 1942 tại Cornell Engineering, cho biết: "Cải thiện cơ sở hạ tầng trạm sạc về cơ bản là vấn đề con gà và quả trứng".
Nhóm nghiên cứu phát hiện ra rằng trong bối cảnh đô thị, việc lắp đặt hỗn hợp cân bằng của hai loại trạm khác nhau—một trạm sạc ở tốc độ trung bình và một trạm sạc nhanh hơn—và phân phối chúng một cách chiến lược sẽ làm tăng khả năng tài xế sẽ sử dụng chúng. Và điều đó đến lượt nó cải thiện lợi nhuận cho các nhà đầu tư từ 50% đến 100%, so với các chiến lược sắp xếp ngẫu nhiên hiện tại.
"Việc lắp đặt các trạm sạc công cộng xung quanh thành phố nghe có vẻ đơn giản, nhưng về mặt toán học, thực tế lại rất khó", tác giả chính Yeuchen Sophia Liu, Tiến sĩ, nhà nghiên cứu hoạt động tại phòng thí nghiệm của Gao, cho biết.
Liu cho biết, lý do là vì các mô hình đơn giản không cho phép tính đến sự phức tạp của hàng nghìn quyết định có thể xảy ra của người lái xe, chưa kể đến các yếu tố như đặc điểm giao thông và đường sá.
Vì vậy, nhóm đã quay lại sáu thập kỷ trước để sử dụng tối ưu hóa Bayes, một chiến lược toán học sử dụng các nỗ lực tối ưu hóa trong quá khứ để thông báo cho mỗi nỗ lực tiếp theo. Điều đó dẫn đến phân tích nhanh hơn và hiệu quả hơn nhiều. Nó đã trở nên phổ biến trong các thuật toán học máy.
Liu cho biết: "Thuật toán mô hình tối ưu hóa Bayes cho phép chúng tôi mô phỏng hàng triệu hành vi riêng lẻ, đồng thời tìm ra câu trả lời một cách hiệu quả và nhanh chóng".
Nhóm nghiên cứu đã thiết lập một thuật toán sử dụng tối ưu hóa Bayesian để phân tích dữ liệu từ khu vực Atlanta, nơi sinh sống của khoảng 6 triệu người. Họ đã nghiên cứu hành vi của 30.000 phương tiện trên hơn 113.000 chuyến đi mô phỏng, dự báo nhiều mô hình giao thông đi lại khác nhau.
Thuật toán tìm ra vị trí tối ưu chỉ sử dụng 2% thời gian chạy của các phương pháp chuẩn hiện có. "Điều này cho phép sử dụng thuật toán ở quy mô thực tế phức tạp hơn", Liu cho biết.
Nhóm nghiên cứu phát hiện ra rằng các trạm sạc thương mại "cấp độ 2" tốc độ trung bình và các trạm sạc nhanh "DCFC" dòng điện một chiều phục vụ các nhu cầu khác nhau. Những người lái xe đỗ xe trong 20 phút—ví dụ như khi chạy vào một cửa hàng tạp hóa—có khả năng sẽ chọn các điểm sạc nhanh. Nhưng nếu ai đó đi làm và đỗ xe trong nhiều giờ, người lái xe có khả năng sẽ chọn trạm cấp độ 2.
Ngoài ra, phân tích độ nhạy đã chứng minh rằng các yếu tố như quy mô thị trường xe điện chạy bằng pin, sở thích sạc và giá sạc có tác động đáng kể đến vị trí tối ưu và lợi nhuận của dự án cơ sở hạ tầng sạc xe điện.
Liu cho biết những phát hiện này có ý nghĩa quan trọng. Theo báo cáo, tại Hoa Kỳ, tám tiểu bang đã áp dụng chương trình Xe không phát thải của California để có ít nhất 3,3 triệu xe hạng nhẹ không phát thải - thay thế xe động cơ đốt trong carbon - trên đường vào năm 2025.
Liu cho biết: "Việc bố trí các trạm sạc một cách chiến lược về mặt kinh tế có thể đóng vai trò then chốt trong việc đẩy nhanh quá trình chuyển đổi sang xe không phát thải".
Mời các đối tác xem hoạt động của Công ty TNHH Pacific Group.
FanPage: https://www.facebook.com/Pacific-Group
YouTube: https://www.youtube.com/@PacificGroupCoLt
