利用学习、预测、优化与自动化提升电动车辆在城市公交车队中的利用率
系统与控制
2023-05-25 v1 系统与控制
摘要
本工作提出一种新颖的分层方法，以提升电池电动公交车(BEBs)在公交车队中的利用率。所提方法依赖三个关键组件。一个基于学习的 BEB 数字孪生云平台用于精确预测每辆车的 BEB 电荷消耗(按车辆、驾驶员和路线)，并精确预测 BEB 电池充至任意电平所需时间。随后，一个预测性班次分配模块利用这些预测来最大化 BEB 车队利用率。该模块计算最优的 BEB 每日分配与充电管理策略。一个停车场与充电排队管理模块用于根据其充电需求自主停放和充电车辆。本文讨论了架构中每一层的技术方法与益处，并以一项真实仿真研究作结。研究表明，若采用我们的方法，BEB 车队利用率相比最先进方法可提升 50%。
引用
@article{arxiv.2305.14732,
title = {Increasing Electric Vehicles Utilization in Transit Fleets using Learning, Predictions, Optimization, and Automation},
author = {Jacopo Guanetti and Yeojun Kim and Xu Shen and Joel Donham and Santosh Alexander and Bruce Wootton and Francesco Borrelli},
journal= {arXiv preprint arXiv:2305.14732},
year = {2023}
}
备注
Accepted at the 35th IEEE Intelligent Vehicles Symposium (IV 2023)